Comment Ulta Beauty applique une approche de développement low-code basée sur l'IA

janvier 11, 2022 Par admin 0
Comment Ulta Beauty applique une approche de développement low-code basée sur l'IA

Crédit image: Getty Images

      Écoutez les DSI, les CTO et d'autres cadres supérieurs et cadres sur les données et les stratégies d'IA au Sommet sur l'avenir du travail ce 12 janvier 2022. En savoir plus

Savez-vous comment vous pouvez aller en ligne, peindre et repeindre numériquement une pièce de votre maison pour voir à quoi elle ressemble avant d'appuyer sur la gâchette lors du changement? Eh bien, maintenant vous pouvez faire quelque chose de similaire avec votre visage. Vous pouvez essayer virtuellement différents types et nuances de maquillage pour voir comment il correspond à votre personnalité avant de l'acheter.

Personne ne dit que votre PC ou l'application que vous utilisez peut-être – par exemple comme Ulta Beauty's – sait déjà comment vous voulez refaire l'apparence de votre visage, mais il peut le découvrir assez rapidement, en utilisant les commentaires des utilisateurs et un nouveau back-end basé sur l'IA à code réduit qui suscite beaucoup d'intérêt pour l'entreprise. Il est plus rapide et plus efficace de faire ces essais sur votre PC dans l'intimité de votre propre maison, plutôt que de marcher péniblement en ville, d'attendre un rendez-vous, puis d'essayer et d'essuyer les rouges à lèvres, les fonds de teint et les eye-liners. Les parfums, naturellement, nécessitent une approche différente.

Ulta, société publique basée à Chicago, qui a régulièrement gagné des parts de marché au cours des cinq dernières années, a mis plusieurs innovations en place qui, selon lui, ont changé la routine des clients de détail. Cette stratégie de développement adoptée par la vice-présidente de l'innovation numérique, Michelle Pacynski, a permis à l'entreprise de mettre en production des applications Web destinées aux clients bien plus rapidement que le codage en dur conventionnel. L'épine dorsale technique de la stratégie a été la plate-forme Interplay d'Iterate.ai (un assembleur de type LEGO de 475 modules pré-construits pour l'IA, la voix, les chatbots, le commerce électronique sans tête et d'autres composants). Les développeurs disposent d'un ensemble virtuel d'outils, de composants et de fonctionnalités supplémentaires qu'ils peuvent simplement faire glisser et déposer dans l'application et les essayer à l'avance, de la même manière que les clients utilisent l'application pour mettre à niveau leur visage.

Le passage d'Ulta au low-code pour créer rapidement des applications d'essai de maquillage virtuel alimentées par l'IA est devenu un différenciateur concurrentiel essentiel en termes de rapidité de mise sur le marché au fur et à mesure que la pandémie se déroulait. Il est important de noter que Pacynski a déclaré à VentureBeat qu'Ulta a été en mesure de le faire en améliorant les compétences de ses équipes de développement et d'innovation numérique existantes au lieu de dépenser pour des talents de développement externes coûteux.

« L'un des plus grands atouts de cette stratégie low-code a permis d'effectuer des tests/itérations d'applications basés sur les données 10 fois plus rapidement que si nous utilisions un processus de développement traditionnel », a déclaré Pacynski. «Le code bas a été un outil clé pour nous aider à expérimenter les technologies émergentes (IA, ML, AR, VR, IoT, etc.) pour apporter de nouvelles expériences à nos clients.»

Pacynski a été l'un des premiers à adopter ce secteur du développement low-code, l'intégrant dans l'écosystème Ulta il y a environ quatre ans. Parmi certaines des applications spécifiques à faible code qu'Ulta a déployées, citons les suivantes:

    GLAMlab (outil de beauté virtuel qui utilise AR)

Chatbot du service client

  • Ramassage en bordure de rue devenu essentiel au fur et à mesure que la pandémie se déroulait
  • Autres applications qui utilisent des technologies à faible code, telles que l'IA, les connecteurs de données et la RA.
  • Ulta Beauty est un acteur majeur de l'industrie cosmétique de détail, avec environ 9% du marché global, selon Statista Research. Elle a été fondée en 1990, exploite 974 magasins à travers les États-Unis et a réalisé un chiffre d'affaires d'environ 80 millions de dollars en 2019.

    Comment l'IA est mise en œuvre

    Pour que les technologues, les architectes de données et développeurs de logiciels pour en savoir plus sur l'utilisation de l'IA, VentureBeat a posé les questions suivantes à Pacynski, qui a proposé à nos lecteurs ces détails:

    VentureBeat: Quels outils d'IA et de ML utilisez-vous spécifiquement?

    Pacynski: Nous avons principalement utiliser Tensorflow, Keras, Scikit-learn, PyTorch, Rasa, ClearML, vertex AI (au sein de nos équipes Data Science et Computer Vision).

    VentureBeat: utilisez-vous des modèles et des algorithmes prêts à l'emploi, par exemple à partir de DataRobot ou d'autres sources?

    Pacynski

    : Nous n'utilisons aucun modèle prêt à l'emploi . Nous utilisons principalement des algorithmes ML standard et les personnalisons (affiner les hyper-paramètres, modifier les poids de divers paramètres dans le(s) modèle(s) ML en fonction de nos données, etc.) en fonction de nos besoins.

    VentureBeat: Quel service cloud utilisez-vous principalement?

    Pacynski: Nous utilisons Google Cloud Platform.

    VentureBeat: utilisez-vous beaucoup des outils de workflow d'IA fournis avec ce cloud?

    Pacynski: Nous utilisons Vertex AI, Tensorflow dans le cadre de Google Cloud Platform.

    VentureBeat : Combien faites-vous vous-mêmes ?

    Pacynski: Nous sommes jolies beaucoup faire tout nous-mêmes. Nos équipes de science des données et de vision par ordinateur implémentent nous-mêmes les pipelines ETL, l'exploration de données, la construction de modèles, etc.

    VentureBeat: Comment étiquetez-vous les données pour les flux de travail ML et AI?

    Pacynski : Nous avons une équipe interne cela nous aide avec l'étiquetage des données, mais nous utilisons également quelques tiers pour évoluer, en fonction de la quantité de données dont nous avons besoin étiquetées. Nous venons de signer un accord avec Cloud Factory, un fournisseur partenaire spécialisé dans cet espace et disposant d'une plateforme complète pour l'étiquetage des données.

    VentureBeat: Pouvez-vous nous donner une estimation approximative de la quantité de données que vous traitez?

    Pacynski: Environ 1 -2 To.

    VentureBeat

    La mission de VentureBeat est d'être une place publique numérique pour les décideurs techniques afin d'acquérir des connaissances sur la technologie transformatrice et d'effectuer des transactions. Notre site fournit des informations essentielles sur les technologies et les stratégies de données pour vous guider dans la gestion de vos organisations. Nous vous invitons à devenir membre de notre communauté, pour accéder à :

    • information à jour sur les sujets qui vous intéressent
            nos newsletters

      contenu de leader d'opinion et accès à prix réduit à nos événements prisés, tels que Transformer 2021: Apprendre encore plus

        Fonctionnalités de mise en réseau, et plus encore

        Devenir membre