Amazon Inicia Projeto com IA para Identificar Defeitos em Produtos Antes do Envio

Amazon utilizará visão computacional para detectar defeitos antes do despacho

Amazon está implementando a visão computacional e a inteligência artificial (IA) para garantir que os clientes recebam produtos em perfeito estado, além de impulsionar seus esforços de sustentabilidade. A iniciativa, chamada “Project P.I.” (abreviação de “private investigator” ou “investigador privado”), opera nos centros de distribuição da Amazon na América do Norte, escaneando milhões de produtos diariamente em busca de defeitos.

Tecnologia de Ponta no Projeto P.I.

O Project P.I. utiliza IA generativa e tecnologias de visão computacional para detectar problemas como produtos danificados ou cores e tamanhos incorretos antes que cheguem aos clientes. O modelo de IA não apenas identifica defeitos, mas também ajuda a descobrir suas causas, permitindo que a Amazon implemente medidas preventivas a montante. Este sistema tem se mostrado altamente eficaz nos locais onde foi implantado, identificando com precisão problemas em meio a uma vasta quantidade de itens processados mensalmente.

Antes de qualquer item ser despachado, ele passa por um túnel de imagens onde o Project P.I. avalia sua condição. Se um defeito é detectado, o item é isolado e investigado mais a fundo para determinar se produtos similares também são afetados.

Inspeção Manual e Tecnologia de Sustentabilidade

Associados da Amazon revisam os itens sinalizados e decidem se devem revendê-los com desconto via site Amazon’s Second Chance, doá-los ou encontrar usos alternativos. Essa tecnologia visa atuar como um par de olhos extra, aprimorando as inspeções manuais em vários centros de distribuição na América do Norte, com planos de expansão ao longo de 2024.

Dharmesh Mehta, vice-presidente de serviços de parceiros de venda global da Amazon, disse: “Queremos acertar a experiência do cliente toda vez que ele compra em nossa loja. Ao aproveitar a IA e a imagem de produtos em nossas instalações operacionais, podemos detectar de maneira eficiente produtos potencialmente danificados e resolver mais desses problemas antes que cheguem ao cliente, o que é uma vitória para o cliente, nossos parceiros de venda e o meio ambiente.”

Sustentabilidade e Redução de Emissões de Carbono

O Project P.I. também desempenha um papel crucial nas iniciativas de sustentabilidade da Amazon. Ao prevenir que itens danificados ou defeituosos cheguem aos clientes, o sistema ajuda a reduzir devoluções indesejadas, desperdício de embalagens e emissões de carbono desnecessárias devido ao transporte adicional.

Kara Hurst, vice-presidente de sustentabilidade global da Amazon, comentou: “A IA está ajudando a Amazon a garantir que não estamos apenas encantando os clientes com itens de alta qualidade, mas também estendendo essa obsessão pelo cliente ao nosso trabalho de sustentabilidade, evitando que itens imperfeitos saiam de nossas instalações e ajudando-nos a evitar emissões de carbono desnecessárias devido ao transporte, embalagens e outras etapas no processo de devolução.”

Investigação de Experiências Negativas com IA Generativa

Paralelamente, a Amazon está utilizando um sistema de IA generativa equipado com um Modelo de Linguagem Multi-Modal (MLLM) para investigar as causas de experiências negativas dos clientes.

Quando defeitos relatados pelos clientes passam pelos cheques iniciais, este sistema revisa o feedback do cliente e analisa imagens dos centros de distribuição para entender o que deu errado. Por exemplo, se um cliente recebe o tamanho errado de um produto, o sistema examina as etiquetas dos produtos nas imagens do centro de distribuição para identificar o erro.

Esta tecnologia também é benéfica para os parceiros de venda da Amazon, especialmente as pequenas e médias empresas que compõem mais de 60% das vendas da Amazon. Tornando os dados de defeitos mais acessíveis, a Amazon ajuda esses vendedores a corrigir problemas rapidamente e reduzir erros futuros.

Fonte Principal: Artificial Intelligence News

Compartilhar

Relacionadas