[데이터넷] 인공지능(AI) 전문 기업 애자일소다(대표 최대우)가 개발한 AI 기반 차량 파손부위 인식 및 심도 측정에 이르는 핵심 알고리즘 ‘네이키드카(Naked Car)’가 보험개발원이 추진한 ‘AOS 알파’ 프로젝트에 도입돼 주목받고 있다. 네이키드카는 다수 사진에서 파손 사진만 필터링해 파손된 자동차의 부품을 인식하고 해당 부품의 손상 유형 및 필요한 수리의 종류를 판별해 사용자에게 제공하는 솔루션으로, 지난 2018년 H손해보험사의 AI 수리비 자동견적 시스템에 처음 적용돼 서비스됐다. 

보험개발원이 AI로 사고 차량 사진을 판별해 파손 부위 및 손상 정도를 파악, 수리비까지 자동 산정해 제공하는 시스템 ‘AOS 알파’를 선보여 화제다. 그간 자동차 보험업계에서는 사고 차량 수리 견적을 두고 보험사와 보험가입자, 정비소 간 잦은 분쟁을 겪어왔지만, ‘AOS 알파’ 도입으로 표준화를 통한 분쟁 방지와 사고 접수에서 보상까지 최소한의 대면으로 빠르게 진행될 수 있다는 점에서 포스트 코로나 시대의 언택트 흐름에도 부합할 것으로 평가되고 있다. ‘AOS 알파’는 현재 국내 12개 손해보험사와 6개 공제조합에 도입됐으며, 점차 일반 보험 가입자들까지 서비스가 확장될 예정이다.

독자적인 인식 프로세스 보유

보험사에서 손해사정사는 등록된 차량의 사진을 보고 청구된 보험금이 합당한지 심사한다. 사진 특성상 사진 촬영 각도나 주변 밝기 등 외부 환경에 따라 같은 정도의 파손이라도 수리비를 다르게 산정할 수 있기 때문에, 한 사건에 대해서 다각도로 사진을 보고 수리비용을 판단해 보험금 지급 여부를 결정하게 된다.

애자일소다의 네이키드카는 손해사정사가 심사를 진행하는 방식과 유사한 프로세스를 AI가 실행한다. 자동 수리비 견적 산출을 위해 다양한 인식 및 판별 모델을 거쳐 전체 결과를 종합하기 위한 룰(Rule)을 통해 손상 심도와 수리비를 예측하는 프로세스를 따른다. [그림 1]과 같이 필터 모델, 부품 인식 모델, 손상 유형 모델, 수리 유형 모델, 손상 심도 모델과 같은 머신러닝 기반 모델 5종류와 견적의 정확도를 높일 수 있는 결과 보정 알고리즘, 비즈니스 판단 로직을 반영한 알고리즘 등 최종 의사결정을 위한 룰로 구성된다.

보험 사건 하나에 다수의 사진이 입력되면 개별 사진에서 자동차 부품과 부품별 손상 정보를 인식한 뒤, 전체 사건의 정보를 종합해 최종적으로 어떤 부품에 어떤 정도의 수리가 필요한지 판단하고 수리비 견적을 제시한다. 여러 사진에서 나타나는 부품의 형상이나 손상 부위의 모습이 다르기 때문에 같은 사고 차량이라고 할지라도 촬영 각도에 따라 부품의 손상 심도 판단은 다르게 나타날 수 있다. 이를 보정하고자 산식을 통해 신뢰도가 가장 높은 심도 판단 결과를 도출하고 종합해 한 부품에는 하나의 손상 심도가 매칭 되도록 했다.

필터 모델로 견적에 필요한 사진만 자동 선별

실제 보험사 시스템에서 운영할 때 모델에 입력되는 이미지는 일정하지 않다. 견적의 대상이 되는 차량 파손 이미지뿐만 아니라 신분증이나 각종 서류, 차량 내부 사진 등 다양한 사진이 섞여 있기 때문이다. 네이키드카의 필터 모델은 입력된 이미지를 인식하고 자동으로 분류해 ‘견적 대상’이 되는 이미지만 다음 프로세스로 전달한다. 이런 과정을 거쳐 입력 이미지를 표준화하고 노이즈 이미지를 제거할 수 있다. 이렇게 데이터를 한 번 걸러내는 과정을 통해 프로세스를 효율적으로 운영하고 최종 결과의 정확성을 높이게 된다.

이 모델은 개인정보 보호 목적으로도 사용될 수 있다. 개인정보가 담긴 주민등록증, 차량등록증, 전화번호 등을 입력 이미지에서 구분해 서버 내 별도 저장소에 분리 및 관리할 수 있어 운영단에서 별도 저장된 개인정보를 비식별 조치함으로써 개인정보가 유출되지 않도록 관리할 수 있다.

분할 방식 부품 인식

해외 유사 솔루션들의 경우, 부품을 인식하는 방법으로 바운딩 박스(Bounding-Box) 방식을 사용한다. 그러나 사각형 박스 형태로 인식하는 방식은 데이터 생성이 비교적 쉬운 반면, 박스 형태라는 한계로 사각형 내부에 원하는 사물 외 주변부가 포함돼 심도 판별에 영향을 미칠 수 있다.

네이키드카는 견적의 정확도를 위해 주변부의 영향으로 인한 오인식 가능성을 최소화할 수 있는 분할(Segmentation) 방식을 채택했다. 이미지 내에서 자동차 부품의 위치와 종류를 판별하며, 픽셀 단위의 부품 인식을 통해 해당 부품의 정확한 경계를 구분해 부품 외 주변부의 영향을 비교적 덜 받으며 해당 부품만을 추출할 수 있다.

또한 자동차 종류에 상관없이 국산, 외산 승용, SUV 차량까지 범용적으로 사용할 수 있다. 타사 방식보다 정밀하게 부품을 인식해 부품의 수리 심도 판단을 보다 정밀하게 수행할 수 있다. 가령 신차종이 외형의 큰 차이가 없을 경우 별도의 학습 없이 인식할 수 있다.

현재 네이키드카는 범퍼, 도어, 휀더, 후드 등 앞뒤 좌우를 구분해 약 28개의 외판 부품을 인식한다. 부품 인식 성능은 96%로, 육안으로 구분이 불가능한 부분을 제외한 거의 모든 부품을 인식할 수 있다.

부품 손상 정보 시각화로 손상 심도 판단 정보 제공

AI는 모델이 어떤 판단으로 결과를 만들어 내는지 알 수 없는 특징이 있다. 사용자는 모델의 결과에 대한 이유를 알고 싶어 하며, 이에 설명 가능한 AI(XAI)에 대한 연구가 활발하다. 네이키드카는 이런 니즈를 반영해 전체 프로세스를 통해 나오는 손상 심도 판단에 대한 근거를 시각적으로 제시한다. 사용자는 어떤 부위에 무슨 손상이 발생했는지 직접 눈으로 확인하며 결과를 신뢰할 수 있다.

긁힘, 깨짐, 찌그러짐 등 손상의 종류 및 위치를 인식하는 ‘손상 유형 모델의 인식 결과’와 ‘부품 인식의 결과’를 결합해 부품에 발생한 손상을 시각적으로 제시한다. 사용자는 손상 영역을 직관적으로 확인할 수 있고, 보험사는 AI 견적 산출 결과에 대한 검증을 손쉽게 할 수 있어 견적에 대한 불만 발생 시 수리비 산출에 대한 근거로 제시해 분쟁을 줄일 수 있다.

유연한 확장성·실시간 대응 등으로 서비스 확대 기대

네이키드카의 각 모델은 다양한 이미지를 통해 사전에 훈련됐기 때문에 이미지를 기반으로 한 전이학습에 매우 적합하다. 따라서 태양광 패널 불량 탐지, 블랙박스 영상 분석, 시설물 균열(crack) 안전 관리, 공장 설비 고장 예측/품질 관리 등 이미지를 이용한 문제들에 대해 빠른 적용이 가능하다.

또한 애자일소다의 AI 데브옵스 포털(AI DevOps Portal) ‘스파클링소다’를 기반으로 실시간 서비스(Near Real-Time)를 지원할 수 있다. GPU 서버를 활용해 네이키드카의 전체 프로세스를 실시간으로 운영할 수 있다. 실제 보험개발원의 ‘AOS 알파’도 수십 초 내 결과를 전달받을 수 있다.

한편, 애자일소다는 네이키드카로 글로벌 GPU 기술 컨퍼런스인 엔비디아(NVIDIA) GTC 2020에 출품, 올해의 연구 포스터 중 하나로 채택되기도 했다. 이는 네이키드카가 딥러닝 기술을 활용한 혁신적인 제품이며 글로벌 경쟁력을 가진 제품임을 인정받았다는 뜻이다. 또한 연구 포스터의 채택은 애자일소다의 기술력이 세계적인 기업들과 어깨를 나란히 하고 있음을 확인할 수 있는 의미 있는 성과다.