Instacart está construyendo lo que llama “Modelo del mundo de la alimentación” – Un sistema de inteligencia artificial de aprendizaje continuo que conecta los datos de las tiendas físicas de los carritos de compras inteligentes de Caper Cart con su plataforma de comercio en línea, en colaboración con NVIDIA.
La iniciativa representa cómo pretende utilizar su escala en más de 2200 carteles minoristas y más de 100 000 tiendas para cerrar la brecha entre las experiencias de comestibles digitales y en las tiendas.
El sistema combina la informática NVIDIA Jetson de vanguardia en cada Caper Cart y la infraestructura de inteligencia artificial basada en la nube, incluida NVIDIA Dynamo-Triton para la calificación de artículos en línea y medios minoristas, en una única plataforma nativa de GPU diseñada para optimizar las decisiones en ambos entornos en tiempo real.
Lo que recogen los camiones de las alcaparras
Cada vehículo grande lleva cámaras orientadas hacia el contenedor, una báscula de medidas y peso certificada, sistemas de seguimiento de ubicación y cámaras laterales. Los carritos ejecutan algoritmos de fusión de sensores en el hardware NVIDIA Jetson, procesando simultáneamente señales de peso, visuales y de ubicación para crear una imagen precisa de lo que hay en el carrito, dónde está en la tienda y qué hay en los estantes cercanos.
Instacart dijo que miles de Caper Carts están desplegados en más de 100 ciudades, triplicándose año tras año. El sistema actualiza su conocimiento de los estantes de cada tienda cada hora, creando lo que la compañía describe como una vista casi en tiempo real de las condiciones de los estantes y la ubicación de los artículos, independientemente de los diagramas esquemáticos del minorista, que a menudo están incompletos o desactualizados.
El problema de la fusión de sensores requiere un esfuerzo técnico. Las señales de pesaje tardan entre uno y tres segundos en estabilizarse después de que el carro se mueve. Las cámaras suelen quedar bloqueadas por manos, bolsos o objetos apilados. La compañía utiliza cámaras duales para triangular la ubicación del artículo en el espacio 3D, con señales de peso que actúan como lo que llama “rayos X” del contenido de la canasta cuando las señales visuales fallan.
Recomendaciones vinculadas al contexto y al lugar
El motor de recomendaciones de Instacart combina señales de más de 1.6 mil millones de pedidos de comestibles de por vida con datos de la tienda en tiempo real (contenido del carrito, retiros de artículos, ubicación del carrito y visibilidad de los estantes) para cronometrar recomendaciones para los momentos en que los compradores tienen más probabilidades de actuar. La compañía dijo que mensajes como “¿Recibiste todo lo que necesitabas?” Logran un aumento de aproximadamente un punto porcentual en el tamaño promedio de la canasta.
La compañía dijo que una mejora reciente en las calificaciones utilizando señales de datos en línea llevó a un aumento de más del 1 por ciento en la cesta de Caper Carts. El desarrollo futuro utilizará los datos de la tienda de Caper Cart para personalizar las experiencias de compra en línea, creando lo que Instacart describe como un volante de datos entre los canales físicos y digitales.
Ganancias en infraestructura de Internet
En el lado de la nube, la migración de cargas de trabajo de CPU a GPU usando NVIDIA Dynamo-Triton redujo la latencia para la clasificación de páginas completas en un 65 por ciento y la clasificación de objetos en un 40 por ciento. Pasar a una arquitectura basada en convertidores aumentó las tasas de clics en productos patrocinados en más de un 5 por ciento y los correspondientes ingresos por medios minoristas.
Instacart también anunció Cart Assistant, un compañero de compras de chatbot omnicanal disponible a través de la aplicación Instacart, Storefront Pro y Caper Carts. La herramienta se basa en el historial de compras, las listas de compras, las preferencias del hogar y la ubicación del carrito en la tienda para ayudar con la planificación de comidas, orientación nutricional y creación de menús.
El punto de vista de Nvidia
El entorno de los supermercados representa uno de los desafíos de implementación de IA más complejos del mundo real en el comercio minorista, afirmó Azita Martin, vicepresidenta y directora general de Comercio Minorista y Bienes de Consumo Empaquetados de NVIDIA. “El enfoque de Instacart, que combina computación de punta, aceleración de la infraestructura de inteligencia artificial y datos profundos del mercado, unifica la inteligencia en línea y en la tienda procesando señales en el borde y escalando la inteligencia en la nube para sentar las bases para la próxima era del comercio minorista omnicanal”, dijo Martin.
Visión a largo plazo
El objetivo declarado de Instacart es crear un sistema de inteligencia artificial que comprenda no sólo los productos individuales, sino también las relaciones entre productos, los patrones de toma de decisiones de los clientes y cómo operan las tiendas comercial y físicamente. La compañía prevé implementar agentes expertos en inteligencia artificial en información de catálogos, gestión de inventario, operaciones de tiendas, recomendaciones y logística, capaces de responder a consultas en lenguaje natural de los gerentes de tiendas o coordinarse de forma autónoma con proveedores para optimizar el surtido.
Para los minoristas, la compañía dijo que la IA física puede generar canastas más grandes, aumentar los ingresos de los medios minoristas, reducir las pérdidas y reducir la cantidad de falta de existencias. El motor de catálogo de Instacart etiquetó más de 1.300 millones de puntos de datos en su red de socios minoristas, proporcionando una base de datos que, según la compañía, ningún competidor podría replicar a una escala similar.
[RELATED: Fareway Launches Online Pickup Through Instacart Partnership]
