Vertaald uit het Engelse origineel. De cijfers en bronnen zijn ongewijzigd. Lees het Engelse origineel
Walmart
Walmart gebruikt grote taalmodellen om catalogusgegevens te maken of te verbeteren
Tijdens de telefonische toelichting op de resultaten in augustus 2024 zei Walmart dat het meerdere grote taalmodellen had gebruikt om meer dan 850 miljoen gegevens in zijn productcatalogus te maken of te verbeteren. Bestuurders zeiden dat dit werk bijna 100 keer de huidige bezetting had gevraagd.
Kerncijfers
Letterlijk overgenomen uit de bronnen. Kopieer elk cijfer met bronvermelding.
meer dan 850 miljoen
Catalogusgegevens die met grote taalmodellen zijn gemaakt of verbeterd1
bijna 100 keer de huidige bezetting
Bezetting die het werk zonder generatieve AI in dezelfde tijd had gevraagd1
ongeveer 100 keer
Productiviteit van generatieve AI ten opzichte van mensen die elke productpagina doorwerken (schatting van de CEO van Walmart U.S.)1
Wat het kostte
Kosten, teamgrootte en doorlooptijd zijn in de bronnen niet openbaar gemaakt.
Het probleem
Een retailcatalogus met een snelgroeiende marktplaats heeft voor elk artikel juiste kenmerken en beschrijvingen nodig. Zoeken, voorraadplaatsing en bezorging van bestellingen hangen van die gegevens af. Dit met de hand doen bij een catalogus van deze omvang is niet schaalbaar.
Wat ze bouwden
Walmart gebruikte meerdere grote taalmodellen om catalogusgegevens te maken of te verbeteren, waaronder kenmerken en eigenschappen van artikelen. Tijdens de toelichting zei CEO Doug McMillon dat Walmart gegevens en modellen van anderen gebruikt en ook eigen modellen bouwt.
Hoe ze het aanpakten
De bronnen beschrijven de pijplijn, de modellen en de controles niet. Ze zeggen alleen dat de modellen op de catalogus werden toegepast en dat de betere gegevens hielpen artikelen af te stemmen op wat klanten van plan zijn te kopen, aldus John Furner, CEO van Walmart U.S.
Resultaten
McMillon zei dat de modellen zijn gebruikt om meer dan 850 miljoen catalogusgegevens te maken of te verbeteren. Zonder generatieve AI zou het werk in dezelfde tijd bijna 100 keer de huidige bezetting hebben gevraagd. In de vragenronde zei Furner dat generatieve AI ongeveer 100 keer productiever is dan mensen elke productpagina laten doorwerken. Beide vergelijkingen zijn schattingen van het management.
Lessen voor uw project
Begin met een dataprobleem in de backoffice dat groot, repetitief en meetbaar is, zoals het invullen van productkenmerken.
Koppel het datawerk aan bedrijfsresultaten waar de directie om geeft. Walmart verbond de kwaliteit van de catalogus met zoeken, voorraadplaatsing en levering.
Combineer externe modellen met eigen modellen. Walmart zei modellen van anderen te gebruiken en ook eigen modellen te bouwen.
Kanttekeningen
- De vergelijkingen over bezetting en productiviteit zijn schattingen van het management, genoemd tijdens een telefonische toelichting op de resultaten. Er werd geen uitgangspunt of methode gegeven.
- Walmart noemde de modellen en de leveranciers niet.
Bronnen
- Walmart (WMT) Q2 2025 Earnings Call Transcript
The Motley Fool · 2024-08-15 · Resultatenpresentatie · fool.com
- Walmart executives say generative AI is 100 times more productive at updating product pages than people
Modern Retail · 2024-08-15 · Nieuws · modernretail.co
In eigen woorden samengevat op basis van de bovenstaande bronnen. Een fout gezien? Zie correcties.