피자를 먹을 때 치즈, 소스, 또는 더블 페퍼로니를 추가해서 먹는 사람들이 있습니다. 잭 프라고소(Zack Fragoso)는 방대한 데이터를 보유한 피자에 관심이 아주 많습니다.
글로벌 피자 대기업 도미노의 데이터 사이언스와 AI 관리자인 프라고소는 통계학을 사용해 인간의 행동 변화를 분류하는 직업 심리학 분야의 박사학위를 갖고 있습니다.
프라고소는 “제가 수치와 관련된 일을 좋아한다는 것을 알게 됐습니다”라고 말했습니다. 수학에 재능을 보였던 프라고소는 자신의 고향인 미국 미시간주 디트로이트의 경찰서와 교향악단에서 분석학을 이용해 컨설팅을 하다가 도미노가 한창 확장중인 AI 팀에 관리직으로 합류하게 됐죠.
프라고소는 도미노는 “분석학을 통해 얻게 된 인사이트를 사업팀의 실행항목에 적용해 왔습니다. 그 영향으로, 지난 몇 년간 데이터 사이언스 팀이 기하급수적으로 커졌습니다”라고 말했습니다.
연간 30억 개 이상의 피자를 빠르게 배달해야 하는 상황에서는 빠른 결정을 내리는 것이 중요합니다. 그래서 도미노는 피자 주문이 들어오면, 피자가 언제 배달할 수 있도록 준비될지 좀 더 정확하게 예측하는 등 AI를 어떻게 사용하면 좋을지 다방면으로 검토하고 있습니다.
작년 슈퍼볼에서 시작된 파이(Pie) 포인트는 그간 도미노가 진행해온 프로젝트 중 가장 유명한 AI 이벤트입니다. 슈퍼볼 관람객이 자신이 먹고 있는 피자의 사진을 스마트폰으로 찍으면, 포인트를 적립 받고, 일정 포인트가 쌓이면 무료 피자를 받을 수 있는 이벤트입니다.
프라고소는 “도미노 내에서 파이 포인트 프로젝트에 대한 기대가 컸지만 어떻게 피자 구매를 인정하고 포인트를 줘야 할지 아는 사람이 아무도 없었습니다”라고 당시를 회상했습니다.
“데이터 사이언스 팀이 이 프로젝트를 두고 AI를 적용한 우수 사례라고 해, 우리는 피자 이미지를 분류하는 모델을 만들었습니다. 반응이 정말 좋았습니다. 언론 홍보 효과가 컸고 포인트를 사용해 피자를 수령하는 사람들도 많아서 파이 포인트를 사용하는 사람들이 많았습니다”라고 덧붙여 말했습니다.
도미노는 고객이 송부한 플라스틱 피자 장난감 사진을 비롯한 5,000개 이상의 이미지를 사용해 8개의 V100 텐서 코어(Tensor Core) GPU가 탑재된 엔비디아 DGX 시스템에서 자사 모델을 훈련시켰습니다. 사진을 송부하면 그에 대한 답신으로 보내진 설문조사를 통해 이제 전략적인 기업 자산이라고 간주되는 독자적인 데이터 세트 레이블링 작업을 일부 자동화할 수 있었습니다.
AI는 주문받은 피자가 언제 준비될지 알고 있다
최근, 프라고소 팀은 주문 받은 피자가 언제 배달될 수 있도록 준비될지에 대한 예측의 정확도를 75%에서 95%로 높이며, 또 다른 획기적인 성과를 달성했습니다. 이른바 적재시간(load-time) 모델은 현재 몇 명의 관리자와 직원들이 일하고 있는지, 대기중인 주문 개수와 주문의 복잡성, 그리고 현재 교통상황과 같은 변수들을 감안합니다.
이런 개선사항들은 좋은 평가를 받았으며, 이를 토대로 도미노 매장 운영자의 효율성과 고객 경험을 향상시킬 수 있는 방안들을 마련할 수 있을 것입니다. 여기에서도 엔비디아 GPU의 도움을 일부 받을 수 있죠.
프라고소는 “도미노는 매장에서 데이터 카탈로그를 작성하는 일을 탁월하게 잘 합니다. 하지만 최근까지 그런 대형 모델을 구축할 수 있는 하드웨어가 없었습니다”라고 말했습니다.
처음에는 적재시간 모델을 훈련하는데 3일이 걸렸는데, 3일은 이 모델을 실용적으로 활용하기에는 너무 긴 시간이었습니다.
프라고소는 “DGX 서버가 생긴 다음부터는 한 시간 내에 훨씬 더 복잡한 모델을 훈련시킬 수 있었습니다”라며, 속도가 약 72배 가량 빨라졌다고 말했습니다. 또, “덕분에 새로운 데이터를 추가해 모델을 개선하는 등 버전 업그레이드를 매우 빠르게 할 수 있었습니다. 현재 생산중인 모델은 버전 3입니다”라고 덧붙였습니다.
더 많은 AI 출시 대기 중
프라고소 팀의 다음 과제는 엔비디아 튜링(Turing) T4 GPU를 활용해 실시간 예측이 수반되는 도미노의 업무에 필요한 AI 추론 업무를 가속화하는 것입니다.
현재 개발 중인 사용 사례들은 도미노 내부에서 기밀사항으로 간주되고 있습니다. 하지만, 데이터 사이언스 팀은 고객들이 주문한 피자를 최대한 빠르고 쉽게 배달할 수 있도록 컴퓨터 비전 애플리케이션을 여러 방면으로 시험해보고 있습니다.
프라고소는 “모델 지연 시간은 매우 중요한 부분이기 때문에, T4을 사용해 추론 스택을 구축해 현재 생산중인 AI 모델들을 호스팅하고 있습니다. 지연시간이 50ms에서 10ms 미만으로 크게 개선된 사례도 있었습니다”라고 말했습니다.
또한, 도미노는 최근 GPU에서 데이터 사이언스 쿼리를 실행하는 오픈소스 소프트웨어인 BlazingSQL을 사용하기 시작했습니다. 엔비디아 래피즈(RAPIDS) 소프트웨어가 기존 CPU 기반 도구의 API를 지원하고, 동시에 성능을 강화하며 BlazingSQL로 좀 더 손쉽게 전환할 수 있도록 지원했죠.
데이터 세트 구축을 동반한 AI 프로세스의 경우, 모든 사용 사례의 속도를 평균 10배 가속화 할 수 있었습니다.
프라고소는 “과거에는 일부 데이터 정제(data cleaning)와 특성 엔지니어링(feature engineering)을 실행하는데 24시간이 걸렸지만, 이제는 이런 업무를 1시간 내에 마칠 수 있습니다”라고 말했습니다.
NRF 2020에서 AI를 사용해 보세요
도미노는 GPU기술을 활용해 리테일 업계에 AI기술을 도입한 많은 미래 지향적인 기업 중 하나입니다.
엔비디아 GPU는 세계 최대 쇼핑 축제인 싱글즈 데이(Singles Day)에 알리바바가 380억 달러의 수익을 올리는데 일조했습니다. 또, 세계 최대 소매유통업체 월마트는 올해 초 한 행사에서 GPU와 엔비디아 래피즈를 사용했던 경험해본 경험을 전하기도 했습니다.
이케아(IKEA)는 엔비디아 파트너사인 윈나우(Winnow)의 AI 소프트웨어를 사용해 구내 식당의 음식물 쓰레기를 줄이고 있습니다.
이번주 열린 전미소매협회(NRF) 연례행사인 NRF 2020에서 소매업계의 AI 도입 모범사례들이 소개됐습니다.. 또한 엔비디아를 비롯해 리테일 업계의 파트너사 100여 곳이 NRF 2020에 참여해, 매장 복도, 계산대, 창고 등 데이터가 수집되는 로컬 환경에 AI를 확대 적용하는 엔비디아의 EGX 엣지 컴퓨팅 플랫폼을 시연했습니다..
EGX 플랫폼의 실시간 엣지 컴퓨팅 성능은 제품 결함을 발견하거나 절도행각 발견 시 매장 관리자에 이 사실을 알리고, 계산대 줄이 길어지면 새로운 계산대를 여는 등 고객에게 최상의 쇼핑 경험을 제공할 수 있습니다.
여기를 클릭해 NRF에서 엔비디아와의 미팅을 예약하세요.