[고객 사례] 광주광역시 소방안전본부 AI 기반 119 신고접수시스템 도입 사례

[고객 사례] 광주광역시 소방안전본부 AI 기반 119 신고접수시스템 도입 사례

사람을 살리는 AI, 리턴제로 STT API 도입으로 광주소방서의 신고 접수 능률이 향상된 사례를 소개해드립니다.

배경

  • 119 신고 접수부터 출동까지 소요되는 시간은 재난 및 응급 환자의 골든타임과도 직결돼 있습니다. 이국종 교수님도 강조한 사람을 살리는 "7분", 소방서의 1분은 그 어떤 시간보다 값지다고 할 수 있습니다.
  • 국내 소방서의 긴급한 현장 특성상 신고자의 주소나 증상 파악에는 여전히 많은 시간이 소요되고 있었습니다. 특히 상황실 근무자 개인의 능력과 경험에 의존하여 진행되던 신고접수를 AI를 도입해 체계적이고 실수 없는 신고 접수를 하고자 하는 니즈가 있었습니다.

문제 및 목표

소방서와 리턴제로는 다음과 같은 목표를 갖고 프로젝트를 시작했습니다.

  • 오디오로만 저장되던 신고접수 음성데이터의 실시간 STT로 신속하고 정확한 재난위치 파악 및 신고내용 분석
  • AI 기반 지능형 상황실 운영으로, 수보자의 경험과 능력에 의한 실수를 최소화하고 반복적인 질문을 줄임으로써 출동시간 단축 및 골든타임 확보
  • 상황실 근무자 업무지원 및 보조를 위한 AI 기반 신고접수 체계 구축
  • STT 관점의 구체적 목표
    • 신고자의 음성을 2초 이내에 실시간으로 텍스트로 변환
    • 119 신고는 긴박한 상황에서 이루어지는 경우가 대부분이고 야외/ 시끄러운 환경에서 신고 접수를 하기 때문에 음성인식을 하기에 아주 어려운 오디오+ 8kHz 음질이 낮은 오디오에서도 인식률 85% 이상 달성 필요
    • 신고접수 통화내용을 전사하고 데이터로 구축하여 지속적으로 음성인식 엔진이 똑똑해지도록 학습
    • 119라는 특수성과 광주광역시라는 지역적 언어 특성을 고려한 사투리 특화 학습 필요
    • 전체 통화 전사 및 학습 데이터 구축 비용 효율화

솔루션

  • 광주광역시 소방본부의 녹취 데이터 250시간을 전사 + 공개 전라도 사투리 데이터 500시간, 총 800시간의 학습데이터를 기존에 리턴제로가 보유한 1만 시간 모델에 추가 학습을 진행하여 전라도 사투리에 특화된 STT 엔진을 만들었습니다.
  • 공공기관의 특성에 따른 프로젝트 예산에 맞추기 위해서 보통 시간당 20~25만 원 이상 되는 학습데이터 전사 비용 절감을 위해 녹취데이터 중 STT 성능 개선에 필요한 최적의 데이터를 추출해서 학습할 오디오를 추려내는 Active Learning 기법을 적용해서 1천만 원 이상은 비용을 절감했습니다.

결과

  • 신고 음성의 실시간 텍스트 변환뿐만 아니라 VITO 서비스를 통해서 얻은 UI 노하우를 시스템에 적용하여 실시간 상담 내용이 카톡처럼 보이는 UI를 구현, 상황실 근무자들의 업무 편의성을 개선하였고 이에 따라 더 빠른 신고 접수가 가능하도록 크게 기여하였습니다.
  • 실시간으로 변환된 텍스트는 GIS(지리정보시스템) 시스템과 연동되어서 사고 접수가 발생한 주소에 대해서 실시간으로 추천을 해줘야 하는데 이때 추천되는 주소는 STT로 인식된 텍스트를 기반으로 하므로 높은 인식률이 실시간 주소 추천 기능에 아주 중요한 요소입니다. 리턴제로가 보유한 통화에 특화된 1만 시간이 넘는 방대한 양이 학습된 모델에 전라도 사투리 및 녹취 데이터를 학습하여 신고자 85%, 상담사 93.4%에 달하는 높은 인식률을 달성하였습니다.

Great! You’ve successfully signed up.

Welcome back! You've successfully signed in.

You've successfully subscribed to 기업을 위한 음성 AI - 리턴제로 blog.

Success! Check your email for magic link to sign-in.

Success! Your billing info has been updated.

Your billing was not updated.