La inteligencia artificial generativa está mejorando las experiencias de los clientes, optimizando las operaciones y aumentando la productividad en diversas áreas, desde asesores de compras para recomendaciones de productos personalizadas hasta la creación de contenido de marketing y generación de código.
Según una encuesta realizada por NVIDIA, el 98% de los minoristas planea invertir en inteligencia artificial generativa en los próximos 18 meses, lo que convierte al sector minorista en una de las industrias que más rápido adopta esta tecnología para aumentar la productividad, transformar las experiencias de los clientes y mejorar la eficiencia.
En el sector minorista, se han implementado inicialmente asesores de compras personalizados y publicidad adaptativa, utilizando modelos predefinidos como GPT-4 de OpenAI.
Sin embargo, muchas empresas están comenzando a darse cuenta del valor de desarrollar modelos personalizados entrenados con sus propios datos para lograr un tono apropiado para la marca y resultados personalizados de manera escalable y rentable.
Antes de construir estos modelos, las empresas deben considerar una variedad de preguntas, como qué tipo de modelo utilizar (de código abierto, cerrado o empresarial), cómo planificar el entrenamiento y la implementación de los modelos, cómo alojarlos y, lo más importante, cómo asegurarse de que las futuras innovaciones y nuevos productos se puedan incorporar fácilmente a ellos.
Las nuevas ofertas como NVIDIA AI Foundations, una colección seleccionada de modelos base optimizados de grado empresarial de NVIDIA y modelos preentrenados de código abierto líderes, están brindando a las empresas minoristas los elementos fundamentales que necesitan para construir sus modelos personalizados. Con NVIDIA NeMo, una plataforma integral para el desarrollo de modelos de lenguaje grandes, los minoristas pueden personalizar e implementar sus modelos a gran escala utilizando las últimas técnicas de vanguardia.
Vea también: La inteligencia artificial (IA) está transformando la cadena de suministro
Casos de uso de la IA generativa
Los modelos multimodales están liderando la nueva frontera en el panorama de la IA generativa. Son capaces de procesar, comprender y generar contenido e imágenes a partir de múltiples fuentes como texto, imagen, video y activos renderizados en 3D.
Esto permite a los minoristas crear imágenes o videos llamativos para la campaña de marketing y publicidad de una marca utilizando solo unas pocas líneas de texto como indicación. También se pueden utilizar para ofrecer experiencias de compra personalizadas con resultados de imágenes de productos en situaciones y pruebas. Otro caso de uso es la generación de descripciones de productos, donde la IA generativa puede generar inteligentemente descripciones detalladas de productos de comercio electrónico que incluyen atributos del producto, utilizando metaetiquetas para mejorar significativamente el SEO.
Muchos minoristas están probando primero la IA generativa internamente. Por ejemplo, algunos están aumentando la productividad de sus equipos de ingeniería con generadores de código informático impulsados por IA que pueden escribir líneas de código optimizadas para resultados indicados. Otros están utilizando modelos personalizados para generar copias de marketing y promociones para diferentes segmentos de audiencia, aumentando las tasas de clics a conversiones. Mientras tanto, los chatbots y los traductores están ayudando a los empleados a realizar sus tareas diarias.
Para mejorar las experiencias de los clientes, los minoristas están implementando asesores de compras impulsados por IA generativa que pueden ofrecer recomendaciones de productos personalizadas en estilos de conversación adaptados al cliente y mostrar imágenes de los productos recomendados. Incluso puede mostrar esos productos si los compradores desean ver el producto recomendado, por ejemplo, en su hogar al cargar una imagen de una habitación. Otro caso de uso es un chatbot multilingüe de servicio al cliente capaz de responder consultas simples de los clientes y derivar las complejas a agentes humanos para un servicio mejorado y más eficiente.
