Wayfair-ը OpenAI-ով բարելավում է իր կատալոգը ու արագությունը

Wayfair-ը՝ տնային ապրանքների աշխարհի ամենախոշոր մանրածախ վաճառողներից մեկը, OpenAI-ի մոդելները ինտեգրել է կարևոր ներքին համակարգերի մեջ՝ մատակարարների աջակցության աշխատանքային հոսքերը և ապրանքների կատալոգի որակը մասշտաբով բարելավելու համար։ Այն, ինչ սկսվել էր որպես արժեքի փորձարկման փոքր մասշտաբի թողարկումներ 2024 թվականին, վերածվել է լիարժեք արտադրական համակարգի, որը նվազեցնում է ձեռքով կատարվող աշխատանքը, արագացնում է որոշումների կայացումը և բարելավում է տվյալների որակը միլիոնավոր ապրանքների համար։

Գեներատիվ ԱԲ-ն որպես փորձարկում կամ կետային լուծում դիտարկելու փոխարեն, Wayfair-ը OpenAI մոդելները ներդրել է հիմնական գործառնական աշխատանքային հոսքերում։ Ընկերությունը նախ կենտրոնացավ այնտեղ, որտեղ բարդությունն ու մասշտաբավորման անհրաժեշտությունն ամենաբարձրն էին՝ մատակարարների աջակցության հարցումների ուղղորդման և լուծման վրա, ինչպես նաև մոտ 30 միլիոն ապրանքից բաղկացած կատալոգում տասնյակ հազարավոր ապրանքային հատկանիշների հետևողական բարելավման վրա։

Wayfair-ի կատալոգի թիմը կառավարում է տասնյակ միլիոնավոր ապրանքներ՝ գրեթե հազար տարբեր ապրանքային դասերի շրջանակում։ Ապրանքի բնութագրի, օրինակ՝ գույնի, նյութի, չափի կամ որոշակի առանձնահատկությունների հետևողական և ճշգրիտ պիտակները շատ կարևոր են որոնման, առաջարկությունների և ապրանքների արդյունավետ ներկայացման համար։    

«Որքան ավելի լավ լինի մեր տվյալների որակը, այնքան ավելի շատ վստահություն ենք կառուցում հաճախորդի հետ։ «Դա կարևոր է, քանի որ այն հնարավորություն է տալիս գնորդներին կայացնել ճիշտ գնման որոշումներ՝ ուղղակիորեն նվազեցնելով ծախսատար խնդիրները, ինչպիսիք են սխալ ներկայացված ապրանքների վերադարձները», - ասաց Ջեսիկա Դ'Արսին, Wayfair-ի կատալոգային մերչենդայզինգի գծով փոխտնօրենը։ 

OpenAI-ից առաջ պիտակավորման բարելավումները հիմնականում հիմնվում էին մատակարարների և հաճախորդների վրա՝ Wayfair-ին տեղեկացնելու համար, որ ինչ-որ բան սխալ է։ Ձեռքով կատարվող ջանքերը չէին կարող համընթաց լինել աշխատանքի ծավալին։  Առանձին պիտակների համար նախատեսված վաղ հատուկ ԱԲ մոդելները արդյունավետ էին, սակայն պարզվեց, որ դրանք թանկ են կառուցել և պահպանել։ «Մենք սկսեցինք առանձին պիտակների համար անհատական մոդելներ կառուցելով, և տեխնիկապես դա աշխատեց», - ասաց Քերոլին Ֆիլիպսը, Wayfair-ի մեքենայական ուսուցման գիտնականը։ «Բայց երբ գործ ունեք 47000 պիտակների հետ, այդ մոտեցումը պարզապես չի մասշտաբավորվում»։

Յուրաքանչյուր պիտակի համար մեկանգամյա մոդելի փոխարեն Wayfair-ը ստեղծել է պիտակներից անկախ համակարգ, որը կառուցված է OpenAI-ի մեկ մոդելի վրա։ «Սահմանման ագենտը» ներմուծում է համացանցային և ներքին սահմանումները՝ յուրաքանչյուր պիտակի համար կոնտեքստային իմաստ ստեղծելու նպատակով։ «Իրական խոչընդոտը մոդելի արդյունավետությունը չէր», - ասաց Ֆիլիպսը։ - «Խնդիրը մարդկային ջանքերով յուրաքանչյուր պիտակի իրական նշանակությունը սահմանելու և կոդավորելու համար պահանջվող ժամանակն էր»։ Այս համատեքստը, Wayfair’s-ի տվյալների էկոհամակարգի ողջ տարածքից համակցված արտադրանքի տվյալների հետ միասին, ներմուծվում է մի համակարգ, որը կարող է դասակարգել տարբեր դասի պատկանող արտադրանքների հատկանիշները։ Թիմն այժմ ընդլայնում է նոր հատկանիշների՝ մոդելի ծածկույթը մեկ տարի առաջվա համեմատ 70 անգամ ավելի արագ տեմպով։

Համակարգն այժմ գործում է իրական աշխատանքային միջավայրում և կիրառվել է ավելի քան 1 միլիոն ապրանքի համար։ Եվ բարելավված հատկանիշներով ապրանքների առաջին ալիքն արդեն երկար ժամանակ է, ինչ գործարկված է, որպեսզի կարողանանք չափել տվյալների որակի բարելավման ազդեցությունը հաճախորդի փորձառության վրա։  «Երբ բարելավում եք հատկանիշների ամբողջականությունը, դա անարձագանք չի մնում։ «Դուք տեսնում եք դրա SEO և PLA արդյունավետությունը, օրինակ, երբ հաճախորդները հայտնաբերում են ապրանքները», - ասաց Ֆիլիպսը։ Վերահսկվող A/B թեստը փորձարկող թիմում դիտումների, սեղմումների և էջի դասակարգման զգալի և նշանակալի աճցույց տվեց։

Այդուհանդերձ, Wayfair-ը թույլ չտվեց, որ ապրանքի տվյալների ուղղման որոշումները մոդելն ինքնուրույն ընդունի։ «Մեր նպատակը վստահություն ստեղծելն է, որպեսզի հաճախորդները լիովին վստահ լինեն այն ապրանքների մեջ, որոք գնում են», - ասաց Ֆիլիպսը։ Ընկերությունը մշակել է կառուցվածքային թեստավորում՝ գործնական աուդիտի գործընթացի միջոցով, որի ընթացքում աշխատակիցները ֆիզիկապես ստուգում են նմուշները՝ մոդելի արտածումը վավերացնելու համար, ինչպես նաև աշխատել է մատակարարների հետ՝ փոփոխությունները վավերացնելու համար։ Այժմ, երբ տվյալների հման վրա ձևավորված վստահությունը բարձր է, ավտոմատացված համակարգերն ուղղակիորեն կփոխարինեն բովանդակությունը և փոփոխության մասին կտեղեկացնեն մատակարարին։ Եվ, երբ բարձր չափանիշը չի պահպանվում կամ պիտակը համարվում է բարձր ռիսկայնության, փոփոխություն կատարելուց առաջ Wayfair-ը ստանում է մատակարարի հաստատումը։

Wayfair-ը համագործակցում է տասնյակ հազարավոր մատակարարների հետ՝ աջակցելու նրանց համապարփակ կատալոգին։ Մատակարարների աջակցության հարցումները կառավարելու համար Wayfair-ի աշխատակիցները պատմականորեն վերանայում էին յուրաքանչյուր մուտքային տոմս, ձեռքով նույնականացնում էին, թե մատակարարներն ինչ էին փորձում իրականացնել, և խնդիրները ուղղորդում էին համապատասխան ներքին պատասխանատուին՝ ժամանակատար և սխալների հակված գործընթաց։ «Մատակարարների հարցումները պարզ չեն», - ասել է Wayfair-ի մատակարարների աջակցության և գործառնությունների բաժնի աշխատակից Գրեհեմ Գանսլը։ «Դրանք ընդգրկում են խնդիրների հարյուրավոր տեսակներ, և ոչ մի առանձին աշխատակից իրատեսորեն չի կարող տիրապետել դրանց բոլորին»։

Wayfair-ը Wilma անունով արտադրանքին ավելացրեց գործակալական հնարավորություններ՝ այս աշխատանքային հոսքերը ԱԲ-ի միջոցով ընդլայնելու համար։ Արտադրության մեջ առաջին հնարավորություններից մեկը տոմսերի տրիաժն է՝ OpenAI մոդելի միջոցով աշխատող։ Համակարգը կարդում է մուտքային հարցումները, լրացնում է բացակայող համատեքստը և ուղղորդում է տոմսերը համապատասխան թիմին։ Wilma-ն նախագծվել է արագ տեղակայման համար. կառուցված լինելով OpenAI API-ների հետ արդեն ինտեգրված համակարգի վրա՝ այն նախատիպից անցավ գործող տարբերակի մոտավորապես մեկ ամսում։ «Wilma-ն գործընկերներին առավելություն է տալիս»,— ասաց Գանսլը։ «Այն կարդում է աջակցության տոմսը, բացահայտում է մտադրությունը, մեր տվյալների բազաներից լրացնում է համատեքստը, անհրաժեշտության դեպքում կրկին կապ է հաստատում մատակարարների հետ և խնդիրը ուղղորդում է ճիշտ ուղղությամբ»։

Բացի երթուղավորումից, Wayfair-ը տեղակայել է տասնյակ ագենտային ԱԲ հոսքեր՝ կոնկրետ լուծման թիմերի համար։ Օրինակ՝ փոխարինող մասերի շահագործման թիմի երկրորդ աշխատակիցը կարդում է բարդ դեպքերի պատմությունը, առաջարկում է հաջորդ քայլերը և առաջարկում է պատասխանների նախագծեր, որոնք մարդկային աշխատակիցները վերանայում են։ Այս օգնականները վերապատրաստված են պատմական տվյալների վրա, ուստի նրանք սովորում են, թե ինչպիսին է հաջողությունը համատեքստում։ «Մոդելները կարող են սինթեզել համատեքստը ամբողջ ճանապարհի ընթացքում այնպես, ինչպես մեկ աշխատակցի համար դժվար է անել», - ասաց Գանսլը։ «Այդ ավելի լայն տեսանելիությունը նպաստում է հաճախորդների և մատակարարների գոհունակության բարձրացմանը»։

Wayfair-ը հետևում է, թե որքան հաճախ ԱԲ-ի առաջարկությունները համընկնում են մարդկային ագենտի վերջնական որոշման հետ՝ մի չափանիշ, որը կոչվում է «համընկնման մակարդակ»։ Յուրաքանչյուր թիմի ներսում, երբ համահունչությունը հետևողականորեն հասնում է նախապես սահմանված շեմի, աշխատանքային հոսքերը կարող են անցնել օժանդակ («co-pilot») ռեժիմից դեպի կիսաինքնավար («autopilot») ռեժիմներ։ Այս փուլային մոտեցումը վստահություն է ստեղծում և երաշխավորում է որակի վերահսկողությունը ներդրման ընթացքում։

Wayfair-ը հաղորդում է չափելի բարելավումների մասին՝ OpenAI-ի մոդելները ներքին համակարգերում ինտեգրելուց հետո։

Կատալոգի առումով, ընկերությունը կրճատել է հաճախորդի կողմից տեսած սխալ կամ բացակայող ապրանքի ատրիբուտների պիտակների քանակը՝ ուղղելով Wayfair կատալոգում ամենաշատ տեսանելի և գնված մեկ միլիոնից ավելի ապրանքների 2,5 միլիոն ապրանքի պիտակներ։ Նրանք ակնկալում են առաջիկա վեց ամիսների ընթացքում քառապատկել այս ազդեցությունը։

Մատակարարների աջակցության ոլորտում տեսակավորման, օժանդակ և ինքնավար համակարգերը մեծացրել են թողունակությունը՝ ավտոմատացնելով ամսական 41 000 տոմս (որոշ աշխատանքային հոսքերում՝ մինչև 70%) և կրճատել են մշակման ժամկետները՝ աշխատակիցների ծանրաբեռնվածությունից հեռացնելով առօրյա ձեռքով կատարվող աշխատանքը։ Սա զգալիորեն նվազեցնում է լուծման ժամանակը մի քանի աշխատանքային հոսքերի համար, էապես բարձրացնում է մատակարարների գոհունակությունը և նվազեցնում է տոմսերի կրկնակի բացումն այդ աշխատանքային հոսքերում։

Մոդելների տրամադրած տոմսերի և մատակարարների մտադրության ավելի լայն տեսանելիությունը՝ այն սահմաններից դուրս, ինչ մեկ աշխատակից կարող է տեսնել էկրանին—նպաստել է բավարարվածության այդ աճին։

Գործառնական առումով՝ թիմերը զեկուցում են:

• Բարդ մատակարարների տոմսերի ավելի արագ ուղղորդում և լուծում
• Մատակարարների գոհունակության աճ
• Նվազեցված ձեռքով տվյալների մուտքագրման և դասակարգման աշխատանք
• Ավելի լայն խնդիրների ընդգրկում՝ առանց հարյուրավոր թեմաների շուրջ մասնագիտական գիտելիքներ պահանջելու։
• Ավելի բարձր վստահություն կատալոգի հատկանիշների նկատմամբ՝ մինչև հրապարակումը։

Wayfair-ը նաև տեղակայել է ավելի քան 1200 ChatGPT Enterprise տեղեր իր մոտավորապես 12000-հոգանոց աշխատուժի շրջանում՝ աջակցելու ըստ անհրաժեշտության առաջադրանքներին, ներքին խնդիրների լուծմանը և գեներատիվ մոդելներ-ի հետ փորձարկումներին։

Wayfair-ն արդեն վաղուց է ներդրումներ կատարում մեքենայական ուսուցման մեջ և համագործակցում ԱԲ հարթակների ու LLM մատակարարների հետ՝ իր բիզնեսը զարգացնելու նպատակով։ Այժմ առաջադեմ մոդելներում՝ հատկապես բազմամոդալ համակարգերում գրանցվող ձեռքբերումները ընդլայնում են դրանց թիմերի կառուցողական հնարավորությունները։ Սա կարևոր է տան համար նախատեսված մանրածախ առևտրում, որտեղ կարևոր է, թե արտադրանքն ինչպես է երևում, ինչ ոճ ունի և ինչպես է ընկալվում հաճախորդի կողմից։

«Մենք ոգևորված ենք, որ այժմ կարող ենք լուծոլ խնդիրների այդքան լայն շրջանակ», - ասաց Քերոլին Ֆիլիպսը։ «Ավանդական ալգորիթմները պահանջում են հստակորեն սահմանված տվյալների հավաքածուներ։ Այս մոդելները մեզ թույլ են տալիս աշխատել երկիմաստության և համատեքստի հետ, ինչը նախկինում լայնածավալ կերպով անել հնարավոր չէր»։ 

Նայելով առաջ՝ աշխատակիցների կողմից ChatGPT Enterprise-ի պահանջարկը ուժեղ է եղել։ Wayfair-ում թիմերը դա դիտարկում են որպես գործնական գործիք, որը օգնում է նրանց ավելի արագ առաջ շարժվել։

Հաճախորդների սպասումները նույնպես արագ փոխվում են։ Ավելի ու ավելի շատ գնորդներ իրենց առօրյա կյանքում հարմարավետ են զգում արհեստական բանականություն օգտագործելիս, և նրանք սկսում են ակնկալել նմանատիպ հնարավորություններ, երբ առցանց դիտարկում, համեմատում և գնում են կատարում։

«Տանը հաճախորդները հաճախ չունեն այն ճշգրիտ բառերը, թե ինչ են փնտրում», — ասաց Ֆիոնա Թանը։ «Բնական լեզվի և բազմամոդալ համակարգերը օգնում են լրացնել այդ բացը»։

Wayfair-ի ղեկավարների համար նպատակը շարունակում է մնալ մարդկային փորձագիտությունը լրացնելը՝ միաժամանակ մասշտաբավորելով ներքին կարողությունները։ «Մենք կառուցում ենք մի աշխարհի համար, որտեղ ԱԲ-ն գնումների ճանապարհի մի մասն է՝ լինի դա մեր կայքում, աջակցության միջոցով, թե խոսակցական միջերեսների միջոցով», եզրափակեց Ֆիոնա Թանը։