Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Walmart
Walmart usa grandes modelos de lenguaje para crear o mejorar los datos de su catálogo
En su presentación de resultados de agosto de 2024, Walmart dijo que había usado varios grandes modelos de lenguaje para crear o mejorar más de 850 millones de datos de su catálogo de productos. Los directivos afirmaron que ese trabajo habría requerido casi 100 veces la plantilla actual.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
más de 850 millones
Datos de catálogo creados o mejorados con grandes modelos de lenguaje1
casi 100 veces la plantilla actual
Plantilla que habría requerido el trabajo sin IA generativa, en el mismo tiempo1
unas 100 veces
Productividad de la IA generativa frente a personas que revisan cada página de presentación de producto (estimación del CEO de Walmart U.S.)1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Un catálogo de distribución con un marketplace en rápido crecimiento necesita atributos y descripciones exactos para cada artículo. La búsqueda, la ubicación del inventario y la entrega de los pedidos dependen de esos datos. Hacerlo a mano en un catálogo de este tamaño no es escalable.
Qué construyeron
Walmart usó varios grandes modelos de lenguaje para crear o mejorar los datos del catálogo, incluidos los atributos y las características de los artículos. En la presentación, el CEO Doug McMillon dijo que Walmart usa datos y modelos de otros y que también construye los suyos.
Cómo lo hicieron
Las fuentes no describen la canalización, los modelos ni los controles. Solo dicen que los modelos se usaron sobre el catálogo y que los mejores datos ayudaron a hacer coincidir los artículos con lo que los clientes pretenden comprar, según John Furner, CEO de Walmart U.S.
Resultados
McMillon dijo que los modelos se usaron para crear o mejorar más de 850 millones de datos del catálogo. Afirmó que, sin IA generativa, el trabajo habría requerido casi 100 veces la plantilla actual en el mismo tiempo. En el turno de preguntas, Furner dijo que usar IA generativa es unas 100 veces más productivo que hacer que personas revisen cada página de presentación de producto. Ambas comparaciones son estimaciones de la dirección.
Lecciones para su proyecto
Empiece por un problema de datos de trastienda que sea grande, repetitivo y medible, como completar los atributos de los productos.
Vincule el trabajo con los datos a los resultados de negocio que importan al consejo. Walmart relacionó la calidad del catálogo con la búsqueda, la ubicación del inventario y la entrega.
Combine modelos externos con los propios. Walmart dijo que usa modelos de otros y que construye los suyos.
Salvedades
- Las comparaciones de plantilla y de productividad son estimaciones de la dirección expresadas en una presentación de resultados. No se dio ninguna base de referencia ni método.
- Walmart no nombró los modelos ni los proveedores.
Fuentes
- Walmart (WMT) Q2 2025 Earnings Call Transcript
The Motley Fool · 2024-08-15 · Presentación de resultados · fool.com
- Walmart executives say generative AI is 100 times more productive at updating product pages than people
Modern Retail · 2024-08-15 · Noticia · modernretail.co
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.