Wayfair mejora precisión de catálogo y agiliza 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 puntual, Wayfair integró modelos de OpenAI en flujos operativos centrales. La empresa se centró primero donde la complejidad y la necesidad de operar a gran escala eran mayores: encaminar y resolver solicitudes de soporte de proveedores y mejorar de forma consistente decenas de miles de atributos de producto en un catálogo de unos 30 millones de artículos.

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

«Cuanto mejor sea la calidad de nuestros datos, mayor confianza generamos en el cliente. Es esencial porque permite a los compradores tomar las decisiones de compra correctas, reduciendo directamente problemas costosos posteriores, como las devoluciones por productos mal representados», afirmó Jessica D'Arcy, directora asociada de merchandising de catálogo en Wayfair. 

Antes de OpenAI, las mejoras en el etiquetado dependían principalmente de que proveedores y clientes dijeran a Wayfair que algo parecía incorrecto. El esfuerzo manual no podía seguir el ritmo del volumen.  Los primeros modelos de IA personalizados para etiquetas individuales eran eficaces, pero resultaban caros de crear y mantener. «Empezamos creando modelos a medida para etiquetas individuales, y técnicamente eso funcionaba», afirmó Carolyn Phillips, científica principal de aprendizaje automático en Wayfair. «Pero cuando analizas 47 000 etiquetas, ese enfoque sencillamente no escala».

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

El sistema ya ha funcionado en producción en más de 1 millón de productos. Y la primera oleada 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. Se refleja en el rendimiento de SEO y PLA, en cómo los clientes descubren productos», afirmó Phillips. Un test A/B controlado 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 en el modelo las decisiones sobre corregir la corrección de datos de producto. «Nuestro objetivo es generar confianza para que los clientes tengan plena seguridad sobre lo que están comprando»,afirmó Phillips. La empresa desarrolló pruebas estructuradas mediante un proceso de auditoría en el que el personal inspecciona físicamente muestras para validar la salida del modelo, y trabajó con proveedores para validar los cambios. Ahora, cuando la confianza basada en datos es alta, los sistemas automatizados sobrescriben directamente el contenido y notifican el cambio al proveedor. Y, cuando no se alcanza un alto estándar o la etiqueta se considera de alto riesgo, Wayfair busca primero la confirmación del proveedor antes de realizar el cambio

Wayfair trabaja con decenas de miles de proveedores para gestionar su amplio catálogo. Para gestionar las solicitudes de soporte de proveedores, históricamente el personal de Wayfair revisaba cada ticket entrante, identificaba manualmente qué intentaban conseguir los proveedores y derivaba las incidencias al responsable interno correcto, un proceso lento y propenso a errores. «Las solicitudes de los proveedores no son simples», afirmó Graham Ganssle, del área de soporte y operaciones de proveedores de Wayfair. «Abarcan cientos de tipos de incidencias, y ningún miembro del equipo puede dominarlos todos de forma realista».

Wayfair añadió funciones de agente a un producto llamado Wilma para reforzar estos flujos 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 que falta y deriva los tickets al equipo adecuado. Wilma se diseñó para desplegarse rápidamente; al construirse sobre un sistema ya integrado con las API de OpenAI, pasó de prototipo a producción en aproximadamente un mes. «Wilma potencia la capacidad del personal», afirmó Ganssle. «Lee el ticket, identifica la intención, completa el contexto a partir de nuestras bases de datos, vuelve a contactar con los proveedores si hace falta y deriva la incidencia en la dirección correcta».

Más allá de la derivación, 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 el personal revisa. Estos asistentes se entrenan con datos históricos para que aprendan qué significa el éxito en este contexto. «Los modelos pueden sintetizar contexto a lo largo de todo el recorrido de una forma que a una sola persona le cuesta hacer», afirmó Ganssle. «Esa visibilidad más amplia contribuye a una mayor satisfacción de clientes y proveedores».

Wayfair hace seguimiento de la frecuencia con la que 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 constante un umbral predeterminado, los flujos de trabajo pueden pasar de modos asistidos («copiloto») a modos semiautónomos («piloto automático»). Este enfoque por fases genera confianza y garantiza controles de calidad durante el despliegue.

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

En el catálogo, la empresa redujo el número de etiquetas de atributos de producto incorrectas o ausentes que puede ver un cliente, tras corregir 2,5 millones de etiquetas de producto 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 el soporte a proveedores, los sistemas de clasificación, el copiloto y el piloto automático han incrementado el rendimiento al automatizar 41 000 tickets al mes (hasta un 70 % en algunos flujos) y han reducido los tiempos de respuesta al eliminar trabajo manual rutinario de la carga del personal. Esto reduce drásticamente el tiempo de resolución en múltiples flujos, eleva de forma significativa la satisfacción de los proveedores y reduce las reaperturas de tickets en esos flujos.

La visibilidad más amplia que los modelos aportan sobre los tickets y la intención de los proveedores, más allá de lo que una sola persona puede ver en una pantalla, ha contribuido a ese aumento de la satisfacción.

A nivel operativo, los equipos informan:

• Derivación y resolución más rápidas de tickets complejos de proveedores
• Mayor satisfacción de los proveedores
• Reducción del trabajo manual de introducción y clasificación de datos
• Mayor cobertura de incidencias sin necesidad de especialización en cientos de temas
• Mayor confianza en los atributos del catálogo antes de su publicación

Wayfair también ha desplegado más de 1200 licencias de ChatGPT Enterprise entre su plantilla de aproximadamente 12 000 personas para apoyar tareas ad hoc, la resolución interna de incidencias y la experimentación con modelos generativos.

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

«Nos entusiasma el alcance de los problemas que ahora podemos abordar», afirmó Carolyn Phillips. «Los algoritmos tradicionales requieren conjuntos de datos muy definidos. Estos modelos nos permiten trabajar con la ambigüedad y el contexto de una forma que antes no era escalable». 

De cara al futuro, la demanda de ChatGPT Enterprise por parte del personal 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 empiezan 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», afirmó Fiona Tan. «El lenguaje natural y los sistemas multimodales ayudan a cerrar esa brecha».

Para los líderes de Wayfair, el objetivo sigue siendo potenciar la experiencia humana mientras escalan la capacidad interna. «Estamos construyendo para un mundo en el que la IA forma parte del recorrido de compra, ya sea en nuestro sitio web, a través del soporte o mediante interfaces conversacionales», concluyó Fiona Tan.