En Inditex buscamos ofrecer la mejor propuesta de moda y las mejores experiencias a nuestros clientes, y lo hacemos de la mano de la Tecnología. ¿Cómo lo hacemos? Nos apoyamos en data y IA para analizar y optimizar procesos, mejorar la eficiencia, y proporcionar recomendaciones precisas, entre otras cosas.

En el ámbito del e-commerce, es fundamental crear una experiencia única. Esto implica ofrecer recomendaciones personalizadas, reducir el tiempo de búsqueda y priorizar los gustos y deseos de nuestros clientes. Por tanto, construir outfits de calidad y asegurarnos de que cada conjunto sea adecuado para cada cliente es esencial en nuestros sistemas de recomendación de moda.

Conceptualmente, un outfit es una colección armónica de prendas de distintas categorías. La compatibilidad de un outfit evalúa si los múltiples ítems combinan adecuadamente en términos de aspecto visual, estilo, color, etc. No obstante, no es un cálculo sencillo debido a su implicación subjetiva, las numerosas variables y categorías, y la interrelación entre ellas.

Hasta ahora el proceso de generación de un outfit era manual, costoso y dependía en gran medida del conocimiento de expertos en moda, lo que dificultaba su escalabilidad. La solución propuesta consiste en un sistema de recomendación de moda que emplea modelos de deep learning. Estos modelos modelan y predicen la compatibilidad de los looks, con la capacidad de generar conjuntos completos a partir de prendas iniciales.

Nuestro enfoque aplica tanto redes CNN como arquitecturas Transformer modernas. Con ellas conseguimos tratar el problema no solo como una tarea de clasificación binaria, sino como un problema de regresión, proporcionando puntuaciones de compatibilidad más detalladas, siendo capaces de detectar las prendas incorrectas que devalúan el outfit.

En esta presentación hablaremos sobre :
La solución y cómo hemos conseguido la puesta en producción en nuestros e-commerce, con millones de peticiones por minuto. Siendo Python el lenguaje de desarrollo.

También debatiremos sobre aspectos críticos como la escalabilidad, latencia, e integración continua de modelo con dichas capacidades. Permitiendo así una experiencia de usuario única, logrando la compatibilidad y consistencia de las recomendaciones.

La presentación será accesible para una amplia audiencia, ya que no requerirá de un profundo conocimiento técnico previo. No obstante, se recomienda tener cierta familiaridad con los conceptos básicos de inteligencia artificial para aprovechar al máximo la sesión.