Tradotto dall'originale inglese. Dati e fonti restano invariati. Leggi l'originale in inglese
Delivery Hero
Delivery Hero genera le foto mancanti dei menu con Stable Diffusion ospitato in proprio
Delivery Hero ha affinato e ospitato in proprio un modello di immagini a pesi aperti, Stable Diffusion, per creare immagini dei piatti che non ne avevano. Secondo la persona che guida l'IA in Delivery Hero, un test A/B ha mostrato un aumento dal 6% all'8% della conversione da menu a carrello quando un prodotto aveva un'immagine, a meno di 0,3 centesimi per immagine.
Dati chiave
Copiati esattamente dalle fonti. Copiate qualsiasi dato insieme alla sua citazione.
dal 6% all'8%
Aumento del tasso di conversione da menu a carrello quando a un prodotto viene aggiunta un'immagine, in un test A/B1
85%
Riduzione del tempo di calcolo di un'immagine dopo l'ottimizzazione (il riferimento in secondi non è indicato per questo dato)1
meno di 0,3 centesimi
Costo per immagine generata con la configurazione ospitata in proprio (il team cita 2 centesimi per immagine con il servizio OpenAI usato prima)1
Cosa è servito
Il problema
Molti piatti sulle piattaforme di consegna di cibo non hanno una foto. L'analisi dei dati di Delivery Hero ha trovato molti prodotti senza immagine, e secondo l'intervento solo il 14% dei prodotti veniva acquistato senza immagini. Scattare o acquistare foto per ogni piatto di ogni ristorante è lento e costoso, e varia da paese a paese.
Cosa hanno costruito
Delivery Hero ha costruito un sistema che genera l'immagine di un piatto a partire dalla sua descrizione. Una prima versione usava un servizio di immagini ospitato di OpenAI. L'azienda è poi passata a un modello Stable Diffusion ospitato in proprio, un modello di immagini a pesi aperti (open-weight), cioè con i file pubblicati in modo che un'azienda possa eseguirli e adattarli. Una delle migliori configurazioni nei suoi test era una variante della comunità chiamata Juggernaut V9 con un IP adapter. I titolari dei ristoranti vedono le immagini proposte e scelgono la più pertinente.
Come ci sono riusciti
Il team ha affinato il modello per intero, impiegando diversi giorni su un processore grafico A100, perché doveva coprire migliaia di piatti locali. Questo ha migliorato i piatti locali ma ha reso meno invitanti alcuni altri, come la pizza. Per l'erogazione ha scelto processori grafici L4 per il miglior costo per immagine e ha accelerato l'inferenza con l'ottimizzazione in fase di compilazione. La produzione gira su AWS in Kubernetes, scalando da 0 a 36 nodi con KEDA.
Controlli automatici scartano le immagini con persone o creature, testo, inquadratura scadente o sfocatura. I test offline hanno usato 1.000 prodotti distribuiti tra entità e categorie.
Risultati
Chi ha tenuto l'intervento riferisce un aumento dal 6% all'8% della conversione da menu a carrello quando un prodotto aveva un'immagine, sulla base di un test A/B. Il tempo per immagine è sceso a 11,2 secondi, che nell'intervento è definito un calo dell'85%. Il costo è sceso sotto 0,3 centesimi per immagine, contro 2 centesimi per immagine del servizio OpenAI usato prima dal team. Più di 100.000 prodotti hanno ora immagini generate.
Tutti i dati dichiarati
| Indicatore | Dato | Citazione |
|---|---|---|
| Aumento del tasso di conversione da menu a carrello quando a un prodotto viene aggiunta un'immagine, in un test A/B | dal 6% all'8%1 | |
| Tempo di generazione per immagine dopo l'ottimizzazione | 11,2 secondi1 | |
| Riduzione del tempo di calcolo di un'immagine dopo l'ottimizzazione (il riferimento in secondi non è indicato per questo dato) | 85%1 | |
| Costo per immagine generata con la configurazione ospitata in proprio (il team cita 2 centesimi per immagine con il servizio OpenAI usato prima) | meno di 0,3 centesimi1 | |
| Prodotti con immagini generate sulle piattaforme di Delivery Hero | Più di 100.0001 |
Lezioni per il vostro progetto
Verificare il business case prima di costruire su larga scala. Delivery Hero ha prima analizzato i dati dei menu per decidere dove l'IA generativa contasse di più, poi ha misurato con un test A/B l'incremento dovuto alle immagini.
Partire da un servizio ospitato per un prototipo rapido, poi passare all'hosting in proprio quando il volume rende rilevante il costo unitario.
Costruire presto controlli di qualità automatici. Delivery Hero scarta testo, persone, sfocature e inquadrature scadenti, e lascia che i ristoranti scelgano tra le immagini proposte.
Tenere l'infrastruttura in un solo cloud, dove possibile. Nell'intervento la suddivisione dei servizi tra due cloud è definita un errore che ha ritardato la consegna.
Avvertenze
- Tutti i dati provengono da un intervento a una conferenza della persona di Delivery Hero che guida lo sviluppo delle soluzioni di IA e che parla a nome dell'azienda. Non sono confermati in modo indipendente.
- L'intervento fornisce conteggi incoerenti di immagini generate (più di 100.000 e poi circa un milione), quindi si usa solo il numero di prodotti con immagini generate.
- La riduzione dell'85% è indicata senza il riferimento in secondi. L'unico riferimento nell'intervento, circa tre minuti per immagine con Stable Diffusion di default su una GPU T4, riguarda una configurazione diversa.
- L'intervento non dà una data di entrata in produzione né dimensione del team o tempistica complessiva. La data di rilascio mostrata è la data di registrazione stampata sulla pagina di InfoQ (la data dell'annuncio); l'entrata in produzione effettiva è precedente e sconosciuta. L'intervento si riferisce alla quotazione in borsa di Talabat come avvenuta l'anno prima.
- Il risultato del test A/B è indicato come intervallo, senza dimensione del campione né durata. Delivery Hero dice che le immagini sono contrassegnate come solo di riferimento.
- Il modello è un modello di immagini, non di testo. Juggernaut V9 è una variante della comunità di Stable Diffusion, quindi l'attribuzione a Stability AI è un'approssimazione.
Fonti
- AI for Food Image Generation in Production: How & Why
InfoQ (QCon London 2025, talk by Iaroslav Amerkhanov of Delivery Hero) · 2025-08-27 · Intervento a una conferenza · infoq.com
Riassunto con parole nostre a partire dalle fonti sopra indicate. Avete notato un errore? Consultate le rettifiche.