Cómo Furniture.com Usó Databricks Mosaic AI para Desplegar 8 Modelos de IA en Producción y Duplicar las Tasas de Conversión

Furniture.com conecta a los compradores con muebles de más de 70 socios minoristas a través de una experiencia de carrito único, haciendo del descubrimiento de productos y el apoyo a las decisiones el eje central de su propuesta de valor. Cuando los compradores comparan decenas de sofás o comedores similares, la calidad de la información de producto impulsada por IA — resúmenes, colecciones, recomendaciones — determina directamente si convierten.

El desafío era la escala: procesar millones de reseñas de productos y enriquecer cientos de miles de fichas requería una infraestructura de datos capaz de soportar experimentación rápida de ML y despliegue fiable en producción. Un equipo de datos e IA de cinco personas necesitaba iterar rápidamente y llevar modelos a producción sin la sobrecarga de gestionar infraestructura.

Furniture.com estandarizó en Databricks Data Intelligence Platform, usando Delta Lake como capa de almacenamiento base, Unity Catalog para la gobernanza de datos y el versionado de modelos, MLflow para el seguimiento de experimentos y modelos PyFunc para inferencia flexible. El equipo construyó la generación de resúmenes de reseñas con LLMs de Mosaic AI — procesando 4,5 millones de reseñas de productos para generar resúmenes que comunican claramente características, materiales y experiencias de los clientes en lenguaje natural. También desarrollaron colecciones impulsadas por NLP que agrupan productos por significado semántico en lugar de taxonomías de categorías rígidas.

Los resultados fueron medibles a nivel del comprador. Los resúmenes de reseñas generados por IA captan al 95% de los compradores que los encuentran. Las colecciones impulsadas por NLP generan un aumento de conversión del 26%. La intervención de IA más impactante — los resúmenes de reseñas con IA — entregó 2x de conversión en comparación con páginas sin ellos. El conjunto completo de 8 modelos de IA en producción fue desplegado por un equipo de cinco en doce meses.