배민이 비 오는날 라이더 모으는 똑똑한 방법 작성일 10-28 37 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">AI 기반 '카이로스' 도입으로 운영 대응 시간 90% 단축</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="9Dt3IjqFkZ"> <p contents-hash="501af5e3f8edd6fe79f5aa5eb716dfcaeb1fdf1d6fa88c85b71ef77aad901ac4" dmcf-pid="2wF0CAB3NX" dmcf-ptype="general">(지디넷코리아=안희정 기자)배달의민족 운영사 우아한형제들이 인공지능(AI)을 활용해 날씨와 주문량에 따른 라이더 수급을 예측하고, 배달 지연을 줄이고 있다. </p> <p contents-hash="7c6c362434e1184b9b03605354d2269a417a7efdb41cc60113f32e698e361b2d" dmcf-pid="VspuSE9UkH" dmcf-ptype="general">라이더가 부족해진 뒤 대응하는 대신 지역별로 필요한 운행 시간을 미리 계산해 라이더를 확보하는 방식으로, 배달이 과도하게 지연되는 건수를 50% 줄이는 성과를 거뒀다.</p> <p contents-hash="6f94e5cb71e3b64a42f0c0ac8b49d6806d0b057dee93f23e14253e876404bc1f" dmcf-pid="fOU7vD2uoG" dmcf-ptype="general">우아한형제들은 28일 서울 강남구 그랜드 인터컨티넨탈 서울 파르나스에서 열린 '우아한테크콘퍼런스 2026(우아콘)'에서 AI 기반 라이더 수급 자동화 플랫폼 '카이로스(KAIROS)'의 운영 성과를 공개했다.</p> <p contents-hash="29d6e32d8b81360149aeb984722b753300556a8ce8cfa2c6cf63cd299479de84" dmcf-pid="4IuzTwV7jY" dmcf-ptype="general">발표를 맡은 신성찬 데이터 과학자와 주가람 데이터 분석가는 카이로스를 통해 라이더 수급 예측부터 대상자 선정, 운영 대응까지 자동화했다고 설명했다.</p> <figure class="figure_frm origin_fig" contents-hash="bbb29fe0a84b7b0c36b53e87aa2e4c01636c834ed93251d5157a05a04b6dd889" dmcf-pid="8C7qyrfzoW" dmcf-ptype="figure"> <p class="link_figure"><img alt="신성찬 우아한형제들 데이터 과학자 (사진=지디넷코리아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/ZDNetKorea/20261028170622659rvme.jpg" data-org-width="640" dmcf-mid="bmxRuHoMj1" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/ZDNetKorea/20261028170622659rvme.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 신성찬 우아한형제들 데이터 과학자 (사진=지디넷코리아) </figcaption> </figure> <p contents-hash="51543ed2542c9f33f2512ff01836e02f5434f046a9a4ea09041b6a562dee9f65" dmcf-pid="6hzBWm4qky" dmcf-ptype="general"><strong>라이더 수 대신 운행 시간 예측…배달 지연 50% 감소</strong></p> <p contents-hash="6f5465e56dd6a10b5f08dc0ff1d425c713fa3b786fb06c4be60bbc15c0a298aa" dmcf-pid="PlqbYs8BjT" dmcf-ptype="general"><span>기존에는 예상 주문량에 필요한 라이더 수와 실제 운행할 것으로 예상되는 라이더 수를 비교해 부족한 인원을 확보했다. 그러나 라이더마다 운행 시간이 달라 단순 인원수만으로는 실제 배달 처리 능력을 정확하게 파악하기 어려웠다.</span></p> <p contents-hash="f2f5aaa1c1c6c836d154412acfb4ad25af8e8f7d671782c8c864f1ce1f3235a5" dmcf-pid="QSBKGO6bNv" dmcf-ptype="general">이에 우아한형제들은 라이더 수 대신 '공급 시간'을 기준으로 수급을 예측하도록 시스템을 바꿨다.</p> <p contents-hash="f02a5d756e317051dda47b26f98f9bb5d7c6fb79ba6c8d5cf806fe7ffacb4ae4" dmcf-pid="xvb9HIPKAS" dmcf-ptype="general">카이로스는 주문 수요와 필요한 운행 시간, 라이더별 예상 운행 시간 등을 분석하는 20여개 머신러닝 모델을 활용한다. 라이더가 운행 요청에 반응할 확률과 예상 운행 지속 시간까지 고려해 필요한 인원을 선정한다.</p> <p contents-hash="98795f12f34efebb2d8cc08a5917aad185d6651652133dee9886a69d0c9bc19c" dmcf-pid="yjHZwLpXNl" dmcf-ptype="general">이를 통해 배차에 소요되는 시간은 25% 감소했고, 배달이 과도하게 지연되는 건수는 50% 줄었다.</p> <figure class="figure_frm origin_fig" contents-hash="e5d7f62a94d132c7c20a8a0cf90d6479a9bad1db7f6ab038205a1f7d40d71f40" dmcf-pid="WAX5roUZAh" dmcf-ptype="figure"> <p class="link_figure"><img alt="주가람 우아한형제들 데이터 분석가 (사진=지디넷코리아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/ZDNetKorea/20261028170623937zhdi.jpg" data-org-width="640" dmcf-mid="KdcEQBIkN5" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/ZDNetKorea/20261028170623937zhdi.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 주가람 우아한형제들 데이터 분석가 (사진=지디넷코리아) </figcaption> </figure> <p contents-hash="45b8da5686f48b87bf40fe86171c491978fb6a92911d8bde9430198d5fe0526f" dmcf-pid="YcZ1mgu5oC" dmcf-ptype="general"><strong>10분마다 라이더 수급 예측…운영 대응 시간 90% 단축</strong></p> <p contents-hash="fffeb88cb580482bf5bce1378bdb94fdf96973ed9445c0d5ac1753954eb14a85" dmcf-pid="Gk5tsa71cI" dmcf-ptype="general">우아한형제들은 급변하는 날씨와 주문 상황에 대응하기 위해 예측 주기도 단축했다.</p> <p contents-hash="f741a497d6a9b3bbbc2772a884d89ca52d7c6e99c1e300c4dfb9f761354c87fc" dmcf-pid="HE1FONztkO" dmcf-ptype="general">기존에는 하루 단위로 라이더 수급을 예측하고 배달 품질이 악화되면 추가 대응하는 방식이었다. 하지만 비 예보가 갑자기 바뀌거나 주문이 급증하면 라이더를 추가로 확보하는 데 시간이 걸려 대응이 늦어지는 문제가 있었다.</p> <p contents-hash="de1784036cb3e66fba6a29f49933d33b9f4651f6d703ac861e4eb561a7a52399" dmcf-pid="XDt3IjqFNs" dmcf-ptype="general">이를 개선하기 위해 카이로스는 10분마다 30분 뒤부터 1시간 동안의 라이더 수급 상황을 예측하도록 설계됐다. 배달 품질이 나빠지기 전에 필요한 라이더를 미리 확보하기 위해서다.</p> <p contents-hash="5c22f8df1417059fce3b7c2ff21bd8491048d172242335904487fe30db0a9c8d" dmcf-pid="ZwF0CAB3jm" dmcf-ptype="general">그 결과 배달 품질 기준을 벗어난 지역 수는 20% 감소했고, 품질 악화 지속 시간도 74% 줄었다. 라이더 확보에 필요한 운영 절차를 자동화하면서 운영팀의 대응 시간도 90% 단축했다.</p> <p contents-hash="e963701da8efc8e61843c3211304e6bb19d7ec56804c58a96dde8d448644a02f" dmcf-pid="5r3phcb0kr" dmcf-ptype="general">주가람 데이터 분석가는 "모델을 만드는 것만으로는 비즈니스에 영향을 줄 수 없다"며 "예측이 실제 실행까지 이어져야 비즈니스가 바뀔 수 있다"고 강조했다.</p> <p contents-hash="dcca3a8bfbaf5a78a5e4320d3c39931a4ca7948784229f5f2467773d039ef53b" dmcf-pid="1y9VZhx2gw" dmcf-ptype="general">안희정 기자(hjan@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 방미통위, 구글·애플 행정소송·통상마찰 우려에 "국내외 차별 없다" [일문일답] 10-28 다음 "AI 에이전트 100개 푼다"…두바이, 민간 기업 AX 전환 속도전 10-28 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
