Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał
Walmart
Walmart używa dużych modeli językowych do tworzenia lub poprawiania danych katalogowych
Podczas rozmowy o wynikach w sierpniu 2024 roku Walmart poinformował, że użył kilku dużych modeli językowych do stworzenia lub poprawienia ponad 850 milionów danych w katalogu produktów. Menedżerowie powiedzieli, że praca ta wymagałaby niemal 100 razy większego obecnego zatrudnienia.
Kluczowe liczby
Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.
ponad 850 milionów
Dane katalogowe stworzone lub poprawione za pomocą dużych modeli językowych1
niemal 100 razy większe niż obecne
Zatrudnienie, jakiego wymagałaby ta praca bez generatywnej AI w tym samym czasie1
około 100 razy
Produktywność generatywnej AI w porównaniu z ludźmi opracowującymi każdą stronę produktu (szacunek dyrektora generalnego Walmart U.S.)1
Ile to kosztowało
Koszt, wielkość zespołu i harmonogram nie zostały ujawnione w źródłach.
Problem
Katalog handlowy z szybko rosnącą platformą marketplace potrzebuje dokładnych atrybutów i opisów dla każdego artykułu. Wyszukiwanie, rozmieszczenie zapasów i dostawa zamówień zależą od tych danych. Ręczne wykonywanie tej pracy przy katalogu takiej wielkości nie jest skalowalne.
Co zbudowano
Walmart użył kilku dużych modeli językowych do stworzenia lub poprawienia danych katalogowych, w tym atrybutów i cech artykułów. Podczas rozmowy dyrektor generalny Doug McMillon powiedział, że Walmart korzysta z danych i modeli innych firm, a także buduje własne.
Jak to zrobiono
Źródła nie opisują potoku danych, modeli ani kontroli. Mówią tylko, że modele zastosowano do katalogu, a lepsze dane pomogły dopasować artykuły do tego, co klienci zamierzają kupić, według Johna Furnera, dyrektora generalnego Walmart U.S.
Wyniki
McMillon powiedział, że modele posłużyły do stworzenia lub poprawienia ponad 850 milionów danych katalogowych. Stwierdził, że bez generatywnej AI praca wymagałaby w tym samym czasie niemal 100 razy większego obecnego zatrudnienia. W części pytań i odpowiedzi Furner powiedział, że użycie generatywnej AI jest około 100 razy bardziej produktywne niż zlecanie ludziom opracowania każdej strony produktu. Oba porównania to szacunki kierownictwa.
Wnioski dla Twojego projektu
Zacznijcie od problemu z danymi na zapleczu, który jest duży, powtarzalny i mierzalny, takiego jak uzupełnianie atrybutów produktów.
Powiążcie pracę nad danymi z wynikami biznesowymi, na których zależy zarządowi. Walmart powiązał jakość katalogu z wyszukiwaniem, rozmieszczeniem zapasów i dostawą.
Łączcie modele zewnętrzne z własnymi. Walmart powiedział, że używa modeli innych firm i buduje własne.
Zastrzeżenia
- Porównania zatrudnienia i produktywności to szacunki kierownictwa podane podczas rozmowy o wynikach. Nie podano punktu odniesienia ani metody.
- Walmart nie wymienił modeli ani dostawców.
Źródła
- Walmart (WMT) Q2 2025 Earnings Call Transcript
The Motley Fool · 2024-08-15 · Telekonferencja wynikowa · fool.com
- Walmart executives say generative AI is 100 times more productive at updating product pages than people
Modern Retail · 2024-08-15 · Wiadomości · modernretail.co
Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.