Tradotto dall'originale inglese. Dati e fonti restano invariati. Leggi l'originale in inglese
Walmart
Walmart usa grandi modelli linguistici per creare o migliorare i dati del catalogo
Nella conference call sui risultati di agosto 2024, Walmart ha dichiarato di aver usato diversi grandi modelli linguistici per creare o migliorare oltre 850 milioni di dati nel proprio catalogo prodotti. I dirigenti hanno detto che il lavoro avrebbe richiesto quasi 100 volte l’organico attuale.
Dati chiave
Copiati esattamente dalle fonti. Copiate qualsiasi dato insieme alla sua citazione.
oltre 850 milioni
Dati di catalogo creati o migliorati con grandi modelli linguistici1
quasi 100 volte l’organico attuale
Organico che il lavoro avrebbe richiesto senza IA generativa, nello stesso tempo1
circa 100 volte
Produttività dell’IA generativa rispetto a persone che lavorano su ogni pagina di presentazione del prodotto (stima del CEO di Walmart U.S.)1
Cosa è servito
Le fonti non rendono noti costi, dimensioni del team e tempi.
Il problema
Un catalogo retail con un marketplace in rapida crescita ha bisogno di attributi e descrizioni accurati per ogni articolo. Ricerca, collocazione delle scorte e consegna degli ordini dipendono da questi dati. Farlo a mano su un catalogo di queste dimensioni non è scalabile.
Cosa hanno costruito
Walmart ha usato diversi grandi modelli linguistici per creare o migliorare i dati del catalogo, compresi attributi e caratteristiche degli articoli. Durante la call, il CEO Doug McMillon ha detto che Walmart usa dati e modelli di altri e ne costruisce di propri.
Come ci sono riusciti
Le fonti non descrivono la pipeline, i modelli né i controlli. Dicono soltanto che i modelli sono stati usati sul catalogo e che i dati migliori hanno aiutato ad abbinare gli articoli a ciò che i clienti intendono acquistare, secondo John Furner, CEO di Walmart U.S.
Risultati
McMillon ha detto che i modelli sono stati usati per creare o migliorare oltre 850 milioni di dati del catalogo. Ha affermato che senza IA generativa il lavoro avrebbe richiesto quasi 100 volte l’organico attuale nello stesso tempo. Nelle domande e risposte, Furner ha detto che usare l’IA generativa è circa 100 volte più produttivo che far lavorare le persone su ogni pagina di presentazione del prodotto. Entrambi i confronti sono stime del management.
Lezioni per il vostro progetto
Cominciate con un problema di dati di back office che sia grande, ripetitivo e misurabile, come la compilazione degli attributi dei prodotti.
Collegate il lavoro sui dati ai risultati di business che interessano al consiglio di amministrazione. Walmart ha collegato la qualità del catalogo a ricerca, collocazione delle scorte e consegna.
Combinate modelli esterni e modelli propri. Walmart ha detto di usare modelli di altri e di costruirne di propri.
Avvertenze
- I confronti su organico e produttività sono stime del management espresse in una conference call sui risultati. Non sono state fornite una base di riferimento né una metodologia.
- Walmart non ha indicato né i modelli né i fornitori.
Fonti
- Walmart (WMT) Q2 2025 Earnings Call Transcript
The Motley Fool · 2024-08-15 · Presentazione dei risultati · fool.com
- Walmart executives say generative AI is 100 times more productive at updating product pages than people
Modern Retail · 2024-08-15 · Notizia · modernretail.co
Riassunto con parole nostre a partire dalle fonti sopra indicate. Avete notato un errore? Consultate le rettifiche.