Per le centinaia di milioni di articoli venduti da Amazon, da una tenda da campeggio a un maglione per le vacanze natalizie, la scatola o la busta che arriva sulla porta di casa dei clienti è stata probabilmente selezionata a mano dall'intelligenza artificiale.
Il Package Decision Engine, un modello di intelligenza artificiale progettato e realizzato da Amazon, è in grado di determinare il tipo di imballaggio più efficiente per ogni articolo, contribuendo così a ridurre il numero di scatole di cartone, cuscini d'aria, nastro adesivo e buste utilizzate per spedire gli acquisti ai clienti. Il modello è un esempio importante di come l'azienda stia sfruttando l'intelligenza artificiale per raggiungere più rapidamente i propri obiettivi di sostenibilità, contribuendo al contempo a ridurre gli imballaggi, a rendere più efficienti le consegne e a garantire che i prodotti rimangano protetti durante la consegna. Insieme ad altre innovazioni negli imballaggi, il modello ha aiutato Amazon a evitare oltre 2 milioni di tonnellate di materiale da imballaggio in tutto il mondo dal 2015.
Costruito sul cloud di Amazon Web Services (AWS), il modello di intelligenza artificiale multimodale è in grado di intuire quando un prodotto più resistente, come una coperta, non ha bisogno di un imballaggio protettivo, o quando un articolo potenzialmente fragile, come un set di piatti, potrebbe aver bisogno di un imballaggio più complesso. Il modello utilizza una combinazione di machine learning avanzato, elaborazione del linguaggio naturale e computer vision e implementa costantemente le sue capacità di riconoscimento delle opzioni di imballaggio di Amazon in continua evoluzione. Secondo gli scienziati di Amazon le sue decisioni sono empiricamente accurate, il che significa che la maggior parte delle volte è in grado di individuare la scelta di imballaggio più efficiente.
Ridurre i rifiuti da imballaggio è una parte importante della strategia di sostenibilità di Amazon, ma scegliere la quantità di imballaggio più efficiente e ottimale, che permette di ridurre i rifiuti e proteggere i prodotti, può essere impegnativa. Inoltre, il catalogo di prodotti di Amazon conta centinaia di milioni di articoli ed è in continua crescita ed evoluzione, oltre a disporre di prodotti regionali e specifici per ogni paese in tutto il mondo.
Prima dell'utilizzo dell'IA gli associati di Amazon utilizzavano test fisici sui singoli prodotti per determinare come ottimizzare l'imballaggio, ma questo lavoro di ricerca sostenibile era impossibile da svolgere attraverso i soli sforzi dei dipendenti. Il Package Decision Engine ha contribuito ad automatizzare parte di questo lavoro, consentendo ai dipendenti di Amazon di concentrarsi su altre sfide nell’ambito della sostenibilità.
Avevamo l'obiettivo di identificare rapidamente l'opzione di imballaggio più efficiente per ogni articolo, assicurando al contempo la sicurezza della spedizione di ciascun prodotto. L'uso dell'intelligenza artificiale attraverso il Package Decision Engine ci ha permesso di portare avanti rapidamente il nostro lavoro in termini di efficienza degli imballaggi e ha funzionato così bene che stiamo implementando questa tecnologia in tutto il mondo.
Come funziona il Package Decision Engine
Il processo Package Decision Engine prevede diverse fasi per raccogliere informazioni su ogni articolo. Quando un prodotto arriva per la prima volta al centro di distribuzione di Amazon, viene fotografato all’interno di un tunnel di computer vision che determina le dimensioni del prodotto, individua i difetti e scatta più immagini del prodotto. In questo modo il modello è in grado di rilevare la presenza di una busta o di una scatola intorno all'articolo o di rilevare la presenza di vetro esposto.
Il modello utilizza anche l'elaborazione del linguaggio naturale e sfrutta i dati testuali di ogni articolo, come il nome, la descrizione, il prezzo e le dimensioni della confezione. Raccoglie inoltre informazioni in tempo quasi reale dai feedback dei clienti riportati attraverso il Centro resi online di Amazon, le recensioni dei prodotti e altri canali di feedback dei clienti.
Dopo aver raccolto le informazioni, il modello fornisce un punteggio che indica il tipo di imballaggio migliore da utilizzare. La scelta dell'imballaggio viene infine memorizzata dal modello e utilizzata per comprendere le future esigenze di imballaggio.
Come il Package Decision Engine apprende nel tempo
Gli scienziati di Amazon hanno addestrato il modello di intelligenza artificiale mostrandogli milioni di esempi di prodotti consegnati con successo e senza danni in vari tipi di imballaggio. Gli hanno inoltre mostrato prodotti arrivati danneggiati a destinazione, nonché le parole chiave e i tipi di imballaggio utilizzati in ogni scenario.
Di conseguenza, il modello ha appreso che alcune parole chiave sono importanti per prendere decisioni mirate sugli imballaggi. Per esempio, una busta imbottita con scarsa imbottitura potrebbe non proteggere adeguatamente un articolo che vede la presenza delle parole chiave "drogheria", "schermo" o "gres" nella descrizione, quindi il modello consiglierebbe un'opzione più robusta, come una scatola. Il modello ha inoltre appreso che parole chiave come "multipacco", "borsa", e "pacco" sono associate a tassi di danneggiamento inferiori all’interno della busta e indicano che il prodotto potrebbe già disporre di un imballaggio protettivo e non necessitare di ulteriore protezione.
Il modello ha funzionato così efficientemente che il team di Packaging Innovation ne sta ampliando l'uso, addestrandolo per l'impiego in tutto il mondo. Questo include l'esposizione a nuove lingue, a specifici tipi di imballaggio e ad articoli venduti in mercati diversi. Il modello è già largamente utilizzato nei centri di distribuzione del Nord America e dell'Europa, con componenti in fase di implementazione in altre sedi in India, Australia e Giappone.
Il Package Decision Engine è uno dei tanti modi grazie ai quali Amazon utilizza l'innovazione dell'intelligenza artificiale per raggiungere gli obiettivi di sostenibilità, innovazione nel campo degli imballaggi e della riduzione dei rifiuti.
