En Marvik, hemos tenido la oportunidad de trabajar en estrecha colaboración con Rappi en una serie de iniciativas impulsadas por la inteligencia artificial destinadas a abordar los desafíos estratégicos de toda la empresa. Nuestros esfuerzos conjuntos más recientes se centraron en tres áreas principales: mejorar la experiencia del usuario, mejorar el rendimiento de las entregas y apoyar el crecimiento del negocio de los restaurantes.

Cada proyecto se diseñó con un objetivo claro en mente:

• Búsqueda y recomendaciones impulsadas por IA: Su objetivo es mejorar la experiencia de los usuarios finales mediante el uso del aprendizaje automático y el procesamiento del lenguaje natural para ayudarlos a descubrir y encontrar exactamente lo que buscan, de forma más rápida e intuitiva.
• IA de agencia para el crecimiento de las tiendas: Desarrollado para brindar a los socios comerciales de Rappi información práctica y estrategias personalizadas para hacer crecer sus negocios, aumentar la visibilidad e impulsar los ingresos.
• IA para la eficiencia del servicio de mensajería: Se centró en proporcionar herramientas basadas en datos y una orientación operativa mejorada basada en los comentarios sobre las entregas, para ayudar a reducir las cancelaciones de pedidos y optimizar las rutas de entrega, mejorando tanto la eficiencia como la satisfacción de los usuarios.

Al combinar el aprendizaje automático de vanguardia, los modelos lingüísticos de gran tamaño, la visión artificial, los agentes y la automatización, estas soluciones reducen el trabajo manual, proporcionan información empresarial valiosa y permiten tomar decisiones más inteligentes en todo el ecosistema de Rappi. Estos proyectos destacan cómo la IA aplicada puede generar resultados escalables y medibles cuando se alinea con las necesidades operativas reales.

Los desafíos

• Crecimiento y visibilidad para los propietarios de restaurantes: Muchos socios de restaurantes carecían de visibilidad sobre el desempeño de sus negocios y no tenían un camino claro para impulsar el crecimiento. Los equipos internos también dedicaban mucho tiempo a analizar los datos de forma manual, lo que restringía la escalabilidad.
• Eficiencia de entrega: Los clientes a menudo se enfrentaban a ubicaciones de tiendas inexactas, instrucciones de entrega inconsistentes y validaciones manuales que consumían mucho tiempo, lo que afectaba a la velocidad de entrega y a la satisfacción del cliente.
• Accesibilidad de los datos: Los usuarios empresariales necesitaban una forma más intuitiva y fácil de usar de explorar y aprovechar los datos internos, sin depender del soporte técnico.
• Optimización de la experiencia del usuario: Mejorar la experiencia del usuario final era esencial, desde reducir los tiempos de espera y las incertidumbres de entrega hasta brindar una asistencia más inteligente durante el proceso de búsqueda, ayudando a los usuarios a encontrar lo que necesitan de manera más rápida y precisa.
• Reducir las cancelaciones y retrasos de pedidos: Ayudamos a los restaurantes a optimizar sus operaciones para reducir los largos tiempos de espera y minimizar el riesgo de pedidos no entregados o cancelados, lo que mejora la confiabilidad de la plataforma para todos los usuarios.

Las soluciones

• Sistema de IA agentic para el crecimiento de los comerciantes: Creamos un sistema basado en LLM capaz de entender las consultas de los comerciantes, generar planes de análisis, ejecutar esos análisis y ofrecer información procesable en tiempo real. El objetivo del sistema es mejorar las métricas clave, como la tasa de conversión, el valor promedio de los pedidos, la retención de clientes y el tiempo de resolución del servicio de atención a los comerciantes.
  • Está equipado con herramientas como la conversión de texto a SQL, la generación de gráficos dinámicos, el análisis de datos tabulares y la memoria conversacional para gestionar las preguntas de seguimiento.
  • Estos análisis se mostraron a los comerciantes en el sitio web de Rappi, donde se mostraban elementos dinámicos como tablas y gráficos en los chats.
• Modelos de LLM y visión computarizada para operaciones de pasajeros: Aplicamos el aprendizaje automático y la visión artificial para:
  • Mejore la precisión de la ubicación de la tienda utilizando los datos históricos de llegadas de los pasajeros.
  • Estandarice las instrucciones de entrega mediante resúmenes generados por LLM. ○ Automatice la validación de las fotos subidas por los pasajeros para mejorar la experiencia general y reducir las compensaciones proactivas (por ejemplo, el cierre de la tienda o el comprobante de entrega).
• LLM y modelos secuenciales para una búsqueda más inteligente y una personalización de compras: Hemos hecho que a los usuarios les resulte más fácil encontrar lo que necesitan (y descubrir más) mediante la aplicación de modelos de IA avanzados como LlAMA:
  • Descubrimiento acelerado de productos mediante chips inteligentes que muestran filtros y sugerencias relevantes en función de los atributos del producto extraídos, lo que ayuda a los usuarios a refinar su búsqueda con solo un toque
  • Mayor relevancia de las recomendaciones mediante el análisis de los carritos de compra para detectar la intención del usuario y sugerir productos complementarios alineados con su misión actual.
  • Ayudó a los usuarios a completar sus cestas con modelos predictivos que anticipan lo que es probable que compren a continuación, lo que ha abierto nuevas oportunidades de venta cruzada

Impacto y beneficios

• Productividad: Los equipos no técnicos obtuvieron un acceso más rápido a la información, lo que redujo significativamente las tareas repetitivas para los analistas internos.
• Cancelación de pedidos y reducción proactiva de la compensación: Los pasajeros dedican menos tiempo a solucionar los errores, lo que se traduce en tasas más altas de éxito de entrega en el primer intento y menos solicitudes de soporte debido a problemas como la falta de comprobantes de entrega o el cierre de tiendas.
• Habilitación del crecimiento: Los socios comerciales recibieron recomendaciones consistentes y respaldadas por datos para optimizar los anuncios, las promociones y las operaciones.
• Escalabilidad: Todas las soluciones se diseñaron en arquitecturas modulares y fáciles de mantener que pueden ampliarse en equipos, mercados y casos de uso futuros.

Por qué es importante

A medida que las plataformas bajo demanda aumentan en complejidad, la capacidad de ofrecer experiencias personalizadas, escalables y eficientes se vuelve fundamental. Este proyecto demuestra cómo la IA aplicada puede ir más allá de la experimentación para ofrecer un impacto empresarial real y sostenido.

Al integrar la IA en las operaciones principales, desde la optimización de la búsqueda y la entrega hasta el soporte a los comerciantes, Rappi ha fortalecido su agilidad, ha mejorado la satisfacción de los usuarios y ha permitido estrategias de crecimiento más inteligentes. Es un claro ejemplo de cómo la IA no es solo una herramienta para la innovación, sino que se ha convertido en la infraestructura fundamental del comercio electrónico.

Mirando hacia el futuro

Creemos que esto es solo el principio. Los mismos sistemas de IA que se utilizan hoy en día para mejorar las operaciones tienen el potencial de convertirse en agentes autónomos que tomen decisiones empresariales proactivas, mejoren la hiperpersonalización y optimicen la coordinación en todo el ecosistema de Rappi, al tiempo que mantienen los estándares de marca y contenido.

Con esta sólida base, Rappi está bien posicionada para seguir superando los límites y escalar de manera más inteligente, rápida y eficiente.