Albertsonsが2,300店舗全体でスケーリングするために中央集権 的なAIコアを構築する方法
によって アリー・マギュー による投稿
小売業界では、利益率の圧力が構造的なものです。先行する企業は、マーチャンダイジング、労働力、サプライチェーン全体で、より迅速かつ正確な意思決定を行い、それを何千もの拠点で一貫して実行しています。ほとんどの大手小売業者が直面している疑問は、AIを迅速に拡大して意味のあるものにするために、組織は構築されているでしょうか？ Albertsons Companiesは、米国最大級の食品・医薬品小売業者であり、約2,300店舗を運営し、800億ドルの収益を上げています。Sunil Gopinathは、同社のグローバルなデータとAIを統括し、同社最大のテクノロジーおよびAIハブであるAlbertsons Companies Indiaも運営しています。彼の任務は、優れた小売業者をデータ駆動型企業に変革するためのAIとデータ基盤を、迅速かつ大規模に構築することです。
私たちの会話全体を通して、断片化を容認しないという確信がありました。AIへの野心を強力なエンタープライズ基盤と結びつける企業が勝利します。それ以外は、高価な実験を行っているだけです。
この戦略の基盤となっているのはDatabricks Platformであり、Albertsonsはデータエンジニアリング、ML、ガバナンス、分析全体で使用しています。この共有基盤により、「1つのプラットフォーム」という使命が現実のものとなり、すべてのチームが異なるツールのセットではなく、同じスタートラインに立つことができます。
Aly McGue: 断片化されたビジネスユニット所有のAI実験から、中央集権的なAIコアチームと運用モデル へと、どのように組織を移行させましたか？
Sunil Gopinath: 私たちは断片化を容認するのをやめ、確固たるアーキテクチャ上の決定を下しました。1つのチーム、1つのプラットフォーム、1つの運用モデル。私たちはAIにおける4つの大きな賭け、すなわち顧客体験、マーチャンダイジングインテリジェンス、労働力、サプライチェーンを中心に組織化しました。それらが戦略的な焦点を与えてくれました。中央集権的なAIコアが、実行するための力を与えてくれました。
そのロジックは単純明快でした。ガバナンス、セキュリティ、再利用可能なモデルの中央リポジトリのような、共通の水平コンポーネントに対する明確な組織的ニーズがありました。それらのビルディングブロックに焦点を当てた専任チームがあれば、アプリケーションチームは衛生状態や基盤について心配する必要がありません。彼らはビジネスをより良く、より予測可能に、より実行可能にすることに完全に集中できます。
また、AIとAIガバナンスに関する共有された許容可能な標準を確立するために、シニアステークホルダーとリーダーが集まる全社的なガバナンス委員会もあります。それはリーダーシップレベルでの集団的な意思決定です。それが定着させるのです。
Aly: Albertsons全体で効率を推進するために、共有標準、中央プラットフォーム、再利用可能なアクセラレータを構築するための戦略は何でしたか？また、ローカルのイノベーションとユースケースをどのように可能にしましたか？
Sunil: それを考える最良の方法は、フラン チャイズモデルです。中央には共通のインフラストラクチャ、標準、ガバナンス。エッジにはローカルの実行とイノベーション。
私たちは再利用可能なアクセラレータを構築しました。取り込みパイプラインとテンプレート、特徴量ストアパターン、モデル監視、パフォーマンスオブザーバビリティ、ガバナンスラッパーです。どのチームでもそれらに接続して10倍速く進むことができます。プラットフォームの目的は、イノベーションを制限しないことです。加速させるのです。
私たちの哲学は、従業員と顧客の両方からのイノベーションと信頼、ガバナンスのバランスを取らなければならないということです。したがって、標準は恣意的ではありません。それらは、ビジネス、マーチャンダイザー、そして顧客が実際にAIが行っていることを信頼するために必要なものを反映しています。
Aly: この中央AIコアを実行するために必要なスキルとリーダーシップをどのように再考していますか？また、プラットフォームが非技術チームを効果的に支援することをどのように保証していますか？
Sunil: 私たちのアプローチは3つのレイヤーで機能します。予測する機械学習、応答する生成AI、そして行動するエージェンティブAIです。これらすべてが、私たちの人々がどのように仕事をするかに組み込まれています。
技術チームについては、AI支援エンジニアリングに移行しました。9か月で、AI生成コードを138万行受け入れ、エンジニアの90％以上がAIツールを利用しています。構築と出荷の速度を根本的に変え、それが複利を生んでいます。
非技術チームについては、ローコードダッシュボード、プロンプトライブラリ、会話型エージェント生成を構築しました。独自のエージェンティブAIプラットフォームがあり、非技術チームでもエージェントをドラッグアンドドロップできます。それでも快適でない場合は、会話をして「これらのKPIを監視するエージェントを構築してください」と言うだけで、それが実行されます。両サイドの目標は同じです。回答を探す時間を減らし、意思決定に費やす時間を増やします。
特に人材については、技術的な能力や最新のAIツールへの精通度だけを見るわけではありません。私たちは態度で採用します。学び、実験し、革新する態度です。ツールは記録的な速さで進化し続けるでしょう。しかし、それらの文化的な特性が根付いていれば、人々はそれらを吸収して実行します。
Aly: エンタープライズAIコアの成功に最終的に責任を負うのは、あなたのエグゼクティブリーダーシップチームの誰ですか？また、KPIはどのように変化しましたか？
Sunil: 所有権はトップにあります。私たちにとって、AIはビジネス戦略です。私たちの指標もそれを反映しています。市場全体での再利用率、展開までの時間、責任あるAIコンプライアンス、そして最も重要なのは、AIの向上に関連付けられたビジネス成果です。イニシアチブが影響を示せない場合、それは拡大しません。その規律はトップから強制される必要があり、それがAIを単なる高価な実験ではなく、真の競争優位性にするのです。
Sunilは、中央集権化への段階的な進化を説明して いるわけではありません。彼は、意図的なコミットメントを説明しています。1つのチーム、1つのプラットフォーム、1つの運用モデル、そして作業を集中させる戦略的な賭けと、速度を複利させる再利用可能なアクセラレータです。
マーチャンダイジングインテリジェンスは、Albertsonsが全社的な変革の一環としてコミットした4つの戦略的AI優先事項の1つであり、中央集権的なモデルが実際のビジネス問題に直面したときにどのように見えるかを示しています。プラットフォームはDatabricks上に構築されており、インタラクションレイヤーにはGenieがあります。マーチャンダイザーは、クエリを作成したりチケットを送信したりすることなく、平易な言葉で複雑な質問をし、管理された信頼できる回答を得ることができます。Databricksは、その下でデータエンジニアリング、ML、分析の基盤を提供します。
実験のポケットからエンタープライズ機能へとAIを移行する方法に悩むエグゼクティブにとって、Albertsonsのフランチャイズモデルは有用なフレームを提供します。中央を管理し、エッジを解放し、すべてのチームがすでに証明されたものの上に構築されるようにします。
投資をベンチマークし、組織全体および製品全体にAIを組み込むためのロードマップを開発するには、Databricks State of AI Agentsをダウンロードしてください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。