Como a Albertsons está construindo um núcleo central de IA para escalar em 2.300 lojas
por Aly McGue
No varejo, a pressão sobre as margens é estrutural. As empresas que se destacam tomam decisões mais rápidas e precisas em merchandising, mão de obra e cadeia de suprimentos, e o fazem de forma consistente em milhares de locais. A questão para a maioria dos grandes varejistas: suas organizações estão preparadas para escalar a IA rápido o suficiente para fazer a diferença? A Albertsons Companies é uma das maiores redes de alimentos e medicamentos dos Estados Unidos, operando aproximadamente 2.300 lojas e gerando US$ 80 bilhões em receita. Sunil Gopinath lidera dados e IA globalmente para a empresa, e também gerencia a Albertsons Companies India, seu maior centro de tecnologia e IA. Seu mandato: construir a base de IA e dados para transformar um ótimo varejista em uma empresa orientada por dados, com agilidade e em escala.
A convicção que permeou nossa conversa foi direta: pare de tolerar a fragmentação. As empresas que conectam a ambição de IA a uma base corporativa sólida vencerão. Todos os outros estão realizando experimentos caros.
Apoiando essa estratégia está a Plataforma Databricks, que a Albertsons utiliza em engenharia de dados, ML, governança e análise. Essa base compartilhada torna o mandato de 'uma plataforma' uma realidade, dando a cada equipe a mesma linha de partida em vez de um conjunto diferente de ferramentas.
Aly McGue: Como vocês moveram sua organização de experimentos de IA fragmentados e de propriedade de unidades de negócios para uma equipe central de IA e um modelo operacional centralizados?
Sunil Gopinath: Paramos de tolerar a fragmentação e tomamos uma decisão arquitetônica firme. Uma equipe, uma plataforma, um modelo operacional. Nós nos organizamos em torno de quatro grandes apostas em IA: experiência do cliente, inteligência de merchandising, mão de obra e cadeia de suprimentos. Isso nos deu foco estratégico. A equipe central de IA centralizada nos deu o músculo para executar.
A lógica era simples. Havia uma necessidade organizacional clara de componentes horizontais comuns, como governança, segurança e um repositório central de modelos reutilizáveis. Uma equipe dedicada focada nesses blocos de construção significa que as equipes de aplicação não precisam se preocupar com higiene e bases. Elas podem se concentrar inteiramente em tornar o negócio melhor, mais previsível, mais acionável.
Também temos um comitê de governança corporativo que reúne stakeholders e líderes seniores para estabelecer padrões compartilhados e aceitáveis para IA e governança de IA. É tomada de decisão coletiva no nível de liderança. É isso que faz funcionar.
Aly: Qual foi a estratégia para construir padrões compartilhados, uma plataforma central e aceleradores reutilizáveis para impulsionar a eficiência na Albertsons, permitindo ao mesmo tempo a inovação e os casos de uso locais?
Sunil: A melhor maneira de pensar sobre isso é um modelo de franquia. Infraestrutura comum, padrões e governança no centro. Execução local e inovação nas pontas.
Construímos aceleradores reutilizáveis: pipelines e modelos de ingestão; padrões de feature store; monitoramento de modelos; observabilidade de desempenho; e invólucros de governança. Qualquer equipe pode se conectar a eles e ir 10x mais rápido. O objetivo da plataforma é que ela não restrinja a inovação. Ela a acelera.
Nossa filosofia é que você precisa equilibrar inovação com confiança e governança, tanto de nossos funcionários quanto de nossos clientes. Portanto, os padrões não são arbitrários. Eles refletem o que é necessário para que o negócio, os comerciantes e os clientes realmente confiem no que a IA está fazendo.
Aly: Como vocês estão repensando as habilidades e a liderança necessárias para gerenciar esse núcleo central de IA e como garantem que a plataforma capacite efetivamente as equipes não técnicas?
Sunil: Nossa abordagem funciona em três camadas: machine learning que prevê, genAI que responde e IA agentiva que age. Todas essas são incorporadas à forma como nossas pessoas trabalham.
Para equipes técnicas, migramos para engenharia aumentada por IA. Em 9 meses, aceitamos 1,38 milhão de linhas de código gerado por IA, com mais de 90% dos engenheiros engajados com ferramentas de IA. Mudamos fundamentalmente a velocidade com que podemos construir e lançar, e isso se multiplica.
Para equipes não técnicas, criamos dashboards de baixo código, bibliotecas de prompts e geração de agentes conversacionais. Temos nossa própria plataforma de IA agentiva onde até mesmo equipes não técnicas podem arrastar e soltar agentes. E se elas não se sentirem confortáveis fazendo isso, podem simplesmente ter uma conversa e dizer: "Crie um agente para monitorar estes KPIs", e ele o fará. O objetivo em ambos os lados é o mesmo: menos tempo procurando respostas, mais tempo tomando decisões.
Especificamente sobre a questão do talento, não procuramos apenas competência técnica ou familiaridade com as ferramentas de IA mais recentes. Contratamos pela atitude: aprender, experimentar, inovar. As ferramentas continuarão evoluindo em um ritmo recorde. Mas se esses traços culturais estiverem enraizados, as pessoas os absorverão e os colocarão em prática.
Aly: Quem em sua equipe de liderança executiva é o responsável final pelo sucesso do núcleo de IA corporativo e como seus KPIs mudaram?
Sunil: A propriedade está no topo. Para nós, IA é uma estratégia de negócios. Nossas métricas refletem isso: taxas de reutilização entre mercados, tempo de implantação, conformidade de IA responsável e, o mais importante, resultados de negócios vinculados ao aumento de IA. Se uma iniciativa não consegue demonstrar impacto, ela não escala. Essa disciplina precisa ser imposta de cima, e é isso que torna a IA uma vantagem real e não apenas um experimento caro.
Sunil não descreve uma evolução gradual em direção à centralização. Ele descreve um compromisso deliberado: uma equipe, uma plataforma, um modelo operacional, com apostas estratégicas que focam o trabalho e aceleradores reutilizáveis que multiplicam a velocidade.
Inteligência de Merchandising é uma das quatro prioridades estratégicas de IA, as grandes apostas que a Albertsons comprometeu como parte de sua transformação corporativa mais ampla, e ilustra como é o modelo centralizado quando atinge um problema de negócios real. A plataforma é construída na Databricks, com Genie na camada de interação. Os comerciantes podem fazer perguntas complexas em linguagem simples e obter respostas governadas e confiáveis sem escrever uma consulta ou abrir um ticket. A Databricks fornece a base de engenharia de dados, ML e análise por baixo.
Para executivos que lutam para mover a IA de bolsões de experimentação para capacidade corporativa, o modelo de franquia da Albertsons oferece um quadro útil: governe o centro, libere as pontas e certifique-se de que cada equipe construa sobre o que já foi comprovado.
Para comparar seus investimentos e desenvolver seu roteiro para incorporar IA em sua organização e produtos, baixe o Databricks State of AI Agents.
(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original
Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.