Kakao Mobility هي شركة رائدة في مجال التنقّل في كوريا الجنوبية، وتقدّم مجموعة من خدمات النقل والتوصيل، بما في ذلك طلب سيارات الأجرة والتنقّل ومشاركة الدراجات العادية والدراجات البخارية ومواقف السيارات وتوصيل الطرود، وذلك من خلال تطبيقها Kakao T. استخدم فريق Kakao Mobility نموذج Gemini Nano من خلال GenAI Prompt API في ML Kit لتقديم المساعدة في ركن الدراجات ضمن خدمة مشاركة الدراجات، بالإضافة إلى تحسين تجربة إدخال العناوين في خدمات التنقّل والتوصيل.

يستخدم تطبيق Kakao T أكثر من 30 مليون مستخدم إجمالاً، وتُعد خدمة مشاركة الدراجات إحدى أكثر خدماته شيوعًا. لكن لسوء الحظ، كان العديد من المستخدمين يوقفون الدراجات أو الدراجات البخارية بشكل غير صحيح عندما لا يكونون بحاجة إليها. أدّى هذا السلوك إلى زيادة في مخالفات ركن المركبات والمخاوف المتعلّقة بالسلامة، ما نتج عنه شكاوى عامة وغرامات وعمليات سحب للمركبات. بدأت هذه المشاكل تؤثر سلبًا في نظرة الجمهور إلى شركة Kakao Mobility وخدمات مشاركة الدراجات التي تقدّمها.

"من خلال الاستفادة من واجهة برمجة التطبيقات GenAI Prompt في ML Kit وGemini Nano، تمكّنا من تنفيذ ميزات تحسّن القيمة الاجتماعية بسرعة بدون التأثير سلبًا في تجربة المستخدم. ستواصل Kakao Mobility استخدام الذكاء الاصطناعي على الأجهزة بشكل نشط لتقديم خدمات تنقّل أكثر أمانًا وملاءمةً". — Wisuk Ryu، رئيس قسم تطوير العملاء

لمعالجة هذه المخاوف، صمّم الفريق في البداية نموذجًا للتعرّف على الصور لإرسال إشعارات إلى المستخدمين في حال ركنوا دراجاتهم أو دراجاتهم البخارية بشكل صحيح وفقًا للقوانين المحلية ومعايير السلامة. وكان تشغيل هذا النموذج من خلال السحابة الإلكترونية سيؤدي إلى تكبّد تكاليف كبيرة للخادم. بالإضافة إلى ذلك، كانت الصور التي حمّلها المستخدمون تحتوي على معلومات حول موقف سياراتهم، لذا أراد الفريق تجنُّب أي مخاوف بشأن الخصوصية أو الأمان. كان على الفريق إيجاد حلّ أكثر موثوقية وفعالية من حيث التكلفة.

أراد الفريق أيضًا تحسين تجربة استخراج الكيانات لخدمة توصيل الطرود داخل تطبيق Kakao T. في السابق، كان بإمكان المستخدمين طلب توصيل الطرود بسهولة من خلال واجهة محادثة، ولكن كان على السائقين إدخال العنوان في نموذج الطلب يدويًا لبدء طلب التوصيل، وهي عملية كانت مرهقة وعرضة للخطأ البشري. سعى الفريق إلى تبسيط هذه العملية، ما جعل نماذج الطلبات أسرع وأقل إزعاجًا لموظفي التوصيل.

تحسين تجربة المستخدم من خلال GenAI Prompt API في ML Kit

اختبر الفريق نماذج Gemini المستنِدة إلى السحابة الإلكترونية وقارنها بنموذج Gemini Nano الذي يمكن الوصول إليه من خلال GenAI Prompt API في ML Kit. يقول جينوو بارك، مطوّر تطبيقات Android في Kakao Mobility: "بعد مراجعة الخصوصية والتكلفة والدقة وسرعة الاستجابة، تبيّن لنا أنّ GenAI Prompt API في ML Kit هو الخيار الأمثل". 

لمعالجة مشكلة ركن الدراجات أو الدراجات البخارية بشكل غير صحيح، استخدم الفريق إمكانات Gemini Nano المتعددة الوسائط من خلال حزمة تطوير البرامج (SDK) لواجهة برمجة التطبيقات GenAI في حزمة تعلّم الآلة لرصد الحالات التي تنتهك فيها الدراجة أو الدراجة البخارية اللوائح المحلية من خلال ركنها على رصيف أصفر مزخرف. ومن خلال استخدام طلب مصمّم بعناية، تمكّنوا من تقييم أكثر من 200 صورة مصنّفة لسيارات متوقفة مع مواصلة تحسين المدخلات. وقد ضمن هذا التقييم، الذي تم قياسه من خلال مقاييس معروفة مثل الدقة ومقياس صحة النموذج ومقياس المراجعة ومقياس F1، استيفاء الميزة لمعايير الجودة والموثوقية على مستوى الإنتاج.

يمكن للمستخدمين الآن التقاط صورة لدراجتهم أو دراجتهم البخارية المتوقفة، وسيُعلمهم التطبيق ما إذا كانت متوقفة بشكل صحيح، أو سيقدّم لهم إرشادات إذا لم تكن كذلك. تتم العملية بأكملها في ثوانٍ على الجهاز، ما يحمي الموقع الجغرافي للمستخدم ومعلوماته. 

لإنشاء ميزة مبسطة لاستخراج الكيانات، استخدم الفريق مرة أخرى واجهة برمجة التطبيقات GenAI Prompt من ML Kit لمعالجة طلبات التوصيل التي يكتبها المستخدمون بلغة طبيعية. ولو استخدموا أساليب تعلُّم الآلة التقليدية، لكان ذلك يتطلّب مجموعة كبيرة من البيانات التعليمية وخبرة خاصة في تعلُّم الآلة. بدلاً من ذلك، يمكنهم ببساطة البدء بطلب مثل "استخرِج اسم المستلم وعنوانه ورقم هاتفه من الرسالة". أعدّ الفريق حوالي 200 مثال تقييمي عالي الجودة، وقيّموا الطلب من خلال عدة جولات من التكرار للحصول على أفضل نتيجة. كانت الطريقة الأكثر فعالية هي أسلوب يُعرف باسم "التلقين ببضعة أمثلة"، وتم تحليل النتائج بعناية لضمان احتواء الناتج على الحد الأدنى من الهلوسات.

"تساهم واجهة برمجة التطبيقات Prompt API في تقليل الأعباء على المطوّرين مع توفير أمان وموثوقية قويَّين على الجهاز فقط. فهي تتيح إنشاء نماذج أولية بسرعة، وتقلّل من الاعتماد على البنية الأساسية، ولا تتكبّد أي تكلفة إضافية. لا يوجد سبب لعدم التوصية به". — جينوو بارك، مطوّر تطبيقات Android في Kakao Mobility

تحقيق نتائج رائعة باستخدام GenAI Prompt API في ML Kit

نتيجةً لذلك، تحدّد ميزة استخراج الكيانات التفاصيل الضرورية لكل طلب بشكل صحيح، حتى عند إدخال أسماء وعناوين متعددة. لزيادة مدى وصول الميزة إلى أقصى حد وتوفير خيار احتياطي قوي، نفّذ الفريق أيضًا مسارًا مستندًا إلى السحابة الإلكترونية باستخدام Gemini Flash.

حقّق فريق Kakao Mobility وفورات كبيرة في التكاليف من خلال استخدام واجهة برمجة التطبيقات GenAI Prompt في ML Kit، وذلك من خلال الانتقال إلى الذكاء الاصطناعي على الجهاز فقط. على الرغم من أنّ ميزة تحليل أماكن ركن الدراجات الهوائية لم يتم إطلاقها بعد، حقّق تحسين إدخال العناوين نتائج ممتازة: 

• انخفض وقت إكمال طلبات التوصيل بنسبة %24.
• ارتفع معدّل الإحالات الناجحة بنسبة% 45 للمستخدمين الجدد و% 6 للمستخدمين الحاليين.
• خلال مواسم الذروة، تزداد الطلبات المستنِدة إلى الذكاء الاصطناعي بأكثر من %200. 

وأضافت ويسوك: "شارك مالكو الأنشطة التجارية الصغيرة على وجه الخصوص ملاحظات إيجابية جدًا، مشيرين إلى أنّ الميزة جعلت عملهم أكثر فعالية وخفّفت من الضغط بشكل كبير".

بعد إطلاق ميزة التعرّف على الصور الخاصة بأماكن ركن الدراجات والسكوتر، يتطلّع فريق Kakao Mobility إلى تحسينها بشكل أكبر. قد تكون بيئات مواقف السيارات في المناطق الحضرية صعبة، ويعمل الفريق على استكشاف طرق لإزالة المناطق غير الضرورية من الصور. 

يقول جينوو: "توفّر واجهة برمجة التطبيقات GenAI Prompt API في ML Kit ميزات عالية الجودة بدون تكلفة إضافية". "لقد قلّل ذلك من الجهد الذي يبذله المطوّرون، واختصر وقت التطوير الإجمالي، وسمح لنا بالتركيز على تحسين الطلبات للحصول على نتائج أعلى جودة".

تجربة GenAI Prompt API من ML Kit

يمكنك إنشاء وتفعيل الذكاء الاصطناعي على الجهاز فقط في تطبيقك باستخدام GenAI Prompt API من ML Kit للاستفادة من إمكانات Gemini Nano.