[AI 인사이트] 김재순 티맵모빌 CTO "내비 기반 초개인화 AI 에이전트 플랫폼으로 진화할 것"

단순 '원하는 곳 찾는' 수준 넘어 '갈 수 있고, 가고 싶은 곳' 추천

특정 데이터 과대 표집 되지 않도록 다양한 제어 장치 마련

티맵 플랫폼 LLM 도입 위해 다양한 협업 검토‧실험 중

김재순 티맵모빌리티 CTO가 아주경제와 인터뷰를 진행하고 있다 [사진=티맵모빌리티]

“티맵모빌리티의 중장기적 성장 목표는 명확하다. 내비게이션 서비스를 초개인화 된 인공지능(AI) 에이전트 플랫폼으로 진화시키는 것이다.”
 
김재순 티맵모빌리티 최고기술책임자(CTO) 부사장은 최근 아주경제와 진행한 인터뷰에서 이같이 말했다.
 
핵심은 초거대언어모델(LLM) 기반 대화형 AI 에이전트의 도입이다. 자율 판단 능력을 갖춘 AI가 주요 기능 및 데이터의 클라우드 전환과 맞물려 적절한 시너지를 낼 수 있을 것으로 봤다.
 
이를 통해 단순 경로 안내뿐 아니라, 추천·검색·예약까지 아우르는 통합된 경험을 제공한다. 장기적으론 다양한 파트너가 참여하는 AI 모빌리티(이동수단) 생태계의 중심이 되는 걸 지향점으로 제시했다. 현재 추진 중인 기업공개(IPO) 과정의 핵심 경쟁력으로도 AI 기술력을 꼽았다.
 

다음은 김 CTO와의 일문일답
 
-AI 모빌리티 플랫폼으로의 진화 과정서 어떤 종류 데이터를 가장 중요하게 활용하고 있는지.
 
“연간 67억 건에 달하는 ‘이동 데이터’다. 여기에는 위성위치확인시스템(GPS) 주행 궤적, 운행 이력, 장소(POI) 방문 이력, 이용 패턴 데이터 등 다양한 정보들이 포함된다. 단일 데이터가 아닌, 다층적인 이동 데이터를 바탕으로 작동하는 셈이다.
 
이 같은 데이터는 실시간 혹은 미래 교통정보·경로 안내에 필요한 정보들을 생성하는 데 활용된다. 예컨대 특정 시간대나 날씨 조건에서의 정체 양상을 학습해 예상 도착시간(ETA) 정확도 유지를 가능하게 해주는 식이다.”
 
-데이터 정제 및 가공 과정에서 AI가 어떤 역할을 하는지.
 
“자사는 방대한 이동 데이터 단순 수집을 넘어, AI를 통해 자동으로 정제·가공하고 나아가 의미를 추출한다. 표지판 인식 기술이 대표적인 사례다. 현장 조사를 통해 수집된 도로 사진·영상에서 AI가 제한속도, 주정차 금지, 방향 표시 등을 자동으로 식별·추출한다. 이후 이를 지도 데이터베이스의 속성 정보로 추가한다. 과거 사람이 일일이 수작업으로 처리해야 했던 표지판 정보가 AI로 자동화돼 최신성과 정확성을 유지한다.”
 
-사용자 개개인의 이동 목적을 AI가 파악하는 과정에는 어떤 머신러닝(기계 학습) 모델과 알고리즘을 사용하고 있나.
 
“사용자 이동 목적을 더 정확히 이해하기 위해 트랜스포머 모델 0 기반 시계열 예측모델, 시퀀스 투 시퀀스(연속 사건) 구조, 그래프세이지 등 여러 다양한 머신러닝 알고리즘을 적용하고 있다.
 
대표적인 예론 사용자 ‘집 등록 추천’을 꼽을 수 있다. 사용자가 평소 특정 시간대에 자주 이동하는 출발·도착 지점을 분석해 주거지와 직장 후보를 자동으로 식별·추천한다. 애플리케이션(앱) 내에서 ‘집’을 등록하지 않은 고객이라도, 등록 고객 유형(밤늦은 귀가, 주말 체류 시간대 등)을 학습한 AI가 유사 성향을 보이는 사용자에게 집 후보지를 추천한다. 실제로 이 방식으로 15% 이상의 집 등록 전환율을 달성했다.”
 
-방대한 사용자 데이터를 다루는 만큼, 데이터 사생활 보호와 AI 윤리 문제도 중요한 과제다. 어떤 정책이나 기술적 대응을 하고 있는지.
 
“기본적으로 모든 데이터는 암호화를 통해 보관한다. 익명·가명화를 통한 최소 데이터 수집을 원칙으로 하고 있다. 편향·공정성 측정 기준을 설정하고 이에 대한 관리도 지속 시행하는 중이다. 학습 과정과 결과 저장을 나누는 이원화된 연합 학습 모델도 고려하고 있다.”
 
-AI 추천 시스템에서 발생할 수 있는 편향을 줄이고 공정성을 확보하기 위해선 어떤 작업을 진행하고 있나.
 
“AI 추천 시스템이 대규모 사용자 데이터를 학습할 때, 특정 지역·연령·성별의 이용 성향이 과대 표집되거나 소외될 수 있다는 점은 잘 알려진 문제다. 이를 방지하기 위해 데이터 전처리 단계에서 실제 모집단이 과도하게 왜곡하지 않도록 가중치를 재조정하거나, 모델 학습 시 특정 그룹별 추천율이 편향되면 이를 직접 제어하기도 한다. 특정 그룹 간 차별률이 사전 정의한 임계치를 넘으면 손실 제약을 주는 방안도 실험 중이다.”
 
-AI 고도화를 위해 국내외 AI 전문 기업, 연구기관 등과 협력하거나 전략적 투자를 고려하고 있는 분야가 있다면.
 
“‘AI 모빌리티 에이전트’라는 방향성을 가지고 티맵 플랫폼의 LLM 도입을 위해 다양한 곳들과 협업을 검토 및 실험하고 있다. 지난 2022년부터는 자율주행과 관련된 다양한 기회와 가능성을 모색하기 위해 마스오토나 오토노머스에이투지(AWM) 같은 기업들과 협력을 하고 있다.”
 
-현재 구상 중이거나 개발 단계에 있는 AI 기반의 새로운 모빌리티 서비스가 있다면.
 
“앞서 말했던 것과 같이 사용자와 자연스러운 대화를 통해 요구를 파악할 수 있는, 좀 더 나은 내비게이션 에이전트를 개발하고 있다. 도로에서의 사고·유고·통제가 주변 도로에 어떤 영향을 가해 교통정보에 어떤 영향을 미치는지도 연구 중이다. 이를 통해서 예측시간(ETA) 등 경로 계획 정확도를 향상시키는 기술을 개발 중이다.”
 
-경쟁사 AI 기반 서비스와의 차별점은 무엇이라고 생각하나.
 
“자사는 단순 사용자 정보 기반 개인화를 넘어서, 방대한 실주행 및 차량 내 데이터까지 결합해 국내 도로 환경과 사용자의 이동 습관을 깊이 이해하는 AI 개인화를 추진하고 있다. 이를 통해 사용자가 ‘원하는 곳을 찾는’ 수준을 넘어, ‘갈 수 있고, 가고 싶은 곳을 추천’ 하는 진짜 맞춤형 모빌리티 경험을 제공한다. 방대한 사용자들의 실제 주행 데이터 기반 서비스는 인위적 조작이 불가능한 만큼, 더욱 신뢰할 수 있다는 특징도 있다.”
 
-AI 기술 개발 및 도입에 대한 투자 효과(ROI)는 어떤 지표로 측정하고 있으며, 성공적인 AI 도입 사례는 무엇이라고 보는지.
 
“ROI 측정 지표는 내부 자료라 공개는 어렵지만 주로 비용 절감, 업무 자동화 시간 절감, 고객 경험 지표 개선, 신규 매출 기여도 등으로 평가하고 있다. 대리, 화물 등 다양한 서비스 요소를 종합해 ROI를 측정하고 있다. 예컨대, 코드 리뷰 등으로는 30% 이상의 업무 향상이 있었다. 1차 코드 리뷰를 AI가 대신하다 보니 시니어 개발자들의 리뷰 시간이 대폭 주는 효과가 발생했다.”
 
-현재 추진 중인 IPO 과정서도 AI 기술력이 중요 지표로 작용할 거라고 예상하는지.
 
“당연히 AI 기반기술이 핵심이 될 것으로 생각한다. 티맵이 가진 풍부한 데이터 활용 측면에서 AI는 필수 불가결한 요소이자 기준점이다. 관련 특허도 지속적으로 만들어가고 있다.”
 
-AI 기반 서비스 확장을 위한 인재 확보 및 육성 계획은 어떻게 되는지.
 
“기술인력 확보는 매우 중요한 과제다. 대내적으로는 기존 인력의 빠른 AI 습득을 돕기 위한 재교육, 새로운 기술 도입을 통한 전환을 시도하고 있다. 대외적으로는 기술개발, 서비스 개발 관련 인재 확보를 위해 적극적인 투자를 진행 중이다. AI에이전트 서비스 개발 중심의 인재 채용도 활발히 진행하고 있다.”