El compromiso de Amazon con garantizar la mejor experiencia para sus clientes le ha llevado a desarrollar el Proyecto PI (Private Investigator), un sistema impulsado por IA para detectar productos defectuosos antes de que salgan del centro logístico y lleguen a los clientes.
El gigante marketplace ha declarado que el Proyecto PI está activo en varios centros de distribución de América del Norte y reporta resultados prometedores. Por lo que pretende integrarlo en más centros a lo largo del año. En este sentido, explica «el sistema ha demostrado ser experto en clasificar los millones de artículos que pasan por los túneles cada mes e identificar con precisión tanto los artículos vencidos como los problemas como el color o el tamaño incorrectos».
Pingping Shan, director de experiencia de pedidos perfectos en Amazon, indica «Queremos equiparnos con las herramientas y palancas más poderosas y escalables para ayudarnos a proteger la confianza de nuestros clientes».
El Proyecto PI es un sistema de vanguardia que utiliza IA generativa y tecnología de visión por computadora para verificar el buen estado de los envíos en los centros de distribución de Amazon. Este sistema ha sido diseñado para identificar gran variedad de defectos, desde daños físicos (como una cubierta rota o doblada) hasta problemas de etiquetado, de clasificación por color o tamaño incorrecto.
Los productos que serán entregados al cliente pasan por un túnel donde son escaneados y el programa de visión verifica si hay daños. En caso de que haya un error, se aísla el paquete, se evalúa el defecto y se verifica si hay un problema en elementos similares o en el lote al que este pertenece, para así rastrear la causa del problema desde la raíz.
De esta forma, además de prevenir el envío de productos dañados o defectuosos, Amazon también implementa medidas preventivas que evitan que estos problemas puedan repetirse en el futuro. Así mismo, la compañía también se pone en contacto con los vendedores para informarles de estos contratiempos y que estos puedan adelantarse a futuros problemas similares.
El Proyecto PI se deriva del programa de calidad de productos de Amazon y su éxito se debe a la combinación de tecnologías avanzadas de IA junto con visión por computadora, que incluyen modelos de aprendizaje automático, para ayudar a los socios de ventas a enumerar productos con información precisa.
Además de esto, Amazon ha afirmado que ha utilizado los comentarios de sus clientes para entrenar los modelos de aprendizaje automático e identificar la diferencia entre elementos normales y defectuosos, así como errores de etiquetados y detectar los tipos de defectos que notan los clientes.
En este sentido, la compañía fundada por Jeff Bezos implementó un modelo multimodal de lenguaje grande (MLLM), cuya función es investigar la causa de las experiencias negativas de los clientes derivadas de haber recibido productos defectuosos.
La IA analiza los comentarios de los clientes, verifica las imágenes tomadas por el Proyecto PI en el centro logístico del que salió el artículo y otras fuentes de datos. De este modo, la IA descubre dónde se produjo el error y ayuda a que los datos sobre defectos sean más accesibles.
El hecho de poder evitar el envío de artículos defectuosos que terminarán siendo devueltos, no solo es beneficioso para los clientes y vendedores, sino para el medioambiente. Tal y como explica Kara Hurst, vicepresidenta de Sostenibilidad Mundial de Amazon, «Amazon está utilizando la IA para alcanzar nuestros compromisos de sostenibilidad con la urgencia que exige el cambio climático, al mismo tiempo que mejora la experiencia del cliente.
La IA está ayudando a Amazon a garantizar que no solo estemos deleitando a los clientes con artículos de alta calidad, sino que también estamos extendiendo esa obsesión por el cliente a nuestro trabajo de sustentabilidad al evitar que artículos no perfectos salgan de nuestras instalaciones y ayudándonos a evitar gastos innecesarios, emisiones de carbono debido al transporte, embalaje y otros pasos en el proceso de devolución».
Foto: generada a través de GPT4
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *
Δ