6. 인공지능 계층 - eBattery AI

전기차로 여행하려면 서로 연결된 여러 결정을 내려야 합니다. 이동할 거리, 현재 배터리 잔량, 차량의 소비량, 도로 상황, 충전소 위치, 운전자의 일정은 모두 같은 여정의 일부입니다. 이 변수 중 하나가 바뀌면 다른 결정에도 영향이 갈 수 있습니다. 더 짧아 보이는 경로도 적합한 충전 인프라가 없으면 더 긴 여정이 될 수 있습니다. 더 강력한 충전소라도 차량이 받아들일 수 있는 충전 전력이 제한적이라면 기대한 시간 절약 효과를 내지 못할 수 있습니다.

eBattery AI는 이러한 결정들을 함께 평가하고 사용자에게 이해하기 쉬운 여정 계획을 제시하기 위해 앱의 중심에 자리합니다. 사용자가 하고 싶은 것을 자연어로 표현할 수 있게 하며, 차량 프로필, 지도, 경로 및 접근 가능한 스테이션 데이터를 바탕으로 이 요청을 실행 가능한 옵션으로 바꿔 줍니다.

사용자 입장에서 경험은 간단합니다. "이즈미르에 가고 싶어", "주말에 2일짜리 여행을 계획해 줘", "내 근처의 적합한 충전소를 찾아줘"라고 말하면 시작하기에 충분합니다. 이면에서는 각 요청이 서로 다른 데이터 소스, 계산, 앱 기능과 연결되어야 합니다. eBattery AI의 역할은 이러한 기술적 복잡성을 관리하면서 결정의 근거를 사용자에게 투명하게 유지하는 것입니다.

이 접근 방식의 중심에는 명확성, 계산 가능성, 사용자 통제 포함됩니다. 어시스턴트는 추천한 경로가 왜 적합한지 설명할 수 있어야 하고, 주행 가능 거리와 충전 계산을 일관된 방식으로 만들어야 하며, 사용자는 자신의 필요에 맞게 계획을 변경할 수 있어야 합니다.

현재 제품의 AI 채팅, 경로 및 여행 계획이 이 구조의 핵심을 이룹니다. 실시간 스테이션 정보, 가격, 교통 상황 같은 입력값은 관련 데이터 소스의 범위와 함께 작동합니다. 날씨 조건을 반영한 예측, 차량 직접 연결, 행동에서 학습하는 개인화는 같은 아키텍처 위에서 단계적으로 확장되는 기능입니다.

6.1 중앙 어시스턴트 방식

6.1.1 앱의 다양한 기능을 공통의 맥락에서 연결하기

eBattery AI는 사용자가 앱의 여러 섹션을 오갈 때 같은 정보를 반복해서 입력하지 않아도 되도록 해 주는 중앙 어시스턴트입니다. 지도에서 시작한 충전소 검색은 채팅에서 구체화할 수 있고, 채팅 중에 만든 경로는 경로 화면에서 검토할 수 있으며, 계획한 여행은 해당 일자와 정류지와 함께 여행 모듈에서 편집할 수 있습니다.

이 경험에서는 차량, 주행, 사용자 설정이 공통된 맥락을 이룹니다. 예를 들어 저장된 차량을 선택한 사용자가 "근처의 알맞은 충전소를 보여 줘"라고 말하면, 시스템이 매번 차량 모델을 다시 물어볼 필요가 없습니다. 요청은 선택된 차량, 그리고 사용자가 공유하기로 한 위치 정보와 함께 평가됩니다.

중앙 집중 방식은 앱의 서로 다른 진입 경로가 동일한 의사결정 로직에 도달하도록 보장하기도 합니다. 사용자가 지도에서 시작한 충전 포인트 검색과 AI Chat을 통한 검색은 같은 차량, 같은 선호 설정, 같은 최신 데이터를 사용할 때 일관된 결과를 내야 합니다.

이렇게 하면 eBattery의 모듈 간에 단순히 화면 전환만 연결되는 것이 아니라, 사용자가 하려던 작업도 그대로 유지됩니다.

6.1.2 사용자의 의도를 앱 동작으로 바꾸기

사람들은 필요를 기술적인 매개변수로 표현하는 경우가 많지 않습니다. "두 시간 안에 출발할 거예요", "아이들과 함께 가니까 좀 더 여유로운 계획이면 좋겠어요", "충전하려고 너무 많이 돌아가고 싶지 않아요" 같은 문장에는 여러 선호가 함께 담겨 있습니다.

eBattery AI는 이러한 표현을 계획에 활용할 수 있는 정보로 바꿉니다. 필요할 때는 출발지, 목적지, 배터리 잔량, 시간 우선순위 같은 부족한 정보를 보완합니다. 질문은 결과에 실제로 영향을 주는 부분에 집중합니다.

예를 들어 "이스탄불에서 이즈미르로 가고 싶어요"라는 요청에서 저장된 차량과 출발 위치를 이미 알고 있다면, 사용자에게는 현재 배터리 잔량과 여정 선호만 물어볼 수 있습니다. 사용자가 "유료 도로를 이용해도 되니 총 소요 시간이 짧았으면 좋겠어요"라고 말하면 이 정보가 경로 요청에 추가됩니다.

이 접근 방식은 자연어를 앱의 기능에 연결합니다. 사용자는 메뉴의 기술적 구조를 익힐 필요 없이 필요한 것을 말할 수 있고, 시스템은 그 요청을 관련 계산과 화면 흐름으로 전달합니다.

6.1.3 추천을 사용자 통제로 완성하기

eBattery AI가 제안하는 계획은 검토하고 변경할 수 있습니다. 사용자는 추천된 충전소를 바꾸거나, 경유지를 추가하거나, 여행 일정에서 박물관을 빼거나, 비용이 더 낮은 경로를 요청할 수 있습니다.

어시스턴트는 이러한 변경 사항을 계획의 나머지 부분과 연결해 파악합니다. 경유지 하나를 빼면 여행 목록만 짧아지는 것이 아니라 일일 거리, 도착 시간, 충전 필요도 달라질 수 있습니다. 사용자가 한 수정은 이러한 관계를 유지한 채 평가됩니다.

계획의 주인은 사용자입니다. AI는 선택지를 눈에 보이게 하고, 계산을 쉽게 해 주며, 선택의 결과를 설명합니다. 여정의 목적, 속도, 감수할 수 있는 비용은 사용자가 정합니다.

6.2 AI Chat: 시작 화면 경험, 아바타, 스트리밍, 컨텍스트 메모리

6.2.1 첫 화면 경험: 할 수 있는 일을 처음부터 보여주기

AI Chat의 시작 화면은 어시스턴트의 핵심 기능을 사용자에게 바로 보여 줍니다. 사용자는 자유 텍스트로 대화를 시작하거나 준비된 시작 옵션 중 하나를 사용할 수 있습니다.

시작 옵션 사용자의 목표 시작된 흐름
경로 계획 차량으로 특정 지점에 도달하기 출발지, 목적지, 차량, 충전 필요에 따른 경로 생성
여행 계획하기 정해진 시간 안에 한 지역 둘러보기 관심사와 시간에 맞춘 하루 일정 작성
가장 가까운 충전소 추천 적합한 충전 지점에 도달하기 위치, 차량 호환성, 이용 가능한 충전소 데이터를 바탕으로 추천 생성
나의 효율 사용 데이터 이해하기 기존 기록을 바탕으로 한 소비 및 이용 평가로의 전환

이러한 옵션은 첫 상호작용의 막막함을 줄여 줍니다. 사용자는 어시스턴트에게 어떤 질문을 할 수 있는지 짐작할 필요가 없으며, 앱은 일상적인 EV 요구와 관련된 시작점을 제시합니다.

대화가 진행되면 시작 옵션 대신 맥락에 맞는 작업이 나타납니다. 생성된 루트 뒤에는 “루트 열기”, 추천된 충전소 뒤에는 “충전소로 이동” 같은 동작이 앞에 표시됩니다.

6.2.2 아바타: 어시스턴트의 시각적 정체성

AI Chat의 시각적 정체성은 애니메이션 로봇 아바타입니다. 대화를 시작하기 전 화면 중앙에 있는 아바타는 은은한 움직임과 빛 효과로 언제든 상호작용할 준비가 된 모습을 보여 줍니다.

첫 메시지를 보내면 아바타가 작아지면서 어시스턴트 메시지 옆으로 이동합니다. 그러면 화면의 초점이 자연스럽게 시작 화면에서 대화로 넘어갑니다. 사용자가 입력한 내용, 어시스턴트의 답변, 생성된 결과 카드를 위한 공간이 더 넓어집니다.

아바타는 AI가 생성한 메시지를 시각적으로 구분하는 데도 도움이 됩니다. 이 정체성은 앱의 커뮤니티 메시징과는 구별되면서도 일관된 어시스턴트 경험을 만들어 줍니다.

움직임과 시각 효과의 기능은 사용자를 안내하고 시스템의 상태를 이해하기 쉽게 만드는 것입니다. 가독성과 상호작용이 우선시되며, 애니메이션이 핵심 정보를 가리지 않습니다.

6.2.3 스트리밍: 응답을 스트림으로 전달

eBattery AI는 알맞은 답변을 스트림 방식으로 보여줍니다. 사용자는 긴 설명이 끝나기를 기다리는 대신 답변이 만들어지는 과정을 단계별로 볼 수 있습니다.

이 경험에서는 두 가지 다른 과정이 구분됩니다. 설명을 작성하는 것과 계획을 계산하는 것입니다. 어시스턴트가 텍스트를 생성하기 시작했다고 해서 경로 계산이 끝났다는 뜻은 아닙니다. 경로, 충전소 또는 여행 카드는 관련 데이터와 계산이 준비되었을 때 제시됩니다.

예를 들어 시스템은 먼저 요청이 이해되었음을 보여 주고, 이어서 경로 옵션을 준비하는 동안 진행 상황을 공유할 수 있습니다. 계산이 완료되면 지도 미리보기와 충전 정차 지점이 표시됩니다. 이렇게 빠른 피드백을 제공하면서도 결과의 완전성은 유지됩니다.

흐름 도중 사용자가 요청을 바꾸면 새 요청이 우선합니다. 이전 요청에 대한 늦게 도착한 결과가 현재 계획을 대체해서는 안 됩니다. 이는 경유지나 경로 선호가 연달아 바뀌는 대화에서 특히 중요합니다.

6.2.4 Context Memory: 대화의 의미 보존하기

컨텍스트 메모리는 진행 중인 대화를 이전 단계와 함께 이해할 수 있게 해 줍니다.

사용자가 먼저 "이스탄불에서 이즈미르로 갈 거야"라고 말한 뒤 "돌아오는 길도 계획해 줘"라고 쓰면, 어시스턴트는 두 번째 요청을 첫 번째 여정과 연결합니다. "이걸 더 경제적으로 만들어 줘" 같은 표현도 논의 중인 경로나 여행 계획에 적용됩니다.

맥락은 세 가지 수준에서 다룹니다.

  • 채팅 맥락: 대화 중에 제공된 정보와 이루어진 변경 사항.

  • 활성 플랜 컨텍스트: 현재 편집 중인 경로, 여행 또는 충전소 선택입니다.

  • 저장된 사용자 설정: 선택한 차량과 사용자가 영구적으로 설정한 항목.

이러한 구분은 일시적인 선호가 영구적인 습관으로 해석되는 것을 막아 줍니다. 사용자가 한 여정에서 "오늘은 유료 도로를 피하자"라고 말했다고 해서 앞으로의 모든 여정이 같은 방식으로 계획된다는 뜻은 아닙니다.

마찬가지로 이전 대화에서 입력한 배터리 잔량은 다음 날의 최신 차량 데이터로 사용할 수 없습니다. 맥락을 기억하려면 정보가 시간이 지나도 유효한지 여부도 관리해야 합니다.

6.3 계층형 아키텍처: 규칙 기반 의사결정 계층과 LLM 계층

6.3.1 계산과 설명의 역할 분리

eBattery AI의 아키텍처는 서로 다른 작업을 서로 다른 방식으로 해결한다는 원칙 위에 세워져 있습니다.

주행 가능 거리 계산, 에너지 수요, 차량-충전소 호환성, 경로 옵션 평가는 정의된 데이터 필드와 계산 규칙으로 작동하는 의사결정 계층에서 수행됩니다. 사용자의 자연어 요청을 이해하고 결과를 설명하는 일은 대규모 언어 모델, 즉 LLM 계층이 담당합니다.

이 구분은 추천의 수치적 근거와 그 설명 방식을 서로 연결합니다. 어시스턴트가 "이 충전소가 더 적합합니다"라고 말할 때, 그 근거는 계산 계층이 만들어 낸 데이터에서 나와야 합니다. 설명에 쓰이는 거리, 시간, 에너지 값은 결과 카드의 값과 같은 출처를 바탕으로 합니다.

아키텍처 구성 요소 핵심 책임 만들어 내는 결과
데이터 및 통합 계층 차량, 지도, 충전소 및 기타 출처에서 들어오는 데이터 정리하기 출처와 최신성이 정의된 입력 데이터
요청 및 컨텍스트 관리 사용자의 요청, 선택한 차량, 활성 요금제를 결합하기 구조화된 계획 요청
규칙 기반 의사결정 계층 호환성 확인, 에너지 계산, 후보 평가 수행 경로 및 충전 계획 옵션
LLM 레이어 자연어를 해석하고 계산된 결과를 설명하기 사용자에게 맞는 설명
검증 및 실행 레이어 결과의 일관성과 거래 권한 확인 표시 가능한 카드와 실행 가능한 동작
경험 계층 채팅, 카드, 화면 전환 표시 앱 내 사용자 경험

6.3.2 규칙 기반 의사결정 계층의 범위

규칙 기반 접근 방식은 동일한 데이터 스냅샷과 동일한 규칙 버전에 대해 계산을 일관되게 재현할 수 있음을 뜻합니다.

이 계층은 사용 가능한 배터리 에너지를 계산하고, 경로 구간별 필요 에너지를 추정하며, 차량과 호환되지 않는 충전소를 걸러 내고, 적합한 후보를 정해진 기준으로 비교합니다. 사용자가 선택한 도로 선호도와 확보해야 할 배터리 여유분도 여기서 함께 고려됩니다.

규칙 기반 계산이 외부 세계를 확실하게 안다는 뜻은 아닙니다. 향후 교통 상황, 실제 소비량, 도착 시점의 충전소 상태는 달라질 수 있습니다. 따라서 계산 방식이 일관되더라도 일부 입력과 출력은 추정치입니다.

eBattery AI는 이 차이를 유지합니다. 알려진 데이터, 사용자가 입력한 정보, 모델의 추정은 같은 수준의 확실성으로 제시되지 않습니다.

6.3.3 LLM 계층의 범위

언어 모델은 사용자의 요청을 이해하고 계산된 결과를 자연스러운 설명으로 바꾸는 데 사용됩니다.

“덜 걷고 싶어요”, “박물관은 빼 주세요”, “충전하려고 오래 기다리고 싶지 않아요”, “왜 이 충전소를 골랐나요?” 같은 표현이 이 계층의 작업 영역에 속합니다.

LLM은 적절한 앱 기능으로 전달할 수 있는 구조화된 요청을 만드는 데 도움을 줍니다. 하지만 충전소 가격, 소켓 상태, 차량의 배터리 잔량을 자체 일반 지식으로 채워 넣지는 않습니다. 이러한 정보는 관련 기록과 연동 시스템에서 가져옵니다.

예를 들어 의사결정 엔진이 경로 이탈이 적고 적합한 출력을 지원한다는 이유로 어떤 스테이션을 선택하면, 어시스턴트는 이 근거를 더 쉽게 풀어서 설명할 수 있습니다.

“이 충전소는 차량과 호환되며 주 경로에 더 가깝습니다. 더 강력해 보이는 대안은 차량의 충전 한도 때문에 추가적인 시간상 이점이 없습니다.”

이 설명의 가치는 사용자가 결정의 논리를 볼 수 있다는 데 있습니다.

6.3.4 검증된 데이터에서 설명 가능한 결과까지

각 결과는 사용된 주요 입력값과 함께 연결됩니다. 선택한 차량, 배터리 정보, 계산 시점, 충전소 데이터의 최신성을 통해 계획이 어떤 조건에서 만들어졌는지 이해할 수 있습니다.

이 구조는 사용자 피드백을 평가하기도 쉽게 해 줍니다. 추천한 충전소가 선택되지 않았다고 해서 항상 계산이 틀렸다는 뜻은 아닙니다. 사용자가 다른 휴식 지점을 원하거나, 특정 운영사를 선호하거나, 계획에 나타나지 않는 시간 제약이 있을 수 있습니다.

결정의 입력값과 사용자의 변경 내용을 함께 살펴보면 시스템을 시간이 지남에 따라 더 의미 있게 개선하는 데 도움이 됩니다.

6.4 경로 계획 — 차량 프로필, 주행 가능 거리 계산, 경로 및 도로 선호

6.4.1 차량 프로필과 함께 여정 계획하기

eBattery에서 경로 계획은 출발지와 도착지뿐 아니라 차량의 에너지 및 충전 특성도 고려합니다.

같은 경로를 달리는 전기차 두 대라도 서로 다른 충전 계획이 필요할 수 있습니다. 사용 가능한 배터리 용량, 소비량, 지원되는 소켓, 충전 수용 전력이 이러한 차이를 만듭니다.

계획에 사용되는 주요 차량 정보는 다음과 같습니다.

차량 정보 계획에서의 역할
브랜드, 모델 및 적합한 차량 트림 올바른 기술 프로필이 선택되도록 합니다
사용 가능한 배터리 용량 여정에서 사용할 수 있는 에너지 계산의 기반이 됩니다
소비 값 거리를 예상 에너지 필요량으로 변환합니다
AC 충전 지원 장시간 휴식 및 목적지 충전 옵션을 평가하는 데 도움을 줍니다
DC 충전 지원 경로 상의 급속 충전 옵션을 평가할 수 있게 해 줍니다
소켓 호환성 이용 가능한 충전소를 식별할 수 있게 합니다
현재 배터리 잔량 여정의 시작 에너지 상태를 정의합니다

총 배터리 용량과 사용 가능 용량은 별도로 평가됩니다. 주행 가능 거리 계산의 기준이 되는 값은 주행에 쓸 수 있는 에너지입니다.

현재 이용 흐름에서는 사용자가 주행 전에 배터리 잔량을 직접 입력합니다. 저장된 차량 프로필에는 기술 정보가 담겨 있고, 배터리 퍼센트는 해당 주행의 최신 입력값입니다. 향후 차량 연동이 추가되면 지원되는 차량에서 이 정보를 자동으로 가져오도록 확장할 수 있습니다.

6.4.2 주행 가능 거리 계산과 에너지 예비분

주행 가능 거리 계산의 기반에는 보유 에너지와 예상 소비량 사이의 관계가 있습니다:

현재 에너지 = 사용 가능한 배터리 용량 × 배터리 잔량 / 100

기본 주행 가능 거리 추정 = 사용 가능 에너지 / 소비량 × 100

여기서 에너지는 kWh, 소비량은 kWh/100 km, 주행 가능 거리는 킬로미터 단위입니다.

예를 들어 사용 가능한 배터리 용량이 60 kWh, 현재 충전 수준이 40%, 계산에 사용하는 소비 효율이 18 kWh/100 km인 차량을 생각해 봅시다.

이 경우:

  • 배터리에서 계산된 에너지는 24 kWh입니다.

  • 0까지의 이론상 주행거리는 약 133킬로미터입니다.

  • 예를 들어 15% 도착 예비 배터리를 유지하면 계획에 사용할 수 있는 에너지는 15 kWh로 줄어듭니다.

  • 같은 소비 가정에서 여유분을 유지하며 계산한 거리는 약 83 km입니다.

이 예시는 화면에 표시되는 이론상 주행거리와 계획에 사용할 수 있는 거리가 왜 다른지 설명합니다. 여기서의 15%는 계산 논리를 보여 주기 위해 사용한 예시 예비분입니다.

실제 경로 계산에서는 거리가 도로 특성 및 이용 가능한 소비량 입력값과 함께 평가됩니다. 데이터 범위가 넓어지면 경사, 교통, 기상 조건 같은 영향이 모델에 추가될 수 있습니다. 예측의 근거가 된 조건이 바뀌면 계획도 다시 평가됩니다.

6.4.3 출발지, 도착지 및 경유지

사용자는 출발지를 현재 위치, 주소 검색 또는 지도에서 정할 수 있습니다. 목적지와 경유지도 같은 여정 계획의 일부입니다.

중간 경유지는 전기차 계획에서 특히 중요합니다. 이스탄불에서 이즈미르로 가는 길에 부르사에 들르면 총 거리만 바뀌는 것이 아닙니다. 방문 시간, 해당 지역의 충전 가능 여부, 다음 구간을 어느 배터리 수준으로 시작하는지도 계획에 영향을 줍니다.

사용자는 경유지 순서를 바꾸거나 특정 순서를 유지할 수 있습니다. 직접 정한 순서는 사용자의 일정이나 개인적인 우선순위를 나타낼 수 있습니다. 시스템은 이 선호에 맞추어 충전 경유지를 다시 계산합니다.

변경할 때마다 사용자가 모든 정보를 다시 입력할 필요 없이 해당 계획이 업데이트됩니다.

6.4.4 경로 모드와 도로 선호 설정

eBattery는 경로 옵션을 사용자의 주행 우선순위와 연결합니다.

가장 빠름 접근 방식은 총 이동 시간에 초점을 맞춥니다. 주행 시간 외에 충전을 위한 우회, 충전 시간, 그리고 데이터가 있을 때는 대기 시간도 평가에 포함됩니다.

가장 효율적 접근 방식은 에너지 필요량과 확인 가능한 비용 데이터를 합리적인 이동 시간과 함께 다룹니다. 사용자에게 더 저렴한 선택지를 제시하면서 그것이 소요 시간에 미치는 영향도 함께 보여줍니다.

이 두 선택지 사이에 모든 이동에 적용되는 고정된 우위는 없습니다. 출장에서는 시간이, 주말 여행에서는 휴식 일정이나 예산이 더 중요할 수 있습니다.

유료 도로, 고속도로, 페리 같은 도로 선호 사항은 경로 요청에 추가됩니다. Google Maps Routes API도 이러한 선호 사항에 대한 회피 옵션을 제공하며, 이 옵션은 경로 탐색을 유도하고 적합한 대안을 찾을 수 있는지는 도로망에 달려 있습니다. eBattery는 사용 중인 지도 서비스가 제공하는 이러한 기능을 차량 및 충전 계획과 결합합니다.

지역별 또는 더 세부적인 도로 제한은 해당 데이터 및 경로 서비스의 적용 범위와 함께 다룹니다. 사용자에게 제공되는 경로는 설정이 결과에 미치는 영향을 알기 쉽게 보여 주어야 합니다.

6.5 충전 계획 및 충전소 스코어링 — 충전량 추천, 안전 여유

6.5.1 먼저 호환성, 그다음 비교

충전 계획의 첫 단계는 이용 가능한 충전소를 가려내는 것입니다. 충전소의 평점이 높거나 가격이 저렴하다고 해서 차량이 그곳에서 충전할 수 있다는 뜻은 아닙니다.

이러한 이유로 평가는 두 단계로 진행됩니다.

  1. 차량 및 여정과 호환되는 후보 확인.

  2. 적합한 후보를 소요 시간, 비용, 이용 조건 측면에서 비교합니다.

소켓 호환성, 접근성, 충전소까지 도달하는 데 필요한 에너지는 첫 번째 단계에서 다루는 내용입니다. 이러한 기본 조건은 다른 장점으로 상쇄할 수 있는 점수 요소로 취급되지 않습니다.

예를 들어 더 저렴하다는 이유만으로 차량과 호환되지 않는 충전소를 추천하지는 않습니다. 마찬가지로 현재 에너지로 도달하기 어려워 보이는 지점이 높은 충전 출력만으로 우선순위를 얻지도 않습니다.

6.5.2 충전소 스코어링: 여정에 따라 달라지는 적합도

적합한 후보가 정해지면 충전소는 다기준 평가를 거칩니다.

기준 평가 대상 항목
경로 이탈 충전소에 도착하고 주요 경로로 돌아오는 데 필요한 추가 거리와 시간
차량과의 전력 호환성 충전소 출력과 차량이 활용할 수 있는 범위의 관계
가격 접근 가능하며 해당 사용자에게 적용될 수 있는 요금제
현재 상태 지원되는 연동 서비스에서 적합한 충전 포인트의 현재 상태
대기 정보 신뢰할 수 있는 데이터나 충분한 모델 지원이 있을 때의 예상 대기 시간
운영 안정성 데이터가 있을 때의 서비스 연속성 및 이용 경험
사용자 리뷰 경험이 얼마나 최신인지, 어떤 내용을 담고 있는지, 충분한 수의 관찰에 근거하는지
휴식 적합도 스테이션과 사용자의 현재 정차 지점 및 시간 계획의 관계
데이터 최신성 결정에 사용된 정보가 얼마나 최신인지

이 기준들의 중요도는 선택한 경로 모드에 따라 달라집니다. 시간 우선 주행에서는 우회 거리와 충전 시간이 더 결정적일 수 있습니다. 비용 우선 주행에서는 요금 차이를 그로 인해 늘어나는 시간과 함께 평가합니다.

데이터 부족도 평가에 포함됩니다. 실시간 상태를 알 수 없는 충전소는 '이용 가능'으로 간주되지 않습니다. 마찬가지로 소켓 점유 정보만으로는 신뢰할 수 있는 대기 시간을 계산하기에 항상 충분하지 않습니다.

사용자 평점만으로는 운영 신뢰성을 대신할 수 없습니다. 오래된 소수의 리뷰에 최신이고 더 폭넓은 경험 집합과 같은 비중을 두어서는 안 됩니다.

6.5.3 충전소 출력과 실제 충전 경험의 관계

충전소에 표시된 출력 값이 차량이 세션 내내 그 출력으로 충전된다는 뜻은 아닙니다. 충전 시간은 배터리 잔량, 용량, 차량과 충전 장비의 특성 등 여러 요인에 따라 달라집니다. 미국 에너지부의 Alternative Fuels Data Center 자료 역시 이러한 변수들이 함께 충전 시간을 결정한다고 설명합니다.

예를 들어 DC 충전 수용 한도가 100 kW인 차량의 경우, 용량이 350 kW인 스테이션이 단지 표기 출력 때문에 용량 150 kW의 적합한 스테이션보다 더 빠르지 않을 수 있습니다. 첫 번째 스테이션에 도달하기 위해 더 긴 우회가 필요하다면, 전체 여정 측면에서는 두 번째 선택지가 더 적합할 수 있습니다.

eBattery의 평가는 스테이션 출력을 차량의 특성과 함께 고려합니다. 높은 수치를 자동으로 더 나은 선택지처럼 제시하는 대신, 그 스테이션이 사용자의 여정에 주는 이점을 살펴봅니다.

6.5.4 충전량: 다음 구간에 맞는 에너지

충전 계획은 충전소 선택뿐 아니라 권장 에너지량도 포함합니다.

기본 접근 방식은 다음 경로 구간에 필요한 에너지, 목표 도착 잔량, 적절한 대안을 함께 고려하는 것입니다. 사용자가 모든 정차 지점에서 같은 배터리 수준에 도달할 필요는 없습니다. 짧은 이동, 긴 다음 구간, 목적지의 충전 가능 여부에 따라 목표가 달라질 수 있습니다.

배터리에 추가해야 하는 에너지의 기본 관계식은 다음과 같습니다.

추가할 에너지 = 사용 가능 용량 × (목표 배터리 비율 − 현재 배터리 비율) / 100

예를 들어 사용 가능 용량이 60 kWh인 차량에서 배터리 잔량을 20%에서 70%로 높이면 배터리에 약 30 kWh의 에너지가 추가되는 셈입니다.

이 값은 스테이션 계량기에서 측정되거나 청구되는 에너지와 반드시 정확히 같아야 하는 것은 아닙니다. 충전 손실과 보조 소비 때문에 에너지를 어느 지점에서 측정하는지가 중요합니다.

충전 시간 역시 단순히 스테이션의 최대 출력으로 나누어 계산하지 않습니다. 모델은 접근 가능한 경우 배터리 잔량 수준별 차량의 충전 특성을 고려합니다. 예를 들어 배터리에 30 kWh의 에너지를 평균 순출력 60 kW로 충전한다면 에너지 전송 시간은 약 30분입니다. 여기서 결정적인 값은 세션의 평균 출력입니다.

비용 계산에서는 에너지 요금 외에 적용 가능한 세션, 시간 또는 기타 요금 구성 요소도 함께 반영됩니다. 표시된 추정치가 어떤 범위를 포함하는지 사용자가 이해할 수 있어야 합니다.

6.5.5 안전 여유와 대안의 보존

계획은 배터리를 이론상 마지막 에너지 단위까지 사용하는 것을 전제로 하지 않습니다. 도착 시 예비량, 소비량 예측의 변동성, 도로 위 대안 충전소 접근을 위한 여유를 남겨 둡니다.

필요한 여유분은 경로 길이, 충전소 밀도, 데이터 최신성, 계획의 유연성과 함께 평가됩니다. 충전 선택지가 많은 도심 경로와 대안이 제한된 장거리 구간은 같은 조건을 갖지 않습니다.

eBattery AI는 권장 충전량을 설명할 때 이러한 논리를 보여 줍니다. 사용자는 왜 한 스테이션에서 더 많은 에너지를 충전하라고 권하는지, 또는 왜 다음 적합한 정차 지점까지 가기에 짧은 충전이면 충분하다고 보는지 이해할 수 있습니다.

현재 이용 가능 여부 정보 역시 계획이 만들어진 시점의 상황을 나타냅니다. 이 정보는 도착 시점에 같은 소켓이 비어 있도록 예약해 주는 것이 아닙니다. 따라서 대체 스테이션을 살펴보는 것은 계획의 중요한 부분입니다.

6.6 동적 재계산

6.6.1 여행 중 변화하는 조건을 계획에 반영하기

경로는 여행 시작 전에 만들어진 고정된 문서로 다루지 않습니다. 사용자가 이동함에 따라 위치, 교통, 충전소 상태, 본인의 선호가 달라질 수 있습니다.

동적 재계산은 이러한 변화가 계획에 미치는 영향을 평가합니다. 다만 각 트리거는 관련 데이터에 접근할 수 있는 범위 내에서만 작동합니다.

변경 사용되는 정보 계획에 미칠 수 있는 영향
교통 상황의 변화 지도 및 교통 정보 출처 소요 시간 및 경로 옵션 업데이트
계획된 스테이션의 상태 변경 운영사 연동 대체 충전 지점 검토
사용자의 경로 이탈 위치 및 경로 진행 상황 남은 거리와 에너지 필요량 재계산
배터리 정보 업데이트 사용자 로그인, 지원 예정인 향후 차량 연결 충전 정차지와 목표 에너지량 업데이트
경유지 추가 또는 삭제 사용자 편집 영향을 받는 경로 구간의 재계획
변화하는 기상 조건 해당 연동이 활성화된 범위 소비량 예측의 재평가

수동으로 입력한 배터리 잔량으로 진행되는 주행에서 시스템이 계산한 잔여 에너지는 추정치입니다. 차량에서 측정한 최신 배터리 데이터와 동일하게 표시되지 않습니다.

6.6.2 모든 변경을 사용자에게 새로운 경로로 제시하지 않기

계속 바뀌는 작은 차이는 사용자에게 불필요한 의사결정 부담을 줄 수 있습니다. 몇 초 정도의 교통 상황 변동이나 아주 작은 시간 이점마다 새로운 추천이 필요한 것은 아닙니다.

재계산 방식은 변경 사항이 여정에 어떤 의미를 갖는지 평가합니다. 현재 계획의 실행 가능성, 에너지 여유분, 사용자에게 돌아가는 뚜렷한 이점이 우선합니다.

이를 통해 계획의 안정성이 유지됩니다. 사용자는 서로 매우 비슷한 두 선택지 사이에서 계속 안내받는 대신, 필요할 때 의미 있는 업데이트를 확인합니다.

6.6.3 변경 이유 설명하기

제안된 새 경로는 현재 계획과 비교하여 제시됩니다. 사용자는 어떤 조건이 바뀌었는지, 그 결과가 무엇인지 확인할 수 있어야 합니다.

예를 들면:

“계획하신 충전소의 적합한 커넥터에서 이용 정보가 변경되었습니다. 대체 충전소가 경로에 더 가깝고 현재 에너지 예상치로 도달할 수 있습니다. 새로운 옵션을 확인해 보세요.”

설명에는 보유한 데이터가 뒷받침하는 요소만 사용합니다. 신뢰할 수 있는 대기 시간 추정치가 없으면 정확한 절약 시간(분)은 제시하지 않습니다.

지도 제공업체의 교통 정보와 이 데이터를 바탕으로 한 eBattery의 EV 평가도 올바르게 연결됩니다. 추천 근거를 통해 어떤 데이터가 어떻게 사용되었는지 이해할 수 있습니다.

6.7 AI 여행 계획 — 후보 풀, 클러스터링, 시간 예산 배분, 충전 통합

6.7.1 이동 계획에서 일상의 경험으로

여행 계획은 사용자가 특정 지역에서 보낼 시간을 정리해 줍니다. 목표는 흥미로운 장소를 사용자의 시간, 관심사, 차량의 에너지 요구에 맞는 일정으로 바꾸는 것입니다.

사용자가 “카파도키아에서 이틀을 보낼 건데, 자연과 역사 위주로 짜 줘”라고 말하면 시스템은 지역, 여행 기간, 우선순위를 함께 평가합니다. 출발 지점, 하루 일정의 속도, 그리고 사용자가 꼭 보고 싶은 곳이 있다면 그 장소가 계획에 추가됩니다.

완성된 일정은 일 단위로 나뉜 수정 가능한 여행 구조를 제공합니다.

6.7.2 후보 장소 풀 구성

첫 단계는 지역 내 적합한 방문지를 정하는 것입니다. 후보군에는 문화 공간, 박물관, 자연 지역, 식음료 장소, 휴게 장소가 포함될 수 있습니다.

평가에 반영되는 정보에는 소스의 범위에 따라 위치, 카테고리, 방문 시간, 운영 시간, 사용자 리뷰가 포함됩니다.

인기가 높다는 것만으로 선택 이유가 되지는 않습니다. 어떤 장소가 사용자의 관심사와 맞지 않거나, 일상 일정에서 너무 멀거나, 방문할 시간이 충분하지 않다면 우선순위가 낮아질 수 있습니다.

콘텐츠 설명은 선택한 장소의 기록과 연결됩니다. 영업시간이나 출입 조건처럼 바뀔 수 있는 정보는 언어 모델의 일반 지식에서 마치 최신 데이터인 것처럼 생성되지 않습니다.

6.7.3 지리적 군집화와 교통 연계

후보 장소는 일일 일정을 짜기 전에 지리적 관계와 교통 관계 측면에서 평가됩니다. 목표는 같은 날 안에서 불필요한 왕복 이동을 줄이는 것입니다.

지도에서 가까워 보이는 두 지점이 실제로는 이동 시간이 짧지 않을 수 있습니다. 도로 연결, 통과 지점, 지역의 지리가 실제 이동 패턴을 결정합니다. 그래서 일별 그룹화는 직선 거리만을 기준으로 하지 않습니다.

예를 들어 하루 일정은 같은 지역의 방문지로 구성하고, 더 멀리 있는 정류지는 다른 날로 옮길 수 있습니다. 이렇게 하면 사용자가 이동보다 방문에 더 많은 시간을 쓸 수 있습니다.

사용자가 특정 순서를 선호하면 이 선택은 유지되며, 시스템은 나머지 계획을 그 순서에 맞게 조정합니다.

6.7.4 시간 예산 편성: 현실적인 하루 일정

하루 일정이 실행 가능한지는 총 방문 시간과 함께 이동 및 휴식 시간에 달려 있습니다.

하루의 시간 예산에는 다음 구성 요소가 포함됩니다.

  • 지점 간 이동.

  • 각 장소에서 보내는 방문 시간입니다.

  • 식사 및 휴식 시간.

  • 필요한 충전 정차지.

  • 주차, 접근 및 유사한 전환을 위한 합리적인 시간 여유.

사용자의 6시간짜리 여행 계획에 방문 시간의 합이 6시간인 정류지만 넣으면 이동할 시간이 남지 않습니다. eBattery AI는 하루의 전체 시간 범위 안에서 계획을 세웁니다.

프로그램의 가치는 가능한 한 많은 장소를 나열하는 것으로 측정되지 않습니다. 사용자가 선택한 속도로 따라갈 수 있고 변경의 여지가 있다는 점이 중요합니다.

6.7.5 충전을 일일 일정에 맞춰 넣기

충전 정차는 여행 계획을 만들 때 에너지 필요량과 함께 고려됩니다. 하루가 끝날 때 덧붙이는 별개의 필요처럼 다루지 않습니다.

식사 휴식을 적합한 충전 포인트와 맞출 수 있다면 두 활동을 같은 시간대에 할 수 있습니다. 예를 들어 같은 장소에서 동시에 시작하는 40분의 식사 휴식과 25분의 충전은 적절한 조건에서 총 65분의 추가 정차를 필요로 하지 않습니다. 계획은 겹치는 시간을 함께 고려합니다.

이 매칭에서는 충전소의 실제 접근성, 운영 조건, 주차 구조, 사용자의 선호가 중요합니다. 지도에서 식당 가까이에 있는 것으로 보이는 충전소가 어떤 경우에나 적합한 휴식 장소라고 가정하지 않습니다.

여러 날에 걸친 여행에서는 에너지 계산이 날짜를 넘어 이어집니다. 다음 날의 시작 배터리는 전날의 계획된 종료 수준과 연결됩니다. 야간 충전은 사용자의 계획에 포함되어 있고 해당 시설이 지원하는 경우에만 계산에 반영됩니다.

6.7.6 편집 가능한 여행 스토리

계산된 일정은 날짜별로 나뉜 경유지와 자연어 설명으로 제공됩니다. 사용자는 어느 날 어느 지역을 둘러보는지, 충전이 어디에 배치되었는지, 하루의 대략적인 시간 배분을 확인할 수 있습니다.

“둘째 날은 더 여유롭게 해 줘”, “박물관은 빼 줘”, “오후에는 자연 속에 있고 싶어” 같은 요청으로 계획을 수정할 수 있습니다.

변경 후에는 영향을 받는 날짜와 경로 구간을 다시 평가합니다. 여행 설명도 업데이트된 계획에 맞춰 바뀌며, 이전 설명과 새 정류장 목록 사이에 모순이 생기지 않도록 하는 것이 원칙입니다.

도시와 지역 중심의 이 구조는 이후 단계에서 더 넓은 국가 단위의 장기 계획을 세우는 토대가 됩니다.

6.8 효율 분석

6.8.1 데이터를 운전자 관점에서 의미 있게 만들기

효율 분석은 사용자가 에너지 및 주행 기록을 더 명확하게 평가하도록 도와줍니다.

접근 가능한 데이터가 충분하다면 서로 다른 기간의 소비량, 거리, 충전 지출, 계획값과 실제값을 비교할 수 있습니다. AI는 숫자 속의 변화를 설명하고 사용자가 살펴보면 유용할 만한 기록을 알려 줍니다.

분석의 범위는 사용된 데이터에 따라 달라집니다. 차량 연결, 세션 기록, 사용자 로그인으로 얻은 정보는 경로만으로 계산한 추정치와 구분하여 관리합니다.

6.8.2 측정된 소비량과 계산된 추정치

소비량 평가에서는 에너지와 거리가 동일한 기간, 동일한 차량, 일관된 측정 방법에 속해야 합니다.

총 에너지와 총 거리를 알고 있다면 기본 소비량 계산은 다음과 같습니다.

평균 소비량 = 총 주행 에너지 / 총 거리 × 100

길이가 다른 여정의 소비 값을 단순히 더한 뒤 여정 수로 나누면 해당 기간의 올바른 평균이 나오지 않을 수 있습니다. 총 에너지와 거리를 기준으로 계산하면 짧은 여정과 긴 여정의 비중이 그대로 반영됩니다.

충전 중에 구매한 에너지 또한 같은 기간 주행에서 소비한 에너지와 항상 같지는 않습니다. 기간 시작과 종료 시점의 배터리 잔량, 충전 손실, 기록 범위가 이 관계에 영향을 줍니다.

이러한 이유로 eBattery는 충전 지출, 구매한 에너지, 주행 소비를 서로 다른 의미의 개념으로 다룹니다.

6.8.3 변화를 보여주고 그 원인을 데이터로 설명하기

설명을 위한 예로, 비교 가능한 두 기간 사이에 평균 소비량이 18 kWh/100 km에서 19,8 kWh/100 km로 증가했다고 가정해 봅시다. 이 변화는 소비량이 10% 증가했음을 의미합니다.

그러나 이 결과만으로는 증가 원인을 알 수 없습니다. 경로, 속도, 날씨, 적재량 또는 주행 구성이 달라졌을 수 있습니다.

AI의 평가는 데이터가 뒷받침하는 수준에 머뭅니다. 소비량과 거리 기록만 있다면 "소비량이 늘었습니다"라고 말할 수 있지만, 급제동이나 에어컨 사용 같은 특정 행동이 원인이라는 결론에 이르려면 관련 측정값이 필요합니다.

직접적인 차량 데이터가 없는 경우 배터리 상태를 측정된 것처럼 제시하지 않습니다. 상세한 주행 습관 분석은 이러한 습관을 평가하기에 충분한 데이터를 제공하는 연동을 통해 확장됩니다.

6.8.4 비교 가능한 이용 습관 만들기

효율 화면의 목적은 사용자가 시간에 따른 자신의 이용 현황을 더 쉽게 이해하도록 돕는 것입니다.

비슷한 경로를 비교하고, 서로 다른 충전소의 충전 지출을 살펴보고, 계획한 시간과 실제 소요 시간의 차이를 확인하는 것이 이러한 이해를 뒷받침합니다.

어시스턴트의 제안은 구체적이고 절제되어 있습니다. 사용자에게 검증되지 않은 절감 비율을 약속하는 대신, 어떤 데이터가 변경되었는지와 더 의미 있는 비교를 위해 어떤 조건을 살펴봐야 하는지를 설명합니다.

6.9 결과 카드와 딥 링크

6.9.1 대화를 앱에서 활용할 수 있는 결과로 바꾸기

AI Chat에서 만든 경로, 여행 또는 충전소 추천은 결과 카드로 제공됩니다. 카드를 통해 사용자는 주요 정보를 빠르게 확인하고 해당 모듈로 이동할 수 있습니다.

카드 종류 카드의 핵심 내용 관련 화면
경로 카드 출발지, 도착지, 경로 요약, 예상 소요 시간 및 충전 정차 지점 경로 계획
여행 카드 지역, 일수, 일별 일정 요약 여행 계획
충전소 카드 위치, 호환성, 출력 및 확인 가능한 최신 정보 충전소 상세
효율 카드 기간, 주요 지표 및 평가 요약 효율

카드의 목적은 모든 세부 정보를 작은 공간에 욱여넣는 것이 아닙니다. 사용자가 결과를 알아보고 다음 작업을 선택하기에 충분한 정보를 제공합니다.

6.9.2 딥링크로 같은 계획 열기

딥링크는 결과 카드가 사용자를 해당 화면의 올바른 콘텐츠로 안내하도록 합니다.

사용자가 채팅에서 만든 경로를 열면 빈 경로 양식이 나타나지 않습니다. 선택한 출발지와 도착지, 차량, 경유지 및 계획의 나머지 정보가 해당 화면에 표시됩니다.

같은 관계가 여행 카드와 충전소 카드에서도 유지됩니다. 그래서 채팅, 지도, 계획 화면이 하나의 동일한 작업을 다른 방식으로 보여 주는 화면이 됩니다.

기술적으로 카드는 해당 기록 및 계획 버전과 연결됩니다. 사용자가 계획을 변경하면 어떤 결과가 최신인지 계속 분명하게 알 수 있습니다.

6.9.3 상황에 맞는 빠른 작업

결과에 따라 "경로 시작", "충전소로 이동", "저장", "공유", "즐겨찾기에 추가" 같은 동작이 제공됩니다.

모든 카드에 모든 작업을 표시할 필요는 없습니다. 작업은 사용자가 그 시점에 만들어 낸 결과에 따라 선택됩니다.

공유 가능한 카드도 콘텐츠 범위와 함께 다뤄집니다. 사용자의 집 주소나 개인 출발지 같은 정보는 공유의 당연하거나 필수적인 부분으로 간주되지 않습니다. 사용자는 어떤 콘텐츠를 공유하는지 확인할 수 있어야 합니다.

6.10 사전 알림 제안 및 알림

6.10.1 필요가 생겼을 때 의미 있는 도움 제공하기

eBattery AI는 관련 데이터가 있을 때 사용자가 묻지 않아도 중요한 변화를 보여 줄 수 있습니다.

진행 중인 주행에서 충전소 상태가 바뀌거나, 눈에 띄는 교통 영향이 있거나, 갱신된 배터리 정보에 따라 충전 계획을 다시 평가하는 경우가 이 범위에 포함됩니다.

선제적 지원의 목적은 사용자에게 적시에 도움을 주는 것입니다. 모든 데이터 변경이 알림을 만드는 것은 아니며, 해당 정보가 현재 이동과 어떤 관련이 있는지, 조치가 필요한지를 판단합니다.

6.10.2 알림을 근거 데이터와 함께 평가하기

배터리 부족 경고의 의미는 데이터의 출처에 따라 달라집니다.

차량에서 현재 배터리 잔량을 받아올 수 있다면 측정된 값을 사용할 수 있습니다. 사용자가 처음에 직접 입력했다면 주행 중 계산된 값은 추정치입니다. 알림 문구는 이 차이를 그대로 유지합니다.

마찬가지로 즐겨찾는 충전소의 가격 이점에 대한 제안을 만들려면 최신 요금표와 사용자에게 적용되는 조건을 알아야 합니다. 반면 정비 알림은 사용자가 저장한 날짜 또는 적합한 데이터 소스와 연결됩니다.

이 접근 방식은 선제적 추천이 현재 데이터 범위와 일관되게 유지되도록 합니다.

6.10.3 알림 빈도 및 사용자 설정

알림은 중요도와 맥락에 따라 관리됩니다. 진행 중인 여정의 실행 가능성에 영향을 주는 변경 사항은 일반적인 이용 제안과 같은 우선순위를 갖지 않습니다.

사용자는 알림 설정을 관리할 수 있습니다. 같은 이벤트에 대한 반복 메시지를 줄이고, 더 이상 유효하지 않은 알림을 표시하지 않으며, 추천을 올바른 플랜으로 안내하는 것이 경험의 일부입니다.

위치 및 백그라운드 기능은 사용자의 권한과 모바일 운영체제의 작동 조건 안에서 실행됩니다. 여정 중에 표시되는 정보는 짧고 행동 중심으로 유지되며, 자세한 내용은 해당 화면에서 확인할 수 있습니다.

6.11 신뢰 및 오류 처리

6.11.1 정보의 성격을 눈에 보이게 하기

eBattery AI의 신뢰 접근 방식은 결과가 어떤 정보에 근거하는지 이해할 수 있게 하는 데 바탕을 두고 있습니다.

사용자가 입력한 배터리 잔량, 운영사로부터 받은 소켓 상태, 지도 서비스의 소요 시간 추정치, AI의 설명은 서로 다른 종류의 정보입니다. 이렇게 구분하면 추천을 올바르게 평가할 수 있습니다.

생성형 AI 시스템은 근거 없는 정보를 설득력 있게 제시할 수 있습니다. NIST의 생성형 AI 위험 프로파일도 이러한 행동을 다룹니다. eBattery의 데이터 기반 계산 및 검증 방식은 이러한 오류가 앱 의사결정에 미치는 영향을 줄이도록 설계됩니다.

이 접근 방식은 특히 위치, 스테이션 상태, 가격, 에너지 계산에서 중요합니다. 유려한 설명이 검증된 데이터를 대신하지 않습니다.

6.11.2 데이터가 부족할 때 명확하고 일관되게 대응하기

데이터 소스 하나가 응답하지 않는다고 해서 앱의 모든 기능이 한꺼번에 멈춰야 하는 것은 아닙니다. 시스템은 가용한 데이터로 어떤 결과를 제공할 수 있는지 판단합니다.

예를 들어 충전소의 위치와 소켓 정보는 있지만 실시간 상태를 가져올 수 없는 경우에도 충전소 탐색은 계속할 수 있으며, 이용 가능 여부는 알 수 없음으로 표시됩니다.

마찬가지로 언어 모델이 일시적으로 응답하지 못할 때에는 계산 서비스에서 받은 유효한 경로 결과를 분석하여 표준 카드와 짧은 설명으로 보여 줄 수 있도록 합니다.

마지막으로 알려진 데이터를 사용하는 경우에도 최신성은 유지됩니다. 캐시에서 표시된 오래된 상태는 방금 수신한 실시간 정보처럼 제시되지 않습니다.

6.11.3 권한, 개인정보 보호 및 외부 콘텐츠 보안

AI 계층에 필요한 데이터는 수행할 작업의 범위로 제한됩니다. 충전소가 추천된 이유를 설명하기 위해 사용자의 전체 메시지 기록이나 결제 정보를 모델에 전달할 필요는 없습니다.

위치, 여행 계획, 사용자 선호는 접근 제어 하에서 처리됩니다. 앱의 거래 권한은 언어 모델의 자유 텍스트 생성과 별개로 검증됩니다.

외부 출처의 설명과 사용자 리뷰도 데이터로 처리됩니다. 이러한 콘텐츠에 포함될 수 있는 지시가 앱의 거래 규칙을 바꾸지 못하도록 하는 것은 아키텍처의 보안 원칙 중 하나입니다.

결제나 예약과 같은 향후 거래 흐름에서도 AI의 제안과 거래의 실행은 별개의 단계입니다. 사용자에게 거래 범위가 표시되며 해당 승인 절차가 유지됩니다.

6.11.4 오류에서 측정 가능한 방식으로 배우기

신뢰성을 확보하려면 실제 사용 시나리오를 정기적으로 평가해야 합니다.

차량과 호환되지 않는 충전소, 누락된 가격, 변경된 배터리 입력, 연결 중단, 늦게 완료되는 이전 경로 요청 같은 상황은 시스템이 어떻게 동작해야 하는지를 정하는 테스트 시나리오입니다.

사용자 피드백도 이 과정에 기여합니다. 잘못된 충전소 정보로 내린 선택과 기대에 미치지 못한 선택은 같은 유형의 오류가 아닙니다. 피드백을 관련 데이터 및 결정 단계와 연결하면 올바른 구성 요소를 개선하는 데 도움이 됩니다.

신뢰 접근 방식은 결과를 단순히 "성공" 또는 "실패"로 집계하는 것을 넘어, 오류의 원인과 사용자에게 미치는 영향을 이해하는 데 기반합니다.

6.12 모델 독립적 인프라 및 성능 목표

6.12.1 제품 로직을 모델 제공업체로부터 독립적으로 유지하기

eBattery AI의 인프라는 핵심 제품 기능을 단일 언어 모델의 특성에 종속시키지 않는 접근 방식을 바탕으로 합니다.

차량 프로필, 충전소 데이터, 경로 계산, 사용자 설정은 앱의 자체 서비스에서 관리됩니다. 언어 모델은 정의된 작업과 데이터 계약을 통해 이러한 서비스에 연결됩니다.

이 구조 덕분에 GPT, Gemini와 같은 서로 다른 모델 계열이나 앞으로 개발될 대안을 평가할 수 있습니다. 모델이 바뀌더라도 차량과 충전소의 호환성 같은 핵심 규칙을 다시 작성할 필요가 없어야 합니다.

모델은 언어 품질, 구조화된 출력의 정확성, 작업 성공률, 지연 시간, 비용, 데이터 처리 조건을 기준으로 선택합니다. 제공업체의 이름만으로 제품 품질을 판단하지 않습니다.

6.12.2 작업에 맞는 모델과 서비스 사용

모든 사용자 요청이 같은 처리 부하를 필요로 하는 것은 아닙니다. 짧은 의도 분류와 상세한 여행 설명은 필요한 것이 다릅니다.

인프라는 이러한 차이에 따라 작업을 알맞게 배분할 수 있도록 설계됩니다. 계산 서비스가 직접 해결할 수 있는 작업은 해당 서비스에서 처리하고, 자연어 해석과 설명이 필요한 단계에는 적합한 모델을 사용합니다.

성능을 뒷받침하는 아키텍처 접근 방식에는 다음 요소가 포함됩니다.

  • 서로 독립적인 데이터 호출을 적절한 경우 동시에 실행하기.

  • 비교적 느리게 변하는 차량 정보를 통제된 방식으로 캐싱.

  • 가용성, 가격 등 변동되는 데이터에 최신성 규칙을 적용하는 것.

  • 사용자의 요청이 바뀔 때 유효하지 않은 계정 취소.

  • 오래 걸리는 작업을 인터페이스를 막지 않고 백그라운드에서 실행합니다.

  • 결과 중 준비된 부분을 무결성을 유지하면서 단계적으로 제시하는 것.

지도 및 교통 서비스에서도 응답 시간과 계산의 상세 수준 사이에 절충이 있습니다. Google Routes API는 교통 평가를 위한 여러 옵션을 정의하며, 더 포괄적인 검색은 지연 시간이 더 길어질 수 있다고 설명합니다. eBattery의 성능 접근 방식은 이러한 외부 서비스의 동작을 전체 사용자 경험 안에서 평가합니다.

6.12.3 성과 목표 정의

eBattery AI에서 성능은 사용자가 요청을 보낸 순간부터 사용 가능한 결과에 도달하기까지의 경험을 기준으로 평가됩니다.

첫 응답이 시작되는 시점과 경로 계획이 완료되는 시점은 서로 다른 측정 항목입니다. 로딩 애니메이션이 표시되는 것을 의미 있는 AI 응답의 시작과 같은 것으로 보지 않습니다.

성과 영역 설계 목표 측정 방식
AI 응답 시작 표준 조건에서 첫 의미 있는 응답 스트림을 2초 이내에 시작하기 요청을 보낸 시점부터 사용자에게 의미 있는 첫 콘텐츠가 보일 때까지 걸리는 시간
표준 경로 생성 지원되는 일반적인 시나리오에서 사용 가능한 경로 결과를 가능한 한 5초 이내에 제공하기 요청 시점부터 경로와 기본 충전 계획이 준비될 때까지 걸리는 시간
화면 전환 계산이 진행되는 동안 상호작용과 부드러움 유지하기 실행 지연과 인터페이스 끊김
재계산 의미 있는 변경 사항을 적절한 시간 안에 계획에 반영하기 업데이트를 받은 시점부터 새 옵션이 준비될 때까지 걸리는 시간
복잡한 여행 계획 진행 상황을 계속 보여 주며 단계별로 결과 제공하기 첫 사용 가능 결과 및 완성된 계획까지의 시간

이 값들은 엔지니어링 목표입니다. 실제 결과는 네트워크 상태, 데이터 제공자, 경로 길이, 정차 횟수, 계획의 복잡도에 따라 측정됩니다.

하나의 평균값만으로는 전체 경험을 설명할 수 없습니다. 일반적인 사용자 경험과 함께 더 느린 요청을 확인할 수 있도록 중앙값과 95번째 백분위수 같은 지표를 추적합니다. 이를 통해 시스템이 대부분의 사용자에게 빠르게 작동하는 것과 일부 사용자가 오래 기다리는 것 사이의 차이가 드러납니다.

6.12.4 속도와 함께 정확성 및 사용성 측정하기

성능 평가는 응답 시간뿐 아니라 결과의 품질도 포함합니다.

주요 평가 분야는 다음과 같습니다.

  • 차량과 호환되는 충전소 선택의 정확도.

  • 에너지 및 배터리 잔량(%) 계산의 일관성입니다.

  • 사용자가 정한 경유지 순서 준수.

  • 최신 데이터와 오래된 데이터의 구분을 유지합니다.

  • 설명 문구와 결과 카드의 값이 일치하는지 확인합니다.

  • 결과 카드가 올바른 플랜과 화면을 여는지 여부.

  • 사용자 변경 사항을 올바른 버전에 적용.

  • 여러 언어에서 같은 요청을 일관되게 이해하는 것.

실제 데이터를 확보할 수 있게 되면 예상 도착 시간을 소비량과 충전 시간의 관측 결과와 비교합니다. 이러한 비교를 통해 어떤 지역, 차량 프로필, 이용 조건에서 개선이 필요한지 알 수 있습니다.

모델 업데이트도 동일한 평가 원칙으로 다룹니다. 새 모델이 더 유창하게 말한다고 해서 경로 설명이 더 정확하다는 뜻은 아닙니다. 현재 작업에서의 성과, 구조화된 결과, 앱 내 동작과의 일관성을 함께 검토합니다.

6.12.5 확장되는 기능을 위한 공통 기반

모델 독립적 구조는 제품이 발전함에 따라 eBattery AI가 새로운 데이터와 서비스로 확장되는 것을 뒷받침합니다.

차량 데이터 직접 연동, 에너지 모델에 날씨 조건 반영, 사용자 선호로부터 학습하는 추천, 더 넓은 지역을 아우르는 여행 계획은 모두 동일한 계산 및 컨텍스트 구조와 연결됩니다.

충전·결제, EV 마켓, 모바일 충전 지원 및 기타 서비스가 도입됨에 따라 어시스턴트가 안내할 수 있는 작업도 늘어납니다. 새로운 기능은 모두 해당 서비스의 실제 범위, 데이터, 사용자 승인과 함께 다뤄집니다.

이러한 발전 과정 내내 어시스턴트와 사용자의 관계는 유지됩니다. 필요를 이해하고, 적절한 데이터를 사용하며, 선택지의 결과를 설명하고, 사용자가 선택한 작업을 앱 안에서 쉽게 처리하도록 돕는 것입니다.

eBattery에서 검색

기능, 가이드 또는 주제를 검색하세요.

시작점충전소 찾기 →RWA 프로젝트 예시 →가이드와 뉴스 →