Tiempo de lectura estimado: 4 minutos
Package Decision Engine, es un modelo de inteligencia artificial creado por Amazon que garantiza que las compras de los clientes lleguen en el embalaje más eficiente disponible.
Al mismo tiempo evita daños y facilita las entregas.
Para los cientos de millones de artículos que vende la empresa de comercio electrónico, desde una tienda de campaña hasta un suéter navideño, la caja o el sobre que llega a la puerta de los clientes probablemente haya sido seleccionado cuidadosamente por inteligencia artificial (IA).
- Amazon explica en un artículo que ese modelo es capaz de determinar el tipo de embalaje más eficiente para cada artículo.
Eso ayuda a reducir la cantidad de cajas de cartón, almohadas de aire, cinta adhesiva y sobres publicitarios utilizados para enviar compras.
Junto con otras innovaciones, el modelo ha ayudado a la marca a evitar más de 2 millones de toneladas de material de embalaje en todo el mundo desde 2015.
Predicciones más precisas
Construido en la nube de Amazon Web Services (AWS), el modelo de IA multimodal puede predecir cuándo un producto más duradero como una manta no funciona.
También determina cuándo un producto no necesita embalaje protector o cuando un artículo potencialmente frágil, como un juego de platos, puede necesitar una caja de estudio.
Utiliza una combinación de aprendizaje automático profundo, procesamiento de lenguaje natural y visión por computadora, y aprende continuamente sobre las opciones de embalaje.
El catálogo de productos de Amazon tiene cientos de millones de artículos y siempre está creciendo y cambiando, además de tener artículos regionales y específicos de cada país en todo el mundo.
Antes del uso de la IA, los asociados utilizaban pruebas físicas en productos individuales para determinar cómo optimizar el embalaje, pero ese trabajo de sostenibilidad era imposible de escalar únicamente mediante esfuerzos humanos.
Cómo funciona el motor de decisión de paquetes
El proceso del motor de decisión de paquetes incluye varios pasos para recopilar información sobre cada elemento.
Cuando un artículo llega por primera vez al centro logístico de Amazon, se fotografía en un túnel de visión por computadora que determina las dimensiones del producto, detecta defectos y captura múltiples imágenes del artículo.
Esto también permite al modelo detectar si hay una bolsa o caja alrededor de un artículo o la presencia de vidrio expuesto.
El modelo también utiliza procesamiento de lenguaje natural y aprovecha datos basados en texto de cada artículo, como el nombre del producto, la descripción, el precio y las dimensiones del paquete.
También recopila información casi en tiempo real a partir de los comentarios de los clientes que se informan a través del Centro de devoluciones en línea de Amazon, reseñas de productos y otros canales de comentarios de los clientes.
Después de recopilar la información, el modelo produce una puntuación que predice el mejor tipo de embalaje a utilizar.
El modelo recuerda la selección de embalaje y se utiliza para comprender las necesidades futuras de embalaje.
Cómo aprende el motor de decisión de paquetes con el tiempo
Los científicos han entrenado el modelo de IA mostrándole millones de ejemplos de productos que se entregaron con éxito en varios tipos de embalajes sin sufrir daños.
También le mostraron los productos que llegaron dañados, junto con las palabras clave y los tipos de embalaje utilizados en cada escenario.
Como resultado, el modelo aprendió que ciertas palabras clave son importantes al tomar decisiones sobre empaque.
Por ejemplo, un sobre acolchado limitado podría no proteger adecuadamente un artículo con las palabras "supermercado" o "pantalla" en la descripción, por lo que el modelo recomendaría una opción más resistente, como una caja.
El modelo también descubrió que palabras clave como "paquete múltiple", "bolsa", "encogible" y "paquete" también se asociaban con tasas de daño más bajas en el envío.
El modelo ha funcionado tan bien que el equipo de Innovación en Embalaje está ampliando su uso capacitándolo para su implementación en todo el mundo.
Esto incluye exponerlo a nuevos idiomas, tipos de empaques únicos y artículos vendidos en diferentes países.
El modelo ya se utiliza ampliamente en centros logísticos de América del Norte y Europa, y los componentes se están implementando en ubicaciones adicionales en India, Australia y Japón.
Más de Innovación
Innovación
Fábricas de IA, la estrategia tecnológica de la UE: ¿Qué puede aprender México?
Solo 4% de las solicitudes globales de patentes en IA provienen de Europa
Innovación
Desafío de la colaboración entre humanos y robots
Se ha convertido en un hecho cotidiano en fábricas, almacenes e instalaciones logísticas
