借助 AWS 技术，iFood 在人工智能领域的实现增强了客户和餐厅体验

iFood成立于2011年，是拉丁美洲的食品科技领导者，在墨西哥和哥伦比亚开展业务，并在成立之初，随着市场的发展并逐年扩大规模，改善了运营模式。

最初，iFood 以综合网络的形式开展运营，为加入网络的餐厅的在线订单提供履约服务。随着时间的推移，这家公司开始开发自己的技术。例如，在十八个月前，他们通过在平台注册的送货员开始与自己的车队合作。如今，这些送货员的工作占了交付的很大一部分。

如今，从他们自己的市场到 CRM 再到送货员，超过 20％ 的订单采用 iFood 的整个销售平台。iFood 首席数据科学家 Sandor Caetano 回忆道：“公司已经有人工智能计划，但这些计划不是中心化的，它们基本上用来回答业务领域的问题。” 他指出，公司已经依赖某种数据结构。

一年多以前，iFood 决定创建其人工智能学院，专注于开展机器学习、深度学习、物流效率以及与公司生态系统相关的其他领域的研究。这项计划是股东于 2019 年吸纳的 2000 万美元投资的结果。

Caetano 解释道：“我们开辟这一领域是为了满足增长、升级和面对竞争的需要。”他回忆说，我们的目标是依赖一个考虑到现有人工智能团队且已开始支持公司董事会决策的结构。他表示：“这将改变机器学习的处理方式，因为它将开始用于决策自动化，并在有过多数据的情况下提供明确的答案。”

为了进行开发、开展必要的测试并将其付诸实践，iFood 需要一个强大的 IT 基础设施，但这种基础设施只会在高峰时刻得到充分利用。他们的选择是寻找一家能够在云端提供此类基础设施的公司，实现一种按使用量付费的模式，并在需要时提供灵活性和可扩展性。

iFood 已经使用了存储和托管数据库等 AWS 服务。因此，扩大工作范围便顺理成章了。“AWS 提供的结构使我们能够使用所需型号的机器训练多个模型。更重要的是，我们可以简单地将这些模型投入生产，而无需从头开始。此外，我们依赖的工具可以使数据科学家的生活更加轻松，并尽可能提高其工作效率”，Caetano 表示。

以下是使用的一些主要解决方案：亚马逊SageMaker，它拥有所有的模型测试基础设施；亚马逊Kinesis，它使实时数据收集、处理和分析变得更加容易；以及用于保持模型直播的亚马逊弹性Kubernetes服务（亚马逊EKS）。

借助于 AWS 基础设施，iFood 人工智能学院得以扩大算法的使用。最早从中受益的领域之一是物流。他说：“我们需要告诉客户需要多长时间才能将其餐食送到。”为此，iFood 目前依赖于一种路线模拟器，它可以根据工作日和时间分析不同的运营参数。

模拟是在 AWS 安全环境中进行的，一旦得到证实，就会投入生产。“使用此类算法加快了新参数的发现过程，因此，目前我们物流领域的效率要高得多。我们现在的交付量比两年前还要多”，Caetano 比较道。

向客户提供的推荐清单也是如此。iFood 应用程序通过 AWS 处理的模型，根据用户的口味推荐餐厅和菜肴。“所有这些都是通过模型进行的。借助这些算法，我们现在能够控制应用程序中要显示的内容、策略和促销。得益于处理各种模型的 Amazon SageMaker，我们可以实现这种水平的服务定制”，他强调道。

目前，我们所有经 iFood 人工智能学院测试的模型均已上线，并设定了性能基准。因此，公司在生产力和服务水平提高方面都取得了显著的进步。根据 Caetano 所说，自从开始使用算法以来，交付 SLA 从 80％ 提高到了 95％。

在物流领域，由于路线的优化，送货员的路程缩短了12％。他们的空闲时间也减少了 50％。

Caetano 祝贺道：“在推荐方面，转化率也得到了显著改善。”如今，iFood 可以优化清单，以便在客户住所附近指定餐厅，从而优化餐食的配送。

此外，这家公司还获得了以下好处：

• 公司可触达一千多个城市；

• 使用该平台之后，公司生态系统覆盖了 22 万家餐厅和 17 万名注册送货员；

• iFood 每月完成 3,900 多万份订单。

经过一年多的运营之后，人工智能学院应继续扩大其活动。根据 Caetano 所说，重点是横向扩张。他透露道：“我们仍处于起步阶段。我们开发了一些应用程序，目的是让餐厅的生活更轻松。”需要记住的是，这里有两种不同的方法。

其中之一是要求使用人工智能来改善餐厅在应用程序中显示菜肴的图片。另外一种方法是使用人工智能汇总描述此类图片的数据，从而使客户能够识别菜肴的食材。