Esta cifra equivale a 1.600 millones de cajas de envío. Con un menor uso de embalaje en toda la cadena de suministro, el volumen por envío se reduce a la vez que el envío se vuelve más eficiente. El resultado final es una reducción drástica de las emisiones de carbono.
Para lograr esta reducción, Amazon trabajó con Amazon Web Services para crear una solución de aprendizaje automático basada en Amazon SageMaker que ayudara a tomar decisiones más sostenibles sobre el uso de envases.
En la práctica, esto significa que se ha utilizado un algoritmo de aprendizaje automático desarrollado usando terabytes de datos de productos, desde descripciones de productos hasta comentarios de los clientes. Usando los servicios de Amazon Web Services, los datos primero se extraen y catalogan para su extracción, lo que conocemos como "mining".
Posteriormente, el algoritmo de aprendizaje automático usa los datos para identificar el embalaje que produzca el menor desperdicio. Los modelos de aprendizaje automático más efectivos identifican incluso los envíos que no requieren ningún tipo de embalaje, como los pañales. Otros modelos pueden ocuparse de una categoría de producto específica, como juguetes, para identificar artículos en los que la condición del embalaje original es importante.
Gracias al aprendizaje automático, se han escalado las bases para la toma de decisiones de millones de productos. A su vez, esto permite, por ejemplo, identificar productos que se pueden empaquetar en un sobre de papel acolchado o una bolsa de papel, en vez de una caja. En el fondo, es una cuestión de tomar decisiones más sostenibles. Por ejemplo, un sobre acolchado pesa un 75% menos que una caja de tamaño similar y reduce el uso de espacio en un 40%.