關鍵作業生產力提升百倍，Walmart要大規模擁抱GAI

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、搜尋功能、商品推薦、店員服務優化，以及打造各式各樣營運和購物體驗時，都以這傲人規模的商品資料集作為基礎。不過，梳理幾億筆商品資料的艱鉅工程，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資料，這些資料才能成為後續進階應用的養分。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月法說會揭露了不少生成式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，意見彙整等。尤其有一項關鍵作業的成效驚人，引起各界高度關注，這是目前少數對外公開，跨國企業導入生成式AI的成效實例。

他們用生成式AI來建立及完善商品目錄數據，支援至少8.5億筆資料的處理作業。「沒有生成式AI，在相同時間內完成同樣作業，需要近100倍人力。」Stephanie Wissink說，「提升了商品目錄數據品質，幾乎對於我們所有業務都有正面影響。」這是一項影響遍及Walmart所有業務和營運的關鍵作業，生成式AI創造了媲美100倍人手的生產力。

參與過統一集團數據與AI發展的高雄科技大學行銷與流通管理系副教授歐宗殷觀察，Walmart生成式AI應用已經發展到相當後期的階段，且兼具深度與廣度。

歐宗殷指出，零售業生成式AI發展有5個階段，從加速開發、分析消費紀錄及產品資訊等數據、建置企業綜合知識庫及知識管理工具、設計和影音等內容創作，最後一個階段是顧客服務、行銷與推薦。Walmart生成式AI應用已經擴及這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、業務模式創新，和體驗優化。

除了一開始提到的各式數據應用，Walmart優化商品資料品質還有助於門市販售商品選擇、利用電腦視覺等技術標註和新增更多商品資料、分群門市特性用於經營決策參考、商品訂價，甚至是更加了解顧客行為模式，並直接帶來營收。

Walmart執行長Doug McMillon舉例，完善後的商品數據，會用於電商生成式AI搜尋功能，強化跨商品分類搜尋的能力。這有助於他們更細緻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技術的搜尋引擎，能透過語意分析、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願的其他商品。這樣一來，既能提升客單價，也能進一步透過消費者購買與否，來了解更多消費者習性。

Doug McMillon將這個現象類比做實體購物時的衝動消費。「人們走進實體店面時，常會購買不在購物清單上的東西。」這於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衝動消費的商品。甚至，可以做到實體門市更加細緻，記錄每一筆這類消費行為，並以個人等級顆粒度，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，不只能節省人力成本，還連帶加速後續應用開發速度，有助於Walmart面對大型企業應用生成式AI一大挑戰，也就是如何持續高速創新。

Walmart大舉應用生成式AI到企業內外部場景。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。這些技術背後使用的商品數據，也會靠生成式AI清洗和梳理。

Walmart應用生成式AI的4大挑戰

Walmart應用AI及生成式AI時，有4大挑戰：持續高速創新、數據及開發規模龐大、成本控制不易，以及需要執行複雜嚴謹的生成式AI治理政策。其中，持續高速創新是Walmart主任資料科學家Michael Pfaffenberger最為重視的。

Michael Pfaffenberger說明，零售科技競爭非常激烈，就算Walmart在這戰場中算是領先者，仍時刻不能慢下創新腳步。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進度。

其中一個限制是，正式採用新技術的時機點較慢。就Walmart來說，財會部門需要控管和紀錄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）的商業級產品釋出才會啟用。新創或中小型企業，則沒有這麼重的包袱。

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，且企業還需要等待廠商協助設定和導入，進入Walmart自家正式開發環境。這就會讓Walmart於競爭激烈的環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。

第二個挑戰是數據及開發規模龐大。Walmart有近3億名會員、4億筆商品SKU、2百萬名員工、上萬家門市、月流量4億人次電商和無數家第一方及第三方供應商，產生驚人規模的數據。不只資料量日益增加，Walmart還不斷將生成式AI應用於更多、更大、更複雜的問題。這些因素，使Walmart必須在多雲端平臺及多地理區域增加開發資源，並確保系統有高可用性。

規模龐大便會帶來第三個挑戰，開發成本控制不易。尤其是，以不犧牲功能性和效能為前提來控制成本。如何提高IT資源利用率，成為極其複雜但不得不面對的議題。例如，如何減少資源閒置時間、自動調整機器用量、有效的IT硬體及開發資源共享、採購高效能運算硬體或採用適當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效能。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「遊樂場」，標準化開發環境更鼓勵企業上下探索應用

Walmart原本就有一套MLOps平臺Elements，可以同時管理和運作百萬個模型，來支援2萬5千名IT團隊和資料科學團隊的各種AI應用。現今，此平臺也加入了生成式AI應用所需的開發資源，加入更多工具、相關模型等，系統性因應生成式AI發展的四大挑戰。

不只大幅強化技術人員的AI軍火庫，Walmart更針對非IT人員開發了一個名為GenAI Playground的生成式AI沙盒工具。這個「遊樂場」提供各式開發工具及測試環境，也包含No-code開發工具，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應用開發工具之外，Walmart還有各種蒐集員工關於生成式AI應用發展及使用回饋的機制。例如，他們會定期開研討會，將業務人員和工程師齊聚一堂，由第一線業務人員提出需求和想法，並由工程師說明技術細節，藉此尋找新應用可能。他們也會蒐集員工使用生成式AI工具的數據來分析使用情況，並於這些工具中提供使用者回饋功能，鼓勵員工主動回報使用心得。

藉由這些工具，Walmart已經開發出許多大規模生成式AI應用，囊擴對內和對外業務。這包括基礎資料梳理、生成式AI搜尋功能、電商購物助手機器人、總部員工生產力工具、門市營運輔助、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於AR家具及服飾購物功能，以及第三方供應商的客服功能。

 相關報導