La Inteligencia Híbrida y el increíble caso de Stitch Fix

En junio tuve la ocasión de escuchar a Ece Kamar, investigadora de Microsoft Research, dando una amena charla en la 2017 Collective Intelligence Conference, en NYC, con el título de “Humanos al rescate para resolver problemas de la Inteligencia Artificial” (aquí tienes el vídeo en YouTube). Su tesis era que el futuro de los sistemas de Inteligencia Artificial (IA) no está en sustituir a la inteligencia humana (IH), sino en combinarse con ella. También advertía la dificultad de implementar mecanismos de “Inteligencia Híbrida”, que es como llaman a ese espacio mixto de interacción IA + IH, porque “es más difícil conseguir la colaboración hombre-máquina que reemplazar a los seres humanos” 😊
También estuve intercambiando tuits y artículos sobre inteligencia híbrida con el bueno de Mario López de Ávila, que es muy fan de este tema, y me quedé con ganas de encontrar un buen ejemplo de colaboración hombre-máquina que me sirviera para explicarlo en el blog de un modo que fuera comprensible para cualquiera. Leyendo “The Fuzzy and the Techie”, un fantástico libro de Scott Harley que voy a reseñar pronto, encontré el ejemplo ideal y que responde a algunas de las preguntas que nos hicimos con Mario. Se llama Stitch Fix, y es una startup californiana, fundada en 2011, que está dando mucho que hablar en el sector de la venta online de ropa, zapatos y complementos. Después de descubrirla por el libro, estuve investigando bastante sobre esta empresa, así que comparto aquí el resultado de mis pesquisas, porque me parece un caso paradigmático y realmente curioso.
Katrine Lake, la fundadora, estaba obsesionada en ahorrar tiempo y hacer más fácil la compra de ropa de moda. Ella misma había experimentado la dificultad de elegir entre tantos artículos que se ofrecen en las tiendas. Para eso se inspiró en los sistemas automáticos de recomendación de Netflix, pero añadiéndole el “toque humano” de estilistas personales. Esa mezcla de algoritmos (máquinas) + estilistas (humanos) es lo que hace a esta compañía tan buen ejemplo de inteligencia híbrida. Primero voy a explicar cómo funciona el negocio de Stitch Fix, y después lo más interesante: la intrahistoria de cómo lo consigue.
Stitch Fix es una tienda online de ropa, zapatos y complementos que funciona como un servicio de personal shopper, enviando al cliente en cada pedido que éste hace una caja con 5 prendas elegidas por los estilistas de la compañía. La cliente se los prueba en casa, y solo paga lo que decide quedarse, pudiendo devolver por envío gratuito el resto de las prendas. Como se ve, la gran diferencia de Stitch Fix respecto de la inmensa mayoría de tiendas de comercio electrónico que conocemos es que la compradora no escoge las prendas por sí misma. Voy a explicar mejor el procedimiento para que se entienda cómo interactúa el cliente con la empresa, paso a paso:
- rellena un formulario o “perfil de estilo” con sus datos y preferencias,
- escoge la fecha en que quiere recibir el envío,
- le cobran en su tarjeta de crédito 20 dólares por adelantado cuando empieza el proceso interno de selección de prendas (la compañía explica que con eso se está pagando el servicio del estilista personalizado, y se supone que también el coste del envío),
- recibe la caja en su casa y puede probarse todo en un plazo de tres días, aunque existe la posibilidad de prórroga,
- sólo paga por lo que se queda,
- si no elige nada, pierde los 20 dólares, pero si compra algo, la suscripción sirve como descuento del coste total; y si se queda con las 5 prendas, se beneficia de un descuento del 25% sobre toda la compra,
- devuelve por correo lo que no compre sin gastos de envío,
- puede programar “envíos automáticos”, como si fuera una suscripción con una periodicidad fija, por ejemplo, mensual.
¿Y los precios? Al rellenar el formulario, el cliente pone el precio que puede pagar por artículo. Según fuentes de la compañía, el precio medio de los artículos que tienen en su inventario es de unos 55 dólares, pero aseguran que manejan precios para todos los gustos.
Katrina Lake ha reconocido que su modelo de negocio se inspiró de una combinación entre el algoritmo de Pandora, la radio personalizada de Internet que recomienda canciones según tus gustos, y lo que ocurre en los probadores de las tiendas de ropa. La propuesta de valor de Stitch Fix es una mezcla inteligente entre “hacer más fácil la decisión de compra” y el “efecto sorpresa” de recibir en casa una caja con artículos seleccionados de forma personalizada por otros. Parece divertido, y excitante, que te envíen a casa una “caja sorpresa”, aunque la pagues tú 😊Según la empresa, los clientes suelen destacar que: “esto que elegiste para mí, nunca lo habría elegido yo solo”, y esa es parte de la gracia.
La primera duda que a uno le genera el modelo de negocio de Stitch Fix es que parece bastante arriesgado atreverse a enviar a casa de un cliente 5 artículos, que éste no ha elegido, sin que la tasa de devolución no se resienta y castigue la rentabilidad. Más aún en un sector como la moda donde los atributos de diseño y los gustos estéticos son tan diversos, y a menudo puntillosos. Así que para que un modelo así sea viable, tiene que gestionar de forma exquisita el proceso de selección de los artículos (para maximizar el matching con las preferencias del cliente) y la logística de entrega (para optimizar los costes logísticos de mover un inventario tan complejo).
Pensemos, por ejemplo, que se estima que en Amazon el 35% de las ventas provienen de su sistema de recomendación, mientras que en Stitch Fix, por definición, ¡es el 100%! Para eso la compañía fichó a Eric Colson, uno de los expertos más respetados en “algoritmos de recomendación” como los que se usan en Amazon o Pandora (fue el encargado de esta parcela en Netflix), que se convirtió en el Chief Algorithms Officer de la empresa.
Eric Colson está al frente de un equipo de unos 75 profesionales que forman parte del equipo de datos que se encarga de mantener los algoritmos y la eficacia del procesamiento de datos. Esta es la parte “maquinal” del proceso, que se complementa con más de 3.500 estilistas personales que trabajan en su mayoría a tiempo parcial, y aportan el “toque humano” de hacer la selección final. Voy a explicar en detalle cómo opera el sistema desde las tripas, para que se entienda la complejidad de este híbrido.
Todo empieza, como expliqué antes, con los usuarios rellenando un formulario o “perfil de estilo” de más de 60 preguntas en el que aportan datos objetivos de tallas, etc. y también subjetivos como sus preferencias en la compra de ropa y complementos. Por ejemplo, una youtuber explicaba (ver vídeo) que al rellenar la solicitud dejó claro que para ella era muy importante la parte de los hombros, porque hace vídeos sobre maquillaje. Stitch Fix también usa APIs de otras aplicaciones, en particular Pinterest, para comprender mejor los gustos de los clientes, invitándolos a seleccionar páginas de Pinterest que muestran tipos de artículos que a ellos les gustan y que normalmente reflejan sus inclinaciones estéticas. Esta opción de Pinterest es tan popular que el 46% de los clientes usan tableros de esa aplicación para facilitar visualmente la comprensión de sus preferencias. Por eso, cabe destacar que, a diferencia de Google, aquí los clientes colaboran conscientemente en el aprendizaje de la compañía sobre sus preferencias.
Cada artículo del inventario que maneja la empresa está categorizado con entre 50 y 150 etiquetas que describen atributos de descripciones únicas, desde el tipo de tejido hasta colores, tallas, etc. Estos datos son los que se emparejan vía algoritmos con los del cliente.
¿Cómo opera la inteligencia híbrida? Según explica Colson en un paper que publicó en 2013, es mejor dejar a las máquinas que procesen por Inteligencia Artificial los datos estructurados (p.ej. edad, talla, ajuste de hombros, etc.) porque en eso son más eficientes, sobre todo cuando exigen una lógica analítica compleja en conjuntos grandes de datos (regresiones, etc.). Mientras que los datos no estructurados (p.ej. imágenes, notas del cliente, pines de Pinterest, etc.) se dejan para ser tratados e interpretados por humanos que son los que pueden extraerle significado.
El algoritmo de la máquina (IA) genera una primera lista de artículos que podrían ser incluidos en la selección final, una preselección, ¡¡ordenados según la probabilidad de que estos sean deseados por el cliente!! A esto Colson le llama “Algoritmo M” para referirse a la parte que hacen las máquinas; mientras que el “Algoritmo H” es la segunda parte de la toma de decisiones, que realizan los humanos, o sea, los estilistas.
Para coordinar el procesamiento de pedidos entre las personas y las máquinas, se utiliza un sistema de colas. Cuando se recibe una solicitud del cliente, se enruta a una cola para el procesamiento por máquina de los datos estructurados. Una vez que los resultados generados por la máquina están disponibles, son enviados a una cola de crowdsourcing interna compuesta por decenas de estilistas humanos distribuidos geográficamente. El estilista que se asigne a ese cliente accede a la cola a través de una interfaz gráfica de usuario que le permite incorporar información no estructurada basada en imágenes y descripciones textuales de las mercancías y del cliente. Una vez hecha la selección final por el/la estilista, la solicitud se envía a logística para preparar la caja y su envío.
Esta secuencia de la cola es importante para la eficiencia, porque el procesamiento humano es más lento (medido en minutos) que el de las máquinas (medido en milisegundos). Puesto que la preselección generada por la máquina se produce primero y sale de forma ordenada según prioridades, los estilistas humanos sólo necesitan trabajar con la mercancía preseleccionada por su relevancia. De este modo se minimiza la cantidad de mercancías que tienen que procesar las personas.
Un rasgo característico de la Inteligencia Híbrida es que el trabajo realizado por los expertos humanos proporciona retroalimentación al proceso automático de las máquinas. La sutileza de los expertos al revisar el output automático de las máquinas genera datos que vuelven a las máquinas para afinar su eficacia. Por ejemplo, al ver la página de Pinterest del cliente, un estilista puede hacerse una idea de sus preferencias, incluso aquellas que no están explícitamente descritas. Esta información cambia el contexto del análisis, y los estilistas expertos pueden corregir, ajustar o modificar los artículos que propuso inicialmente la máquina. Esa rectificación humana ayuda a que la máquina aprenda por Machine Learning (“Aprendizaje Automático”).
Pero también se da el proceso inverso: las máquinas mejoran el trabajo de los estilistas corrigiendo sus sesgos de selección. Mediante sofisticados análisis matemáticos pueden detectar sesgos en el juicio que realizan los estilistas y con ello mejorar el proceso de toma de decisiones de los humanos. Es normal que un estilista tenga sus preferencias personales y su propia manera de ver qué es lo que conviene a cada cliente, lo que puede entrar en conflicto con las preferencias del propio cliente. Por eso, el algoritmo aprende de los desencajes que se producen entre la selección hecha por el estilista y los artículos que finalmente compra el cliente, afinando o ajustando constantemente el proceso humano. Por ejemplo, si un estilista se guía demasiado por la edad y descuida fijarse en las fotos enviadas por el cliente con sus preferencias, puede acarrear fallos de selección en el caso de un cliente mayor que le guste ropa juvenil, o al revés.
Algo que la investigadora Ece Kamar destacó en su charla: la supervisión humana permite corregir los errores de los algoritmos. De esto también hablaba Karen Levy (ver este post) al reclamar enfáticamente una supervisión humana de los resultados de estos dispositivos. Las recomendaciones hechas por las máquinas de Stitch Fix suelen ser bastante precisas, pero también se equivocan (por ejemplo, cuando no reconocen que una compra anterior del cliente era un regalo para otra persona, lo que ocasionaría inferencias erróneas sobre sus preferencias). Habitualmente se trata de casos extremos, de frontera, pero anticiparse a ellos es importante porque los costes (de credibilidad) de estos errores son elevados. Los procesadores humanos capturan la mayoría de estos casos antes de que sean presentados a los clientes. Con estos matices asegurados en la fase humana, el trabajo de las máquinas puede ir a un ritmo más rápido.
Stitch Fix no se conforma con elegir bien los artículos. Desde el año pasado está yendo más lejos porque, según un artículo de Fast Co-Design, estrenó su iniciativa de “diseño híbrido” que consiste en utilizar los algoritmos no sólo para escoger la ropa para sus clientes, sino para diseñar nuevas prendas: “Nos dimos cuenta de vacíos en el mercado y una oportunidad de producir algo que no existe, pero debería”. La posibilidad de capturar y procesar tantos datos les permite descubrir combinaciones de atributos que siendo muy demandados no hay una oferta disponible en el mercado.
Estuve buscando estadísticas sobre resultados de la compañía. No he encontrado muchas, pero algunas son significativas. Según datos del libro de Scott Harley que cité antes, Stitch Fix se ha convertido en el primer método de compra para el 39% de sus clientes. Otra fuente afirma que más del 60% de los clientes repiten. Las ventas de la compañía en el último año fiscal ascendieron a más de 700 millones de dólares.
De este ejemplo se pueden extraer varias lecciones. Por una parte, quizás sirva para alimentar los temores de que la IA nos lleve a una sociedad tiranizada por algoritmos que nos robe la belleza de la imperfección humana. Que haya unas máquinas capaces de “adivinar lo que nos gusta” y “elegir por nosotros” da un poco de corte. Pero por otra, que el diablo tal vez no sea tan feo como lo pintan, porque la inteligencia humana seguirá siendo clave e insustituible en cualquier escenario. Eso parece sugerir la enorme prudencia que muestra Eric Colson, el rey de los algoritmos, respecto de la eventual capacidad de estos para replicar, o sea, sustituir, las capacidades humanas. Lo explica así: “Nosotros no intentamos que las máquinas actúen como los humanos. Lo que buscamos es aprovechar lo mejor que sabe hacer cada uno”. Esta creo que es la esencia de la llamada Inteligencia Híbrida, y el mensaje en positivo que me llevo de Stitch Fix. Al hilo de esto, pronto vuelvo con otro post sobre este asunto delicado de la tiranía de los datos y el riesgo de confiar tanto en los algoritmos.
Keka Sánchez
Desde luego y a priori me parece un modelo de negocio muy interesante aunque siempre se habla de modelo de compra, preventa y venta pero nos se habla de postventa. Esta última puede hacer que todo se vaya al traste según las políticas de protección al consumidor de aplicación europea o de cada país y me explico. El servicio de atención al cliente en España no puede ser atendido por máquinas y de modo automatizado. ¿Tienes información de cómo gestionan el servicio de ATC?
Gracias por tu interesante artículo, Amalio.
Amalio Rey
Hola, Keka:
No tengo información de la postventa, pero me parece que Sitch Fix pone bastante claras las cartas sobre la mesa: ¡¡el cliente devuelve todo lo que quiera, sin pagar nada!! Recibe 5 prendas, y solo paga por las que se quede. Las demás las devuelve, simplemente porque no le gustan o por lo que sea. Pierde los 20 USD si no se queda con nada, pero eso está claramente explicitado en las condiciones de la transacción. En cuanto al servicio de ATC, no tengo ni idea. Gracias a ti…
Guillermo
Hola Amalio,
Me pasé mucho tiempo como analista de datos y la problemática era que los que tenían que tomar las decisiones estratégicas a partir de esos datos en la mayoría de los casos desconocían la metodología y el sentido del análisis de datos, por lo que no se aprovechaba adecuadamente la información. Recuerdo al responsable del departamento de estrategia (lo puedo contar porque ya pasó hace mucho) de BT decirme que las bases de datos están muy bien pero en realidad tienen poca utilidad para la toma de decisiones a ese nivel.
¿De eso hemos pasado a que los algoritmos actúen sin control? Apuntar desde mi conocimiento (o desconocimiento) que la diferencia entre los algoritmos «normales» y los de IA está en su capacidad de aprendizaje, que podrá ser no supervisado siempre que haya pasado por una «supervisión estratégica», lo que quiero señalar es que siempre hay control o debería haberlo si se quieren resultados «con sentido».
Me gustaría contestar a tu respuesta de mi comentario en el artículo anterior porque tiene mucho que ver. Como ingeniero cojo mi martillo y veo funcionalidad, no es que no me gusten las opciones basadas en contenidos y desarrollar comunidad o no las considere necesarias, pero como se ve en los ejemplos de este artículo lo óptimo estaría en combinarlo con la funcionalidad adecuada.
Como siempre un placer charlar contigo Amalio.
Amalio Rey
No me extraña, Guillermo, que ocurran esas cosas. También te diría que si no tienes datos (y modelos de inferencia) realmente buenos, mejor no basar las decisiones en ellos. Se inventan muchas estadísticas que no miden lo que prometen, así que en casos como esos, prefiero seguir confiando en la intuición.
¡¡Siempre debe haber control!! estamos de acuerdo. El auto-aprendizaje de las maquinas, y de los algoritmos, puede ser peligroso. Los humanos tenemos que delimitar los espacios y límites de autonomía de esos «cacharros».
Gracias por pasarte!!
Ricardo_ColaBoraBora
Eskerrik asko Amalio.
Interesante esto de la IH y muy bien descrito el modelo.
No quiero ponerme ni melancólico, ni reaccionario (que es el papel que me suele tocar en nuestros pinpons), pero…
¡Un batallón de 3.500 estilistas a tiempo parcial! No se si las personas en ese sistema no son más que parte de la maquina, como en la cadena de montaje pero en la industria algoritmica. Creo que en gran medida todo esto se basa en seguir avanzando hacia una eficiencia deshumanizada. «Es normal que un estilista tenga sus preferencias personales y su propia manera de ver qué es lo que conviene a cada cliente, lo que puede entrar en conflicto con las preferencias del propio cliente», se dice en el post.
Quizá sea que el principal problema para la especie humana seamos las personas. Bromeando con un amigo me decia: «¡Qué bien estaría todo esto de la participación si no fuese por las personas que participan!» ¡¡¡Jodidas personas con sus sesgos, sus deseos, sus experiencias vitales, sus «preferencias personales y su propia manera de ver qué es lo que conviene»!!!
Creo que por ahora en lo que las personas aun vamos a seguir jugando algún papel relevante es en la educación de los algoritmos. Una vez mas la educación como algo determinante… Pero si cada vez educamos más a las personas para que parezcan robots y sean eficientes empleadas ¿por qué motivo íbamos a educar a los robots en otro sentido?
Cuando pienso en este tipo de cosas nunca se me ocurre nada mejor que escuchar a Hidrogenesse y su ‘Historia del mundo contada por las maquinas’ (el video tambien me encanta) https://youtu.be/DkJH743gGBc
…Juntos de la mano hacia la nada…
Amalio Rey
Aupa, Richi:
Usted nunca será un reaccionario 🙂
Los 3.500 estilistas no son una consecuencia de la «industria algorítmica». Si te fijas, se encargan de la parte «H», no-algoritmica. Que trabajen a tiempo parcial es, como sabes, un rasgo típico de lo que llaman la «sociedad líquida», o si lo prefieres, neoliberal. Es parte de la flexibilidad que buscan estas empresas. No conozco mucho cómo gestiona a las personas Stitch Fix, sus temas laborales, pero no será muy diferente a cómo lo hace la inmensa mayoría. Por otra parte, sospecho que una buena parte de estos estilistas también se dedican a hacer otras cosas, y si es así, no me parece mal.
Lo de la «eficiencia deshumanizada» es discutible. Siempre he tenido problemas con el verbo «deshumanizar», del que se abusa bastante. Por ejemplo, no sé si pega necesariamente para juzgar de forma negativa a la flexibilidad laboral. Si yo puedo dedicar la mitad de mi día a trabajar, a tiempo parcial y desde mi casa, para Stitch Fix, ¿eso me hace degradarme como humano? ¿es eso «deshumanización»? Porque resulta que gracias a eso, puedo dedicar la otra mitad del día a mi hobby favorito, a compartir con amigos, y a pasear con mi novia: ¿eso me hace menos humano?
En cuanto a lo de: «cada vez educamos más a las personas para que parezcan robots y sean eficientes empleadas», no me parece que sea el caso. Todo lo contrario, Richi. Lo que propone la IH es precisamente que cada parte de la ecuación haga lo que hace mejor: el robot lo que pega a los robots (el algoritmo «M»), y las personas lo que mejor sabe hacer el ser humano (el algoritmo «H»). De eso se trata. De hecho, si tenemos buenos robots que se encargan de la parte maquinal, uno puede esperar que nosotros tengamos más tiempo para ser más y mejores humanos: ¿qué necesidad tenemos de tener una personita en una línea de producción repitiendo una y otra vez el mismo proceso tedioso y aburrido, si es lo puede hacer una máquina?. No sé, así me lo quiero imaginar yo.
Lo de la educación es clave, vital. 100% de acuerdo. Necesitamos mucha educación estadística y de datos. Hoy se habla mucho, demasiado, de formar a la gente en programación… cuando lo realmente importante es la «alfabetización estadística».
Un abrazo, maestro!!!
eraser
ya lo cantaba en los 80 los #SiniestroTotal…juntos de la mano hacia la …. extinción !!!! salú mushashos desde er CalYFlato Zeviyao … por cierto, muy buen posteito , aprendí muchito … grache mile !!! …;-)
Amalio Rey
Gracias, maeztro!!!!