Amazon, la eficiencia de un gran imperio, lograda gracias al enfoque dado al aprendizaje automático

Pedro Luis Martín Olivares – Los documentos emitidos por Amazon son famosos escritos que solo poseen 6 páginas. Es bien conocido que los ejecutivos de este gigante deben escribir uno cada año, estableciendo su plan de negocios; sin embargo, desconocen que estas misivas siempre deben responder a una pregunta en particular: ¿cómo planea utilizar el aprendizaje automático?.

El aprendizaje automático es una forma de inteligencia artificial (IA) que extrae datos de patrones que pueden usarse para hacer predicciones. Todo comenzó en 1999, cuando Jeff Wilke se unió a la firma. Wilke, quien hoy ocupa el segundo puesto al mando de Jeff Bezos, formó un equipo de científicos para estudiar los procesos internos de Amazon con el fin de mejorar su eficiencia. Convirtió sus fondos en unidades de negocios, convirtiendo un ciclo de autoevaluación y mejora en el patrón predeterminado. Pronto el ciclo involucró algoritmos de aprendizaje automático. El primero recomendaba libros que les gustaría a los clientes. A medida que crecieron las ambiciones de Bezos, también creció la importancia de las ideas automatizadas.

Sin embargo, mientras que sus colegas titanes tecnológicos hacen alarde de su destreza en IA en cada oportunidad (el software de reconocimiento facial de Facebook, el asistente digital Siri de Apple o los autos de conducción automática de Alphabet y el reproductor maestro), Amazon ha adoptado un enfoque más discreto para el aprendizaje automático. Su Alexa compite con Siri y la compañía ofrece servicios predictivos en su nube. Pero los algoritmos más críticos para el éxito de la empresa son aquellos que utiliza para optimizar constantemente sus propias operaciones. El circuito de comentarios tiene el mismo aspecto que en su IA orientado al consumidor: cree un servicio, atraiga clientes, recopile datos y permita que las computadoras aprendan de estos datos, todo a una escala que la mano de obra humana no podría realizar.

Los algoritmos del señor Porter

Considere los centros de cumplimiento de Amazon. Estos vastos almacenes, más de 100 en América del Norte y más de 60 en todo el mundo, son el corazón de su negocio de compras en línea por 207.000 millones de dólares. Almacenan y despachan los bienes que vende Amazon. Dentro de uno, en las afueras de Seattle, los paquetes se lanzan a lo largo de las cintas transportadoras a la velocidad de un ciclomotor. El ruido es ensordecedor, y la instalación parece estar desprovista de humanos. En su lugar, dentro de un área cercada del tamaño de un campo de fútbol, ​​se encuentran miles de estanterías amarillas con forma de cubo, cada una de seis pies (1,8 metros) de altura. Amazon los llama pods. Cientos de robots los meten dentro y fuera de las filas ordenadas, se deslizan debajo de ellos y los arrastran. La pasta de dientes, los libros y los calcetines se apilan de una manera que parece aleatoria para un observador humano. Sin embargo, a través de la lente de los algoritmos que guían el proceso, todo tiene un sentido supremo.

Trabajadores humanos, o “asociados” en la empresa, se ubican en los huecos de la cerca que rodea a este “campo de robots”. Algunos escogen artículos de vainas traídas por un robot; otros empacan los artículos en vainas vacías, para ser arrastrados y almacenados. Cada vez que escogen o colocan un artículo, escanean el producto y el estante correspondiente con un lector de códigos de barras, para que el software pueda realizar un seguimiento.

El encargado de desarrollar estos algoritmos es Brad Porter, el principal robotista de Amazon. Su equipo es el escuadrón de optimización de Wilke para centros de cumplimiento.  Porter presta atención a las «brechas de la cápsula», o la cantidad de tiempo que los trabajadores humanos tienen que esperar antes de que un robot arrastre una cápsula a su estación. Las brechas menores significan menos tiempo de inactividad para el trabajador humano, un flujo más rápido de mercancías a través del almacén y, en última instancia, una entrega más rápida de Amazon a su puerta. El equipo de Porter está experimentando constantemente con nuevas optimizaciones, pero las lanza con precaución. Los atascos en el campo de robots pueden ser infernales.

Amazon Web Services (AWS) es la otra pieza de la infraestructura central. Respalda el negocio de computación en la nube de Amazon por $ 26 mil millones, que permite a las empresas alojar sitios web y aplicaciones sin servidores propios.

El uso principal del aprendizaje automático de AWS es pronosticar la demanda de cómputo. Una potencia de computación insuficiente a medida que los usuarios de Internet acuden en masa al servicio de un cliente puede generar errores, y pérdidas de ventas a medida que los usuarios encuentran páginas de error. «No podemos decir que estamos agotados», dice Andy Jassy, ​​el jefe de AWS. Para garantizar que nunca tengan que hacerlo, el equipo de Jassy analiza los datos de los clientes. Amazon no puede ver lo que está alojado en sus servidores, pero puede controlar la cantidad de tráfico que recibe cada uno de sus clientes, la duración de las conexiones y la solidez de las conexiones. Al igual que en sus centros de cumplimiento, estos metadatos alimentan modelos de aprendizaje automático que predicen cuándo y dónde AWS verá la demanda.

Uno de los mayores clientes de AWS es el propio Amazon. Y una de las principales cosas que otras empresas de Amazon quieren son las predicciones. La demanda es tan alta que ha diseñado un nuevo chip, llamado Inferentia, para manejar estas tareas. Jassy dice que Inferentia le ahorrará dinero a Amazon en todas las tareas de aprendizaje de la máquina que necesita ejecutar para mantener las luces encendidas, así como para atraer a los clientes a sus servicios en la nube. «Creemos que puede ser al menos una mejora de orden de magnitud en costo y eficiencia», dice. Los algoritmos que reconocen las voces y comprenden el lenguaje humano en Alexa serán un gran beneficiario.

La última empresa algorítmica de la empresa es Amazon Go, una tienda de comestibles sin caja. Un banco de cientos de cámaras mira a los compradores desde arriba, convirtiendo los datos visuales en un perfil 3D que se utiliza para rastrear las manos y los brazos mientras manejan un producto. El sistema ve qué artículos recogen los compradores y los factura a su cuenta de Amazon cuando salen de la tienda. Dilip Kumar, el jefe de Amazon Go, destaca que el sistema está siguiendo los movimientos de los cuerpos de los compradores. No está utilizando el reconocimiento facial para identificarlos y vincularlos con su cuenta de Amazon, dice. En su lugar, esto se hace deslizando un código de barras en la puerta. El sistema atribuye las acciones subsiguientes de ese perfil 3D a la cuenta de Amazon pasada. Es una oda al aprendizaje automático, procesando datos de cientos de cámaras para determinar lo que un comprador toma. Por más que lo intentara, su interlocutor no podía engañar al sistema y robar un artículo.

Adecuado para el propósito

IA body-tracking también está apareciendo dentro de los centros de cumplimiento. La empresa tiene un proyecto piloto, denominado internamente el sistema «Detección de Intención de Nike», que hace que el centro de cumplimiento asocie lo que Amazon Go hace a los compradores: rastrea lo que escogen y colocan en los estantes. La idea es deshacerse del lector de códigos de barras de mano. Este escaneo manual lleva tiempo y es una molestia para los trabajadores. Idealmente, podrían colocar los artículos en cualquier estante que les guste, mientras el sistema observa y realiza un seguimiento. Como siempre, el objetivo es la eficiencia, maximizando la velocidad a la que fluyen los productos. «Se siente muy natural para los asociados», dice Porter.

El enfoque cuidadoso de Amazon para la recolección de datos lo ha aislado de parte del escrutinio que Facebook y Google han enfrentado recientemente de los gobiernos. Amazon recopila y procesa los datos de los clientes con el único propósito de mejorar la experiencia de sus clientes. No opera en el área gris entre usuarios y clientes satisfactorios. Los dos a menudo son distintos: las personas obtienen medios sociales o realizan búsquedas gratuitas porque los anunciantes pagan a Facebook y Google para acceder a los usuarios. Para Amazon, en su mayoría son una y la misma (aunque está jugando con las ventas de anuncios). Donde los reguladores plantean preocupaciones es sobre el dominio de Amazon en su negocio principal de compras en línea y computación en la nube. Este poder ha sido construido sobre el aprendizaje de la máquina.

Sabías que puedes leer este artículo  y otros en Telegram

Pedro Luis Martín Olivares
Economía y Finanzas