شرکتهای بزرگ فناوری تنها به تولید یا خلاصهسازی محتوا با هوش مصنوعی اکتفا نکردهاند؛ آنها میخواهند همان فناوریها را وارد فرایند خرید کاربران نیز کنند. شرکتهایی مانند OpenAI، گوگل و آمازون ابزارهای هوشمصنوعی را برای کمک به کشف و انتخاب محصولات توسعه دادهاند و استارتآپهایی مثل Perplexity، Daydream و Cherry نیز کسبوکارهایی حول محور جستجوی محصول با کمک هوش مصنوعی شکل دادهاند. در این میان، استارتآپ خرید مبلمان مبتنی بر هوش مصنوعی Onton (که پیشتر با نام Deft شناخته میشد) رشدی قابلتوجه را تجربه کرده است.
Onton اعلام کرده که تعداد کاربران فعال ماهانهاش از حدود 50 هزار به بیش از 2 میلیون افزایش یافته و اکنون میلیونها جستجو و تولید تصویر را پردازش میکند. با توجه به این رشد، این استارتآپ امروز اعلام کرد دور جدید سرمایهگذاری به ارزش 7.5 میلیون دلار را به رهبری Footwork و با مشارکت Liquid 2، Parable Ventures، و 43 بهدست آورده است؛ که مجموع سرمایههای جذبشده شرکت را به تقریباً 10 میلیون دلار میرساند. هدف اولیه از این سرمایه، گسترش به دستهبندیهای جدید مانند پوشاک و در ادامه لوازم الکترونیکی مصرفی است.
اقدام به بازبرندینگ از Deft به Onton اوایل سال جاری انجام شد؛ تیم دلیل این تغییر را ایجاد سردرگمی با نام قبلی و دشواری در تأمین دامنهای مناسب اعلام کرده است. زک هادسون، یکی از همبنیانگذاران Onton، میگوید مدلهای زبان بزرگ (LLMها) در حدس زدن نیتهای محتمل کارآمدند اما مشکلات مهمی در حوزه تجارت الکترونیک حل نکردهاند. هادسون افزوده که میانگین زمان تصمیمگیری مصرفکنندگان برای خرید افزایش یافته است — پدیدهای که میتواند به افزایش تنوع گزینهها، اطلاعات پراکنده درباره محصولات و دشواری در مقایسه دقیق منجر شده باشد.
در بخش فناوری، Onton از معماری «عصبی-نمادین» (neuro-symbolic) استفاده میکند؛ رویکردی که ترکیب قدرت یادگیری شبکههای عصبی با منطق نمادین و قوانین صریح را ممکن میسازد. این ترکیب به شرکت کمک میکند تا مشکل «هالوسینیشن» یا تولید اطلاعات نادرست توسط مدلهای زبانی را کاهش دهد و نتایج جستجوی منطقیتر و قابلاعتمادتری ارائه دهد. هادسون توضیح میدهد که مدل Onton میتواند اطلاعاتی را بیاموزد که لزوماً در توضیحات محصول ذکر نشدهاند؛ برای نمونه، سیستم میفهمد که مبلمانی که دارای پلیاستر است معمولاً در برابر لکه و خش مقاومتر است و برای خانههای دارای حیوان خانگی مناسبتر خواهد بود — دانشی که از مجموع رفتارهای جستجو و تعامل کاربران استخراج میشود.
Onton مجموعهای از امکانات چندروشی (multimodal) را برای تسهیل تصمیمگیری کوتاهمدت و بلندمدت کاربران توسعه داده است. کاربران میتوانند تصویر آپلود کنند، متن توضیحی (پرومت) وارد کنند یا طرح کلی از آنچه میخواهند برای خانه یا دفتر داشته باشند ارائه دهند؛ پلتفرم سپس محصولات متناسب را پیشنهاد میدهد. علاوه بر این، قابلیت بوم بینهایت با تولید تصویر به کاربران اجازه میدهد تصاویر موجود و محصولات یافتشده را کنار هم قرار داده و ایدهپردازی کنند. کاربران حتی میتوانند عکس اتاق خود را بارگذاری کنند و از ابزار بخواهند آن را مبله کند. این نوع تعاملهای غیرمحدود، گزینههای متنوعتری در مقابل روش صرفاً چتمحور قرار میدهد و به ویژه برای کسانی که نمیتوانند خواستهشان را دقیقاً توصیف کنند مفید است.
Onton ادعا میکند که با این رویکردها نرخ تبدیل کاربران به خریدار را دستکم 3 تا 5 برابر نسبت به سایتهای سنتی تجارت الکترونیک افزایش داده است، چرا که نتایج مبتنی بر دادههای قابلاعتماد و منطقیتر به دست میآید. هادسون همچنین اشاره کرده که بهدلیل تغییرات تکنولوژیک و رابط کاربری که انجام شده، راهاندازی بخش پوشاک برای شرکت آسانتر خواهد بود؛ تیم در حال ساخت کاتالوگ برای این دستهبندی است و قصد دارد این بخش را بهزودی راهاندازی کند. در این حوزه، رقابتهایی از جمله Daydream، Aesthetic و Style.ai پیش روی Onton قرار دارند.
از نظر نیروی انسانی، Onton از سه کارمند تماموقت در 2023 به 10 نفر افزایش یافته و برنامه دارد تیم را با جذب مهندسان و پژوهشگران به حدود 15 نفر برساند. سرمایه تازه و تمرکز بر توسعه محصول و کاتالوگهای جدید نشان میدهد که روند استفاده از هوش مصنوعی در تجربه خرید کاربران ادامه خواهد داشت و بازیگرانی که بتوانند نتایجی قابلاعتماد و قابلفهم ارائه دهند، شانس بیشتری برای رشد در بازار دارند.