改用GAI輔助上億筆數據處理，媲美100倍人力的生產力！商品SKU 4億筆，年營收20兆元的全球零售龍頭Walmart，在倉儲管理、訂單履行、搜索功能、商品推薦、店員服務優(yōu)化，以及打造各式各樣運營和購物體驗時，都以這傲人規(guī)模的商品數據集作為基礎。不過，梳理幾億筆商品數據的艱巨工程，誰來做？
若是以前問這個問題，舉起手的是無數個數據團隊成員，必須日以繼夜的更新和完善商品數據，這些數據才能成為后續(xù)高端應用的養(yǎng)分。不過，現在Walmart有了一個新法寶，讓舉起手的人變少了。這個法寶正是近年爆紅的生成式AI技術。
Walmart資深副總裁Stephanie Wissink在今年8月說明會披露了不少生成式AI的成果，也透露未來要開始將GAI運用到供應商管理，像是第三方供應商的客服，意見匯集整理等。尤其有一項關鍵作業(yè)的成效驚人，引起各界高度關注，這是目前少數對外公開，跨國企業(yè)導入生成式AI的成效實例。
他們用生成式AI來創(chuàng)建及完善商品目錄數據，支持至少8.5億筆數據的處理作業(yè)?！皼]有生成式AI，在相同時內完成同樣作業(yè)，需要近100倍人力?！盨tephanie Wissink說，“提升了商品目錄數據品質，幾乎對于我們所有業(yè)務都有正面影響?！边@是一項影響遍及Walmart所有業(yè)務和運營的關鍵作業(yè)，生成式AI創(chuàng)造了媲美100倍人手的生產力。
參與過統(tǒng)一集團數據與AI發(fā)展的高雄科技大學營銷與流通管理系副教授歐宗殷觀察，Walmart生成式AI應用已經發(fā)展到相當后期的階段，且兼具深度與廣度。
歐宗殷指出，零售業(yè)生成式AI發(fā)展有5個階段，從加速開發(fā)、分析消費記錄及產品資訊等數據、構建企業(yè)綜合知識庫及知識管理工具、設計和影音等內容創(chuàng)作，最后一個階段是顧客服務、營銷與推薦。Walmart生成式AI應用已經波及這5個階段，可以帶來四大類的價值，提高生成內容精準度、帶來實質效益、業(yè)務模式創(chuàng)新，和體驗優(yōu)化。
除了一開始提到的各式數據應用，Walmart優(yōu)化商品數據品質還有助于門店銷售商品選擇、利用計算機視覺等技術標注和添加更多商品數據、分群門店特性用于經營決策參考、商品定價，甚至是更加了解顧客行為模式，并直接帶來營收。
Walmart首席執(zhí)行官Doug McMillon舉例，完善后的商品數據，會用于電商生成式AI搜索功能，強化跨商品分類搜索的能力。這有助于他們更細致理解顧客的偏好和購買周期等行為模式。進而帶來更多營收，直接強化獲利能力。
這是因為，搭配生成式AI技術的搜索引擎，能通過語義分析、跨分類商品檢索等能力，呈現出與消費者輸入關鍵字本身未必直接相關，但符合消費者潛在購買意愿的其他商品。這樣一來，既能提升客單價，也能進一步通過消費者購買與否，來了解更多消費者習性。
Doug McMillon將這個現象模擬做實體購物時的沖動消費?！叭藗冏哌M實體店面時，常會購買不在購物清單上的東西?！边@于實體零售已經自成一門學問：如何根據消費者習性，陳列看似不相關但有高機率被同時購買的東西──經典的尿布與啤酒故事。現在，電商的虛擬貨架也能呈現出這些促成沖動消費的商品。甚至，可以做到實體門店更加細致，記錄每一筆這類消費行為，并以個人等級顆粒度，呈現出該顧客最有可能連帶購買的商品。
利用生成式AI來大幅提升數據梳理效率，不僅能節(jié)省人力成本，還連帶加速后續(xù)應用開發(fā)速度，有助于Walmart面對大型企業(yè)應用生成式AI一大挑戰(zhàn)，也就是如何持續(xù)高速創(chuàng)新。
Walmart大舉應用生成式AI到企業(yè)內外部場景。圖為他們結合AR技術與生成式AI打造而成的室內設計購物助手實驗原型，根據自然語言輸入來為顧客房間模擬擺設適合的商品。這些技術背后使用的商品數據，也會靠生成式AI清洗和梳理。
Walmart應用生成式AI的4大挑戰(zhàn)
Walmart應用AI及生成式AI時，有4大挑戰(zhàn)：持續(xù)高速創(chuàng)新、數據及開發(fā)規(guī)模龐大、成本控制不易，以及需要執(zhí)行復雜嚴謹的生成式AI治理政策。其中，持續(xù)高速創(chuàng)新是Walmart主任數據科學家Michael Pfaffenberger最為重視的。
Michael Pfaffenberger說明，零售科技競爭非常激烈，就算Walmart在這戰(zhàn)場中算是領先者，仍時刻不能慢下創(chuàng)新腳步。同時，Walmart還有一些限制，使他們接觸新科技時更需要快馬加鞭開發(fā)進度。
其中一個限制是，正式采用新技術的時機點較慢。就Walmart來說，財會部門需要管控和記錄GenAI使用支出，且使用的服務需要具備更高服務水準，因此得等一般可用（Generally available）的商業(yè)級產品發(fā)布才會激活。創(chuàng)業(yè)公司或中小型企業(yè)，則沒有這么重的包袱。
他舉例，Azure開放使用GPT4-Turbo的時間比OpenAI開放試用版的日期晚了9天，且企業(yè)還需要等待廠商協(xié)助設置和導入，進入Walmart自家正式開發(fā)環(huán)境。這就會讓Walmart于競爭激烈的環(huán)境中晚了數周才起步。“這聽起來不久，但上市時間在生成式AI軍備競賽中非常重要。”他強調。
第二個挑戰(zhàn)是數據及開發(fā)規(guī)模龐大。Walmart有近3億名會員、4億筆商品SKU、2百萬名員工、上萬家門店、月流量4億人次電商和無數家第一方及第三方供應商，產生驚人規(guī)模的數據。不只數據量日益增加，Walmart還不斷將生成式AI應用于更多、更大、更復雜的問題。這些因素，使Walmart必須在多云計算平臺及多地理區(qū)域增加開發(fā)資源，并確保系統(tǒng)有高可用性。
規(guī)模龐大便會帶來第三個挑戰(zhàn)，開發(fā)成本控制不易。尤其是，以不犧牲功能性和性能為前提來控制成本。如何提高IT資源利用率，成為極其復雜但不得不面對的議題。例如，如何減少資源閑置時間、自動調整機器用量、有效的IT硬件及開發(fā)資源共享、采購高性能計算硬件或采用適當IT基礎架構等。
第四是更強的AI治理需求，也就是如何避免生成式AI產出內容在倫理或法律上產生威脅，同時兼具應用的可用性和性能。這對Walmart來說不只是IT和數據部門的責任，更涉及了橫跨法務、公關、會計等部門。
打造生成式AI“游樂場”，標準化開發(fā)環(huán)境更鼓勵企業(yè)上下探索應用
Walmart原本就有一套MLOps平臺Elements，可以同時管理和運行百萬個模型，來支持2萬5千名IT團隊和數據科學團隊的各種AI應用。如今，此平臺也加入了生成式AI應用所需的開發(fā)資源，加入更多任務具、相關模型等，系統(tǒng)性應對生成式AI發(fā)展的四大挑戰(zhàn)。
不只大幅強化技術人員的AI軍火庫，Walmart更針對非IT人員開發(fā)了一個名為GenAI Playground的生成式AI沙盒工具。這個“游樂場”提供各式開發(fā)工具及測試環(huán)境，也包含No-code開發(fā)工具，讓非IT或數據背景的員工，也能根據自己崗位需求和靈感，自行打造和試用生成式AI功能。
除了打造全公司人人都可用的生成式AI應用開發(fā)工具之外，Walmart還有各種搜集員工關于生成式AI應用發(fā)展及使用反饋的機制。例如，他們會定期開研討會，將業(yè)務人員和工程師齊聚一堂，由第一線業(yè)務人員提出需求和想法，并由工程師說明技術細節(jié)，借此尋找新應用可能。他們也會搜集員工使用生成式AI工具的數據來分析使用情況，并于這些工具中提供用戶反饋功能，鼓勵員工主動回應使用心得。
借由這些工具，Walmart已經開發(fā)出許多大規(guī)模生成式AI應用，囊擴對內和對外業(yè)務。這包括基礎數據梳理、生成式AI搜索功能、電商購物助手機器人、總部員工生產力工具、門店運營輔助、員工學習及福利管理工具、語音客服與購物等。未來，還將進一步應用生成式AI于AR家具及服飾購物功能，以及第三方供應商的客服功能。
閩公網安備 35010202001226號
