Ai Biz_중간_ai알고리즘 응용사례_사례중심_AIrbnb,헬스케어,리걸테크(A+만점)

목차

1. AI와 플랫폼 사업, 에어비엔비의 AI 모델 적용
1-1. 인공지능 활용 전 문제점
1-2. 사례 및 기술
1-3. 인공지능 활용을 통해 얻게 된 이익
1-4. 참고문헌

2. AI와 의료, 헬스케어 산업
1-1. 인공지능 활용 전 문제점
1-2. 사례 및 기술
1-3. 인공지능 활용을 통해 얻게 된 이익
1-4. 참고문헌

3. AI와 리걸테크
1-1. 인공지능 활용 전 문제점
1-2. 사례 및 기술
1-3. 인공지능 활용을 통해 얻게 된 이익
1-4. 참고문헌

본문내용

1. AI와 플랫폼 사업, 에어비엔비의 AI 모델 적용

1-1. 인공지능 활용 전 문제점

우리가 익히 알고 있는 “에어비엔비”는 일종의 중개형 플랫폼 서비스이다. 이런 플랫폼 서비스 전반의 특징은, 모든 사업의 수익성이 고객의 수에 따라서 천차만별로 변화한다는 점이다. 그 중에서도, 이런 숙박 및 예약 형태의 플랫폼 서비스의 경우는, 공급원인 고객이 시기와 때에 맞게 들어올수록 그 공실이 줄어들고, 더 많은 숙박료 수입을 얻을 수 있게 된다는 점이다. 한편으로는 이를 이용하는 고객또한 마찬가지인데, 이 플랫폼에 들어오는 공급자 즉, 대실업자들이 많아져서 객실공급이 많아질수록, 더 저렴하고 편리한 위치에서 숙박이 가능해진다는 것이다. 이를 해결하기 위해서 에어비엔비는 머신러닝을 도입하고, 이를 고도화하고 있다.

1-2. 사례 및 기술

에어비엔비는 현재 전세계적으로 65,000 정도의 도시와, 190여개의 국가에서 총 3백만개 정도의 객실을 확보한 상태이며, 매일 약 1백만 건의 숙백거래를 형성시키는 숙박 서비스 기업이다. 이러한 에어비엔비의 거래 흐름은, 객실 등록(호스트)->객실 검색(게스트)->매칭(에어비엔비)->숙박(게스트)->지불(게스트)->평가리뷰(게스트)의 형식으로 진행된다.
<에어비엔비의 거래 흐름 도식화>

이렇게 쌓인 데이터들을 바탕으로, 에어비엔비는 머신러닝 기법을 이용하여 플랫폼의 연결성을 극대화하였다. 여기에 사용된 기법으로 Dynamic Listing 모델과, Price Tips 모델을 개발하고, 이를 토대로 게스트-호스트 매칭시스템을 구축하였다.

매칭 시스템은
1. 객실예약확률 모델(Booking Probability Model) 2. 전략 모델(Strategy Model)
3. 개인화 모델(Persomalization Model) 로 구성되어 있는데
예약확률모델은 리스팅가격, 객실 타입, 수용 인원, 침실 개수, 객실 위치, 숙박예정일까지 남을 날짜, 주변의 리스팅 수 등의 변수를 이용하여 게스트가 수용할 확률이 높은 가격을 산출한다.

참고 자료

문용식, 세계가 주목하는 인공지능 스타트업, NIA ⸢IT&Future Strategy 보고서⸥, 2020.12.
유원준, 딥러닝을 이용한 자연어처리 입문, 2022.04.
임영익, 프레디쿠스, 클라우드나인, 2019