스탠더드 AI의 CTO 데이비드 울라드 – 인터뷰 시리즈

데이비드 울라드는 스탠더드 AI의 최고 기술 책임자(CTO)입니다. 그는 20년 이상의 기술 산업 경험을 가진 베테랑으로, 삼성과 NASA에서 일했으며, 초기 및 후기 스타트업에서 기업가로 활동했습니다. 그는 컴퓨터 과학 박사 학위를 가지고 있으며, 고성능 컴퓨팅을 위한 소프트웨어 아키텍처를 전문으로 연구했습니다.

스탠더드 AI는 구매자 행동, 제품 성능, 매장 운영에 대한 예측 정확한 통찰력을 제공합니다.

NASA의 제트 추진 연구소에서 스탠더드 AI의 CTO가 되는 과정에 대해 설명해 주시겠습니까?

제트 추진 연구소에서 일할 때, 저는 주로 NASA 미션을 위한 대규모 데이터 관리에 집중했습니다. 저는 놀라운 과학자와 엔지니어들과 함께 일했으며, 우주에서 연구를 수행하는 방법에 대해 배웠습니다. 데이터 과학에 대해 많은 것을 배운 것 외에도, 저는 대규모 엔지니어링 프로젝트 관리, 위험과 오류 예산의 균형, 대규모 소프트웨어 시스템 설계에 대해 배웠습니다. 남부 캘리포니아 대학교에서 수행한 박사 학위 연구는 고성능 컴퓨팅을 위한 소프트웨어 아키텍처에 관한 것이었으며, 저는 그 연구의 적용을 직접적으로 볼 수 있었습니다.

저는 그곳에서 엄청난 양의 것을 배웠지만, 일상 사람들이 사용하는 더 구체적인 것들에 대해 일하고 싶었습니다. 제트 추진 연구소를 떠난 후, 저는 스트리밍 비디오 분야의 스타트업에서 첫 직원으로 일했습니다. 저는 처음부터 소비자 경험과 스타트업을 구축하는 것에 매료되었습니다. 스탠더드 AI에 합류할 기회가 있을 때, 저는 초기 경력에서 좋아했던 인공지능과 컴퓨터 비전의 어려운 과학적 문제와 구체적인 소비자 경험의 결합에 매료되었습니다.

스탠더드 AI가 자율 점포 솔루션에서 더 넓은 소매 인공지능 애플리케이션으로焦点을 맞춘 이유는 무엇입니까?

스탠더드 AI는 7년 전에 자율 점포를 시장에 도입하는 것을 목표로 설립되었습니다. 우리는 컴퓨터 비전 전용 솔루션을 통해 자율 점포를 제공하는 데 성공했으며, 자율 점포를 출시했습니다. 그러나 사용자 채택이 예상보다 느렸고, 결과적으로 소매업체에 대한 투자 수익이 없었습니다.

동시에, 우리는 소매업체가 직면하는 문제를 동일한 기본 기술을 통해 해결할 수 있는 여러 가지 문제를 인식했습니다. 운영 통찰력과 개선에 대한 재조정된焦点은 스탠더드 AI가 소매업체에 더 직접적인 투자 수익을 제공할 수 있도록 허용했습니다. 이러한 투자 수익은 소매업체가 인플레이션과 노동 비용 증가의 영향을 상쇄하기 위해 효율성을 개선하기 위해 기회를 찾고 있는 경우에 도움이 됩니다.

스탠더드 AI의 컴퓨터 비전 기술이 얼굴 인식 없이 고객 상호작용을如此 높은 정확도로 추적하는 방법에 대해 설명해 주시겠습니까?

스탠더드의 VISION 플랫폼은 매장 내부의 오버헤드 카메라에서 비디오를 분석하여 인간과 다른 요소를 구분하고, 각 인간의 姿勢를 추정합니다. 여러 카메라를同時에 살펴보면, 우리는 3D 공간을 재구성할 수 있습니다. 각 카메라의 위치를 매우 정확하게 측정할 수 있으므로, 우리는 쇼퍼의 위치, 방향, 그리고 даже 손의 위치를 높은 정확도로 재구성할 수 있습니다. 고급 매핑 알고리즘과 결합하면, 우리는 쇼퍼의 이동과 제품 상호작용을 99%의 정확도로 결정할 수 있습니다.

스탠더드 AI는 데이터를 수집하고 분석하는 동안 쇼퍼의 개인 정보를 어떻게 보장합니까?

다른 추적 시스템이 쇼퍼를 식별하기 위해 얼굴 인식을 사용하는 반면, 스탠더드는 쇼퍼의 姿勢를 결정할 때, 구조적 정보와 공간 기하학만을 사용합니다. 스탠더드의 추적 시스템은 쇼퍼의 생체 정보를 사용하여 식별할 수 있는 쇼퍼의 얼굴과 같은 것을頼하지 않습니다. 즉, 우리는 쇼퍼가 누구인지 모릅니다. 우리는 쇼퍼가 매장에서 어떻게 이동하는지에 대해서만 알고 있습니다.

스탠더드 AI의 VISION 플랫폼을 사용하여 소매업체가 얻을 수 있는 가장 중요한 통찰력은 무엇입니까?

소매업체는 스탠더드의 VISION 플랫폼을 사용하여 쇼퍼가 매장에서 이동하고 제품과 상호작용하는 방식에 대한 더 나은 이해를 얻을 수 있습니다. 다른 솔루션은 특정 매장 부분을 통해 트래픽량에 대한 기본적인 이해를 제공하는 반면, 스탠더드는 각 쇼퍼의 개별 경로를 기록하고, 쇼퍼와 매장 직원을 구분하여 트래픽과 체류 시간뿐만 아니라 쇼퍼의 구체적인 행동에 대한 더 나은 설명을 제공합니다.

스탠더드 AI의 VISION 플랫폼에서 예측 통찰력이 소매업체의 마케팅과 매장 진열 전략을 어떻게変換할 수 있습니까?

스탠더드가 매장의 디지털 복제본을 생성하기 때문에, 우리는 매장의 물리적 공간(예: 진열 위치)과 쇼퍼의 이동에 대한 풍부한 데이터 세트를 구축할 수 있습니다. 이를 통해 우리는 매장의 물리적 변경(예: 매장 진열 변경)에 대한 시뮬레이션과 쇼퍼의 이동에 기반한 예측 모델을 구축할 수 있습니다. 이러한 예측 모델을 사용하면 소매업체는 매장의 물리적 변경 없이도 매장 진열 변경의 효과를 테스트하고 검증할 수 있습니다. 또한, 제품 성능과 상호작용에 대한 인상은 진열 위치 또는 엔드캡에 대한 정보를 제공할 수 있습니다. 이러한 모든 것은 소매업체가 지출을 우선순위화하고 더 높은 수익을 창출하는 데 도움이 될 수 있습니다.

예측된 고객 경로에 기반한 실시간 제안이 파일럿 테스트에서 판매에 미친 영향을 설명해 주시겠습니까?

스탠더드는 실제 프로모션 시스템을 구축하지는 않지만, 우리는 쇼퍼의 이동과 제품 상호작용에 대한 이해를 사용하여 소매업체가 쇼퍼의 의도에 대한 더 깊은 이해를 얻을 수 있도록 도와줄 수 있습니다. 이를 통해 소매업체는 쇼퍼에게 더 의미 있는 프로모션을 제공할 수 있습니다. 쇼퍼의 행동에 기반한 추천은 과거 구매에 기반한 추천보다 더 효과적인 프로모션을 제공할 수 있습니다.

담배 추적 파일럿 테스트의 결과는 무엇이었으며, 이는 관련 브랜드에 어떤 영향을 미쳤습니까?

한 소매업체의 파일럿 테스트에서, 우리는 운영 첫날에 담배 제품의 도난을 감지하고 소매업체에 이를 알릴 수 있었습니다. 장기적으로, 우리는 소매업체와 협력하여 물리적 도난뿐만 아니라 프로모션 남용과 규정 준수 문제를 감지할 수 있었습니다. 이는 소매업체와 담배 브랜드 모두에게重大한 영향을 미쳤습니다. 예를 들어, 우리는 고객의 첫 선택이 재고가 없는 경우에 무슨 일이 일어나는지 관찰할 수 있었습니다. 고객의 절반은 다른 제품을 선택했지만, 거의 4분의 1은 아무것도 구매하지 않았습니다. 이는 더 빠르게 발견되지 않는다면 많은 수익을 잃을 수 있는 잠재적인 손실입니다. 스탠더드의 VISION 플랫폼은 항상 작동하므로, 이는 담배 브랜드의 판매 팀의 확장으로 작용하여, 소매업체의 매장 상태를 실시간으로 감시하고 알림을 제공할 수 있습니다.

물리적 소매 환경에서 인공지능 솔루션을 구현하면서 직면한 가장 큰 도전은 무엇이었으며, 이를 어떻게 극복했습니까?

소매 환경에서 작업하는 것은 여러 가지 도전에 직면했습니다. 우리는 카메라 드리프트, 매장 변경, 하드웨어 故障과 같은 물리적 세계의 문제에 강한 시스템을 개발해야 했습니다. 우리는 또한 소매 운영과 호환되는 프로세스를 개발해야 했습니다. 예를 들어, 최근 여름 올림픽 동안, 많은 소매업체가 패키지를 변경하여 2024년 파리 올림픽을 홍보했습니다. 우리는 이러한 패키지 변경을 플래그하고 처리할 수 있는 시스템을 개발해야 했습니다.

스탠더드는 처음부터 소매업체의 기존 프로세스와 호환되는 기술 구현을 선택했습니다. 스탠더드의 VISION 플랫폼을 사용하는 매장에서는 물리적 진열이나 복잡하고 비싼 물리적 리트로핏(예: 셀프 센서 도입) 없이도 이전과 동일하게 운영할 수 있습니다.

향후 10년 동안 소매 부문에서 인공지능의 역할이 어떻게 진화할 것으로 보십니까?

저는 우리가 소매업체에서 인공지능이 구현할 수 있는 디지털 변혁의 표면에 불과하다고 생각합니다. 현재 인공지능은 주로 대규모 언어 모델과 관련이 있으며, 소매업체는 인공지능 전략에 대해 생각하고 있습니다. 그러나 우리는 인공지능이 근미래에 소매업체의 운영 효율성을 개선하고 마진을 개선하는 데 필요한 기술로 바뀔 것으로 믿습니다. 스탠더드의 VISION 플랫폼과 같은 시스템은 소매업체에 앞으로 예측할 수 없는 통찰력을 제공할 것입니다. 이러한 운영 개선은 소매업체가 소비자에게 비용을 전가하지 않고도 효율성을 개선하고 마진을 개선하는 데 필요한 전략의 핵심이 될 것입니다.

감사합니다. 더 많은 정보를 원하시는 독자는 스탠더드 AI를 방문하십시오.