La historia de Julie Bornstein es una muestra de perseverancia y desafíos en el competitivo mundo del comercio digital. Con una trayectoria que incluye cargos como VP de ecommerce en Nordstrom y COO de Stitch Fix, su pasión por la moda comenzó en la adolescencia, cuando devoraba revistas y exploraba centros comerciales. Ahora, con su nueva empresa, Daydream, busca revolucionar la forma en que los consumidores encuentran su vestuario ideal mediante inteligencia artificial.
Sin embargo, implementar su visión ha resultado ser más complicado de lo que había anticipado. Recientemente, en un desayuno con Bornstein y su CTO, Maria Belousova, tuve la oportunidad de profundizar en las dificultades que enfrenta su startup, que ha recibido una inversión de $50 millones de capital de riesgo, incluyendo a Google Ventures. Lo que comenzó como una idea simple se ha convertido en un complejo desafío técnico que han tenido que abordar.
Las complejidades de la moda y la IA
La propuesta inicial de Bornstein a los inversores era clara: emplear la IA para resolver problemas complejos de la moda, conectando a los clientes con las prendas perfectas. En teoría, parece sencillo, solo hay que integrar un modelo como ChatGPT a su plataforma. Sin embargo, la implementación ha demostrado ser un proceso laborioso. Aunque establecer alianzas con más de 265 proveedores y acceder a un catálogo de más de 2 millones de productos fue relativamente simple, cumplir con solicitudes aparentemente simples, como “necesito un vestido para una boda en París”, se ha complicado enormemente.
Desentrañando las solicitudes de los clientes
Cada petición está llena de matices. Preguntas como: ¿Eres la novia, la suegra o una invitada? ¿Qué temporada es? ¿Qué nivel de formalidad requiere la boda? son solo el comienzo. La IA debe interpretar estas variables para ofrecer recomendaciones adecuadas. Bornstein menciona que a menudo, los modelos de inteligencia artificial presentan inconsistencias y “alucinaciones”, omitiendo elementos cruciales de la consulta del usuario.
Por ejemplo, una usuaria que se describe como “un rectángulo” en busca de un vestido que la haga parecer un “reloj de arena” podría terminar recibiendo sugerencias de vestidos con patrones geométricos.
Reestructuración y nuevos enfoques
Frente a estos obstáculos, Bornstein se dio cuenta de que era necesario retrasar el lanzamiento previsto para el otoño de; aunque actualmente Daydream está disponible, aún se encuentra en fase beta, con una proyección de finalización para 2026. En diciembre de, decidió reforzar su equipo técnico al contratar a Belousova, quien trajo consigo a un grupo de ingenieros destacados. La clave para atraer talento en un mercado tan competitivo es ofrecer la oportunidad de trabajar en un problema fascinante, como lo describe Belousova: “La moda es un campo atractivo por su componente de personalización y datos visuales.”
La dicotomía del vocabulario del cliente y del comerciante
Daydream enfrenta la dificultad de traducir el vocabulario del cliente, que suele ser más informal y basado en experiencias, al lenguaje técnico que utilizan los comerciantes. Por ejemplo, un cliente podría decir: “Voy a un evento en una azotea con mi novio”, mientras que un comerciante podría describir el producto en términos de categorías y atributos. Bornstein explica que fusionar estos dos lenguajes en tiempo real es un reto, a menudo requiriendo múltiples iteraciones en una conversación. Daydream ha aprendido que no basta con entender el lenguaje; es necesario incorporar modelos visuales para captar las sutilezas de los productos, como colores específicos o accesorios que el cliente planea usar.
Gracias a estos cambios, Bornstein ha observado mejoras significativas en los resultados de Daydream. Aunque, al probar la plataforma, aún se presentaron discrepancias en una búsqueda específica. “Decidimos pasar de una llamada única a un conjunto de múltiples modelos”, explica. “Cada uno se especializa en diferentes aspectos, como color, tejido y ubicación.” Por ejemplo, han descubierto que los modelos de OpenAI son particularmente efectivos en entender el contexto de la vestimenta, mientras que los de Google son más rápidos pero menos precisos.
Lecciones del camino
Julie Bornstein comparte que otros fundadores de startups de IA han enfrentado desafíos similares. Meghan Joyce, CEO de Duckbill, mencionó que su objetivo siempre fue combinar la asistencia humana con la inteligencia artificial. Tras tres años de trabajo arduo, finalmente están viendo los resultados esperados, aunque nunca imaginaron que tomaría tanto tiempo alcanzar este punto. “Ha sido mucho más desafiante en el ámbito de la IA”, admite Joyce.
Como sus colegas, Bornstein también ha aprendido que la inteligencia artificial requiere la intervención humana. Cuando surgen nuevas tendencias, su equipo reacciona rápidamente para crear colecciones que se alineen con las modas emergentes. Con esfuerzo y paciencia, Julie Bornstein está convencida de que está en el camino correcto hacia el éxito.
