No items found.
Success Case
.webp)
EdTech 산업 시장이 확대되면서, 개인 맞춤형 콘텐츠에 대한 소비자들의 요구도 커졌습니다. 그러나 다양한 교육 서비스와 학습 콘텐츠 모델이 필요한 시장의 요구와 달리, 실제로 그것을 커스터마이징할 수 있는 기능은 찾기가 쉽지 않습니다. AI튜터 개발은 물론, 독자적인 콘텐츠를 만들 수 있는 플랫폼이 필요했습니다.
NER 기술은 관련 주제나 개념 및 키워드를 식별하기 위해 기사나 연구 논문, 책과 같은 대량의 텍스트를 분석하는 데에 사용할 수 있습니다. 이는 특정 주제 영역이나 학습 목표에 맞게 조정된 교육 자료를 큐레이팅하고 구성하는 데에 도움이 될 수 있습니다.
우리 고객사는 독자적인 교육 콘텐츠를 제작하기 위해 NER을 통해 Text의 구문을 해석하고 비슷한 콘텐츠가 아니라 학생 맞춤형 콘텐츠를 제작할 수 있는 기반을 도입하고자 했습니다.
미니게이트는 독자적인 교육 콘텐츠 및 서비스 확보를 위해 과학, 인문 등의 분야에 대해 대규모 인공지능 학습용 데이터 구축 작업이 필요했습니다.
이 프로젝트의 특이한 점은 플랫폼 커스터마이징이 필요했다는 것입니다. 데이터 구축을 위한 전문 인력은 보유하고 있으나, 해당 데이터를 가이드에 맞게 가공할 수 있는 플랫폼이 필요했죠. 데이터 구축을 위한 대부분의 기능을 추가 개발하는 작업이 필요했습니다.
동일한 데이터를 단계별로 다른 태스크에 옮겨가며 새로운 레이블을 덧붙이는 기능 구현이 최우선 과제였습니다. 또한, 일부 데이터에 대해서는 레이블 값을 CSV에 입력 후 업로드했을 때 플렛폼에 레이블 값이 표시되도록 하는 기능이 추가되어야 했죠.
또한 미니게이트의 프로젝트 내용에 맞는 플랫폼 활용 및 운영 관련 가이드를 요청하셨습니다. 해당 가이드를 토대로 고객사에 작업자 정산/관리/통계 확인/데이터 업로드/배정/조정 등 프로젝트 운영 및 관리 등 플랫폼 활용 교육을 진행하기로 협의했습니다.
데이터헌트는 보유하고 있는 SaaS 플랫폼을 고객사가 희망하는 형태로 커스터마이징하는 프로젝트에 돌입했습니다. 최종적으로, 고객사에 최적화된 기능을 커스터마이징한 뒤 이를 고객사가 보유한 라벨러에게 교육하는 형태로 협업이 시작되었습니다.
미니게이트에서 데이터헌트 측으로 요청한 NER 3단계는 아래와 같은 과정으로 이어집니다.
또한, 프로젝트에 참여한 작업자 정산과 진척률 관리, 반려 비율 등을 관리할 수 있는 기능을 제공하여 워크플로우를 최소화하고 퀄리티 고도화할 수 있도록 설계했습니다.
커스터마이징이 완료된 후에는 고객사와의 꾸준한 커뮤니케이션을 통해 완성된 플랫폼에 대한 피드백과 개선 작업을 진행했습니다. 커스터마이징을 통해 기능을 구현하는 것에 못지 않게, 플랫폼의 안정성 역시 중요한 문제이기 때문입니다.
플랫폼을 구축한 뒤에도 이에 대한 질의 및 개선 요청 사항에 대해 실시간으로 대응해야 합니다. 데이터헌트에서는 고객사 질의를 줄이기 위해 비대면 플랫폼 가이드 교육을 추가로 진행하였습니다.
긴 프로젝트를 통해 마침내 SaaS 플랫폼 커스터마이징이 완료되었습니다. 라벨러가 데이터를 입력하면 기초과학/인문 등에 대한 텍스트 데이터 구성 및 단어에 대한 개체 인식이 시작됩니다. 이후, 텍스트(문장)에 대한 외국어 번역이 이뤄집니다. 마지막으로 개체 인식 및 외국어 번역에 대한 검수로 정확도를 끌어올립니다.
플랫폼 커스터마이징이 끝난 후에도 고객사의 개선 요청 사항을 적극 반영하여, 기존에 있었던 기능의 편의 제고 및 UX 개선 작업이 진행되었습니다. 실제 크라우드워커 및 관리자들의 목소리에 귀 기울인 덕분에, 운영·관리 면에서 편의성과 효율성이 크게 상향되었습니다. 고객사 담당자는 물론, 프로젝트 담당자 역시 크게 만족할 수 있는 성과를 낼 수 있었습니다.
.svg)
