IA generativa no e-commerce: tudo começou com um prompt

Usos da IA generativa

A IA generativa é usada em várias aplicações. Já exploramos alguns usos criativos da IA generativa e projetos que você pode construir com modelos de IA generativa em posts separados. Porém, aqui estão alguns casos de uso destacados que estamos vendo no momento:

Imagens

Ferramentas de IA generativa, como o Nano Banana 2 do Google, podem criar novas imagens com base em outras, como um novo retrato a partir do rosto de uma pessoa ou uma nova paisagem a partir de cenários existentes.

A Mona Lisa nos estilos de Picasso, Van Gogh e Monet

Texto

Você pode usar ferramentas como ChatGPT e Google Bard para escrever notícias, posts de blog, poesia e até roteiros.

Áudio

Dá para gerar músicas, efeitos sonoros e até dublagens. É possível criar trilhas e sons sob medida para várias finalidades, de fundos musicais para vídeos a temas exclusivos para branding.

Interfaces de linguagem natural

Ela pode ser usada para criar ferramentas de comunicação interativas e intuitivas, melhorando a experiência digital em várias plataformas.

Síntese de imagens

A IA generativa pode criar modelos virtuais detalhados, aprimorando a visualização em setores como varejo, mercado imobiliário e mais.

Síntese de espaços

Essa tecnologia pode auxiliar no design de ambientes virtuais, sendo útil em realidade virtual, games e varejo online.

Design de produtos e síntese de objetos

Novos designs podem ser gerados a partir de dados existentes, abrindo possibilidades em moda, decoração e automotivo.

Farmacêutica

A IA generativa pode ajudar a criar modelos virtuais e prever resultados de pesquisas farmacêuticas, acelerando a descoberta de fármacos e a personalização de tratamentos.

Marketing personalizado

É possível criar anúncios e conteúdos sob medida, aumentando a efetividade das campanhas em diversos canais.

IA no trabalho

Para mim, a IA tem um impacto extremamente positivo na minha rotina. Como líder de enablement na Specsavers, uso IA com frequência para solucionar problemas, apoiar outros usuários e gerar conteúdo informativo.

Claro, eu já fazia tudo isso antes da chegada dos nossos amigos de IA, mas minha velocidade de entrega aumentou muito, permitindo apoiar mais projetos/usuários, e a IA virou uma ferramenta que eu recomendo para todos.

No e-commerce, a IA generativa vem ganhando espaço à medida que as empresas buscam maneiras de personalizar a experiência do cliente e otimizar suas operações.

Os fundamentos da IA generativa

Tudo começa com um prompt! A IA generativa parte de um prompt que pode ser texto, imagem, vídeo, design, notas musicais ou qualquer entrada que o sistema de IA consiga processar. Esse prompt pode ser inserido manualmente pelo usuário (por exemplo, usar GPT-3 para gerar texto a partir de uma entrada) ou automatizado (por exemplo, o StyleGAN é uma rede generativa adversária, GAN, que pode criar imagens de alta qualidade a partir de um dataset de imagens.)

Há vários tipos de modelos generativos usados em machine learning, incluindo redes generativas adversárias (GANs), autoencoders variacionais (VAEs) e modelos baseados em Transformers. Aqui vai um resumo:

Redes generativas adversárias (GANs)

GANs são um tipo de rede neural com duas partes: um gerador e um discriminador. O gerador cria novos dados, enquanto o discriminador decide se os dados são reais ou falsos. As duas partes são treinadas juntas em um processo adversário, no qual o gerador tenta produzir dados que o discriminador não consiga distinguir dos reais.

Visão geral da estrutura de uma GAN - fonte

Autoencoders variacionais (VAEs)

VAEs são outro tipo de rede neural para modelagem generativa. Eles codificam os dados de entrada em um espaço de menor dimensão e depois decodificam de volta ao espaço original. O codificador e o decodificador são treinados juntos para minimizar a diferença entre o dado original e o reconstruído.

Modelos baseados em Transformers

Modelos baseados em Transformers são muito usados em tarefas de processamento de linguagem natural. Eles processam sequências de entrada e geram sequências de saída. São especialmente úteis para gerar texto, como descrições de produtos ou avaliações de clientes.

Treinamento dos modelos

Todos esses modelos aprendem com dados para gerar novos exemplos. Durante o treinamento, recebem um grande conjunto de amostras e aprendem a encontrar padrões e relações. Depois de treinado, o modelo pode gerar novos exemplos ao amostrar da distribuição aprendida.

Por exemplo, uma GAN pode ser treinada com um conjunto de imagens e aprender a criar novas imagens semelhantes às do dataset.

Um VAE pode ser treinado com um conjunto de rostos e aprender a gerar novos rostos parecidos com os do conjunto.

E um modelo baseado em Transformer pode ser treinado com descrições de produtos e aprender a gerar novas descrições com estilo e conteúdo semelhantes.

No geral, esses modelos generativos são ferramentas poderosas para criar novos conteúdos e dados e são amplamente usados em diversas aplicações.

IA generativa no e-commerce

A IA generativa tem muitas aplicações no e-commerce, e as empresas a usam para personalizar a experiência do cliente, melhorar operações e aumentar vendas. Veja algumas áreas em que organizações de e-commerce estão aplicando IA generativa:

Recomendações de produtos

Um dos casos mais comuns é a recomendação de produtos. Empresas podem usar modelos generativos para analisar dados dos clientes e gerar recomendações personalizadas. Por exemplo, a Amazon usa IA generativa para sugerir produtos com base no histórico de navegação e compras de cada cliente.

Personalização

A IA generativa também pode personalizar a experiência de outras formas, como gerar conteúdos personalizados ou adaptar a interface. Uma empresa pode, por exemplo, criar descrições de produtos sob medida ou ajustar o layout do site conforme as preferências de cada cliente.

Engajamento do cliente

O engajamento pode melhorar com assistentes virtuais e chatbots que oferecem suporte e recomendações personalizadas. Por exemplo, um chatbot pode responder a dúvidas recorrentes, como solicitar acesso a um sistema ou pedir férias.

Geração de conteúdo

A IA pode gerar diversos tipos de conteúdo para e-commerce, incluindo descrições de produtos, avaliações e anúncios. Confira o artigo da DataCamp sobre como usar o ChatGPT em vendas para saber mais sobre geração de conteúdo com IA generativa.

Estudos de caso de IA generativa no e-commerce

Várias empresas de e-commerce já implementaram IA generativa com sucesso para melhorar suas operações.

Alguns exemplos rápidos:

• A Amazon usa IA generativa para personalizar conteúdo para seus clientes.
• A Shopify lançou recentemente o Shopify Magic para ajudar vendedores a ganhar tempo, vender mais e colocar produtos diante de ainda mais compradores.
• O eBay usa IA generativa para impulsionar sua Smart Store, ajudando vendedores a criar experiências de compra personalizadas.
• A Etsy usa IA generativa para destravar o futuro do comércio B2B em mercados emergentes.

Vamos ver alguns casos com mais detalhes:

Amazon

Primeiro da lista, sem surpresa para ninguém, a Amazon está investindo em IA generativa. A empresa usa IA generativa para criar recomendações personalizadas quando os clientes visitam o site. Além disso, em vez de lançar chatbots como seus concorrentes Microsoft (ChatGPT) e Google (Bard), ela seguiu outro caminho: aproveitou sua liderança em nuvem via AWS (Amazon Web Services) para lançar dois novos modelos de linguagem na plataforma Bedrock.

O Bedrock permite que clientes usem os modelos de machine learning da Amazon sem que seus dados vazem para o conjunto mais amplo de informações usadas no treinamento desses sistemas. Isso ajuda a endereçar uma preocupação central de organizações que querem criar seus próprios produtos de IA generativa.

Alibaba Group

O Alibaba Group revelou recentemente seu modelo de IA generativa chamado Tongyi Qianwen ("verdade a partir de mil perguntas"), que será integrado a todos os apps da empresa em breve.

O modelo pode resumir atas de reunião, escrever e-mails e rascunhar propostas comerciais. Ele também será adicionado ao Tmall Genie, o assistente de voz do Alibaba.

Segundo o CEO Daniel Zhang, a tecnologia "vai trazer grandes mudanças na forma como produzimos, trabalhamos e vivemos". A ideia é abrir o modelo para que clientes criem seus próprios modelos de linguagem personalizados, e o cadastro de usuários já começou.

Limitações e considerações éticas

A primeira pergunta de muitos líderes de dados ao considerar IA generativa no trabalho é algo como "o que as ferramentas de IA generativa fazem com todos esses dados?" O que leva a outra questão: "podemos perguntar qualquer coisa para a IA?" E, por enquanto, a resposta é um claro não.

Já vimos vários vazamentos de dados com o uso de IA no ambiente corporativo (veja a proibição do ChatGPT pela Samsung após vazamento de código sensível), além de muitas empresas definindo regras internas sobre como usar IA no trabalho, e algumas até proibindo totalmente.

Limitações e desafios da IA generativa

• Qualidade e volume de dados. Para aprender e produzir conteúdo realista e relevante, modelos de IA generativa precisam de grandes quantidades de dados de alta qualidade. Encontrar, coletar, limpar e rotular esses dados pode ser demorado, caro e sujeito a erros ou vieses. Muitas empresas talvez ainda não tenham as competências para fazer isso em escala.
• Avaliação e feedback. Avaliar e aprimorar esses modelos é desafiador, pois não há uma forma clara ou objetiva de medir qualidade, precisão, originalidade ou utilidade do conteúdo gerado. Embora o feedback humano seja essencial, ele pode ser subjetivo, inconsistente ou escasso. Sem recursos dedicados, isso fica ainda mais difícil.
• Escalabilidade e confiabilidade. Os recursos computacionais exigidos para treinar e executar modelos generativos podem limitar a escalabilidade e a confiabilidade. Além disso, eles podem gerar saídas inesperadas ou indesejadas, prejudicando a reputação e a confiança do negócio ou de seus clientes.

Considerações éticas da IA generativa

• Privacidade e segurança. Dados sensíveis ou pessoais do negócio ou de seus clientes, como preferências, comportamentos, identidades ou informações financeiras, podem ser acessados, usados ou vazados por modelos generativos. Isso gera riscos e preocupações com privacidade e segurança.
• Equidade e responsabilização. Vieses presentes nos dados de treinamento ou nas interações humanas podem ser refletidos ou amplificados pelos modelos. Isso pode levar a decisões injustas ou discriminatórias que afetam o negócio e seus clientes. É preciso mecanismos para assegurar equidade e responsabilização pelos modelos e seus resultados.
• Transparência e confiança. Modelos generativos podem criar conteúdo indistinguível do produzido por humanos, gerando confusão ou mesmo engano. É importante haver formas de divulgar ou verificar a origem e a natureza do conteúdo gerado e garantir sua qualidade e relevância.

Perspectivas futuras

A IA generativa tem aplicações em várias áreas, e uma das mais promissoras é o e-commerce, com muitas oportunidades no horizonte.

Realidade aumentada e virtual

A IA pode ser combinada com VR e AR para oferecer experiências de compra mais imersivas. Por exemplo, um app de AR com IA generativa pode ajudar clientes a visualizar móveis em suas casas antes da compra.

Descoberta de produtos

A IA generativa pode facilitar a busca pelos produtos certos. Por exemplo, pode criar imagens realistas e variadas a partir de descrições textuais ou esboços, ajudando clientes a visualizar melhor o que desejam.

A tecnologia também pode gerar recomendações personalizadas com base em preferências, comportamento e feedback, aumentando satisfação e fidelidade.

Engajamento do cliente

Empresas podem usar IA para se comunicar com clientes de forma mais eficaz e criativa. Por exemplo, com ferramentas como stable diffusion, é possível criar conteúdo envolvente e relevante para redes sociais, blogs, newsletters ou anúncios, atraindo mais tráfego e conversões.

A IA generativa também pode gerar respostas naturais e humanas para chatbots ou assistentes de voz, oferecendo melhor atendimento e suporte.

Prevenção de fraudes

A IA pode ajudar a detectar e prevenir atividades fraudulentas nas plataformas de e-commerce com mais precisão. Por exemplo, ferramentas de IA podem criar identidades ou rostos sintéticos para verificação, dificultando o acesso de impostores ou bots.

Você também pode usar IA generativa para criar dados realistas e diversos para treino e teste, melhorando o desempenho e a robustez dos modelos de detecção de fraude. Aprenda mais sobre Fraud Detection in Python com o curso online da DataCamp.

Conclusão

A IA generativa é uma tecnologia poderosa para criar conteúdos novos e envolventes para negócios de e-commerce. Ela ajuda a atrair mais clientes, personalizar experiências e aumentar a fidelização. Também otimiza operações como gestão de estoque, precificação e marketing. O uso eficaz da IA generativa e da IA em geral será um diferencial importante na escolha de plataformas por clientes e usuários.

A IA generativa é um divisor de águas para o e-commerce e um ativo valioso para qualquer empresa que quer prosperar na era digital. Conheça os conceitos de IA generativa no curso da DataCamp.