Na Marvik, tivemos a oportunidade de trabalhar em estreita colaboração com a Rappi em uma série de iniciativas orientadas por IA com o objetivo de enfrentar os desafios estratégicos em toda a empresa. Nossos esforços conjuntos mais recentes se concentraram em três áreas principais: aprimorar a experiência do usuário, melhorar o desempenho de entrega e apoiar o crescimento dos negócios de restaurantes.

Cada projeto foi projetado com um objetivo claro em mente:

• Pesquisa e recomendações baseadas em IA: O objetivo é melhorar a experiência dos usuários finais usando aprendizado de máquina e processamento de linguagem natural para ajudá-los a descobrir e encontrar exatamente o que estão procurando, de forma mais rápida e intuitiva.
• IA agente para o crescimento das lojas: Desenvolvido para oferecer aos parceiros comerciais da Rappi insights acionáveis e estratégias personalizadas para expandir seus negócios, aumentar a visibilidade e gerar receita.
• IA para eficiência de correio: Focado em fornecer ferramentas baseadas em dados e orientação operacional aprimorada com base no feedback de entrega, para ajudar a reduzir os cancelamentos de pedidos e otimizar as rotas de entrega, melhorando a eficiência e a satisfação do usuário.

Ao combinar aprendizado de máquina de ponta, grandes modelos de linguagem, visão computacional, agentes e automação, essas soluções reduzem o trabalho manual, fornecem informações comerciais valiosas e permitem uma tomada de decisão mais inteligente em todo o ecossistema Rappi. Esses projetos destacam como a IA aplicada pode gerar resultados escaláveis e mensuráveis quando alinhada às necessidades operacionais reais.

Os desafios

• Crescimento e visibilidade para proprietários de restaurantes: Muitos restaurantes parceiros não tinham visibilidade do desempenho de seus negócios e não tinham um caminho claro para impulsionar o crescimento. As equipes internas também passaram um tempo significativo analisando dados manualmente, restringindo a escalabilidade.
• Eficiência de entrega: Os passageiros geralmente enfrentavam localizações imprecisas das lojas, instruções de entrega inconsistentes e validações manuais demoradas, afetando a velocidade de entrega e a satisfação do cliente.
• Acessibilidade de dados: Os usuários corporativos precisavam de uma forma mais intuitiva e fácil de usar de explorar e aproveitar os dados internos, sem depender do suporte técnico.
• Otimização da experiência do usuário: Melhorar a experiência do usuário final era essencial, desde reduzir os tempos de espera e as incertezas de entrega até fornecer assistência mais inteligente durante o processo de busca, ajudando os usuários a encontrar o que precisam com mais rapidez e precisão.
• Reduzindo cancelamentos e atrasos de pedidos: Ajudando restaurantes a otimizar suas operações para reduzir os longos tempos de espera e minimizar o risco de pedidos não entregues ou cancelados, melhorando a confiabilidade da plataforma para todos os usuários.

As soluções

• Sistema Agentic AI para o crescimento do comerciante: Criamos um sistema baseado em LLM capaz de entender as consultas dos comerciantes, gerar planos de análise, executar essas análises e fornecer insights acionáveis em tempo real. O sistema visa melhorar as principais métricas, como taxa de conversão, valor médio do pedido, retenção de clientes e tempo de resolução do suporte ao comerciante.
  • Ele é equipado com ferramentas como texto para SQL, geração dinâmica de gráficos, análise de dados tabulares e memória conversacional para lidar com perguntas complementares.
  • Essas análises foram mostradas aos comerciantes no site da Rappi, onde elementos dinâmicos, como tabelas e gráficos, foram mostrados nos bate-papos.
• Modelos de LLMs e Visão Computacional para operações de passageiros: Aplicamos aprendizado de máquina e visão computacional para:
  • Melhore a precisão da localização da loja usando dados históricos de chegada de passageiros.
  • Padronize as instruções de entrega usando resumos gerados pelo LLM. ○ Automatize a validação das fotos enviadas pelos passageiros para melhorar a experiência geral e reduzir as compensações proativas (por exemplo, loja fechada ou comprovante de entrega).
• LLMs e modelos sequenciais para pesquisa mais inteligente e personalização de compras: Facilitamos que os usuários encontrem o que precisam — e descubram mais — aplicando modelos avançados de IA, como o LLama:
  • Descoberta acelerada de produtos por meio de chips inteligentes que exibem filtros e sugestões relevantes com base nos atributos extraídos do produto, ajudando os usuários a refinar sua pesquisa com apenas um toque
  • Maior relevância das recomendações ao analisar carrinhos de compras para detectar a intenção do usuário e sugerir produtos complementares alinhados com sua missão atual.
  • Ajudou os usuários a completar suas cestas com modelos preditivos que antecipam o que eles provavelmente comprarão a seguir, abrindo novas oportunidades de venda cruzada

Impacto e benefícios

• Produtividade: Equipes não técnicas obtiveram acesso mais rápido aos insights, reduzindo significativamente as tarefas repetitivas dos analistas internos.
• Cancelamento do pedido e redução proativa da compensação: Os passageiros passam menos tempo enfrentando erros, o que resulta em maiores taxas de sucesso na primeira tentativa de entrega e menos solicitações de suporte devido a problemas como falta de comprovante de entrega ou fechamento de lojas.
• Capacitação do crescimento: Os parceiros comerciais receberam recomendações consistentes e baseadas em dados para otimizar anúncios, promoções e operações.
• Escalabilidade: Todas as soluções foram projetadas em arquiteturas modulares e sustentáveis que podem ser expandidas entre equipes, mercados e casos de uso futuros.

Por que isso importa

À medida que as plataformas sob demanda crescem em complexidade, a capacidade de oferecer experiências personalizadas, escaláveis e eficientes se torna fundamental. Este projeto demonstra como a IA aplicada pode ir além da experimentação para gerar um impacto comercial real e sustentado.

Ao incorporar a IA às principais operações, desde a otimização de pesquisa e entrega até o suporte ao comerciante, a Rappi fortaleceu sua agilidade, melhorou a satisfação do usuário e possibilitou estratégias de crescimento mais inteligentes. É um exemplo claro de como a IA não é apenas uma ferramenta para inovação; ela se tornou uma infraestrutura fundamental para o comércio eletrônico.

Olhando para o futuro

Acreditamos que isso é apenas o começo. Os mesmos sistemas de IA implantados hoje para melhorar as operações têm o potencial de evoluir para agentes autônomos que tomam decisões de negócios proativas, aprimoram a hiperpersonalização e simplificam a coordenação em todo o ecossistema Rappi, mantendo os padrões de marca e conteúdo.

Com essa base sólida estabelecida, a Rappi está bem posicionada para continuar ultrapassando limites, escalando de forma mais inteligente, rápida e eficiente.