Wayfair mejora la precisión de catálogo y soporte con OpenAI

Wayfair, uno de los mayores minoristas de artículos para el hogar del mundo, ha integrado modelos de OpenAI en sistemas internos críticos para mejorar los flujos de trabajo de soporte a proveedores y la calidad del catálogo de productos a gran escala. Lo que comenzó como pruebas de valor con lanzamientos a pequeña escala en 2024 ha evolucionado hasta convertirse en un sistema de producción completo que reduce el esfuerzo manual, acelera la toma de decisiones y mejora la calidad de los datos en millones de productos

En lugar de tratar la IA generativa como un experimento o una solución aislada, Wayfair integró modelos de OpenAI en flujos de trabajo operativos centrales. La empresa se enfocó primero donde la complejidad y la necesidad de operar a gran escala eran mayores: enrutar y resolver solicitudes de soporte de proveedores y mejorar de forma consistente decenas de miles de atributos de productos en un catálogo de aproximadamente 30 millones de artículos.

El equipo de catálogo de Wayfair gestiona decenas de millones de productos en casi mil clases de producto distintas. Etiquetas de atributos de producto consistentes y precisas, como color, material, tamaño o características específicas, son esenciales para la búsqueda, las recomendaciones y el merchandising.    .

"Cuanto mejor sea la calidad de nuestros datos, más confianza generamos con el cliente. “Es esencial porque permite a los compradores tomar las decisiones de compra correctas, lo que reduce directamente problemas costosos posteriores, como devoluciones por productos mal representados”, dijo Jessica D'Arcy, directora asociada de merchandising de catálogo en Wayfair. 

Antes de OpenAI, las mejoras en el etiquetado dependían principalmente de que los proveedores y clientes le avisaran a Wayfair que algo no estaba bien. El esfuerzo manual no podía seguir el ritmo del volumen.  Los primeros modelos de IA personalizados para etiquetas individuales fueron eficaces, pero resultaron costosos de desarrollar y mantener. “Empezamos construyendo modelos a la medida para etiquetas individuales, y técnicamente eso funcionó”, dijo Carolyn Phillips, científica de aprendizaje automático del staff de Wayfair. “Pero cuando estás viendo 47 000 etiquetas, ese enfoque simplemente no escala”.

Para ir más allá de los modelos puntuales, Wayfair creó un sistema agnóstico a las etiquetas construido sobre un único modelo de OpenAI. Un “agente de definiciones” extrae y analiza información de la web y las definiciones internas para producir un significado contextual para cada etiqueta. “El verdadero cuello de botella no era el rendimiento del modelo”, dijo Phillips. “Era el tiempo humano necesario para definir y codificar lo que realmente significaba cada etiqueta”. Este contexto, junto con datos de productos agregados de todo el ecosistema de datos de Wayfair, alimenta un marco que puede clasificar atributos en distintas clases de producto. El equipo ahora está ampliando la cobertura del modelo a nuevos atributos a una velocidad 70 veces mayor que hace apenas un año.

El sistema ya se ha ejecutado en producción en más de un millón de productos. Y la primera ola de productos con atributos mejorados ya ha estado activa el tiempo suficiente para medir el impacto de mejorar la calidad de los datos en el recorrido del cliente. “Cuando mejoras la integridad de los atributos, no es algo abstracto. Ves que se refleja en el desempeño de SEO y PLA, en cómo los clientes descubren productos”, dijo Phillips. Una prueba A/B controlada mostró un aumento sustancial y estadísticamente significativo en impresiones, clics y posicionamiento en el grupo de tratamiento.

Sin embargo, Wayfair no se limitó a delegar al modelo la toma de decisiones sobre la corrección de datos de producto. “Nuestro objetivo es generar confianza para que los clientes tengan plena seguridad en lo que están comprando”, dijo Phillips. La empresa desarrolló pruebas estructuradas usando un proceso de auditoría en el que colaboradores inspeccionan físicamente muestras para validar el resultado del modelo y trabajó con proveedores para validar los cambios. Ahora, cuando la confianza basada en datos es alta, los sistemas automatizados sobrescriben el contenido directamente y notifican al proveedor del cambio. Y, cuando no se cumple un alto estándar o la etiqueta se considera de alto riesgo, Wayfair primero busca la confirmación del proveedor antes de realizar el cambio.

Wayfair trabaja con decenas de miles de proveedores para respaldar su amplio catálogo. Para gestionar las solicitudes de soporte de proveedores, históricamente los asociados de Wayfair revisaban cada ticket entrante, identificaban manualmente lo que los proveedores intentaban lograr y enrutaban los problemas al responsable interno correcto: un proceso que consumía mucho tiempo y era propenso a errores. “Las solicitudes de los proveedores no son simples”, dijo Graham Ganssle, de soporte a proveedores y operaciones en Wayfair. “Abarcan cientos de tipos de incidencias, y ningún asociado puede dominarlos todos de manera realista".

Wayfair añadió funciones de agente a un producto llamado Wilma para potenciar estos flujos de trabajo con IA. Una de las primeras funciones en producción es la clasificación de tickets impulsada por un modelo de OpenAI. El sistema lee las solicitudes entrantes, completa el contexto faltante y enruta los tickets al equipo adecuado. Wilma se diseñó para implementarse rápido; el producto se construyó sobre un sistema ya integrado con las API de OpenAI, pasó de prototipo a producción en aproximadamente un mes. “Wilma les da a los colaboradores una ventaja”, dijo Ganssle. “Lee el ticket, identifica la intención, completa el contexto con información de nuestras bases de datos, vuelve a contactar a los proveedores si es necesario y enruta la incidencia en la dirección correcta”.

Más allá del enrutamiento, Wayfair ha desplegado una docena de flujos de IA con agente para equipos de resolución específicos. Por ejemplo, un copiloto para el equipo de operaciones de piezas de repuesto lee historiales complejos de casos, propone los siguientes pasos y sugiere borradores de respuesta que los colaboradores revisan. Estos asistentes se entrenan con datos históricos para aprender qué significa el éxito en este contexto. “Los modelos pueden sintetizar contexto a lo largo de todo el recorrido de una manera que a un solo colaborador le cuesta lograr”, dijo Ganssle. “Esa visibilidad más amplia contribuye a una mayor satisfacción de clientes y proveedores”.

Wayfair monitorea con qué frecuencia las recomendaciones de la IA coinciden con la decisión final del agente humano, una métrica llamada “tasa de alineación”. Dentro de cada equipo, cuando la alineación alcanza de forma consistente un umbral predeterminado, los flujos de trabajo pueden pasar de modos asistidos (“copiloto”) a modos semiautónomos (“piloto automático”). Este enfoque por etapas genera confianza y garantiza controles de calidad durante la implementación.

Wayfair informa mejoras medibles desde que integró modelos de OpenAI en sus sistemas internos.

En el catálogo, la empresa redujo la cantidad de etiquetas de atributos de producto incorrectas o faltantes que un cliente podría ver, tras haber corregido 2.5 millones de etiquetas de productos en más de un millón de los productos más visibles y comprados del catálogo de Wayfair. Espera cuadruplicar este impacto en los próximos seis meses.

En soporte a proveedores, los sistemas de clasificación, el copiloto y el piloto automático han aumentado el rendimiento al automatizar 41 000 tickets por mes (hasta un 70 % en algunos flujos de trabajo) y han reducido los tiempos de respuesta al eliminar trabajo manual rutinario de las cargas de trabajo de los colaboradores. Esto reduce de forma drástica el tiempo de resolución en múltiples flujos de trabajo, eleva significativamente la satisfacción de los proveedores y reduce las reaperturas de tickets en esos flujos de trabajo.

La visibilidad más amplia que los modelos brindan sobre los tickets y la intención del proveedor, más allá de lo que un solo colaborador puede ver en una pantalla, ha contribuido a ese aumento de la satisfacción.

En la práctica, los equipos informan:

• Enrutamiento y resolución más rápidos de tickets complejos de proveedores
• Mayor satisfacción de los proveedores
• Reducción de la entrada manual de datos y del trabajo de clasificación de datos
• Cobertura más amplia de problemas sin requerir experiencia en cientos de temas
• Mayor confianza en los atributos del catálogo antes de la publicación.

Wayfair también ha implementado más de 1 200 licencias de ChatGPT Enterprise en su fuerza laboral de aproximadamente 12 000 personas para respaldar tareas ad hoc, la resolución interna de problemas y la experimentación con modelos generativos.

Wayfair tiene una larga historia de inversión en aprendizaje automático y de colaboración con plataformas de IA y proveedores de LLM para impulsar su negocio. Ahora, los avances en los modelos de vanguardia, en particular en sistemas multimodales, están ampliando lo que sus equipos pueden construir. Esto es importante en el retail de artículos para el hogar, donde los productos son visuales, estilísticos y a menudo subjetivos.

“Nos entusiasma la variedad de problemas que ahora podemos abordar”, afirmó Carolyn Phillips. “Los algoritmos tradicionales requieren conjuntos de datos estrictamente definidos. Estos modelos nos permiten abordar la ambigüedad y el contexto de una manera que antes no era escalable.” 

De cara al futuro, la demanda de los empleados por ChatGPT Enterprise ha sido alta. Los equipos de Wayfair lo ven como una herramienta práctica que les ayuda a avanzar más rápido.

Las expectativas de los clientes también están cambiando rápidamente. Cada vez más compradores se sienten cómodos usando IA en su vida diaria y están empezando a esperar capacidades similares cuando navegan, comparan y compran en línea.

“En casa, los clientes a menudo no tienen las palabras exactas para describir lo que buscan”, dijo Fiona Tan. “El lenguaje natural y los sistemas multimodales ayudan a cerrar esa brecha”.

Para los líderes de Wayfair, el objetivo sigue siendo ampliar la experiencia humana a medida que crece la capacidad interna. “Estamos construyendo para un mundo donde la IA forma parte del proceso de compra, ya sea en nuestro sitio, a través del soporte o mediante interfaces conversacionales”, concluyó Fiona Tan.