Walmart AI: 850 milioni di schede prodotto, produttività 100x — earnings call CEO 2024 | AGORÀ

Walmart gestisce il più grande catalogo retail del mondo. Centinaia di milioni di prodotti, ognuno con descrizioni, attributi, immagini, categorie e metadati di ricerca, dati che determinano se un cliente trova quello che cerca, se l’inventario arriva al magazzino giusto, se un fornitore riceve l’ordine corretto.

Nell’agosto 2024, il CEO Doug McMillon ha fatto una dichiarazione durante l’earnings call del Q2 FY2025 di Walmart che ha cambiato il modo di pensare all’AI nelle operazioni su larga scala. Walmart aveva usato l’AI generativa per migliorare oltre 850 milioni di data point nel catalogo prodotti, un lavoro che avrebbe richiesto 100 volte il personale umano per essere completato manualmente nello stesso arco temporale.

L’intuizione originale: alcuni task sono possibili solo con l’AI

Il frame standard per il ROI dell’AI è l’efficienza: l’AI rende un processo più veloce o meno costoso. La decisione di Walmart sul catalogo era diversa. La scala, 850 milioni di data point, non era un task in cui l’AI accelerava un processo esistente. A quel volume, il completamento manuale in qualsiasi arco temporale ragionevole era operativamente fuori portata. L’AI non ha reso il task più veloce. Lo ha reso fattibile in assoluto.

Il framing di McMillon era diretto: “la qualità dei dati nel nostro catalogo influenza quasi tutto ciò che facciamo, dall’aiutare i clienti a trovare e acquistare ciò che cercano, a come archiviamo l’inventario nella rete, alla consegna degli ordini.” La trasformazione AI era un’iniziativa di qualità dei dati, su una scala che solo l’AI generativa poteva eseguire [Retail Dive, agosto 2024, citando earnings call Q2 FY2025].

I risultati, verificati dalle dichiarazioni di earnings call

• 850 milioni di data point del catalogo prodotti migliorati con AI generativa, CEO Doug McMillon, earnings call Q2 FY2025 [Retail Dive]
• Moltiplicatore di produttività: 100x rispetto al processo manuale per lo stesso output [Modern Retail]
• 30 milioni di miglia di consegna inutili eliminate con l’ottimizzazione AI dei percorsi
• 94 milioni di libbre di CO₂ evitate grazie al routing ottimizzato delle consegne
• Walmart ha offerto la tecnologia di ottimizzazione dei percorsi come soluzione SaaS a tutte le aziende a partire da marzo 2024

Cosa è cambiato operativamente

Il miglioramento della qualità dei dati del catalogo si propaga attraverso ogni livello dell’operazione di Walmart. I collaboratori localizzano l’inventario più velocemente tramite strumenti mobile. I clienti ricevono risultati di ricerca più accurati. Il routing delle consegne diventa più preciso perché i dati prodotto sottostanti sono più puliti.

Prima del miglioramento AI, dati prodotto incompleti o imprecisi creavano frizione in ogni punto di contatto a valle: una ricerca cliente che restituisce il prodotto sbagliato, un magazzino che archivia l’inventario nella posizione errata, un ordine che viene instradato al centro di fulfillment sbagliato. L’AI non ha aggiunto una nuova capacità, ha rimosso un difetto sistemico su scala.

Cosa puoi portare via da questa storia

La storia degli 850 milioni di data point offre un utile reframe per identificare opportunità AI: cerca i task dove la scala è il vincolo, non la complessità.

Molti programmi pilota AI puntano ai task complessi, decisioni di giudizio, lavoro creativo, scelte sfumate. Questi sono più difficili da automatizzare. La categoria in cui l’AI fornisce il valore enterprise più chiaro è spesso quella opposta: task ad alto volume, strutturati, ripetitivi, dove lo sforzo manuale non riesce a scalare per far fronte alla dimensione del problema.

Il catalogo di Walmart non era troppo complesso per essere fatto manualmente. Era troppo grande. L’AI non doveva essere più intelligente di un catalogatore umano, doveva lavorare a 100 volte il volume. Questo è un problema molto diverso da risolvere, e un caso molto più semplice da costruire.