다른 글을 더 읽어보시겠어요?

세상을 바꾸는 데이터,
틱택에서 시작하세요!

일반데이터부터 특수데이터까지,
수집 및 가공부터 맞춤형 AI 솔루션까지,
틱택과 함께라면 이제 모든 것이 쉬워집니다.

AI 자동차 보험 프로젝트 "주행 거리를 찾아라"

Korea Tictag
7일 전
2분 분량

고객사 소개

고객사는 디지털 전환을 선도하며, AI 기반 보험 서비스 혁신에 앞장서는 종합 손해보험사입니다. AI 개발·운영 플랫폼을 자체 구축해 음성 상담, 가입 설계, 보험금 청구 등 전 과정에 AI를 적용하고 있으며, 생성형 AI와 멀티모달 기술 도입을 통해 고객 경험과 업무 효율을 동시에 개선하고 있습니다. 보험 산업 내에서도 빠르게 기술 기반 경쟁력을 확장해나가고 있는 대표적인 디지털 혁신 기업입니다.

과제

이번 프로젝트는 자동차 보험사의 '주행거리 특약' 프로세스 개선을 목표로 진행되었습니다.

보험 가입자가 차량 계기판 사진을 전송하면, 해당 이미지를 기반으로 주행거리를 자동으로 인식하는 AI 모델을 구축하는 것이 핵심 과제였습니다.

기존에는 사용자가 촬영한 사진을 사람이 수동으로 다운로드해 주행거리를 입력하는 방식이었기 때문에,

오차 범위 조절이 어렵고,
여러 명의 인력이 투입되어 지속적인 비용 부담이 있었으며,
1만 장의 이미지 처리에 수십 시간이 소요되는 등 속도 면에서도 한계가 있었습니다.

고객사는 이러한 문제를 해결하기 위해, 정확도 개선, 운영 비용 절감, 처리 속도 향상을 동시에 달성할 수 있는 AI 기반 영상 인식 자동화 솔루션을 필요로 하고 있었습니다.

틱택코리아 작업 내용

틱택코리아는 국내 주요 손해보험사와 함께 자동차 계기판 이미지 기반 주행거리 인식 자동화 프로젝트를 성공적으로 수행하고자 아래와 같이 프로젝트를 진행했습니다. 이번 프로젝트는 특히 비대면 자동차 보험 가입 시, 고객이 제출하는 계기판 사진 속 총 주행거리를 자동으로 탐지하기 위한 AI 모델링 구축 전 학습용 데이터 구축을 목표로 했습니다.

먼저, PoC 단계에서 차량 계기판 이미지 300장을 대상으로 초기 테스트를 진행하였으며, 이후 본 프로젝트에서는 총 25,000장의 계기판 이미지를 대상으로 대규모 데이터 구축 작업을 수행했습니다.

[PoC 단계 (사전 검증) 작업 내용]

샘플 데이터 규모: 차량 계기판 이미지 300장
1차 정확도: 약 60%
초기 정확도 관련 이슈: 주행거리 외 다른 숫자(속도, 연비, 시간 등)도 함께 인식됨
개선 조치: 계기판 내 모든 숫자를 라벨링하여, AI가 주행거리만 정확히 식별하도록 구조를 조정

본 프로젝트 작업 내용

진행 기간: 약 2개월
데이터 수집: 차종별로 5장씩, 총 약 25,000장 규모 이미지 수집
라벨링 작업: 주행거리 포함 영역을 중심으로 정밀 객체 탐지 라벨링 수행하였으며, 총 10가지 Class로 데이터를 분류함

솔루션: 작업 결과