Como a Wayfair corrigiu milhões de atributos de produtos com IA

O desafio era melhorar a qualidade dos dados de produto em escala. Em e-commerce, atributos incorretos impactam busca, filtros, recomendação, mídia, conversão e devolução. A Wayfair precisava corrigir milhões de informações sem criar um exército de revisores manuais e sem treinar um modelo separado para cada tipo de tag.

O catálogo tinha cerca de 30 milhões de itens, quase mil classes de produto e dezenas de milhares de atributos. A manutenção dependia de dados enviados por fornecedores, regras internas e revisão operacional. O volume tornava o processo lento, caro e sujeito a inconsistências.

A Wayfair implantou agentes e modelos de IA para interpretar definições de atributos, classificar produtos e corrigir tags em grande escala. Também incorporou capacidades de IA ao Wilma, sistema usado para suporte a fornecedores, automatizando a triagem e o roteamento de solicitações.

Foram utilizados modelos da OpenAI via API, ChatGPT Enterprise e componentes agentic AI integrados a sistemas internos da Wayfair. A solução atua tanto na análise de catálogo quanto no atendimento operacional a fornecedores.

A IA lê dados de produto, interpreta a definição dos atributos e decide quais tags são adequadas para cada item. Nos tickets de fornecedores, a IA entende a solicitação, identifica a intenção, completa o contexto necessário e encaminha para o fluxo correto. Quando a confiança é alta, a automação resolve diretamente; quando há risco, aciona validação humana ou do fornecedor.

O processo combina definição de atributos, classificação por IA, revisão de confiança, aplicação de correções e monitoramento de qualidade. Para suporte, o fluxo passa por leitura do ticket, classificação, enriquecimento com dados internos, roteamento e, em alguns casos, resolução automatizada. A arquitetura foi pensada para ser reutilizável entre diferentes categorias e fluxos.

• 2,5 milhões de tags de produto corrigidas.
• Mais de 1 milhão de produtos processados em produção.
• 41 mil tickets de fornecedores automatizados por mês.
• Até 70% de automação em alguns fluxos de suporte.
• 1.200 assentos de ChatGPT Enterprise implantados.

O aprendizado central é que IA gera grande impacto em problemas de dados mestres e cadastro, especialmente quando existe volume alto e regras repetitivas. A Wayfair não tratou a IA como ferramenta genérica, mas como componente de processo. Para empresas brasileiras, o case reforça a importância de começar por cadastros, atributos e tickets, onde há alto retrabalho e ganho mensurável.