Cómo Albertsons está construyendo un núcleo de IA centralizado para escalar en 2.300 tiendas
por Aly McGue
En el sector minorista, la presión sobre los márgenes es estructural. Las empresas que avanzan toman decisiones más rápidas y precisas en merchandising, mano de obra y cadena de suministro, y lo hacen de manera consistente en miles de ubicaciones. La pregunta que enfrentan la mayoría de los grandes minoristas: ¿están sus organizaciones preparadas para escalar la IA lo suficientemente rápido como para marcar la diferencia? Albertsons Companies es uno de los mayores minoristas de alimentos y medicamentos de Estados Unidos, con aproximadamente 2.300 tiendas y unos ingresos de 80.000 millones de dólares. Sunil Gopinath dirige los datos y la IA a nivel mundial para la empresa, y también dirige Albertsons Companies India, su mayor centro de tecnología e IA. Su mandato: construir la base de IA y datos para convertir a un gran minorista en una empresa impulsada por datos, a gran velocidad y a escala.
La convicción que recorrió nuestra conversación fue directa: dejen de tolerar la fragmentación. Las empresas que conectan la ambición de la IA con una sólida base empresarial ganarán. Todos los demás están realizando experimentos costosos.
Esta estrategia se basa en la Plataforma Databricks, que Albertsons utiliza en ingeniería de datos, ML, gobernanza y análisis. Esta base compartida hace realidad el mandato de 'una plataforma', dando a cada equipo el mismo punto de partida en lugar de un conjunto diferente de herramientas.
Aly McGue: ¿Cómo pasó su organización de experimentos de IA fragmentados y propiedad de unidades de negocio a un equipo central de IA y un modelo operativo centralizados?
Sunil Gopinath: Dejamos de tolerar la fragmentación y tomamos una decisión arquitectónica firme. Un equipo, una plataforma, un modelo operativo. Nos organizamos en torno a cuatro grandes apuestas en IA: experiencia del cliente, inteligencia de merchandising, mano de obra y cadena de suministro. Esos nos dieron un enfoque estratégico. El equipo central de IA centralizado nos dio el músculo para ejecutar.
La lógica era sencilla. Había una clara necesidad organizativa de componentes horizontales comunes, como gobernanza, seguridad y un repositorio central de modelos reutilizables. Un equipo dedicado a esos componentes básicos significa que los equipos de aplicaciones no tienen que preocuparse por la higiene y las bases. Pueden centrarse por completo en hacer que el negocio sea mejor, más predecible, más procesable.
También contamos con un comité de gobernanza en toda la empresa que reúne a partes interesadas y líderes sénior para establecer normas comunes y aceptables para la IA y la gobernanza de la IA. Es una toma de decisiones colectiva a nivel de liderazgo. Eso es lo que hace que funcione.
Aly: ¿Cuál fue la estrategia para construir estándares compartidos, una plataforma central y aceleradores reutilizables para impulsar la eficiencia en Albertsons, al tiempo que se permitía la innovación y los casos de uso locales?
Sunil: La mejor manera de pensarlo es como un modelo de franquicia. Infraestructura común, estándares y gobernanza en el centro. Ejecución e innovación locales en los extremos.
Construimos aceleradores reutilizables: canalizaciones y plantillas de ingesta; patrones de almacén de características; supervisión de modelos; observabilidad del rendimiento; y envolturas de gobernanza. Cualquier equipo puede conectarse a ellos y avanzar 10 veces más rápido. El propósito de la plataforma es que no limita la innovación. La acelera.
Nuestra filosofía es que hay que equilibrar la innovación con la confianza y la gobernanza, tanto de nuestros empleados como de nuestros clientes. Por lo tanto, los estándares no son arbitrarios. Reflejan lo que se necesita para que el negocio, los comerciantes y los clientes confíen realmente en lo que hace la IA.
Aly: ¿Cómo están replanteando las habilidades y el liderazgo necesarios para dirigir este núcleo central de IA, y cómo se aseguran de que la plataforma capacita eficazmente a los equipos no técnicos?
Sunil: Nuestro enfoque funciona en tres niveles: aprendizaje automático que predice, genAI que responde y IA agentiva que actúa. Todas estas están integradas en la forma en que trabaja nuestra gente.
Para los equipos técnicos, hemos pasado a la ingeniería aumentada por IA. En 9 meses, hemos aceptado 1,38 millones de líneas de código generado por IA, y más del 90% de los ingenieros participan con herramientas de IA. Hemos cambiado fundamentalmente la velocidad a la que podemos construir y lanzar, y eso se acumula.
Para los equipos no técnicos, hemos creado paneles de bajo código, bibliotecas de indicaciones y generación de agentes conversacionales. Tenemos nuestra propia plataforma de IA agentiva donde incluso los equipos no técnicos pueden arrastrar y soltar agentes. Y si no se sienten cómodos haciéndolo, pueden simplemente tener una conversación y decir: "Constrúyeme un agente para supervisar estos KPI", y lo hará. El objetivo en ambos lados es el mismo: menos tiempo buscando respuestas, más tiempo tomando decisiones.
En cuanto a la cuestión del talento específicamente, no solo buscamos la competencia técnica o la familiaridad con las últimas herramientas de IA. Contratamos por actitud: para aprender, para experimentar, para innovar. Las herramientas seguirán evolucionando a un ritmo récord. Pero si esos rasgos culturales están arraigados, la gente los adopta y los pone en marcha.
Aly: ¿Quién en su equipo de liderazgo ejecutivo es en última instancia responsable del éxito del núcleo de IA empresarial, y cómo han cambiado sus KPI?
Sunil: La propiedad reside en la cima. Para nosotros, la IA es una estrategia de negocio. Nuestras métricas lo reflejan: tasas de reutilización en los mercados, tiempo de implementación, cumplimiento de IA responsable y, lo más importante, resultados de negocio vinculados al impulso de la IA. Si una iniciativa no puede mostrar impacto, no escala. Esa disciplina debe ser impuesta desde arriba, y eso es lo que hace que la IA sea una ventaja real y no solo un experimento costoso.
Sunil no describe una evolución gradual hacia la centralización. Describe un compromiso deliberado: un equipo, una plataforma, un modelo operativo, con apuestas estratégicas que centran el trabajo y aceleradores reutilizables que multiplican la velocidad.
La Inteligencia de Merchandising es una de las cuatro prioridades estratégicas de IA, las grandes apuestas que Albertsons ha comprometido como parte de su transformación integral en toda la empresa, y ilustra cómo es el modelo centralizado cuando se enfrenta a un problema de negocio real. La plataforma está construida sobre Databricks, con Genie en la capa de interacción. Los comerciantes pueden hacer preguntas complejas en lenguaje sencillo y obtener respuestas gobernadas y confiables sin escribir una consulta ni presentar una solicitud. Databricks proporciona la base de ingeniería de datos, ML y análisis subyacente.
Para los ejecutivos que luchan por cómo pasar la IA de focos de experimentación a capacidad empresarial, el modelo de franquicia de Albertsons ofrece un marco útil: gobernar el centro, liberar los extremos y asegurarse de que cada equipo se base en lo que ya ha sido probado.
Para comparar sus inversiones y desarrollar su hoja de ruta para integrar la IA en su organización y productos, descargue el Informe Databricks sobre Agentes de IA.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.