Habitium automatiza sus procesos de publicación de catálogo gracias a la Inteligencia Artificial Generativa con HAQM Bedrock

Por Philipp Vujic, Director Tecnológico en Habitium; Rodrigo Rodríguez, Director de Catálogo en Habitium;  Victor Frisach, Solutions Architect en Apser y Margarita Albendea, Solutions Architect en AWS.

Sobre Habitium

Habitium es una tienda online líder en productos para el hogar y jardín con presencia europea, más de 65 millones de usuarios y una estimación de cierre en 2025 de 30 millones de euros .

En este blog Philipp Vujic , Director Tecnológico en Habitium, Rodrigo Rodríguez, Director de Catálogo en Habitium, y Victor Frisach, Arquitecto de Soluciones en Apser, nos cuentan a continuación cómo consiguieron mejorar la eficiencia del proceso publicación de su catálogo.

En Habitium, la tecnología es el pilar fundamental para optimizar nuestros procesos internos y mejorar la experiencia de nuestros clientes. La inteligencia artificial ha sido clave en esta evolución, permitiendo la automatización de tareas en diversas áreas de la empresa. Actualmente, afrontamos el desafío de potenciar nuestras operaciones mediante la implementación de servicios en la nube de HAQM Web Services, con especial énfasis en la aplicación de Inteligencia Artificial para la gestión de nuestro catálogo, manteniendo siempre los altos estándares de calidad que nos distinguen.

El desafío

Antes de implementar el servicio de IA Generativa de HAQM Bedrock, en Habitium enfrentábamos un proceso complejo en la gestión de nuevos catálogos de productos. La tarea consistía en transformar la información proporcionada por los distribuidores (principalmente en formatos Excel o PDF) y adaptarla manualmente a nuestra plataforma, incluyendo descripciones, precios, especificaciones técnicas e imágenes.

Nuestros estándares de calidad exigen descripciones únicas y personalizadas para cada artículo en el sitio web. Este proceso manual requería aproximadamente 30 horas de trabajo por cada 500 productos, que además de ser intensivo en recursos, presentaba varios desafíos operativos que impactaban directamente en nuestro rendimiento:

• Error humano por fatiga y tareas repetitivas

• Alrededor de 15 horas adicionales del departamento de atención al cliente resolviendo consultas por descripciones incorrectas

• Un 15% de devoluciones causadas por información imprecisa

• Un 10% de pérdidas en el beneficio neto por venta debido a problemas informativos

El crecimiento exponencial de nuestro catálogo entre 2022 y 2024 de 60.000 a más de 450.000 productos, evidenció la necesidad urgente de una solución tecnológica que pudiera abordar tres objetivos fundamentales:

Acelerar el proceso de gestión de catálogos sin comprometer la calidad
Mantener nuestros rigurosos estándares de descripción de productos
Permitir la reasignación de recursos humanos hacia actividades estratégicas como marketing y servicio al cliente

La Solución en AWS

Nuestro objetivo era la automatización del proceso de actualización de catálogo y para ello hemos desarrollado una solución que se fundamenta en una arquitectura simple y efectiva conectando los datos con HAQM Bedrock, el servicio de Inteligencia Artificial generativa completamente gestionado que ofrece acceso a los modelos de lenguaje más avanzados del mercado. Esta aproximación nos ha permitido maximizar resultados mientras reducimos la complejidad operativa.

La arquitectura se basa en tres componentes principales que trabajan en perfecta armonía:

La aplicación desarollada en HAQM Elastic Container Service (ECS) con AWS Fargate, que proporciona un entorno de computación serverless para contenedores, eliminando la necesidad de administrar la infraestructura subyacente y permitiendo centrarnos exclusivamente en nuestras aplicaciones.

La capa de datos desarrollada en HAQM DynamoDB, una base de datos NoSQL totalmente gestionada que ofrece un rendimiento consistente de milisegundos a cualquier escala, ideal para el almacenamiento y recuperación eficiente de nuestros prompts y parámetros de configuración.

Y la funcionalidad de inteligencia artificial generativa con HAQM Bedrock, que nos da acceso a modelos de IA generativa de Claude (Anthropic), Llama 2 (Meta) y Titan (HAQM), permitiéndonos seleccionar el modelo más adecuado para cada tarea específica de generación de contenido.

A continuación, vamos a ver más detalles sobre la plataforma de Habitium en AWS:

1. Lógica de Negocio

Frontend: Interfaz de Usuario con Streamlit

La aplicación web desarrollada con Streamlit se ha convertido en una herramienta fundamental para el equipo de Habitium. Permite realizar consultas manuales y ha sido especialmente valiosa durante la fase de desarrollo, facilitando la evaluación y retroalimentación de las respuestas del modelo. Cada valoración se registra meticulosamente en HAQM DynamoDB, junto con información sobre el modelo LLM ( Large Lenguage Model) y los parámetros utilizados. La seguridad se gestiona mediante HAQM Cognito User Pools, garantizando un acceso controlado y seguro a la aplicación.

Backend: API Inteligente en Python

Desarrollamos una API robusta en Python que gestiona el núcleo del procesamiento. El sistema incorpora una gestión dinámica de prompts utilizando HAQM DynamoDB para el almacenamiento de prompts y leyéndolos para cada query hacia HAQM Bedrock, lo que permite realizar ajustes en tiempo real sin necesidad de despliegues. La arquitectura incluye un sistema de autoescalado que se adapta automáticamente a las fluctuaciones de demanda, complementado por un mecanismo de reintentos exponenciales que gestiona eficientemente el throttling de HAQM Bedrock, esto se implementa con la librería de Python backoff que nos permite realizar hasta cinco reintentos aumentando los tiempos de espera entre ellos para evitar alcanzar las cuotas del servicio. También para garantizar la calidad, implementamos un sistema de validación de respuestas del modelo, mediante otra llamada a HAQM Bedrock que verifica la estructura y el tono de las respuestas, mientras que la trazabilidad completa se mantiene mediante un registro detallado en HAQM DynamoDB. Todo esto se integra de manera nativa con HAQM Bedrock para un rendimiento óptimo.

2. Infraestructura y DevOps

La arquitectura completa se despliega de manera automatizada mediante plantillas AWS CloudFormation , lo que ha simplificado significativamente el montaje de los entornos. Estas plantillas también despliegan pipelines de CI/CD ( Integración Continua /Entrega Continua) conectadas directamente a los repositorios de código, creando un ciclo completo de integración y despliegue continuo. La implementación utiliza AWS CodePipeline, AWS CodeBuild y AWS CodeDeploy de manera integrada, agilizando enormemente los despliegues, las evoluciones y el mantenimiento del sistema.

3. Proceso de Desarrollo y Optimización

El proceso de selección y refinamiento del modelo fue exhaustivo, evaluando diferentes opciones de LLMs ( Large Lengauge Models) , este análisis consistió en un sistema de valoración de respuestas y análisis de los comentarios de los reviewers, lo que nos llevó a decidirnos por el modelo Anthropic Claude (Sonnet 3.5), que demostró el mejor equilibrio entre rendimiento y coste. El proceso de Prompt Engineering siguió un enfoque metódico e iterativo, comenzando con la definición clara de parámetros clave como el tono, formato y longitud de las respuestas. La evaluación continua de resultados permitió realizar ajustes basados en la retroalimentación del equipo, culminando en una validación final rigurosa antes del despliegue en producción.

Esta estructura técnica nos permite mantener un sistema altamente disponible, fácil de mantener y escalable, mientras garantizamos la calidad constante en la generación de contenido. El ciclo de desarrollo se centró en la mejora continua mediante iteraciones controladas, resultando en una solución robusta y eficiente para la generación automatizada de descripciones de productos, este nuevo diseño optimizado ha generado beneficios tangibles en múltiples aspectos.

En el plano operativo, hemos reducido el tiempo de mantenimiento en un 90% y eliminado la necesidad de gestionar servidores. Económicamente, los costes son ahora predecibles y basados en el uso real, sin gastos fijos en infraestructura. Desde la perspectiva técnica, la reducción de puntos de fallo facilita el diagnóstico y las actualizaciones del sistema.

Conclusión

En Habitium hemos mejorado el proceso de actualización de catálogos web, que antes requería 30 horas para procesar 500 productos ahora se realiza en minutos. La tasa de devolución por información incorrecta ha caído del 15% a menos del 1%, y las pérdidas por errores se han vuelto prácticamente insignificantes, pasando de un 4% a un 1%, también el tiempo dedicado al soporte técnico se ha reducido drásticamente, pasando de un equipo de 10 personas a 3, permitiendo a estas personas del equipo enfocarse en más tareas estratégicas.

Esta implementación garantiza un despliegue rápido, un mantenimiento eficiente y una escalabilidad natural. La solución es capaz de escalar en base a nuestras necesidades en periodos de actualización de catálogo, adaptándose automáticamente a la demanda sin requerir reconfiguraciones complejas.

La combinación de estos servicios en AWS nos ha permitido transformar por completo nuestro proceso de gestión de catálogos, manteniendo la calidad que caracteriza a Habitium mientras multiplicamos nuestra eficiencia operativa.

Sobre los autores

	Philipp Vujic es Director Tecnológico en Habitium, experto en desarrollo de sistemas complejos que abarcan desde plataformas web hasta soluciones de inteligencia artificial para equipos complejos en el ámbito medicinal. Su experiencia combina el desarrollo de software avanzado con la implementación de tecnologías cloud, siempre enfocado en la innovación y la excelencia técnica. Actualmente, lidera la transformación tecnológica de la plataforma,implementando soluciones escalables y robustas para el comercio electrónico moderno.
	Rodrigo Rodríguez es Director de Catálogo en Habitium, especializado en pricing internacional y gestión estratégica de productos. Con amplia experiencia en optimización de precios y análisis de datos, lidera iniciativas que transforman grandes catálogos en mercados globales. Su pasión por la analítica de datos y la automatización lo ha llevado a desarrollar sistemas innovadores para la optimización de precios y rentabilidad, siempre enfocado en maximizar tanto la experiencia del cliente como los resultados comerciales.
	Victor Frisach es Solutions Architect en Apser, desde el año 2020.En su trabajo está centrado totalmente en AWS, especialmente en el área de devops, y últimamente volcado en proyectos de IA generativa.Es AWS Certified Devops Engineer Professional.Antes de unirse a Apser, ha pasado más de 15 años inmerso en proyectos de automatización de procesos.Samson Gasparyan es un Ingeniero de software con conocimientos de ciberseguridad, apasionado por los idiomas y la comunicación. Tiene estudios en electrónica, robótica, inteligencia artificial y, recientemente, desarrollo de software y arquitectura.
	Margarita Albendea, como Solutions Architect en AWS, pone a disposición de sus clientes su experiencia para ayudarlos a implementar o mover sus cargas de trabajo a la nube con éxito y siguiendo las mejores prácticas de AWS. Con un gran interés en la tecnología, en concreto en las redes y comunicaciones.