Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Delivery Hero
Delivery Hero genera las fotos de menú que faltan con Stable Diffusion alojado por la propia empresa
Delivery Hero ajustó y alojó por su cuenta un modelo de imagen de pesos abiertos, Stable Diffusion, para crear imágenes de platos que no tenían ninguna. Según la persona que dirige la IA en Delivery Hero, una prueba A/B mostró un aumento del 6 % al 8 % en la conversión del menú al carrito cuando un producto tenía imagen, a menos de 0,3 céntimos por imagen.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
6 %
a 8 %
Aumento de la tasa de conversión del menú al carrito cuando se añade una imagen a un producto, en una prueba A/B1
85 %
Reducción del tiempo de cálculo de una imagen tras la optimización (la referencia en segundos no se indica para esta cifra)1
menos de 0,3 céntimos
Coste por imagen generada con la instalación alojada por la propia empresa (el equipo cita 2 céntimos por imagen con el servicio de OpenAI que usaba antes)1
Qué requirió
El problema
Muchos platos de las plataformas de reparto de comida no tienen foto. El análisis de datos de Delivery Hero encontró muchos productos sin imagen, y según la charla solo se compraba el 14 % de los productos sin imagen. Hacer o comprar fotos de cada plato de cada restaurante es lento y caro, y varía según el país.
Qué construyeron
Delivery Hero construyó un sistema que genera la imagen de un plato a partir de su descripción. Una primera versión usaba un servicio de imágenes alojado de OpenAI. Después la empresa pasó a un modelo Stable Diffusion alojado por ella misma, un modelo de imagen de pesos abiertos (open-weight), es decir, cuyos archivos se publican para que una empresa pueda ejecutarlos y adaptarlos. Una de las mejores configuraciones de sus pruebas fue una variante de la comunidad llamada Juggernaut V9 con un IP adapter. Los dueños de restaurantes ven las imágenes sugeridas y eligen la más adecuada.
Cómo lo hicieron
El equipo ajustó el modelo por completo, lo que llevó varios días en un procesador gráfico A100, porque tenía que cubrir miles de platos locales. Esto mejoró los platos locales pero hizo menos apetecibles otros, como la pizza. Para el servicio eligió procesadores gráficos L4 por el mejor coste por imagen y aceleró la inferencia con optimización en tiempo de compilación. La producción corre en AWS sobre Kubernetes, escalando de 0 a 36 nodos con KEDA.
Los controles automáticos rechazan imágenes con personas o criaturas, texto, encuadre deficiente o desenfoque. Las pruebas sin conexión usaron 1.000 productos repartidos entre entidades y categorías.
Resultados
Según la charla, hubo un aumento del 6 % al 8 % en la conversión del menú al carrito cuando un producto tenía imagen, según una prueba A/B. El tiempo por imagen bajó a 11,2 segundos, lo que se presenta como una disminución del 85 %. El coste bajó a menos de 0,3 céntimos por imagen, frente a 2 céntimos por imagen con el servicio de OpenAI que el equipo usaba antes. Más de 100.000 productos tienen ya imágenes generadas.
Todas las cifras comunicadas
| Indicador | Cifra | Cita |
|---|---|---|
| Aumento de la tasa de conversión del menú al carrito cuando se añade una imagen a un producto, en una prueba A/B | 6 % a 8 %1 | |
| Tiempo de generación por imagen tras la optimización | 11,2 segundos1 | |
| Reducción del tiempo de cálculo de una imagen tras la optimización (la referencia en segundos no se indica para esta cifra) | 85 %1 | |
| Coste por imagen generada con la instalación alojada por la propia empresa (el equipo cita 2 céntimos por imagen con el servicio de OpenAI que usaba antes) | menos de 0,3 céntimos1 | |
| Productos con imágenes generadas en las plataformas de Delivery Hero | Más de 100.0001 |
Lecciones para su proyecto
Pruebe el caso de negocio antes de construir a gran escala. Delivery Hero primero analizó los datos de sus menús para decidir dónde importaría más la IA generativa y después midió con una prueba A/B el efecto de las imágenes.
Empiece con un servicio alojado para un prototipo rápido y pase al alojamiento propio cuando el volumen haga que importe el coste unitario.
Construya pronto controles de calidad automáticos. Delivery Hero filtra texto, personas, desenfoque y encuadres deficientes, y deja que los restaurantes elijan entre las imágenes sugeridas.
Mantenga la infraestructura en una sola nube siempre que pueda. En la charla se calificó de error repartir los servicios entre dos nubes, lo que retrasó la entrega.
Salvedades
- Todas las cifras proceden de una charla en una conferencia de la persona de Delivery Hero que dirige el desarrollo de sus soluciones de IA y que habla en nombre de la empresa. No están confirmadas de forma independiente.
- En la charla se dan cifras incoherentes de imágenes generadas (más de 100.000 y luego en torno a un millón), por lo que solo se usa el número de productos con imágenes generadas.
- La reducción del 85 % se indica sin la referencia en segundos. La única referencia de la charla, unos tres minutos por imagen con Stable Diffusion por defecto en una GPU T4, corresponde a otra configuración.
- La charla no da fecha de puesta en marcha ni tamaño del equipo ni plazo total. La fecha de despliegue mostrada es la fecha de grabación impresa en la página de InfoQ (la fecha del anuncio); la puesta en marcha real es anterior y se desconoce. La charla se refiere a la salida a bolsa de Talabat como ocurrida el año anterior.
- El resultado de la prueba A/B se da como un rango, sin tamaño de muestra ni duración. Delivery Hero dice que las imágenes se marcan como meramente ilustrativas.
- El modelo es un modelo de imagen, no de texto. Juggernaut V9 es una variante de la comunidad de Stable Diffusion, por lo que la atribución a Stability AI es aproximada.
Fuentes
- AI for Food Image Generation in Production: How & Why
InfoQ (QCon London 2025, talk by Iaroslav Amerkhanov of Delivery Hero) · 2025-08-27 · Ponencia en congreso · infoq.com
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.