AI 학습데이터를 만들기 위한 라벨링ㆍ검수 플랫폼을 구축했습니다. 작업자가 데이터를 라벨링하고, 검수자가 품질을 확인하며, 작업량에 따라 보상이 지급되는 흐름을 한 시스템에 담았습니다. 1) 시스템 구성 - 라벨링 작업: 작업 건을 배분받아 라벨링하고 제출 - 검수 프로세스: 검수자가 결과를 확인해 승인ㆍ반려하고, 반려 건은 재작업으로 되돌림 - 등급ㆍ보상: 작업자 등급과 작업 유형에 따라 단가를 달리해 보상을 산정 - 현장 수집 앱: 모바일 앱으로 현장에서 데이터를 직접 촬영ㆍ수집 2) 담당 범위 - React 기반 라벨링ㆍ검수 화면 개발 - Spring Boot와 Node.js(Express, TypeORM) 기반 API 서버 개발 - 작업 배분과 검수 상태 관리, 보상 산정 로직 구현 - 작업 상태 변경을 실시간으로 전달하는 WebSocket 처리 3) 기술적 이슈와 해결 - 같은 작업 건이 여러 작업자에게 중복 배분되지 않도록, 배분 시점에 작업 건을 잠그고 일정 시간 안에 제출되지 않으면 풀어주도록 했습니다. - 검수 반려가 반복되면 보상 계산이 꼬여, 작업ㆍ검수 이력을 단계별로 남기고 최종 승인 건만 보상 대상으로 삼았습니다. - 이미지 데이터가 커서 목록이 느려지는 문제를 미리보기용 축소본을 따로 만들어 해결했습니다. * 공개 가능한 실제 화면 자료가 없어 표지는 콘셉트 시안입니다. [배경과 목표] 1) 문제점 - 라벨링 작업과 검수가 따로 관리돼 반려 건의 재작업 흐름이 끊김 - 작업량과 품질에 따른 보상 계산을 수기로 해 시간이 오래 걸리고 오류가 생김 - 같은 작업 건이 중복 배분되는 경우가 발생 2) 프로젝트 목표 - 라벨링->검수->재작업->승인을 한 흐름으로 처리 - 등급ㆍ작업 유형에 따른 보상 자동 산정 - 현장 데이터 수집까지 포함한 통합 환경 3) 주안점 - 작업 건 중복 배분 방지 - 검수 반려 이력과 보상 계산의 정합성 - 대용량 이미지 데이터의 조회 성능 [주요 기능] - 라벨링 작업 배분과 제출: 작업 건을 배분할 때 잠금을 걸어 중복 배분을 막고, 제한 시간 안에 제출되지 않으면 다시 배분 대상으로 되돌립니다. - 검수 프로세스와 재작업: 검수자가 승인ㆍ반려를 처리하고 반려 건은 재작업으로 돌아갑니다. 작업ㆍ검수 이력은 단계별로 남습니다. - 등급별 보상 산정과 현장 수집 앱: 작업자 등급과 작업 유형에 따라 단가를 달리해 최종 승인 건만 보상하고, 모바일 앱으로 현장 데이터를 수집합니다. [성과] - 작업 건 중복 배분 차단: 배분 시점 잠금과 시간 초과 회수 방식으로, 같은 작업 건이 여러 작업자에게 중복 배분되던 문제를 없앴습니다. - 보상 정산 자동화: 작업ㆍ검수 이력을 단계별로 남기고 최종 승인 건만 보상하도록 해, 수기 계산에서 생기던 오차와 지연을 줄였습니다. [진행 과정] - 2021.01. 요구사항 정의: 데이터 종류와 라벨링 방식, 검수 기준, 보상 정책을 확정했습니다. - 2021.03. 작업ㆍ검수 흐름 설계: 작업 배분ㆍ검수ㆍ재작업 상태 흐름과 보상 산정 기준을 설계했습니다. - 2021.05. 플랫폼ㆍ앱 개발: React 라벨링ㆍ검수 화면과 API 서버, 현장 수집용 모바일 앱을 개발했습니다. - 2021.10. 검증 및 운영 적용: 실제 작업자와 검수자가 참여한 상태로 배분ㆍ보상 계산을 검증한 뒤 적용했습니다. [프로젝트 정보] - 기간: 2021.01 ~ 2021.12 - 역할: 풀스택 개발 - 기술: Spring Boot, Node.js, React, Java * 표시 금액은 비슷한 규모 작업의 시작 견적(참고용)이며, 실제 금액은 범위 확인 후 안내드립니다.

AI 학습데이터 라벨링ㆍ검수 플랫폼 구축 대표 이미지

라벨링 작업 공간과 모바일 수집 화면 구성을 나타낸 소개용 콘셉트 이미지입니다 (실제 운영 화면 아님)