El formulario se ha enviado correctamente.
Encontrará más información en su buzón.
Seleccionar idioma
Innowise ha actualizado una plétora de aplicaciones web sobre moda, arte, arquitectura, alimentación, salud y mucho más, y ha aprovechado las capacidades de la IA para la generación de texto a imagen y la recomendación de contenidos.
Nuestro cliente es un importante grupo de medios de comunicación que produce contenidos digitales con una presencia significativa en Dinamarca, Noruega, Suecia y Finlandia. Publican revistas, periódicos y medios digitales que cubren estilo de vida, entretenimiento, salud y actualidad, de forma gratuita o por suscripción.
La información detallada sobre el cliente no puede divulgarse en virtud de las disposiciones del acuerdo de confidencialidad.
La tendencia hacia lo digital medios de comunicación el consumo seguía aumentando y el cliente se enfrentaba al reto de seguir el ritmo del cambio. Necesitaban asegurarse de que sus plataformas digitales no sólo fueran accesibles, sino también lo suficientemente atractivas como para conectar de forma más significativa con su público objetivo. Con miles de visitantes al mes, querían que sus aplicaciones web fueran más interactivas, visualmente atractivas y fáciles de usar, corregir las discrepancias de contenido y mejorar la capacidad de gestión general.
Además, mostraron interés en aplicar inteligencia artificial en sus flujos de trabajo para ofrecer contenidos más pertinentes y reducir los costes operativos.
En la primera etapa, Innowise revisó el ecosistema de medios digitales del cliente para remediar las inconsistencias obvias y encontrar áreas de mejora. Además de mitigar errores de navegación, velocidad de página, consistencia SEO, presentación de contenidos y más, nuestro equipo de proyecto se embarcó en la migración a Labrador CMS. Gracias a la arquitectura "headless CMS", el repositorio de contenidos y la capa de presentación están separados, lo que convierte a esta plataforma en una solución ideal para los editores digitales modernos que experimentan un rápido crecimiento.
Innowise ha actualizado una aplicación web que ofrece una guía completa de casas enteras, abarcando detalles interiores, arquitectura y arte. Como publicación líder y plataforma en línea, este medio digital sigue siendo una fuente de referencia para la arquitectura innovadora en viviendas particulares.
Hemos modernizado la aplicación web que proporciona información actualizada sobre el desarrollo y el crecimiento de los niños. Ayuda a las madres en todas las fases, desde el embarazo hasta la adolescencia. - hacer que el viaje de la maternidad sea más satisfactorio.
Este medio de comunicación digital se ha estado abasteciendo, evaluando y ofreciendo las últimas y más cruciales actualizaciones sobre salud, ejercicio, belleza y nutrición. Nuestro equipo de proyecto ha refactorizado canales de medios de estilo de vida, incluyendo artículos y reportajes sobre el mantenimiento de un estilo de vida saludable, consejos sobre dietas, ejercicios y bienestar psicológico.
Este medio es un buen complemento para mantenerse informado sobre las novedades de la familia real y el panorama del entretenimiento sueco. Durante más de una década, la aplicación web ha sido una fuente fiable de noticias reales, y con el tiempo se ha convertido en un destacado medio de noticias sobre las celebridades y personalidades del mundo del espectáculo más intrigantes de Suecia, que aparecen regularmente en televisión.
Dado que la fotografía profesional conlleva gastos elevados, como fotógrafos cualificados, estilistas experimentados, atrezzo, equipos y montajes de estudio, Innowise sugirió desarrollar una solución novedosa para eliminar la necesidad de mano de obra.
Nuestro equipo de proyecto seleccionó StableDiffusionXLy GPT-3.5 para generar imágenes de alta calidad a partir de mensajes de texto. Al principio, recopilamos fotos de los padres como referencia y utilizamos LoRA (adaptación de bajo rango de grandes modelos lingüísticos) para generar imágenes realistas. A continuación, creamos una interfaz texto-imagen fácil de usar para interactuar con el modelo.
La IA utiliza técnicas LLM y NLP para comprender la petición de texto, captando su contenido, contexto y sutilezas. A continuación, interpreta las características descritas en el texto, como objetos, colores, texturas y relaciones espaciales, para crear imágenes de la vida real basadas en correlaciones entre descripciones textuales y elementos visuales. Si el resultado final no satisface las expectativas previstas, perfeccionamos continuamente el modelo de IA basándonos en los comentarios y el rendimiento para lograr resultados satisfactorios.
Una vez que nuestros especialistas en ML afinaron el flujo de trabajo de generación de imágenes basándose en las indicaciones, obtuvimos los siguientes resultados.
Ejemplo 1: "Chuletón con guarnición, de arriba abajo, luz natural, sobre un plato liso, sencillo y elegante, capturado como una foto tomada con una Canon EOS R y un objetivo de 50mm en un fondo completamente blanco con sombra suave, resolución 8k, textura real y foto detallada, gran angular."
Ejemplo 2: "Primer plano macrofotográfico de una lasaña que hace la boca agua, con capas de fideos perfectamente cocidos, sabrosa carne picada y una mezcla de tres quesos pegajosos y fundidos. Añada una salsa casera de tomate y carne, y una cremosa mezcla de ricotta, mozzarella y parmesano. Prepara la salsa con pasta de tomate, agua, azúcar, hojas de albahaca, semillas de hinojo, condimento italiano, sal, pimienta y perejil fresco. Utiliza una Canon EOS 5D Mark IV y un objetivo Canon EF 100mm f/ 2.8L Macro IS USM para capturar las intrincadas capas y los vibrantes colores de este exquisito plato italiano. Ilumina la escena con una luz cálida y suave para acentuar la naturaleza reconfortante del plato."
Como nuestro cliente se enfrentaba a un menor compromiso de los usuarios, a problemas de retención de clientes y a la falta de ideas para crear contenidos valiosos, implantamos un sistema de recomendación de contenidos basado en IA. El sistema recopila datos de los usuarios, como el historial de navegación, las consultas de búsqueda, las interacciones (clics, "me gusta" y "compartir"), el historial de compras e información demográfica. El sistema de inteligencia artificial utiliza los datos recopilados para crear un perfil de cada usuario que recoge sus preferencias, intereses y patrones de comportamiento.
En la siguiente etapa, la IA analiza los datos del usuario, combinando algoritmos como el filtrado colaborativo, las máquinas de recomendación de aprendizaje profundo y un método híbrido.
El filtrado colaborativo hace recomendaciones basadas en el comportamiento de otros usuarios con perfiles o preferencias similares. Por ejemplo, si al usuario A le gustan determinados artículos y el usuario B tiene gustos similares a los del usuario A, el sistema podría recomendar esos artículos al usuario B.
A su vez, el enfoque de recomendación de aprendizaje profundo recopila grandes cantidades de datos relacionados con el comportamiento y las interacciones de los usuarios, incluidas preferencias, clics, búsquedas, gustos y otras acciones relevantes. A continuación, los modelos de aprendizaje profundo crean perfiles de usuario y sugieren representaciones de contenidos mediante el análisis de los datos recopilados. Este enfoque identifica patrones complejos que los algoritmos tradicionales podrían pasar por alto, lo que permite una comprensión más matizada de las preferencias del usuario.
El método híbrido combina máquinas de recomendación colaborativas y de aprendizaje profundo para mejorar la precisión de las recomendaciones y superar las limitaciones de los métodos individuales.
Nuestro equipo se aseguró de que el sistema reconociera las preferencias del usuario y ajustara las recomendaciones en función de los datos históricos y las tendencias actuales para prever qué contenidos calarían en el público objetivo.
Front-end
CSS, Next.js, React, Typescript, Labrador CMS
Back-end
Node.js
DE/ML
Python, PyTorch, Keras, NVIDIA TensorRT, NVIDIA DLRM, HuggingFaces, Spacy, Openai API (GPT-3.5), StableDiffusionXL, Docker, Docker Compose, Tensorboard
CI/CD
AWS, Cloudflare, Vercel Actualmente
Gracias a la metodología ágil, dividimos el proyecto en varias fases, lo que mejoró enormemente la flexibilidad, la comunicación y la satisfacción del cliente.
Durante las conversaciones iterativas que mantuvimos a lo largo de la fase de descubrimiento, comprendimos a la perfección los requisitos del cliente y definimos claramente el alcance del proyecto.
En la fase de diseño, nuestros talentosos Diseñadores UI/UX creó historias de usuario, mapas de recorrido del cliente y maquetas de diseño iniciales para mejorar el compromiso del usuario y eliminar las incoherencias existentes en las aplicaciones web. Los sprints de diseño facilitaron la creación rápida de prototipos y la recopilación de comentarios, esenciales para los entornos ágiles.
Con sprints de dos semanas, la fase de desarrollo incluía reuniones diarias, planificación de sprints y retrospectivas. Los componentes funcionales se entregaron después de cada sprint, marcando hitos específicos. El equipo del proyecto celebró reuniones diarias y revisiones de sprints para demostraciones a clientes a través de Google Meet, al tiempo que gestionaba la priorización de tareas en Jira y mantenía la documentación del proyecto en Confluence.
2
Propietarios de productos
1
Responsable técnico
1
Analista de crecimiento
1
Scrum Master
2
Desarrolladores de Back-end
4
Desarrolladores de Front-end
2
Diseñadores UI/UX
2
Desarrolladores de ML
1
Cloud Responsable de soluciones
Innowise modernizó el ecosistema de aplicaciones web del cliente, ofreciendo más comodidad y atractivo para los usuarios finales. Migramos los sistemas digitales del cliente al CMS Labrador, particularmente adecuado para publicaciones digitales de alto tráfico en términos de interfaz intuitiva, facilidad de uso, rentabilidad y funcionalidad. Además, implantamos una IA generativa de texto a imagen que convierte las descripciones escritas en las imágenes correspondientes sin necesidad de recurrir a costosas fotografías profesionales. También desarrollamos un sistema de recomendación de contenidos basado en IA que sugiere contenidos adaptados a las preferencias, comportamientos e intereses individuales del usuario.
El resultado fue una mayor participación de los usuarios al sugerirles contenidos relevantes e interesantes sin incoherencias ni errores en los distintos puntos de contacto digitales.
12%
afluencia de visitantes mensuales
66%
reducción de los costes de la fotografía profesional
Una vez recibida y procesada su solicitud, nos pondremos en contacto con usted para detallar las necesidades de su proyecto y firmar un acuerdo de confidencialidad que garantice la confidencialidad de la información.
Después de examinar los requisitos, nuestros analistas y desarrolladores elaboran una propuesta de proyecto con el alcance de las obras, el tamaño del equipo, el tiempo y las estimaciones de costos.
Concertamos una reunión con usted para discutir la oferta y llegar a un acuerdo.
Firmamos un contrato y comenzamos a trabajar en su proyecto lo más rápido posible.
2007-2024 Innowise. Todos los derechos reservados.
Política de privacidad. Política de cookies.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Varsovia, Polonia
Al registrarse, acepta nuestra Política de privacidadincluyendo el uso de cookies y la transferencia de su información personal.
Gracias.
Su mensaje ha sido enviado.
Procesaremos su solicitud y nos pondremos en contacto con usted lo antes posible.
Gracias.
Su mensaje ha sido enviado.
We’ll process your request and contact you back as soon as possible.