源信息经过deepseek翻译并总结
摘要：
沃尔玛通过四维利益相关者定制方案（顾客、员工、商户、供应商）建立工程化信任机制，实现AI规模化部署。关键实践包括压缩时尚周期至数周、采用模型上下文协议标准化智能体架构、系统化转化员工专业知识为AI资产，并重构自主系统指标。其经验表明AI成功依赖解决实际问题而非技术部署，强调架构纪律与精准需求匹配。该框架具有跨行业适用性，验证了从用户核心诉求出发可超越试点实现规模化。
沃尔玛企业级AI蓝图：规模化信任工程 | VentureBeat
VB活动
沃尔玛实现企业级AI规模化：数千用例，统一框架
Louis Columbus@LouisColumbus
2025年6月26日 下午2:54
这场被企业领袖信赖近二十年的活动——VB Transform汇聚了构建真实企业AI战略的先行者。了解更多
沃尔玛在实现企业级自主AI规模化部署方面持续取得突破。其秘诀在于：将信任视为工程需求，而非事后的合规勾选项。
在VB Transform 2025大会的《算法信任：沃尔玛自主AI如何重塑消费者信心与零售领导力》主题演讲中，沃尔玛新兴技术副总裁Desirée Gosby阐述了这家零售巨头如何将数千个AI用例标准化运作。核心目标之一是在每周2.55亿顾客中持续巩固信任。
“我们视其为类似互联网的重大转折点，“Gosby在周二早间会议中告诉行业分析师Susan Etlinger，“这将深刻改变我们的运营和工作方式。”
演讲揭示了沃尔玛AI部署的经验教训。贯穿始终的是其运用分布式系统架构原则避免技术债务的持续探索。
四维利益相关者框架构建AI部署
沃尔玛的AI架构摒弃水平平台，针对不同群体提供定制方案：
- 顾客通过Sparky实现自然语言购物
- 门店员工使用库存与工作流优化工具
- 商户获取品类管理决策支持系统
- 供应商获得业务集成能力
”当然还有开发人员，我们赋予他们运用新型智能体工具的超级能力，“Gosby解释道。
“全公司范围正在落地数百甚至数千个不同用例，“Gosby透露。这种规模要求大多数企业所缺乏的架构纪律。该框架承认每个团队都需要针对其具体工作的专属工具——库存管理人员与区域趋势分析者需求迥异。通用平台因忽视操作现实而失败，沃尔玛的精准定位通过相关性（而非强制）推动采用。
信任经济学驱动AI采用
沃尔玛发现信任通过价值交付建立，而非流于形式的培训。
Gosby以母亲从每周购物到疫情期配送的演变为例，说明自然采用机制：每个步骤都带来即时可感的收益。没有摩擦，无需强制变革，但进展速度超乎预期。
“她始终在与AI互动。货架上出现所需商品——这正是AI的功劳。“预测性商务愿景进一步体现于其母亲的体验：“不必每周思考配送清单，商品能否自动送达？“这正是预测性商务为每位顾客创造价值的本质。
“当你能帮助用户消除摩擦、省钱并提升生活品质（这是我们使命的一部分），信任自然建立，“Gosby强调。员工同理——当AI真正改善工作、节省时间并提升效能时，采用与信任将水到渠成。
时尚周期从数月压缩至数周
”趋势到产品”系统量化了AI的运营价值。该平台整合社交媒体信号、顾客行为与区域模式，将产品开发周期从数月缩短至数周。
“现在我们能以周为单位将合适商品送达顾客，“Gosby表示。系统根据实时需求而非历史数据创造产品。这种时间压缩彻底改变了零售经济模型：
- 库存周转加速
- 降价风险降低
- 资本效率倍增
在保持价格优势的同时，沃尔玛获得了与任何对手匹敌的上市速度。所有快消品类都能从这种AI驱动的时效提升中获益。
MCP协议构建可扩展智能体架构
沃尔玛的智能体编排策略源于其分布式系统的实战经验。通过模型上下文协议(MCP)标准化智能体与现有服务的交互方式。
“我们分解业务领域，将其封装为MCP协议，进而实现智能体编排，“Gosby解释道。该策略改造而非替换现有基础设施。
这种架构哲学超越协议本身：“当前变革类似于从单体到分布式系统的转型。我们必须避免重蹈覆辙。“Gosby列出执行要求：“如何分解业务领域？需要哪些MCP服务器？采用何种智能体编排？“在沃尔玛，这些都是日常运营决策而非理论探讨。
“我们将现有基础设施解构后，重组为所需智能体，“Gosby表示。这种标准化优先的方法实现了灵活性——通过适当的抽象层，多年前构建的服务如今能驱动智能体体验。
商户专业知识转化为企业智能
沃尔玛将数十年员工知识沉淀为核心AI能力。公司系统化捕获数千名商户的品类专长，构建起数字原生零售商无法复制的竞争优势。
“我们拥有数千名顶尖品类专家，“Gosby举例说明，“比如精通奶酪葡萄酒搭配的专家，但这些知识过去未被结构化存储。”
AI使这些知识可操作化：“通过新工具，我们能捕捉这些专业知识并服务于顾客。“应用场景具体而明确：“当顾客需要筹划派对餐单时，系统能提供专业建议。”
这种战略优势具有累积效应。数十年的商户经验通过自然语言查询即可调用。数字原生零售商缺乏这种人类知识积淀——沃尔玛220万员工构成了算法无法独立合成的专有智力资产。
新指标衡量自主系统成效
沃尔玛开创了适用于自主AI的测量体系。当智能体处理端到端流程时，传统漏斗指标已然失效。
“在智能体主导的世界里，我们正在重构评估标准，“Gosby指出，“转化率等指标仍然存在，但更关注目标达成度。”
这种转变反映运营现实：“我们是否真正解决了顾客或员工的核心诉求？“这个问题重新定义了成功标准。
“归根结底是衡量我们是否交付了预期价值，然后逆向推导出合适指标，“Gosby解释道。问题解决比流程合规更重要——AI如何帮助顾客达成目标优先于转化漏斗。
沃尔玛AI转型的企业启示
本次演讲为企业级AI部署提供了可操作的智慧。沃尔玛的运营方法提供了经过规模化验证的框架：
- 首日即贯彻架构纪律：从单体到分布式系统的转型经验为AI部署奠定基础。关键教训是在扩展前建立正确基础，通过系统化方法避免昂贵返工。
- 解决方案匹配具体需求：通用AI必然失败。门店员工与商户、供应商与开发者需要不同工具。沃尔玛的精准定位驱动采用。
- 通过实证价值建立信任：从具有明确收益的用例起步。沃尔玛从基础库存管理到预测性商务的逐步推进，每个成功都为下一阶段积累洞见。
- 将员工知识转化为企业资产：数十年专业经验存在于组织内部。沃尔玛系统化捕获商户智慧，并将其应用于每周2.55亿笔交易。这种机构知识创造了算法无法从零复制的竞争优势。
- 在自主系统中测量关键指标：当AI处理完整工作流时，转化率已不适用。聚焦问题解决与价值交付。沃尔玛的指标随运营现实演进。
- 在复杂性爆发前标准化：集成失败比糟糕代码更能摧毁项目。沃尔玛的协议决策预防了大多数AI项目失控的混乱。结构赋能速度。
“万变不离其宗，“Gosby建议道，“先回归本质：明确需要为顾客和员工解决哪些实际问题？哪些环节存在摩擦？哪些手动工作可以重新构想？”
超越零售的规模化蓝图
沃尔玛展示了企业级AI如何通过工程纪律和系统化部署取得成功。这家在4700家门店处理每日数百万交易的企业，将每个利益相关群体视为需要定制实时解决方案的独特挑战。
“AI正渗透到我们所有业务环节，“Gosby表示，“但归根结底，我们始终从顾客和会员出发，理解技术将如何影响他们。”
该框架具有跨行业适用性：
- 平衡客户需求与监管要求的金融机构
- 协调跨机构患者护理的医疗系统
- 管理复杂供应链的制造商
“顾客寻求问题解决方案，员工亦然，“Gosby总结道，“我们是否用新工具真正解决了这些问题？“这种聚焦问题解决（而非技术部署）的导向驱动了可衡量的成果。沃尔玛的规模验证了任何希望超越试点阶段的企业都可借鉴的方法。
VB Daily提供商业用例每日洞察
想给老板留下深刻印象？VB Daily为您提供生成式AI在企业中的应用内幕——从监管变化到实际部署，助您分享最具投资回报率的洞见。
阅读我们的隐私政策
感谢订阅。查看更多VB新闻通讯。
发生错误。
VB Transform 2025新增50张门票
6月24-25日旧金山峰会，与顶尖领袖共同应对真实AI挑战，分享有效方案，塑造未来趋势。名额有限。
-
不出售我的个人信息
© 2025 VentureBeat. 保留所有权利。
×### 你所需的AI前沿洞察
提交
感谢订阅。查看更多VB新闻简报请点击此处。
发生错误。