Zalando, una delle più grandi piattaforme europee per la moda e il lifestyle online, ha scelto di basare una parte significativa della propria infrastruttura di intelligenza artificiale sulla tecnologia sviluppata da Hopsworks, azienda europea specializzata in feature store e piattaforme per il machine learning operativo. La collaborazione rappresenta un esempio concreto di come sistemi AI ad alta scala possano essere costruiti utilizzando tecnologie sviluppate in Europa per supportare servizi utilizzati quotidianamente da decine di milioni di utenti.
L’infrastruttura è utilizzata per alimentare funzionalità di personalizzazione in tempo reale che operano all’interno dell’ecosistema Zalando. Ogni interazione effettuata dagli utenti, dalla consultazione dei prodotti alle ricerche, dai clic alle attività di acquisto, genera dati che vengono elaborati per produrre raccomandazioni personalizzate, suggerimenti di prodotti e contenuti adattati alle preferenze individuali. Per garantire che queste informazioni siano disponibili in pochi millisecondi, la piattaforma utilizza un’architettura basata su feature store centralizzato capace di servire dati aggiornati simultaneamente ai modelli utilizzati in fase di addestramento e ai sistemi che operano direttamente in produzione.
Uno degli elementi più importanti del progetto riguarda la gestione delle feature, ovvero le variabili utilizzate dai modelli di machine learning per effettuare previsioni e generare raccomandazioni. In organizzazioni delle dimensioni di Zalando, centinaia di team possono utilizzare dati differenti per costruire modelli dedicati a raccomandazioni, ricerca, pricing, previsione della domanda e ottimizzazione logistica. Senza un’infrastruttura condivisa, il rischio è quello di creare silos informativi e duplicazioni che rendono difficile mantenere coerenza tra addestramento e produzione. La piattaforma Hopsworks è stata adottata proprio per centralizzare queste informazioni e renderle riutilizzabili tra differenti applicazioni aziendali.
Zalando ha sviluppato un ambiente in grado di fornire accesso ai dati con latenze inferiori ai 10 millisecondi, un requisito fondamentale per sistemi che devono generare suggerimenti personalizzati mentre l’utente sta navigando il sito o l’applicazione mobile. La piattaforma supporta inoltre elevati requisiti di disponibilità attraverso la replica dei dati tra differenti zone infrastrutturali, riducendo il rischio che eventuali guasti possano compromettere le funzionalità AI rivolte ai clienti.
L’evoluzione dell’infrastruttura ha comportato anche una migrazione da architetture tradizionali basate su istanze dedicate verso ambienti Kubernetes gestiti, con l’obiettivo di migliorare scalabilità, resilienza e automazione operativa. Questa trasformazione ha consentito di implementare meccanismi di autoscaling in grado di adattare dinamicamente le risorse disponibili ai volumi di traffico giornalieri e stagionali, un aspetto particolarmente rilevante per una piattaforma che deve affrontare picchi estremamente elevati durante eventi commerciali come Cyber Week, Black Friday e campagne promozionali internazionali.
L’infrastruttura utilizza inoltre pipeline orientate agli eventi che consentono di aggiornare rapidamente le informazioni utilizzate dai modelli. In questo modo i sistemi di raccomandazione possono reagire quasi immediatamente ai cambiamenti del comportamento degli utenti, incorporando nuove interazioni e nuovi segnali senza attendere lunghi cicli di aggiornamento dei dati. L’obiettivo è mantenere elevata la freschezza delle feature utilizzate dai modelli AI, un requisito essenziale per applicazioni di personalizzazione in tempo reale.
La scelta assume anche una valenza strategica nel contesto europeo. Mentre gran parte dell’attenzione nel settore AI è concentrata sui grandi modelli linguistici e sulle infrastrutture cloud statunitensi, il progetto evidenzia l’importanza delle piattaforme operative che consentono di mettere realmente in produzione sistemi di machine learning su larga scala. Nel caso di Zalando, la tecnologia viene utilizzata per servire milioni di richieste personalizzate e supportare attività che incidono direttamente sull’esperienza di acquisto di oltre 50 milioni di clienti distribuiti in numerosi Paesi europei.
L’adozione di Hopsworks mostra inoltre come l’intelligenza artificiale nel commercio elettronico non dipenda esclusivamente dalla qualità degli algoritmi, ma anche dalla capacità dell’infrastruttura di fornire dati affidabili, aggiornati e coerenti ai modelli in produzione. In ambienti caratterizzati da cataloghi con milioni di articoli, volumi elevati di traffico e aggiornamenti continui delle preferenze degli utenti, la gestione delle feature, della latenza e della disponibilità dei dati diventa un elemento critico tanto quanto il modello di machine learning stesso. Attraverso questa architettura, Zalando punta a sostenere le proprie applicazioni AI in tempo reale utilizzando una piattaforma europea specializzata nella gestione operativa del machine learning su larga scala.