Cómo una empresa de ropa combina la IA y la experiencia humana

Cuando pensamos en la inteligencia artificial, a menudo nos imaginamos robots realizando tareas en el almacén o la fábrica que antes eran obra exclusiva de personas. Esto evoca el espectro de la pérdida de empleos y la agitación para muchos trabajadores. Sin embargo, también puede parecer un poco remoto, algo que ocurrirá en «el futuro». Pero el futuro está mucho más cerca de lo que muchos creen. También parece más prometedor de lo que muchos habían previsto.

Stitch Fix da una idea de cómo algunas empresas ya utilizan el aprendizaje automático basado en la IA para asociarse con los empleados y obtener soluciones más eficaces. Una tienda de ropa en línea de cinco años, su éxito en esta área revela cómo la IA y las personas pueden trabajar juntas, con cada lado centrado en sus puntos fuertes únicos.

La empresa ofrece un servicio de ropa y estilismo por suscripción que entrega ropa a las puertas de sus clientes. Pero los usuarios del servicio en realidad no compran ropa; de hecho, Stitch Fix ni siquiera tiene una tienda online. En cambio, los clientes rellenan encuestas de estilo, proporcionan medidas, ofrecen tableros de Pinterest y envían notas personales. Los algoritmos de aprendizaje automático digieren toda esta información ecléctica y desestructurada. Una interfaz comunica los resultados de los algoritmos junto con datos más matizados, como las notas personales, a los estilistas de moda de la empresa, quienes luego seleccionan cinco artículos de diversas marcas para enviarlos al cliente. Los clientes se quedan con lo que quieren y devuelven lo que no les conviene.

De Stitch Fix enfoque ilustra tres lecciones sobre cómo combinar la experiencia humana con los sistemas de IA. En primer lugar, es importante mantener a los humanos en el ciclo de los procesos empresariales; las máquinas no pueden hacerlo solas. En segundo lugar, las empresas pueden utilizar las máquinas para aumentar la productividad y la eficacia de los trabajadores de formas sin precedentes. Y en tercer lugar, se deben combinar varias técnicas de aprendizaje automático para identificar las ideas de forma eficaz y fomentar la innovación.

Como muestran las investigaciones que hemos realizado en la industria y el mundo académico, las empresas tienen una oportunidad sin precedentes de aprovechar los avances continuos de la investigación sobre inteligencia artificial y aprendizaje automático para reinventar los procesos empresariales. Por ejemplo, al analizar una muestra quinquenal de casi 1150 artículos, identificamos al menos 12 técnicas, visibles en el siguiente gráfico, que se pueden aplicar fácilmente y combinar entre sí en un proceso. Stitch Fix ya está aplicando varias de estas técnicas de aprendizaje automático en la prestación de servicios y la I+D, y otras empresas pueden seguir su ejemplo.

Algunas empresas de gran éxito han hecho un gran uso de los motores de recomendación para impulsar las ventas o mejorar la satisfacción de los clientes. En cuanto a las recomendaciones, ¿hay margen de mejora en la forma en que funcionan Amazon y Netflix?

Stitch Fix, que vive y muere por la calidad de sus sugerencias, no tiene más remedio que hacerlo mejor. Y no puede confiar únicamente en las máquinas para hacerlo. La empresa recopila toda la información posible sobre un cliente, tanto de forma estructurada como no estructurada. Los datos estructurados incluyen encuestas con información personal, como medidas corporales y preferencias de marca. Los datos no estructurados pueden derivarse de cuentas de redes sociales, como Pinterest, o de notas en Internet de personas sobre por qué compran ropa nueva, como una ocasión especial, un cambio de estación o porque un estilo nuevo les ha llamado la atención.

El sistema de recomendaciones automatizadas da lo mejor de sí cuando se trata de datos estructurados. Pero para dar sentido a los datos no estructurados, se necesitan personas y su juicio. Digamos que un cliente quiere un par de vaqueros nuevos y elegantes, una prenda que es muy difícil de ajustar a las medidas de una persona. Para empezar, el algoritmo encuentra los vaqueros (en una gama de tejidos, estilos e incluso tallas) que otros clientes con la misma entrepierna han decidido conservar, un buen indicador del ajuste.

A continuación, es el momento de elegir el par de vaqueros que se van a enviar. Depende del estilista, que tiene en cuenta las notas del cliente o la ocasión para la que el cliente está de compras. Además, el estilista puede incluir una nota personal en el envío para fomentar una relación, lo que Stitch Fix espera que fomente aún más comentarios útiles.

Este sistema de recomendación humano continuo utiliza varios flujos de información para ayudarlo a mejorar. El algoritmo absorbe los comentarios directamente del cliente, independientemente de que él o ella (la empresa añadió opciones para hombres a finales de septiembre) haya decidido quedarse con una prenda de vestir. Y el estilista mejora y se ajusta según las señales extraídas de las notas del cliente y según la información de las interacciones anteriores con el cliente.

La empresa está probando el procesamiento del lenguaje natural para leer y clasificar las notas de los clientes, ya sea que hayan recibido comentarios positivos o negativos, por ejemplo, o si un cliente quiere un atuendo nuevo para un baby shower o para una reunión de negocios importante. Los estilistas ayudan a identificar y resumir la información textual de los clientes y a detectar errores en la categorización. Como los algoritmos nunca están lejos de la supervisión humana, Stitch Fix puede probar con confianza las nuevas tecnologías de aprendizaje automático sin preocuparse de que la experimentación generar disrupción en la experiencia del cliente.

¿Cómo funciona realmente el papel de estilista aumentado con máquina? Stitch Fix emplea a más de 2.800 estilistas repartidos por todo el país, todos ellos trabajan desde casa y fijan su propio horario. En esta fuerza laboral distribuida, los estilistas se miden según una variedad de parámetros, como la cantidad de dinero que gasta un cliente, la satisfacción del cliente y el número de artículos que un cliente conserva por entrega. Pero uno de los factores más importantes es el ritmo al que un estilista reúne una colección de ropa para un cliente.

Así que la velocidad importa, al igual que la precisión. Aquí es donde entra en vigor la interfaz de trabajo. Para poder tomar decisiones rápidamente, la pantalla en la que el estilista ve las recomendaciones muestra la información relevante que la empresa conserva sobre un cliente, incluido el historial de prendas y comentarios, las medidas y la tolerancia a los riesgos de la moda; todo es fácilmente accesible. Además, las recomendaciones están ajustadas para reducir la cantidad de tiempo que dedica un estilista buscando objetos en vano.

Para asegurarse de que las selecciones de los estilistas son efectivas, el sistema de Stitch Fix puede variar la información que ve un estilista para comprobar si hay sesgos. Por ejemplo, ¿cómo podría afectar la imagen de un cliente a las elecciones del estilista? ¿O saber sobre la edad de un cliente? ¿Ayuda o dificulta saber dónde vive un cliente?

Al medir el impacto de la información modificada en la interfaz de estilista, la empresa está desarrollando una forma sistemática de medir las mejoras en el juicio humano.

Incluso con la monitorización constante y los algoritmos que guían la toma de decisiones, según las encuestas internas, los estilistas de Stitch Fix son en su mayoría satisfecho con el trabajo. Y este tipo de trabajo, que se basa en el aumento de la creatividad y los horarios flexibles, desempeñará un papel importante en la fuerza laboral del futuro.

La industria de la moda no es ajena a los ciclos rápidos de aprendizaje. Una de las grandes ventajas que Stitch Fix obtiene al recopilar y analizar tantos datos es la capacidad de predecir las tendencias. Por ejemplo, los ingenieros de la empresa están desarrollando clasificadores de aprendizaje automático para encontrar tendencias mediante la simple decisión de sí o no que toma un cliente cuando compra un artículo o lo devuelve. A partir de estos datos aparentemente simples, el equipo ha podido descubrir qué tendencias cambian con las estaciones y qué modas están pasando de moda.

Otra ventaja de todos estos datos es la investigación dirigida al desarrollo de un sistema de visión artificial que pueda interpretar el estilo y extraer una especie de medida del estilo a partir de las imágenes de ropa. El propio sistema se sometería a un aprendizaje sin supervisión, tomando un enorme número de imágenes y, a continuación, extrayendo patrones o características y decidiendo qué tipos de estilos son similares entre sí. Este «moldeador automático» podría usarse para ordenar automáticamente el inventario y mejorar las selecciones para los clientes.

Además de desarrollar un buscador de tendencias algorítmico y un estilizador automático, Stitch Fix está desarrollando estilos completamente nuevos, modas que nacen enteramente de los datos. La empresa los llama «Frankenstyles». Estos nuevos estilos se crean a partir de un «algoritmo genético», siguiendo el modelo del proceso de selección natural en la evolución biológica. El algoritmo genético de la empresa comienza con los estilos existentes que se modifican aleatoriamente a lo largo de muchas «generaciones» simuladas. Con el tiempo, un estilo de mangas de una prenda y un color o estampado de otra, por ejemplo, «evolucionan» hasta convertirse en una camisa completamente nueva.

Como empresa nativa de aprendizaje automático, vale la pena observar Stitch Fix. Estimaciones de Forbes que en 2015 la empresa obtuvo 250 millones de dólares en ingresos y prevé un aumento del 50% en 2016. Al mismo tiempo, Stitch Fix ha triplicado su plantilla en los últimos dos años. El enfoque de la empresa demuestra que los humanos y las máquinas pueden aumentarse mutuamente y producir mejores resultados de proceso, a escala, que los que podrían obtener por sí solos.

Solo estamos al principio de la era de la inteligencia artificial. Es de esperar algún tipo de agitación. Pero estamos empezando a ver cómo la IA puede cambiar las industrias, mejorar la productividad e incluso beneficiar a una nueva generación de empleados.