نشرها سا-ريونج كانج وكارين تشانغ، مهندسي علاقات المطورين
التنقل كاكاو هي شركة التنقل الرائدة في كوريا الجنوبية، وتقدم مجموعة من خدمات النقل والتسليم، بما في ذلك طلب سيارات الأجرة والملاحة ومشاركة الدراجات والسكوتر ومواقف السيارات وتسليم الطرود من خلال كاكاو تي برنامج. الفريق في استخدمت Kakao Mobility الجوزاء نانو عبر واجهة برمجة التطبيقات GenAI Prompt الخاصة بـ ML Kit لتقديم المساعدة في ركن السيارة لخدمة مشاركة الدراجات وتجربة محسنة لإدخال العناوين لخدمات الملاحة والتسليم.
يخدم تطبيق Kakao T أكثر من 30 مليون مستخدم، وتعد خدمة مشاركة الدراجات إحدى خدماته الأكثر شعبية. ولكن لسوء الحظ، كان العديد من المستخدمين يقومون بإيقاف الدراجات أو الدراجات البخارية بشكل غير صحيح عندما لا تكون قيد الاستخدام. أدى هذا السلوك إلى تدفق مخالفات وقوف السيارات ومخاوف تتعلق بالسلامة، مما أدى إلى شكاوى عامة وغرامات وقطر. بدأت هذه المشكلات في التأثير سلبًا على التصور العام لكل من Kakao Mobility وخدمات مشاركة الدراجات الخاصة بها.
“من خلال الاستفادة من GenAI Prompt API وGemini Nano من ML Kit، تمكنا من تنفيذ الميزات التي تعمل على تحسين القيمة الاجتماعية بسرعة دون المساس بتجربة المستخدم. ستواصل Kakao Mobility اعتماد الذكاء الاصطناعي على الجهاز بشكل نشط لتوفير خدمات تنقل أكثر أمانًا وملاءمة.” — ويسوك ريو، رئيس قسم تطوير العملاء
ولمعالجة هذه المخاوف، صمم الفريق في البداية نموذجًا للتعرف على الصور لإعلام المستخدمين إذا كانت دراجتهم أو سكوترهم متوقفة بشكل صحيح وفقًا للقوانين المحلية ومعايير السلامة. قد يؤدي تشغيل هذا النموذج عبر السحابة إلى تكبد تكاليف كبيرة على الخادم. بالإضافة إلى ذلك، تحتوي الصور التي تم تحميلها بواسطة المستخدمين على معلومات حول موقع ركن سياراتهم، لذلك أراد الفريق تجنب أي مخاوف تتعلق بالخصوصية أو الأمان. كان الفريق بحاجة إلى إيجاد حل أكثر موثوقية وفعالية من حيث التكلفة.
أراد الفريق أيضًا تحسين تجربة استخراج الكيان لخدمة تسليم الطرود داخل تطبيق Kakao T. في السابق، كان المستخدمون قادرين على طلب تسليم الطرود بسهولة على واجهة الدردشة، ولكن كان على السائقين إدخال العنوان في نموذج الطلب يدويًا لبدء أمر التسليم – وهي عملية كانت مرهقة وعرضة للخطأ البشري. سعى الفريق إلى تبسيط هذه العملية، مما يجعل نماذج الطلب أسرع وأقل إحباطًا لموظفي التوصيل.
تحسين تجربة المستخدم باستخدام GenAI Prompt API الخاص بـ ML Kit
قام الفريق باختبار ومقارنة نماذج Gemini المستندة إلى السحابة مع Gemini Nano، والتي يمكن الوصول إليها عبر GenAI Prompt API الخاص بـ ML Kit. قال جينوو بارك، مطور تطبيقات Android في Kakao Mobility: “بعد مراجعة الخصوصية والتكلفة والدقة وسرعة الاستجابة، كان من الواضح أن GenAI Prompt API الخاص بـ ML Kit هو الخيار الأمثل”.
لمعالجة مشكلة الدراجات أو الدراجات البخارية المتوقفة بشكل غير صحيح، استخدم الفريق قدرة Gemini Nano متعددة الوسائط عبر ML Kit GenAI API SDK لاكتشاف متى تنتهك الدراجة أو السكوتر اللوائح المحلية من خلال ركنها على رصف أصفر اللون. ومن خلال موجه تم تصميمه بعناية، تمكنوا من تقييم أكثر من 200 صورة مصنفة لصور مواقف السيارات مع تحسين المدخلات باستمرار. هذا التقييم، الذي تم قياسه من خلال مقاييس معروفة مثل الدقة والضبط والاستدعاء ودرجة F1، يضمن أن الميزة تلبي معايير الجودة والموثوقية على مستوى الإنتاج.
الآن يمكن للمستخدمين التقاط صورة لدراجتهم أو سكوترهم المتوقف، وسيقوم التطبيق بإعلامهم إذا كانت متوقفة بشكل صحيح، أو تقديم التوجيه إذا لم تكن كذلك. تتم العملية بأكملها في ثوانٍ على الجهاز، مما يؤدي إلى حماية موقع المستخدم ومعلوماته.
لإنشاء ميزة استخراج كيان مبسطة، استخدم الفريق مرة أخرى واجهة برمجة التطبيقات GenAI Prompt API الخاصة بـ ML Kit لمعالجة طلبات التسليم الخاصة بالمستخدمين المكتوبة باللغة الطبيعية. ولو أنهم استخدموا التعلم الآلي التقليدي، لكان الأمر يتطلب مجموعة كبيرة من بيانات التعلم وخبرة خاصة في التعلم الآلي. وبدلاً من ذلك، يمكنهم ببساطة البدء بمطالبة مثل “استخرج اسم المستلم وعنوانه ورقم هاتفه من الرسالة”. قام الفريق بإعداد حوالي 200 نموذج تقييم عالي الجودة، وقام بتقييم مطالبتهم من خلال العديد من جولات التكرار للحصول على أفضل نتيجة. كانت الطريقة الأكثر فعالية المستخدمة هي تقنية تسمى “الدفع بالطلقات القليلة”، وتم تحليل النتائج بعناية للتأكد من أن الناتج يحتوي على الحد الأدنى من الهلوسة.
“تعمل واجهة برمجة التطبيقات Prompt API الخاصة بـ ML Kit على تقليل الأعباء الإضافية للمطورين مع توفير أمان وموثوقية قويين على الجهاز. فهي تتيح إنشاء نماذج أولية سريعة، وتقلل من الاعتماد على البنية التحتية، ولا تتحمل أي تكلفة إضافية. لا يوجد سبب لعدم التوصية بها.” — Jinwoo Park، مطور تطبيقات Android في Kakao Mobility
تحقيق نتائج كبيرة باستخدام GenAI Prompt API الخاص بـ ML Kit
ونتيجة لذلك، تحدد ميزة استخراج الكيان بشكل صحيح التفاصيل الضرورية لكل طلب، حتى عند إدخال أسماء وعناوين متعددة. لتعظيم مدى وصول الميزة وتوفير احتياطي قوي، قام الفريق أيضًا بتنفيذ مسار قائم على السحابة باستخدام Gemini Flash.
أدى تطبيق GenAI Prompt API الخاص بـ ML Kit إلى توفير قدر كبير من التكاليف لفريق Kakao Mobility من خلال التحول إلى الذكاء الاصطناعي على الجهاز. على الرغم من أن ميزة تحليل مواقف الدراجات لم يتم إطلاقها بعد، إلا أن تحسين إدخال العناوين قد حقق بالفعل نتائج ممتازة:
-
تم تقليل وقت إتمام الطلب لأوامر التسليم بنسبة 24%.
-
ارتفع معدل التحويل بنسبة 45% للمستخدمين الجدد و6% للمستخدمين الحاليين.
-
خلال مواسم الذروة، تزيد الطلبات المدعومة بالذكاء الاصطناعي بنسبة تزيد عن 200%.
وأضاف ويسوك: “لقد شارك أصحاب الأعمال الصغيرة على وجه الخصوص بتعليقات إيجابية للغاية، قائلين إن الميزة جعلت عملهم أكثر كفاءة وقللت من التوتر بشكل كبير”.
بعد إطلاق ميزة التعرف على الصور لمواقف الدراجات والسكوتر، يتطلع فريق Kakao Mobility إلى تحسينها بشكل أكبر. يمكن أن تكون بيئات ركن السيارات في المناطق الحضرية صعبة، ويستكشف الفريق طرقًا لتصفية المناطق غير الضرورية من الصور.
قال جين وو: “توفر واجهة GenAI Prompt API الخاصة بـ ML Kit ميزات عالية الجودة دون أي تكاليف إضافية”. “لقد أدى هذا إلى تقليل جهد المطورين، وتقصير الوقت الإجمالي للتطوير، وسمح لنا بالتركيز على الضبط السريع للحصول على نتائج ذات جودة أعلى.”
جرب GenAI Prompt API الخاص بـ ML Kit بنفسك
