Gigantes de Delivery e a IA: DoorDash, Instacart e Uber Eats Inovam na Busca com LLMs

A busca por itens em aplicativos de delivery, como DoorDash, Instacart e Uber Eats, parece simples, mas esconde complexidades enormes para sistemas tradicionais. Palavras-chave genéricas não entendem sinônimos, erros de digitação, abreviações, misturas de idiomas ou mesmo ambiguidades contextuais. Além disso, lidar com a vasta gama de itens (a “cauda longa” de produtos) e restrições alimentares específicas, como “sanduíche de frango vegano”, é um desafio que motores de busca clássicos não conseguem resolver com eficiência. É aqui que os Large Language Models (LLMs) entram, prometendo uma compreensão muito mais apurada da intenção do usuário.

Cada gigante do delivery adotou uma estratégia distinta para integrar LLMs, influenciados pela infraestrutura que já possuíam. A DoorDash usa LLMs principalmente offline para enriquecer seu grafo de conhecimento existente, extraindo atributos de dados de produtos. Em tempo de execução, o LLM apenas analisa consultas em partes que se conectam ao grafo, mantendo a recuperação de dados em um sistema mais tradicional. A Instacart, por sua vez, foca na compreensão da consulta, utilizando RAG (Retrieval-Augmented Generation) para o contexto específico da empresa e aplicando fine-tuning no modelo Llama-3-8B para lidar com a “cauda longa” de consultas incomuns. Já o Uber Eats integrou o LLM mais profundamente, usando um modelo Qwen com fine-tuning como a espinha dorsal de seu sistema de embedding, transformando tanto as consultas quanto os documentos em vetores para uma busca por similaridade eficaz, capaz de abranger múltiplos mercados e idiomas.

A integração de LLMs nos sistemas de busca de delivery representa um salto na experiência do usuário. Isso significa que, em vez de uma busca literal, os aplicativos agora conseguem interpretar a real intenção por trás de uma frase como “algo saudável para uma noite chuvosa”. Para as empresas, otimizar a busca se traduz em mais conversões, menos atrito e maior satisfação do cliente, já que as pessoas encontram o que querem de forma mais rápida e precisa. A diversidade de abordagens também mostra como a IA pode ser adaptada a diferentes infraestruturas existentes, tornando a tecnologia acessível e aplicável a cenários de negócios variados, um modelo para outras empresas que querem integrar LLMs.