En un esfuerzo por optimizar la gestión de su extenso catálogo, Amazon ha desarrollado un sistema de inteligencia artificial (IA) autoaprendizaje que promete transformar la administración de datos en su plataforma. Este innovador sistema se enfoca en extraer atributos estructurados de los productos, tales como dimensiones, materiales y especificaciones técnicas, y en generar títulos alineados con los hábitos de búsqueda de los consumidores. Con millones de envíos diarios, el enriquecimiento del catálogo de Amazon se presenta como un campo de prueba ideal para esta tecnología.
El desarrollo de este sistema no ha estado exento de desafíos. La complejidad inherente a procesar millones de productos implica enfrentar terminologías en evolución y casos complejos, lo cual puede impactar en la precisión del sistema. Anteriormente, fallos en modelos de IA eran corregidos manualmente por científicos, un método intensivo en recursos y poco ágil frente a la dinámica y volumen de datos actuales. Con esto en mente, Amazon ha buscado implementar una solución más automatizada y escalable.
La propuesta de Amazon es innovadora: en lugar de emplear un único modelo de IA, utiliza varios modelos más pequeños que funcionan en un sistema de consenso. Cuando estos modelos llegan a un acuerdo, los resultados son procesados de forma confiable. Sin embargo, al presentarse divergencias, un modelo supervisor más capacitado entra en acción para resolverlas. Este modelo no solo soluciona disputas, sino que genera aprendizajes que se almacenan en una base de conocimiento dinámica, diseñada para prevenir futuros desacuerdos similares.
Este nuevo enfoque también incorpora retroalimentación de vendedores y clientes, lo que permite que el sistema evolucione constantemente a partir de nuevas lecciones aprendidas. La estructura jerárquica del sistema facilita que la base de conocimiento se mantenga organizada y pueda adaptarse a nuevas tendencias sin perder su lógica.
Además de mejorar la calidad de los datos, el sistema busca optimizar costos. Con el incremento del aprendizaje acumulado y la disminución de tasas de desacuerdo, la necesidad de la intervención de modelos supervisores disminuye, mejorando así la eficiencia operativa.
Desde su implementación, se ha observado una disminución en las tasas de error, evidenciando la efectividad del sistema en aprender no solo de los errores, sino también de las divergencias surgidas durante la extracción de información. El objetivo final es lograr un catálogo que sea un recurso confiable y funcional tanto para consumidores como para vendedores, mejorando la experiencia de compra en Amazon.
