TL;DR
- Wayfair،.
- یکی از بزرگترین خردهفروشهای کالاهای خانگی در جهان،.
- مدلهای OpenAI را در سیستمهای داخلی حیاتی ادغام کرده است تا جریان کار پشتیبانی تامینکننده و کیفیت کاتالوگ.
چه اتفاقی افتاد
Wayfair،. یکی از بزرگترین خردهفروشهای کالاهای خانگی در جهان،.
مدلهای OpenAI را در سیستمهای داخلی حیاتی ادغام کرده است تا جریان کار پشتیبانی تامینکننده و کیفیت کاتالوگ. محصولات را در مقیاس بهبود بخشد.
آنچه در سال 2024 با آزمایش ارزش شروع شد،. به یک سیستم تولید کامل تبدیل شد که تلاش دستی را کاهش میدهد،.
تصمیمگیری را تسریع میکند و کیفیت دادهها را در میلیونها محصول بهبود میبخشد. Wayfair به جای اینکه هوش مصنوعی مولد را بهعنوان یک آزمایش یا راهحل نقطهای تلقی کند،.
مدلهای OpenAI را در جریانهای کاری عملیاتی اصلی قرار داد. این شرکت ابتدا در جایی تمرکز کرد که پیچیدگی و نیاز به مقیاس بالاترین بود:.
مسیریابی و حل و فصل درخواستهای پشتیبانی تامینکننده و بهبود دهها هزار ویژگی محصول بهطور مداوم در کاتالوگ. تقریباً 30 میلیون مورد.
"چیزی که بیشترین ارزش را داشته است مشارکت فکری است. این فقط دسترسی به مدلها نیست، بلکه از طریق موارد استفاده جدید کار میکند.
با هم و قادر به حرکت سریع.»—فیونا تان،. مدیر ارشد فناوری تیم کاتالوگ Wayfair دهها میلیون محصول را در نزدیک به هزار کلاس محصول مختلف مدیریت.
میکند. ی مشخصه محصول ثابت و دقیق - مانند رنگ،.
مواد،. اندازه یا ویژگیهای خاص - برای جستجو،.
توصیهها و تجارت ضروری هستند. «هر چه کیفیت دادههای ما بهتر باشد، اعتماد مشتری بیشتر میشود.
جسیکا دارسی،. معاون مدیر کاتالوگ کالا در Wayfair،.
گفت:. «جسیکا دارسی،.
معاون مدیر کاتالوگ کالا در Wayfair،. میگوید.» قبل از OpenAI،.
برچسبگذاری بهبودها عمدتاً بر روی تامینکنندگان و مشتریان تکیه میکرد که میتوانست مقداری را بالا نگه دارد و. به Wayfa بگوید.
مدلهای اولیه هوش مصنوعی سفارشی برای ی فردی موثر بودند،. اما ساخت و نگهداری آن گران تمام شد.
کارولین فیلیپس،. دانشمند یادگیری ماشینی کارکنان Wayfair گفت:.
«ما با ساختن مدلهای سفارشی برای ی فردی شروع کردیم و از نظر فنی این کار جواب داد. اما وقتی به 47000 تگ نگاه میکنید،.
این رویکرد مقیاسپذیر نیست.» برای فراتر رفتن از مدلهای یکباره،. Wayfair یک سیستم تگآگنوستیک ساخته شده بر روی یک مدل OpenAI منفرد ایجاد کرد.
یک "عامل تعریف" وب و تعاریف داخلی را برای تولید معنای متنی برای هر تگ جذب میکند. فیلیپس گفت: «گلوگاه واقعی عملکرد مدل نبود.
"این زمان انسانی مورد نیاز برای تعریف و رمزگذاری معنای واقعی هر برچسب بود. " این زمینه،.
همراه با دادههای محصول جمعآوریشده از سراسر اکوسیستم داده Wayfair،. به چارچوبی وارد میشود که میتواند ویژگیها را در کلاسهای محصول طبقهبندی کند.
این تیم اکنون پوشش مدل را به ویژگیهای جدید با نرخ 70 برابری که فقط یک سال. پیش بود گسترش میدهد.
این سیستم اکنون روی بیش از 1 میلیون محصول تولید شده است. و موج اول محصولات با ویژگیهای پیشرفته اکنون به اندازه کافی برای اندازهگیری تأثیر بهبود کیفیت.
دادهها در سفر مشتری زنده مانده است. فیلیپس گفت: «وقتی کامل بودن ویژگی را بهبود میبخشید، انتزاعی نیست.
میبینید که آن را در عملکرد SEO و PLA نشان میدهید – در نحوه کشف محصولات مشتریان». یک تست کنترلشده A/B افزایش قابلتوجه و قابلتوجهی را در برداشتها،.
کلیکها و رتبه صفحه در گروه درمان نشان داد. فیلیپس گفت: "هدف ما ایجاد اعتماد است تا مشتریان کاملاً از آنچه خریداری میکنند اطمینان داشته باشند.
" این شرکت با استفاده از یک فرآیند حسابرسی عملی که در آن همکاران بهطور فیزیکی نمونهها را. برای تایید خروجی مدل بازرسی میکنند،.
آزمایش ساختیافته را توسعه داد و با تامینکنندگان کار کرد. تایید تغییرات اکنون،.
زمانی که اطمینان مبتنی بر داده بالا است،. سیستمهای خودکار محتوا را مستقیماً بازنویسی میکنند و به تأمینکننده تغییر اطلاع میدهند.
و هنگامیکه یک استاندارد بالا برآورده نمیشود یا برچسب با ریسک بالا در نظر گرفته می. شود،.
Wayfair ابتدا به دنبال تایید تامین کننده قبل از ایجاد تغییر است. Wayfair با دهها هزار تامین کننده برای پشتیبانی از کاتالوگ جامع آنها کار میکند.
برای مدیریت درخواستهای پشتیبانی تامینکننده،. همکاران Wayfair از لحاظ تاریخی هر بلیط دریافتی را بررسی میکردند،.
بهطور دستی شناسایی میکردند که تامینکنندگان در تلاش برای انجام آن هستند،. و مسائل را به صاحب داخلی صحیح هدایت میکردند - فرآیندی زمانبر و مستعد خطا.
گراهام گانسل، پشتیبانی تامین کننده و عملیات در Wayfair گفت: "درخواستهای تامین کنندگان ساده نیستند. " آنها صدها نوع شماره را در بر میگیرند و هیچ یک از همکاران به تنهایی نمی.
تواند بهطور واقع بینانه بر همه آنها تسلط داشته باشد. این گردش کار با هوش مصنوعی.
یکی از اولین ویژگیهای تولید، تریاژ بلیط است که توسط یک مدل OpenAI طراحی شده است. این سیستم درخواستهای دریافتی را میخواند،.
بافتهای گمشده را پر میکند و بلیطها را به تیم مناسب هدایت میکند. Wilma طوری طراحی شده بود که به سرعت قابل استقرار باشد.
ساخته شده بر روی سیستمیکه قبلاً با APIهای OpenAI ادغام شده بود،. تقریباً در یک ماه از نمونه اولیه به زندگی خود منتقل شد.
گانسل گفت: "ویلما به همکاران اهرمیمیدهد. " «بلیت را میخواند،.
هدف را شناسایی میکند،. زمینه را از پایگاههای اطلاعاتی ما پر میکند،.
در صورت لزوم به تأمینکنندگان بازمیگردد،. و موضوع را در مسیر درست نشان میدهد.» فراتر از مسیریابی،.
Wayfair دهها جریان هوش مصنوعی عاملی را برای تیمهای وضوح خاص مستقر کرده است. برای مثال،.
یک کمک خلبان برای تیم عملیات قطعات جایگزین،. تاریخچه پیچیده پرونده را میخواند،.
مراحل بعدی را پیشنهاد میکند و پیشنویس پاسخهایی را پیشنهاد میکند که همکاران انسانی بررسی میکنند. این دستیاران بر اساس دادههای تاریخی آموزش دیده اند بنابراین آنها یاد میگیرند که موفقیت در.
زمینه چگونه به نظر میرسد. گانسل میگوید:.
«مدلها میتوانند زمینه را در کل سفر به روشی ترکیب کنند که انجام آن برای یک همکار سخت. است.
«این دید وسیعتر به رضایت بیشتر مشتری و تأمینکننده کمک میکند.» Wayfair ردیابی میکند که چقدر توصیههای هوش. مصنوعی با تصمیم نهایی عامل انسانی مطابقت دارد - معیاری به نام «نرخ همسویی».
در هر تیم،. زمانی که هم ترازی بهطور مداوم به یک آستانه از پیش تعیین شده میرسد،.
جریان کار میتواند از حالتهای کمکی ("کمپایلوت") به حالتهای نیمه خودکار ("خلبان خودکار") تغییر کند. این رویکرد مرحلهای اعتماد ایجاد میکند و کنترلهای کیفیت را در طول عرضه تضمین میکند.
"اگر در ابتدا مشکل را به درستی هدایت نکنید، همه چیز در پاییندست کاهش مییابد. تریاژ اساسی است.
در سمت کاتالوگ،. این شرکت تعداد ی مشخصه محصول اشتباه یا مفقودی را که ممکن است مشتری ببیند کاهش داد -.
با تصحیح 2. 5 میلیون برچسب محصول در بیش از یک میلیون محصول قابل مشاهده و خریداری شده در کاتالوگ Wayfair.
آنها انتظار دارند این تأثیر را در شش ماه آینده چهار برابر کنند. در پشتیبانی تأمینکننده،.
سیستمهای تریاژ،. کمک خلبان و خلبان خودکار با خودکار کردن 41000 بلیط در ماه (که در برخی از گردشها تا.
70 درصد میرسد) توان عملیاتی را افزایش داده و با حذف کارهای دستی معمول از بار کاری،. زمانهای برگشت را کاهش دادهاند.
این بهطور چشمگیری زمان را برای وضوح برای چندین گردش کار کاهش میدهد،. بهطور قابل توجهی رضایت تامین کننده را افزایش میدهد،.
و بازگشایی بلیط در آن گردش کار را کاهش میدهد. دید وسیعتری که مدلها در بلیطها و هدف تامین کننده ارائه میدهند - فراتر.
از آن چیزی که یک همکار منفرد میتواند روی یک صفحه ببیند - به این افزایش رضایت. کمک کرده است.
از نظر عملیاتی،. تیمها گزارش:.
مسیریابی سریعتر و حل و فصل بلیطهای پیچیده تامین کننده افزایش رضایت تامین کننده کاهش ورود دستی. دادهها و کار طبقه بندی پوشش گستردهتر مسائل بدون نیاز به تخصص در صدها موضوع قبل.
از انتشار،. اطمینان بیشتر به ویژگیهای کاتالوگ قبل از انتشار.
Wayfair همچنین بیش از 1200 ChatGPT را در سراسر جهان برای پشتیبانی از 120 صندلی کار ی به. کار گرفته است.
وظایف، حل مشکلات داخلی و آزمایش با مدلهای مولد. Wayfair سابقه طولانی سرمایهگذاری در یادگیری ماشینی و همکاری با پلتفرمهای هوش مصنوعی و ارائهدهندگان LLM برای پیشبرد.
تجارت خود دارد. اکنون، پیشرفتها در مدلهای مرزی، بهویژه سیستمهای چندوجهی، آنچه را که تیمهایش میتوانند بسازند، گسترش میدهد.
این در خرده فروشی خانگی اهمیت دارد، جایی که محصولات بصری، سبک و اغلب ذهنی هستند. کارولین گفت: "ما در مورد دامنه مشکلاتی که اکنون میتوانیم با آنها مقابله کنیم هیجان زده هستیم.
فیلیپس الگوریتمهای سنتی به مجموعههای داده کاملاً تعریفشده نیاز دارند. این مدلها به ما اجازه میدهند تا از طریق ابهام و زمینه به روشی کار کنیم که قبلاً.
مقیاسپذیر نبود. با نگاه به آینده، تقاضای کارمندان برای ChatGPT Enterprise قوی بوده است.
تیمهای Wayfair آن را ابزاری عملی میدانند که به آنها کمک میکند سریعتر حرکت کنند. انتظارات مشتریان نیز به سرعت در حال تغییر است.
خریداران بیشتری با استفاده از هوش مصنوعی در زندگی روزمره خود راحت میشوند و هنگام مرور،. مقایسه و خرید آنلاین انتظار قابلیتهای مشابهی را دارند.
فیونا تان گفت: «در خانه، مشتریان اغلب کلمات دقیقی برای آنچه به دنبال آن هستند، ندارند. «زبان طبیعی و سیستمهای چندوجهی به پر کردن این شکاف کمک میکنند.» برای رهبران Wayfair،.
هدف همچنان افزایش تخصص انسانی و در عین حال افزایش قابلیتهای داخلی است. ما در حال ساختن دنیایی هستیم که هوش مصنوعی بخشی از سفر خرید باشد – چه در سایت.
ما باشد،. فیونا تان نتیجه گرفت.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.