Walmart terus membuat langkah dalam memecahkan kode pada penyebaran AI agen pada skala perusahaan. Rahasia mereka? Memperlakukan kepercayaan sebagai persyaratan teknik, bukan kotak centang kepatuhan yang Anda centang di akhir.
Selama “Kepercayaan pada Algoritma: Bagaimana AI Agen Walmart mendefinisikan kembali kepercayaan konsumen dan kepemimpinan ritel” di VB Transform 2025, VP Walmart dari Teknologi yang Muncul Desirée Gosby, menjelaskan bagaimana raksasa ritel itu Mengoperasionalkan ribuan kasus penggunaan AI. Salah satu tujuan utama pengecer adalah untuk secara konsisten mempertahankan dan memperkuat kepercayaan pelanggan di antara 255 juta pembeli mingguannya.
“Kami melihat ini sebagai titik belok yang cukup besar, sangat mirip dengan internet,” kata Gosby kepada analis industri Susan Etlinger selama sesi pagi hari Selasa. “Ini sama mendalam dalam hal bagaimana kita sebenarnya akan beroperasi, bagaimana kita benar -benar bekerja.”
Sesi ini memberikan pelajaran berharga dari pengalaman penyebaran AI Walmart. Tersirat di seluruh diskusi adalah pencarian raksasa ritel terus -menerus untuk cara -cara baru untuk menerapkan prinsip -prinsip arsitektur sistem terdistribusi, sehingga menghindari penciptaan utang teknis.
Struktur Kerangka Kerja Empat Pemangku
Arsitektur AI Walmart menolak platform horizontal untuk solusi pemangku kepentingan yang ditargetkan. Setiap kelompok menerima alat yang dibangun khusus yang membahas gesekan operasional tertentu.
Pelanggan melibatkan Sparky untuk belanja bahasa alami. Rekanan lapangan mendapatkan inventaris dan alat optimisasi alur kerja. Pedagang mengakses sistem dukungan keputusan untuk manajemen kategori. Penjual menerima kemampuan integrasi bisnis. “Dan kemudian, tentu saja, kami punya pengembang, dan sungguh, Anda tahu, memberi mereka kekuatan super dan menagihnya, Anda tahu, agen alat yang baru,” jelas Gosby.
“Kami memiliki ratusan, jika tidak ribuan, dari berbagai kasus penggunaan di seluruh perusahaan yang kami hidup,” ungkap Gosby. Skala ini menuntut disiplin arsitektur yang tidak dimiliki sebagian besar perusahaan.
Segmentasi mengakui kebutuhan mendasar dari masing-masing tim di Walmart untuk memiliki alat yang dibangun khusus untuk pekerjaan spesifik mereka. Associates Store Mengelola Inventarisasi Membutuhkan Alat Berbeda dari Pedagang Menganalisis Tren Regional. Platform generik gagal karena mereka mengabaikan realitas operasional. Kekhususan Walmart mendorong adopsi melalui relevansi, bukan mandat.
Trust Economics mendorong adopsi AI di Walmart
Walmart menemukan bahwa kepercayaan dibangun melalui pengiriman nilai, bukan hanya program pelatihan wajib yang diasosiasikan, kadang -kadang, mempertanyakan nilai.
Contoh Gosby selaras ketika dia menjelaskan evolusi belanja ibunya dari kunjungan toko mingguan ke pengiriman era Covid, menggambarkan dengan tepat bagaimana adopsi alami bekerja. Setiap langkah memberikan manfaat langsung dan nyata. Tidak ada gesekan, tidak ada manajemen perubahan paksa, namun perkembangan terjadi lebih cepat daripada yang bisa diprediksi oleh siapa pun.
“Dia telah berinteraksi dengan AI sepanjang waktu itu,” Gosby menjelaskan. “Fakta bahwa dia bisa pergi ke toko dan mendapatkan apa yang diinginkannya, itu ada di rak. AI digunakan untuk melakukan itu.”
Manfaat yang diperoleh pelanggan dari visi perdagangan prediktif Walmart lebih lanjut tercermin dalam pengalaman ibu Gosby. “Alih -alih harus pergi setiap minggu, cari tahu bahan makanan apa yang perlu Anda kirimkan, bagaimana jika itu hanya muncul untuk Anda secara otomatis?” Itulah inti dari perdagangan prediktif dan bagaimana memberikan nilai pada skala untuk setiap pelanggan Walmart.
“Jika Anda menambahkan nilai pada kehidupan mereka, membantu mereka menghilangkan gesekan, membantu mereka menghemat uang dan hidup lebih baik, yang merupakan bagian dari misi kami, maka kepercayaan itu datang,” kata Gosby. Rekanan mengikuti pola yang sama. Ketika AI benar -benar meningkatkan pekerjaan mereka, menghemat waktu dan membantu mereka unggul, adopsi terjadi secara alami dan kepercayaan diperoleh.
Siklus mode kompres dari bulan hingga berminggu -minggu
Tren Walmart ke sistem produk mengukur nilai operasional AI. Platform ini mensintesis sinyal media sosial, perilaku pelanggan, dan pola regional untuk memangkas pengembangan produk dari bulan ke minggu.
“Tren ke produk telah membuat kami turun dari bulan ke minggu untuk mendapatkan produk yang tepat untuk pelanggan kami,” ungkap Gosby. Sistem ini menciptakan produk sebagai respons terhadap permintaan real-time daripada data historis.
Kompresi berbulan-bulan mengubah ekonomi ritel Walmart. Inventaris berubah menjadi lebih cepat. Eksposur penurunan harga menyusut. Efisiensi modal berlipat ganda. Perusahaan mempertahankan kepemimpinan harga sambil mencocokkan kemampuan kecepatan-ke-pasar pesaing. Setiap kategori berkecepatan tinggi dapat mengambil manfaat dari menggunakan AI untuk mengecilkan waktu-ke-pasar dan memberikan keuntungan yang dapat diukur.
Bagaimana Walmart Menggunakan Protokol MCP Untuk Membuat Arsitektur Agen yang Dapat Diukur
Pendekatan Walmart terhadap orkestrasi agen menarik langsung dari pengalamannya yang sulit dipahami dengan sistem terdistribusi. Perusahaan menggunakan Model Context Protocol (MCP) untuk membakukan bagaimana agen berinteraksi dengan layanan yang ada.
“Kami memecah domain kami dan benar -benar melihat bagaimana kami membungkus hal -hal itu sebagai protokol MCP, dan kemudian mengekspos hal -hal yang kemudian dapat kami mulai mengatur agen yang berbeda,” jelas Gosby. Strategi mengubah infrastruktur yang ada daripada menggantinya.
Filosofi arsitektur berjalan lebih dalam daripada protokol. “Perubahan yang kami lihat hari ini sangat mirip dengan apa yang telah kami lihat ketika kami beralih dari monolith ke sistem yang didistribusikan. Kami tidak ingin mengulangi kesalahan itu,” kata Gosby.
Gosby menguraikan persyaratan eksekusi: “Bagaimana Anda menguraikan domain Anda? Server MCP apa yang harus Anda miliki? Orkestrasi agen macam apa yang harus Anda miliki?” Di Walmart, ini mewakili keputusan operasional harian, bukan latihan teoretis.
“Kami ingin mengambil infrastruktur kami yang ada, memecahnya, dan kemudian membuat kembali ke dalam agen yang ingin kami bangun,” jelas Gosby. Pendekatan standardisasi-pertama ini memungkinkan fleksibilitas. Layanan yang dibangun bertahun -tahun yang lalu sekarang pengalaman agen daya melalui lapisan abstraksi yang tepat.
Keahlian Pedagang Menjadi Intelijen Perusahaan
Walmart memanfaatkan pengetahuan karyawan selama beberapa dekade, menjadikannya komponen inti dari kemampuan AI yang berkembang. Perusahaan secara sistematis menangkap keahlian kategori dari ribuan pedagang, menciptakan keunggulan kompetitif yang tidak dapat ditandingi oleh pengecer pertama digital.
“Kami memiliki ribuan pedagang yang sangat baik dalam apa yang mereka lakukan. Mereka adalah ahli dalam kategori yang mereka dukung,” jelas Gosby. “Kami memiliki pedagang keju yang tahu persis apa yang terjadi anggur atau pasangan keju apa, tetapi data itu tidak harus ditangkap dengan cara terstruktur.”
AI mengoperasionalkan pengetahuan ini. “Dengan alat yang kami miliki, kami dapat menangkap keahlian yang mereka miliki dan benar -benar membawa itu untuk pelanggan kami,” kata Gosby. Aplikasi ini spesifik: “Ketika mereka mencoba mencari tahu, hei, saya perlu mengadakan pesta, makanan pembuka seperti apa yang harus saya miliki?”
Senyawa keunggulan strategis. Keahlian pedagang selama beberapa dekade dapat diakses melalui pertanyaan bahasa alami. Pengecer digital-pertama tidak memiliki fondasi pengetahuan manusia ini. Rekanan 2,2 juta Walmart mewakili kecerdasan hak milik bahwa algoritma tidak dapat disintesis secara mandiri.
Metrik baru mengukur kesuksesan otonom
Sistem pengukuran perintis Walmart yang dirancang untuk AI otonom daripada proses yang digerakkan manusia. Metrik corong tradisional gagal ketika agen menangani alur kerja ujung ke ujung.
“Di dunia agen, kita mulai mengerjakan ini, dan itu akan berubah,” kata Gosby. “Metrik seputar konversi dan hal -hal seperti itu, itu tidak akan berubah, tetapi kita akan melihat penyelesaian tujuan.”
Pergeseran mencerminkan realitas operasional. “Apakah kita benar -benar mencapai tujuan akhir apa yang direkanan kita, yang benar -benar diselesaikan oleh pelanggan kita?” Gosby bertanya. Pertanyaannya membingkai ulang pengukuran keberhasilan.
“Pada akhirnya, ini adalah ukuran, apakah kita memberikan manfaat? Apakah kita memberikan nilai yang kita harapkan, dan kemudian bekerja kembali dari sana untuk mengetahui metrik yang tepat?” Gosby menjelaskan. Resolusi masalah lebih penting daripada kepatuhan proses. Bagaimana AI membantu pelanggan mencapai tujuan mereka diprioritaskan daripada corong konversi.
Pelajaran perusahaan dari transformasi AI Walmart
Sesi Transformasi 2025 Walmart memberikan kecerdasan yang dapat ditindaklanjuti untuk penyebaran AI Perusahaan. Pendekatan operasional perusahaan menyediakan kerangka kerja yang telah divalidasi dalam skala.
- Menerapkan disiplin arsitektur sejak hari pertama. Pergeseran dari sistem monolitik ke terdistribusi memberi Walmart pelajaran yang diperlukan untuk belajar untuk berhasil dengan penyebaran AI. Pelajaran utama yang dipetik adalah membangun fondasi yang tepat sebelum penskalaan dan menentukan pendekatan sistematis yang mencegah pengerjaan ulang yang mahal.
- Cocokkan solusi dengan kebutuhan pengguna tertentu. AI satu ukuran untuk semua gagal setiap saat. Rekanan toko membutuhkan alat yang berbeda dari pedagang. Pemasok membutuhkan kemampuan yang berbeda dari pengembang. Pendekatan yang ditargetkan Walmart mendorong adopsi.
- Membangun kepercayaan melalui nilai yang terbukti. Mulailah dengan kemenangan yang jelas yang memberikan hasil yang terukur. Walmart pindah dari manajemen inventaris dasar ke perdagangan prediktif langkah demi langkah. Setiap keberhasilan menghasilkan wawasan dan pengetahuan untuk yang berikutnya.
- Mengubah pengetahuan karyawan menjadi aset perusahaan. Keahlian spesialis puluhan tahun ada di dalam organisasi Anda. Walmart secara sistematis menangkap intelijen pedagang dan mengoperasionalkannya di 255 juta transaksi mingguan. Pengetahuan institusional ini menciptakan keunggulan kompetitif tidak ada algoritma yang dapat ditiru dari awal.
- Ukur apa yang penting dalam sistem otonom. Tingkat konversi kehilangan titik ketika AI menangani seluruh alur kerja. Fokus pada resolusi masalah dan pengiriman nilai. Metrik Walmart berevolusi untuk mencocokkan realitas operasional.
- Standarisasi sebelum kompleksitas melanda. Kegagalan integrasi membunuh lebih banyak proyek daripada kode buruk yang pernah dilakukan. Keputusan protokol Walmart mencegah kekacauan yang menggagalkan sebagian besar inisiatif AI. Struktur memungkinkan kecepatan.
“Itu selalu kembali ke dasar,” saran Gosby. “Ambil langkah mundur dan pertama -tama pahami masalah apa yang benar -benar perlu Anda selesaikan untuk pelanggan Anda, untuk rekan kami. Di mana ada gesekan? Di mana ada pekerjaan manual yang sekarang dapat Anda pikirkan secara berbeda?”
Skala Cetak Biru Walmart di luar ritel
Walmart menunjukkan bagaimana perusahaan AI berhasil melalui disiplin teknik dan penyebaran sistematis. Perusahaan memproses jutaan transaksi harian di 4.700 toko dengan memperlakukan setiap kelompok pemangku kepentingan sebagai tantangan berbeda yang membutuhkan solusi real-time yang disesuaikan.
“Ini meresapi semua yang kita lakukan,” Gosby menjelaskan. “Tetapi pada akhirnya, cara kita melihatnya adalah kita selalu mulai dengan pelanggan dan anggota kita dan benar -benar memahami bagaimana hal itu akan berdampak pada mereka.”
Kerangka kerja mereka berlaku di seluruh industri. Organisasi jasa keuangan menyeimbangkan kebutuhan pelanggan dengan persyaratan peraturan, sistem perawatan kesehatan yang mengoordinasikan perawatan pasien di seluruh penyedia, produsen yang mengelola rantai pasokan yang kompleks semuanya menghadapi tantangan multi-pemangku kepentingan yang serupa. Pendekatan Walmart menyediakan metodologi yang diuji untuk mengatasi kompleksitas ini.
“Pelanggan kami mencoba memecahkan masalah untuk diri mereka sendiri. Hal yang sama untuk rekan kami,” kata Gosby. “Apakah kita benar -benar menyelesaikan masalah itu dengan alat -alat baru ini?” Fokus pada resolusi masalah ini daripada penyebaran teknologi mendorong hasil yang terukur. Skala Walmart memvalidasi pendekatan untuk setiap perusahaan yang siap bergerak melampaui program percontohan.
About the Author
