Agentes de IA✦ Gerado por IA

DoorDash Reduz Tempo de Recompra de Supermercado com Agentes de IA

A gigante do delivery DoorDash otimizou seu sistema de inteligência artificial para pedidos recorrentes, alcançando uma redução drástica na latência e aumentando significativamente a taxa de conversão de vendas.

Edição de ·InfoQ AI·4 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

A eficiência da IA em escala não vem apenas de modelos melhores, mas de mover o raciocínio complexo para o processamento offline, deixando apenas a validação para o tempo real.

A DoorDash conseguiu transformar a experiência de compra de supermercado em seu aplicativo ao reduzir o tempo de espera de 16 segundos para apenas 2 segundos no fluxo de recompra assistido por inteligência artificial. A mudança estratégica não apenas melhorou a agilidade do serviço, mas também resultou no dobro de visualizações de listas de compras e um aumento de 34% na taxa de pedidos finalizados. O avanço foi possível graças a uma mudança na arquitetura do sistema, que passou a pré-calcular as necessidades de compra recorrentes em vez de reconstruir todo o raciocínio a cada nova solicitação do usuário.

Segundo informações do InfoQ, a implementação utiliza a plataforma compartilhada de agentes da DoorDash e uma interface de compra fundamentada, que permite aos consumidores modificar listas diretamente. O sistema combina o processamento em lote de modelos de linguagem de grande escala com validações determinísticas e resolução de catálogo de produtos em tempo real. Essa abordagem híbrida garante que a conveniência da IA não seja prejudicada por tempos de carregamento excessivos, mantendo a precisão das sugestões baseadas no histórico de cada cliente.

A estratégia por trás da velocidade

O segredo para a redução da latência reside na separação do processamento de dados. Em vez de analisar o histórico de 90 dias de compras do usuário no momento em que ele abre o aplicativo, a DoorDash realiza essa análise de forma offline. A inteligência artificial identifica itens que provavelmente serão comprados novamente e armazena esses dados. Quando o cliente acessa o assistente de compras, o sistema apenas valida se aqueles itens estão disponíveis no catálogo atual da loja, verificando primeiro o item original, depois o identificador do produto e, por fim, termos de busca gerais.

Essa metodologia permite que o sistema lide com mudanças constantes nos estoques e preços sem precisar repetir todo o raciocínio histórico. Operações simples, como alterar quantidades ou remover produtos, agora são feitas diretamente na interface, sem a necessidade de uma nova consulta ao modelo de linguagem. Isso evita o que os engenheiros chamam de idas e vindas desnecessárias da IA, tratando a lista de compras como um artefato estruturado que tanto o humano quanto o agente podem editar de forma autoritativa.

Eficiência no desenvolvimento de agentes

Além da melhora para o consumidor final, a DoorDash otimizou drasticamente seu fluxo de trabalho interno. A infraestrutura compartilhada fornece orquestração, memória, acesso a modelos e ferramentas de avaliação que podem ser reutilizadas por diferentes equipes. Um exemplo prático dessa eficiência foi a criação do agente de reservas da empresa, que levou apenas uma semana para ser desenvolvido — um processo cerca de dez vezes mais rápido do que a criação dos primeiros agentes da plataforma.

As equipes de domínios específicos mantêm o controle sobre as instruções e habilidades de seus agentes, mas aproveitam a base tecnológica comum. O sistema ainda é capaz de acionar agentes especializados para tarefas complexas, como encontrar alternativas mais baratas com base em promoções vigentes ou preferências específicas de tamanho de embalagem. Essa flexibilidade mostra que o futuro dos assistentes de IA não depende apenas de modelos mais potentes, mas de uma engenharia inteligente que sabe quando usar o processamento em tempo real e quando confiar em dados pré-processados.

O que isso muda para você

Para o profissional brasileiro, o caso da DoorDash é uma aula sobre como escalar produtos de IA no mundo real. O grande gargalo da inteligência artificial generativa hoje ainda é a latência e o custo de processamento. Ao mover a lógica pesada para um processamento em lote (offline) e deixar apenas a validação para o tempo real, a empresa mostra que a experiência do usuário deve ditar a arquitetura técnica, e não o contrário.

Se você trabalha com tecnologia ou gestão de produtos, o próximo passo concreto é avaliar quais partes da jornada do seu cliente dependem de raciocínio da IA que poderia ser antecipado. Nem toda interação precisa de uma resposta gerada do zero; muitas vezes, a personalização pode ser preparada antes mesmo de o usuário clicar no botão. Reduzir a fricção é o caminho mais curto para aumentar a conversão e a fidelidade no mercado digital brasileiro.

📰 Com base em reportagem de InfoQ AI. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também