Ao vivo
[Pesquisa]Como o Ai2 resolveu a briga por GPUs com orçamentos em vez de fila de prioridade[Ferramentas]Como criar modelos de IA personalizados por menos de US$ 20 usando um agente automatizado[Modelos de IA]Liquid AI lança modelos de IA que tomam decisões em milissegundos — e funcionam em celulares[Modelos de IA]TII lança Falcon ASR, modelo de transcrição de áudio aberto que roda em hardware comum[Modelos de IA]Nvidia mostra que um único modelo de IA pode chegar ao pódio tanto em programação quanto em matemática avançada[Modelos de IA]Falcon-Emirati: o modelo de IA que aprendeu a falar árabe como um emiradense de verdade[Ferramentas]Hugging Face cria repositório central para ambientes de IA que aprendem por tentativa e erro[Ferramentas]O agente de IA disse que terminou. O banco de dados discordou.[Modelos de IA]Instituto Allen lança modelo de IA aberto para escrever relatórios científicos em segundos[Pesquisa]Como a ServiceNow cria dados de treino que ensinam agentes de IA a funcionar dentro de empresas[Pesquisa]Como o Ai2 resolveu a briga por GPUs com orçamentos em vez de fila de prioridade[Ferramentas]Como criar modelos de IA personalizados por menos de US$ 20 usando um agente automatizado[Modelos de IA]Liquid AI lança modelos de IA que tomam decisões em milissegundos — e funcionam em celulares[Modelos de IA]TII lança Falcon ASR, modelo de transcrição de áudio aberto que roda em hardware comum[Modelos de IA]Nvidia mostra que um único modelo de IA pode chegar ao pódio tanto em programação quanto em matemática avançada[Modelos de IA]Falcon-Emirati: o modelo de IA que aprendeu a falar árabe como um emiradense de verdade[Ferramentas]Hugging Face cria repositório central para ambientes de IA que aprendem por tentativa e erro[Ferramentas]O agente de IA disse que terminou. O banco de dados discordou.[Modelos de IA]Instituto Allen lança modelo de IA aberto para escrever relatórios científicos em segundos[Pesquisa]Como a ServiceNow cria dados de treino que ensinam agentes de IA a funcionar dentro de empresas
Transmitindo · —

Notícias.
Inteligência Artificial

Inteligência Artificial para Gente de Verdade · ES / PT-BR

NegóciosTechCrunch AI2 min

Ex-funcionários do Spotify levantam US$ 10 milhões para levar IA de recomendações ao comércio eletrônico

Startup promete prever o que cada cliente quer comprar em tempo real, usando a mesma tecnologia que escolhe músicas no streaming

Por Redação2 min
Compartilhar
Ex-funcionários do Spotify levantam US$ 10 milhões para levar IA de recomendações ao comércio eletrônico
Negócios · TechCrunch AI

Um grupo de ex-funcionários do Spotify levantou US$ 10 milhões para aplicar ao comércio eletrônico a tecnologia de recomendação que ajudou o serviço de streaming a se tornar referência em personalização musical, segundo informou o TechCrunch. A ideia é simples: se a inteligência artificial consegue prever qual música você quer ouvir a seguir, por que não usar a mesma lógica para antecipar qual produto você está prestes a comprar?

A plataforma da startup funciona em três camadas. Primeiro, ela analisa o comportamento do cliente em tempo real — o que ele clica, quanto tempo passa em cada página, o que abandona no carrinho — para prever o próximo produto que vai despertar seu interesse. Em paralelo, o sistema aprende o gosto geral de cada pessoa (assim como o Spotify entende se você prefere rock ou sertanejo). Por fim, a IA se ajusta continuamente conforme o usuário navega, refinando as sugestões a cada interação — um processo chamado de fine-tuning (ajuste fino de um modelo de IA já treinado, feito com dados específicos para melhorar sua precisão em uma tarefa).

A aposta dos fundadores é que o comércio eletrônico ainda depende de recomendações genéricas ou baseadas apenas em compras anteriores, enquanto a tecnologia de streaming já trabalha com modelos preditivos muito mais sofisticados. No Spotify, por exemplo, a IA não sugere só músicas parecidas com o que você já ouviu: ela tenta adivinhar o que você quer ouvir agora, levando em conta hora do dia, humor, contexto e padrões sutis de escuta.

O investimento de US$ 10 milhões deve ser usado para expandir a equipe de engenharia e testar a plataforma com varejistas de médio e grande porte. A startup não divulgou nomes de clientes, mas afirma que já está em fase de testes com algumas lojas online nos Estados Unidos e na Europa. Se funcionar, a promessa é aumentar as taxas de conversão (a porcentagem de visitantes que efetivamente compram algo) e reduzir devoluções, já que as sugestões seriam mais certeiras desde o início.

A mudança de música para e-commerce não é trivial: enquanto ouvir uma música errada custa alguns segundos, comprar um produto inadequado significa perda de dinheiro e frustração. Mas os fundadores acreditam que os princípios são os mesmos — entender preferências, aprender com o comportamento e se adaptar em tempo real — e que a tecnologia está madura o suficiente para fazer a transição.

Fonte original
TechCrunch AI
Mais em · Negócios