{"id":682233,"date":"2025-06-23T17:09:55","date_gmt":"2025-06-23T16:09:55","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=682233"},"modified":"2025-12-16T16:54:53","modified_gmt":"2025-12-16T16:54:53","slug":"adeo-improving-product-referencing-speed-and-quality-with-ai","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/es\/cases\/adeo-improving-product-referencing-speed-and-quality-with-ai\/","title":{"rendered":"<span class=\"highlight\">ADEO<\/span> ADEO: mejora de la rapidez y la calidad en la referencia de productos con AI"},"content":{"rendered":"<p>Unas fichas de producto claras y precisas son esenciales para ofrecer una gran experiencia al cliente y garantizar el rendimiento de un sitio de comercio electr\u00f3nico. ADEO, la empresa matriz de Leroy Merlin, est\u00e1 integrando artificial intelligence (IA) para <strong>transformar sus procesos de gesti\u00f3n de productos data<\/strong>, que se hab\u00eda vuelto demasiado compleja y lenta. Desde la recogida de informaci\u00f3n de los proveedores hasta el enriquecimiento de los atributos de los productos, cada paso se est\u00e1 redise\u00f1ando para ganar en fluidez, rapidez y precisi\u00f3n.<\/p>\n<p>Estas ideas fueron compartidas por Anthony Pierson, L\u00edder de Dominio Digital en ADEO Service, Fran\u00e7ois Cr\u00e9pin, L\u00edder de Producto Digital en Incubate Conseil, y Guillaume L\u00e9ger, Socio y L\u00edder de Producto en Artefact, durante la feria Tech for Retail.<\/p>\n<p style=\"text-align: center;\">Vea la conferencia Tecnolog\u00eda para el comercio minorista<\/p>\n<p style=\"text-align: center;\"><iframe title=\"Reproductor de v\u00eddeo de YouTube\" src=\"https:\/\/www.youtube.com\/embed\/Mew32I2yJ1Q?si=uglEPZllP3OCxaz4\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<h2>El reto: acabar con los procesos lentos y propensos a errores<\/h2>\n<p>En ADEO, <strong>producto data gesti\u00f3n<\/strong> se hab\u00eda vuelto demasiado <strong>complejo<\/strong>. Los proveedores, los principales contribuyentes, y los equipos centrales de las marcas rellenaban manualmente la informaci\u00f3n sobre los productos con mayor frecuencia.<\/p>\n<p>Como resultado, el producto data proporcionado era a menudo incompleto o incoherente (categor\u00eda err\u00f3nea, atributos ausentes o incorrectos), mientras que los empleados dedicaban un tiempo considerable a corregir manualmente la informaci\u00f3n. Por lo tanto, el cliente final se enfrentaba a una experiencia de b\u00fasqueda y navegaci\u00f3n dif\u00edcil o incluso incoherente.<\/p>\n<p>Estas ineficiencias tienen consecuencias directas:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>P\u00e9rdida significativa de ingresos<\/strong>: Las fichas de producto incompletas pueden reducir las conversiones del comercio electr\u00f3nico hasta en un 50%.<\/li>\n<li aria-level=\"1\"><strong>Da\u00f1o a la imagen de marca<\/strong>: Casi 87% de los usuarios en l\u00ednea pierden la confianza en una marca cuando el contenido del producto se considera insatisfactorio.<\/li>\n<\/ul>\n<blockquote><p>\u201cPara que los clientes encuentren f\u00e1cilmente nuestros productos y se beneficien de la informaci\u00f3n pertinente, el data debe estar completo y ser de alta calidad. Cualquier error u omisi\u00f3n en la elaboraci\u00f3n del data se paga inmediatamente\u201d.\u201d<br \/>\nAnthony Pierson, L\u00edder de Dominio Digital en ADEO<\/p><\/blockquote>\n<h2>La soluci\u00f3n: La IA al servicio del producto data<\/h2>\n<p>Tras el \u00e9xito de las pruebas iniciales en un \u00e1mbito de productos limitado pero significativo, ADEO ha dado el siguiente paso: recopilar el data en bruto de los proveedores y estructurarlo mediante el artificial intelligence, integrado directamente en el proceso de registro de productos. El Grupo se asoci\u00f3 con Artefact para desarrollar soluciones capaces de automatizar la clasificaci\u00f3n de productos y la extracci\u00f3n de atributos.<\/p>\n<h3>1. Clasificaci\u00f3n autom\u00e1tica de productos<\/h3>\n<p>La rica y compleja estructura data de ADEO est\u00e1 organizada en tres niveles:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Categor\u00edas de productos<\/strong>: 3.600 categor\u00edas distintas.<\/li>\n<li aria-level=\"1\"><strong>Atributos del producto<\/strong>: Una media de 50 a 60 caracter\u00edsticas por producto, seleccionadas de una biblioteca de 11.000 atributos.<\/li>\n<li aria-level=\"1\"><strong>Valores asociados<\/strong>: M\u00e1s de 85.000 valores en todos los atributos.<\/li>\n<\/ul>\n<p>Para mejorar la experiencia del usuario, el primer paso es permitir que la IA <strong>clasificar autom\u00e1ticamente el producto data<\/strong> utilizando el aprendizaje autom\u00e1tico.<\/p>\n<p>\u00bfC\u00f3mo? El algoritmo, un modelo DistilBERT afinado y entrenado sobre el producto certificado data, analiza los t\u00edtulos y descripciones proporcionados por los proveedores para identificar la categor\u00eda del producto entre las 3.600 opciones posibles.<\/p>\n<p>A cada categor\u00eda se le asigna un <strong>puntuaci\u00f3n de confianza del algoritmo<\/strong>, basado en el rendimiento medido en el pasado, que determina el nivel adecuado de automatizaci\u00f3n:<\/p>\n<ul>\n<li aria-level=\"1\">Las puntuaciones de confianza elevadas dan lugar a una clasificaci\u00f3n autom\u00e1tica que se pasa directamente a un empleado para su validaci\u00f3n.<\/li>\n<li aria-level=\"1\">Las puntuaciones intermedias est\u00e1n semivalidadas: Los productos se preseleccionan autom\u00e1ticamente, pero la verificaci\u00f3n data sigue siendo manual.<\/li>\n<li aria-level=\"1\">Las puntuaciones bajas requieren la intervenci\u00f3n total de los empleados.<\/li>\n<\/ul>\n<blockquote><p>\u201cEl algoritmo realiz\u00f3 unas 32.000 predicciones, m\u00e1s de 20.000 de ellas totalmente automatizadas. Conseguimos m\u00e1s de 96% de precisi\u00f3n, con una tasa de error de 3,6%. En comparaci\u00f3n, las tasas de error humano rondan los 8%\u201d.\u201d<br \/>\nFran\u00e7ois Cr\u00e9pin, Jefe de Producto Digital en ADEO<\/p><\/blockquote>\n<h3>2. Extracci\u00f3n automatizada de atributos<\/h3>\n<p>Tras la clasificaci\u00f3n, la IA extrae autom\u00e1ticamente los atributos clave del producto, como el color, el material y las dimensiones. Esta extracci\u00f3n tambi\u00e9n se basa en la informaci\u00f3n bruta del proveedor data, guiada por la clasificaci\u00f3n. Este paso utiliza una versi\u00f3n de Gemini, el LLM estrella desarrollado por Google Cloud.<\/p>\n<p>Cada predicci\u00f3n se somete a un paso de autoverificaci\u00f3n, en el que un LLM juzga si el atributo predicho es relevante. Despu\u00e9s de esto, los usuarios pueden validar o rechazar la extracci\u00f3n del algoritmo. Este enfoque garantiza valores precisos al tiempo que mantiene un proceso \u00e1gil para los proveedores, que siguen siendo responsables de la informaci\u00f3n facilitada.<\/p>\n<h2>Resultados concretos y alentadores: Precisi\u00f3n, adopci\u00f3n, conversi\u00f3n<\/h2>\n<p>Tras m\u00faltiples iteraciones sobre la extracci\u00f3n de atributos, la llegada de la IA generativa ha reducido significativamente las tasas de error y ha ofrecido resultados s\u00f3lidos, acelerando la adopci\u00f3n de soluciones:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Mayor precisi\u00f3n<\/strong>: 63% de productos alcanzan ahora una precisi\u00f3n superior a 96%.<\/li>\n<li aria-level=\"1\"><strong>Automatizaci\u00f3n eficaz<\/strong>: El procesamiento Data se automatiza con una reducci\u00f3n 35% de los errores.<\/li>\n<li aria-level=\"1\"><strong>Adopci\u00f3n acelerada<\/strong>: La tramitaci\u00f3n se agiliza, lo que permite a los equipos internos centrarse en tareas de mayor valor a\u00f1adido.<\/li>\n<li aria-level=\"1\"><strong>Impacto comercial<\/strong>: Unas fichas de producto enriquecidas y fiables mejoran las tasas de conversi\u00f3n en l\u00ednea.<\/li>\n<\/ul>\n<blockquote><p>\u201cLa estrecha colaboraci\u00f3n entre ADEO y Artefact reuni\u00f3 toda la experiencia de data, de negocio y de producto en torno a un peque\u00f1o alcance inicial, rigurosamente medido, para convencer a la organizaci\u00f3n y permitir el despliegue hoy en otras filiales del grupo.\u201d<br \/>\nGuillaume L\u00e9ger, socio de Artefact<\/p><\/blockquote>\n<h2>Factores clave del \u00e9xito de esta colaboraci\u00f3n:<\/h2>\n<p>Este \u00e9xito se basa en varias palancas esenciales:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Gesti\u00f3n proactiva del cambio<\/strong>: A lo largo del desarrollo, los empleados participaron en sesiones de concienciaci\u00f3n sobre la IA para garantizar la adopci\u00f3n y facilitar la integraci\u00f3n de las nuevas pr\u00e1cticas.<\/li>\n<li aria-level=\"1\"><strong>Enfoque orientado al MVP (Producto M\u00ednimo Viable)<\/strong>: Centrarse primero en un \u00e1mbito limitado permiti\u00f3 iteraciones r\u00e1pidas, demostrando el valor a toda la organizaci\u00f3n antes de refinar las soluciones y mejorar el rendimiento.<\/li>\n<li aria-level=\"1\"><strong>Evaluaci\u00f3n industrializada de la IA<\/strong>: Se invirti\u00f3 un tiempo considerable en un proceso de evaluaci\u00f3n riguroso y en gran medida automatizado para garantizar la pertinencia a largo plazo de los resultados.<\/li>\n<li aria-level=\"1\"><strong>Un equipo h\u00edbrido y multidisciplinar<\/strong>: El proyecto reuni\u00f3 a expertos en IA, propietarios de productos centrados en la IA y equipos empresariales y de TI.<\/li>\n<\/ul>\n<p>Artefact aport\u00f3 su experiencia desde el principio desplegando especialistas en IA en aspectos tecnol\u00f3gicos y de producto junto a los equipos de negocio y de TI de ADEO, tanto a nivel del Grupo como de las filiales a nivel internacional.<\/p>\n<h2>\u00bfY ahora qu\u00e9? Pasos futuros<\/h2>\n<p>Sobre la base de este \u00e9xito, ADEO planea m\u00e1s innovaciones para seguir mejorando la experiencia del cliente y optimizando su cat\u00e1logo de productos, como:<\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li aria-level=\"1\">Documentaci\u00f3n de producto enriquecida, dise\u00f1ada para apoyar a los clientes de forma m\u00e1s completa.<\/li>\n<li aria-level=\"1\">Creaci\u00f3n de contenidos visuales de tipo estudio para obtener fichas de producto m\u00e1s atractivas y coherentes.<\/li>\n<li aria-level=\"1\">Diagn\u00f3stico semiautomatizado de productos para el servicio posventa con el fin de reforzar la satisfacci\u00f3n del cliente a largo plazo.<\/li>\n<\/ul>\n<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Unas fichas de producto claras y precisas son esenciales para ofrecer una gran experiencia al cliente y garantizar el rendimiento de un sitio de comercio electr\u00f3nico. ADEO, la empresa matriz de Leroy Merlin, est\u00e1 integrando artificial intelligence (IA) para transformar sus procesos de gesti\u00f3n de productos data, que se hab\u00edan vuelto demasiado complejos y lentos. Desde la recogida de informaci\u00f3n de los proveedores hasta el enriquecimiento de los atributos de los productos, cada paso se est\u00e1 redise\u00f1ando para ganar en fluidez, rapidez y precisi\u00f3n.<\/p>","protected":false},"featured_media":1059217,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[91],"class_list":["post-682233","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-retail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/cases\/682233","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1059217"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=682233"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/categories?post=682233"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}