STILEO, aggregatore fashion con quasi 1,9 milioni di articoli provenienti da 220 e-shop e parte del gruppo GLAMI, il motore di ricerca di moda basato sull’intelligenza artificiale, ha recentemente implementato la propria piattaforma attraverso lo sviluppo di un nuovo sistema basato sull’intelligenza artificiale chiamato Language Agnostic Merlin (LAM).
Si tratta – spiega STILEO – di una soluzione dedicata all’organizzazione dei prodotti in grado di operare simultaneamente in più lingue.
Negli ultimi anni, sottolinea l’azienda, il settore moda si è ampiamente trasformato, e oggi la sua componente digitale rappresenta una delle aree tecnologicamente più avanzate nel mondo dell’ecommerce. Di conseguenza, le piattaforme online sono aumentate per rispondere alle esigenze di quei consumatori che vogliono essere sempre al passo con i tempi, ma anche beneficiare degli strumenti automatizzati che il mondo ”fisico” ha messo a disposizione per anni.
Tuttavia, con una moltitudine di prodotti in offerta e migliaia di e-shop appartenenti a questo settore, può essere difficile per gli utenti trovare ciò che stanno cercando in modo semplice e veloce.
Per organizzare articoli provenienti da diverse fonti, è fondamentale comprendere sia le informazioni visive che quelle testuali relative ai prodotti. Per questo motivo, LAM, il sistema di elaborazione di STILEO, sfrutta una tecnologia chiave chiamata Transformer, la stessa che alimenta ChatGPT, per individuare le caratteristiche dei prodotti attraverso l’elaborazione del linguaggio naturale (la capacità dei computer di comprendere il linguaggio umano) e la computer vision (la capacità dei computer di interpretare le immagini).
Inoltre, le capacità multilingue di LAM consentono di ridurre gli errori anche nei mercati più piccoli, di diminuire il numero di modelli di apprendimento automatico necessari e di abbreviare i tempi di espansione in nuovi Paesi, un obiettivo di grande importanza per molte aziende che operano nel settore dell’ecommerce.
Grazie all’applicazione di LAM, afferma l’azienda, STILEO è stata in grado di ridurre la percentuale di articoli non catalogati ad appena l’1%, diminuendo al contempo la quantità di interventi di manutenzione professionali per ogni caratteristica standardizzata del prodotto. Inoltre, grazie alla sua variegata e potente configurazione, LAM è più robusto, il che consente di automatizzare i feed degli e-shop con prodotti anomali.
Oggi, LAM viene impiegato per riconoscere più di 130 caratteristiche di prodotto, ad esempio la scollatura a V o il motivo floreale, e il team IA di GLAMI sta ottimizzando l’utilizzo delle risorse del cloud e l’infrastruttura di base per continuare a offrire una navigazione fluida e agevole a tutti i clienti di STILEO.it.
“In GLAMI, dal 2015 utilizziamo la tecnologia di apprendimento automatico per fornire ai consumatori la migliore esperienza possibile in materia di ricerca di articoli fashion. Ora STILEO.it offre l’opportunità ai clienti italiani ma anche agli e-shop del settore moda di beneficiare della tecnologia di intelligenza artificiale. La tecnologia IA continua ad evolversi, e prevediamo l’emergere di funzionalità sempre più avanzate, che renderanno le esperienze dei clienti ancora più accessibili e piacevoli.
Aiutiamo le aziende ad includere queste tecnologie emergenti e a diventare leader nel mercato, trasformando il modo in cui facciamo acquisti e interagiamo con le piattaforme di ecommerce“, ha commentato Václav Košař, ML Engineer, Merlin Lead GLAMI Group.
Oltre a migliorare la propria piattaforma, GLAMI.group contribuisce anche alla community dell’intelligenza artificiale e in generale a quella dell’open source. Ad esempio, in occasione della British Machine Learning Conference del 2022, il team ha pubblicato una parte del catalogo come benchmark di classificazione open source multilingue e multimodale. L’anno successivo è stato realizzato un workshop didattico e pratico per questo set di dati, che ha dimostrato in maniera concreta l’ampia gamma in cui esso si può applicare, tra cui la generazione di immagini di prodotti.
