AI als kwaliteitscontroleur: Intergamma ontdekt dubbel zoveel fouten in productdata

Alle commerciële activiteiten van Intergamma — van de online webshop tot de schapindeling in de winkel, van marketinguitingen tot voorraadbeheer — staan of vallen met artikeldata. Met pieken tot wel 3.500 binnenkomende datapunten per dag, uitsluitend vanuit leveranciers, is handmatige controle niet langer haalbaar. Zeker niet nu producten steeds meer attributen krijgen en de data steeds complexer worden.

Bij Intergamma begint datakwaliteit bij productclassificatie. Is dit een schroevendraaier of een boormachine? Het klinkt triviaal, maar de gevolgen zijn groot. Een verkeerde classificatie bepaalt welke attributen worden opgeslagen, welke filters op de webshop worden getoond, welke zoekresultaten een klant te zien krijgt. “Een schroevendraaier heeft geen accu en geen acculader nodig”, legt Patrick Grasza, Head of Data Management bij Intergamma, uit in een artikel in MIX. “Als wij hem classificeren als een boormachine, levert dat verderop in het proces echt een probleem op.”

In de handmatige check werd zo’n 3 procent van de data afgekeurd. Netjes, zou je denken. Toch verschenen er op de website deuren van vijf meter breed. Kleine fout, groot effect: onbegrijpelijk product, geen aankoop, minder conversie.

Een eerste AI-pilot op datakwaliteit, uitgevoerd op zo’n 3.000 producten, laat opvallende resultaten zien. Het AI-model analyseert de EAN-code, marktdata, de producttitel, de productomschrijving en de classificatiedefinitie, en bepaalt vervolgens of een product correct is ingedeeld. Blijkt dat niet het geval, dan wordt een menselijke collega ingeschakeld: de ‘human in the loop’. Pas als de classificatie klopt, worden de attributen gevalideerd.

Uit de pilot bleek dat 5,6 procent van de producten verkeerd was geclassificeerd — bijna het dubbele van wat handmatige controle opleverde. Van de 35.000 gecontroleerde attribuutwaarden bleek bijna 11 procent onjuist te zijn. “Dit is één pilot, geen representatief beeld voor het gehele assortiment”, benadrukt Grasza. “Maar het laat wel zien dat je op een schaalbare manier kunt toetsen.”

En dat is de kern: zelfs als de AI niet méér fouten zou ontdekken dan een menselijke check, is het doel al bereikt. Minder manuren, minder specialistische kennis nodig en, cruciaal, schaalbaar bij groeiende datavolumes.

Dit is een fragment uit een uitgebreid interview met Patrick Grasza, Head of Data Management bij Intergamma.