Πώς η Amazon χρησιμοποιεί τεχνητή νοημοσύνη για την ανίχνευση κατεστραμμένων προϊόντων πριν από την αποστολή στους πελάτες

Στην καρδιά των κέντρων διανομής της Amazon σε ολόκληρη τη Βόρεια Αμερική, εκατομμύρια προϊόντα κάθε είδους – από τροφές για σκύλους έως θήκες τηλεφώνων, από μπλουζάκια έως βιβλία – περνούν μέσα από σήραγγες σάρωσης, όπου ένα μοντέλο τεχνητής νοημοσύνης (AI) με την ονομασία “Project P.I. (δηλ. “ιδιωτικός ντετέκτιβ”) χρησιμοποιεί εργαλεία ντετέκτιβ για να σαρώσει τα προϊόντα για ελαττώματα. Ο στόχος; Να διασφαλιστεί ότι οι πελάτες είναι πάντα ικανοποιημένοι με κάθε παραγγελία που παραλαμβάνουν.

Πώς λειτουργεί ο “Ιδιωτικός ερευνητής” της Amazon

Αξιοποιώντας έναν συνδυασμό τεχνολογιών δημιουργικής τεχνητής νοημοσύνης και όρασης υπολογιστών, το Project P.I. είναι σε θέση να ανιχνεύει ελαττώματα όπως κατεστραμμένα προϊόντα ή προβλήματα χρώματος και μεγέθους πριν τα αντικείμενα φτάσουν στους πελάτες. Επιπλέον, το σύστημα μπορεί να βοηθήσει στον εντοπισμό των βαθύτερων αιτιών αυτών των προβλημάτων, επιτρέποντας τη λήψη προληπτικών μέτρων για την αποτροπή της επανάληψής τους.

Στις τοποθεσίες όπου το σύστημα είναι διαθέσιμο, το Project P.I. έχει αποδειχθεί πολύ αποτελεσματικό στην εξέταση των εκατομμυρίων αντικειμένων που περνούν από τις σήραγγες κάθε μήνα, εντοπίζοντας με ακρίβεια τυχόν προβλήματα προϊόντων.

Πριν από την αποστολή ενός προϊόντος στον πελάτη, αυτό περνάει από μια σήραγγα σάρωσης, όπου το Project P.I. χρησιμοποιεί την όραση υπολογιστή για να αναλύσει το προϊόν και να εντοπίσει τυχόν ελαττώματα, όπως ένα λυγισμένο εξώφυλλο βιβλίου. Εάν εντοπιστεί κάποιο ελάττωμα, η Amazon απομονώνει το προϊόν ώστε να μην αποσταλεί στον πελάτη και διερευνά περαιτέρω για να διαπιστώσει εάν υπάρχει ευρύτερο πρόβλημα που επηρεάζει παρόμοια είδη.

Οι υπάλληλοι της Amazon που εξετάζουν τα αντικείμενα που αναφέρονται από το Project P.I. αποφασίζουν στη συνέχεια αν το αντικείμενο είναι κατάλληλο για να μεταπωληθεί με έκπτωση στον ιστότοπο Δεύτερης Ευκαιρίας της Amazon, αν θα πρέπει να δωριστεί ή να χρησιμοποιηθεί για άλλη χρήση. Το μοντέλο λειτουργεί ως “δεύτερο ζευγάρι μάτια” για τους υπαλλήλους της Amazon και ήδη συμβάλλει στη βελτίωση των χειροκίνητων ελέγχων σε διάφορα κέντρα διανομής της Βόρειας Αμερικής. Η τεχνολογία αναμένεται να επεκταθεί και σε άλλες τοποθεσίες κατά τη διάρκεια του 2024.

Εξασφάλιση μιας πιο βιώσιμης εμπειρίας για τους πελάτες

Το έργο του Project P.I. δεν αποτελεί μόνο μέρος της πελατοκεντρικής κουλτούρας της Amazon, αλλά και έναν από τους πολλούς τρόπους με τους οποίους η εταιρεία χρησιμοποιεί την καινοτομία της τεχνητής νοημοσύνης για να συμβάλει στην ενσωμάτωση των προσπαθειών της για την αντιμετώπιση της κλιματικής αλλαγής στην εμπειρία του πελάτη.

Η αποτροπή της άφιξης κατεστραμμένων ή ελαττωματικών αντικειμένων στους πελάτες είναι ζωτικής σημασίας για μια θετική εμπειρία πελατών, αλλά είναι επίσης ζωτικής σημασίας για τον πλανήτη. Στην πραγματικότητα, η ακούσια αποστολή ατελών αντικειμένων μπορεί να οδηγήσει σε ανεπιθύμητες επιστροφές, με αποτέλεσμα τη σπατάλη συσκευασίας και τις περιττές εκπομπές διοξειδίου του άνθρακα από την πρόσθετη μεταφορά.

“Η Amazon χρησιμοποιεί την Τεχνητή Νοημοσύνη για να εκπληρώσει τις δεσμεύσεις μας για τη βιωσιμότητα με τον επείγοντα χαρακτήρα που απαιτεί η κλιματική αλλαγή, βελτιώνοντας παράλληλα την εμπειρία των πελατών”, εξηγεί η Kara Hurst, αντιπρόεδρος του Worldwide Sustainability της Amazon. “Η AI βοηθά την Amazon να διασφαλίσει ότι όχι μόνο ευχαριστούμε τους πελάτες μας με αντικείμενα υψηλής ποιότητας, αλλά επεκτείνουμε αυτή την εμμονή με τους πελάτες και στο έργο μας για τη βιωσιμότητα, αποτρέποντας την έξοδο από τα εργοστάσιά μας αντικειμένων που δεν είναι και τόσο τέλεια και βοηθώντας μας να αποφύγουμε περιττές εκπομπές διοξειδίου του άνθρακα από τη μεταφορά, τη συσκευασία και άλλα βήματα στη διαδικασία επιστροφών”.

Πρόληψη μελλοντικών λαθών

Παράλληλα, οι ομάδες της Amazon αξιοποιούν ένα γενετικό σύστημα τεχνητής νοημοσύνης που χρησιμοποιεί ένα πολυτροπικό LLM (MLLM) για να διερευνήσει τις βασικές αιτίες των αρνητικών εμπειριών των πελατών. Όταν αντιλαμβανόμαστε ένα αναφερόμενο από τον πελάτη ελάττωμα που δεν μπορέσαμε να εντοπίσουμε, χρησιμοποιούμε αυτή την ανατροφοδότηση για να κατανοήσουμε την αιτία και να βελτιώνουμε συνεχώς το σύστημα.

Το σύστημα εξετάζει πρώτα τα σχόλια των πελατών, στη συνέχεια αναλύει τις εικόνες που καταγράφει το Project P.I. στα κέντρα διανομής και άλλες πηγές δεδομένων για να επιβεβαιώσει την αιτία του προβλήματος. Για παράδειγμα, εάν ένας πελάτης επικοινωνήσει με την Amazon επειδή παρήγγειλε μονά φύλλα αλλά έλαβε διπλά, το σύστημα διασταυρώνει τα σχόλια αυτά με εικόνες από το κέντρο διανομής και θέτει ερωτήσεις όπως “Είναι ορατή η ετικέτα του προϊόντος στην εικόνα;” και “Η ετικέτα δείχνει μονά ή διπλά;”.

Η ίδια τεχνολογία είναι έτοιμη να βοηθήσει τους συνεργάτες πωλήσεων της Amazon, καθιστώντας τα δεδομένα ελαττωμάτων πιο εύκολα προσβάσιμα. Για παράδειγμα, εάν ένας συνεργάτης πωλήσεων έχει τοποθετήσει κατά λάθος την ετικέτα λάθος μεγέθους σε ένα προϊόν, η Amazon θα κοινοποιήσει το πρόβλημα για να αποτρέψει το λάθος να επαναληφθεί.

Περισσότερο από το 60% των πωλήσεων στο κατάστημα της Amazon προέρχεται από ανεξάρτητους πωλητές, κυρίως μικρές και μεσαίες επιχειρήσεις, οι οποίοι προσφέρουν μια ευρεία επιλογή εξαιρετικών προϊόντων, ανταγωνιστικές τιμές και ευκολία για τους καταναλωτές. Μειώνοντας τον αριθμό των ελαττωματικών προϊόντων που αποστέλλονται στους πελάτες, μειώνουμε επίσης τον συνολικό αριθμό των επιστροφών. Το Project P.I. είναι ένα εξαιρετικό παράδειγμα της εστίασής μας στη βελτίωση της εμπειρίας των πελατών και των συνεργατών πωλήσεων.

Πηγή του άρθρου εδώ.