宜家是如何通过实施30000个AI应用实例来驱动家居零售新体验的

简介: 宜家是如何通过实施30000个AI应用实例来驱动家居零售新体验的

来源:企业网D1net


除了广泛的数据战略努力外,宜家还组织了大批员工参加全职AI培训,以打造一支更具活力的团队。


就在几年前,宜家在整个集团范围内开展了数据工作,特别关注AI在投资管理中的应用,此后这一直是宜家的工作重点。


“如果操作得当,随着新数据的涌入,可以在应用程序和AI解决方案中使用更多数据。”英格卡(Ingka,经营宜家大部分百货公司的控股公司)的首席数据和分析官弗朗西斯科·马尔佐尼(Francesco Marzoni)表示。


马尔佐尼负责一个拥有500多名员工的部门,这些员工从事数据分析和机器学习工作。此外,还有一个传统的IT部门,由系统架构师和开发人员组成。


“我们跨职能团队合作开发不同的解决方案,我们的合作非常顺利,”他说。“如果技术部门的经理们意见不合,那我们真的会遇到问题,但事实并非如此。”


一年制全职教育


马尔佐尼的部门并非孤立地掌握AI和数据专业知识,这些知识真正深入到业务中,宜家已启动了一项计划,通过为期一年的数据分析全职教育在内部挖掘人才,目前有10至15人全职学习。


“比如,来自销售、供应链和人力资源等部门的员工,被允许全职参与数据分析工作,为期12个月,”他说。“然后,他们必须将这些知识带回公司的各个部门。”该培训项目的报名情况超出了预期,已有150人报名。


“这是个好兆头,”他补充道。“这意味着员工们想要参与并投资于自己的发展,这很重要。”马尔佐尼显然相信内部培训这一策略,因为期望某个领域的专家立即融入公司流程并发挥作用是不现实的,而且,AI尤其是一门需要特定方式运作的学科。


“培养能够帮助员工完成特定流程的AI能力,与数据科学家或机器学习工程师作为专家构建解决方案同样重要,”他说。“AI高度依赖数据,而数据大多存在于人们的头脑中,因此我们必须投资于培养人才——即专家——他们在我们构建解决方案时将成为重要的参与者。”


数据的有序性


数据的有序性是推进AI工作的基石。“生态系统不断产生更多数据,因此不可能一直保持数据的完美有序,这需要持续努力。即使你不知道数据的用途,有序的数据也很重要。如果你掌握了数据,就很容易用AI做相关的事情。到目前为止,宜家在供应链和仓储方面的数据管理已经取得了长足进步,但在客户体验方面,还有更多工作要做,”马尔佐尼表示。“我们可以改进收集客户流程数据的方式,”他说。


更好地控制内部数据


关于组织交付和库存数据是否比组织客户数据更容易的问题,马尔佐尼认为,由于宜家是从前者开始的,因此更倾向于前者。“我们在那里看到了最大的潜力,”他说。


另一方面,与可能涉及客户的外部数据相比,内部数据的控制更好。


“在客户数据处理方面,我们还需要在负责任处理方面做更多工作,”马尔佐尼补充道,“确保提供关于如何处理数据的信息,但这也是我们的强项之一。”


经典AI多于GenAI


宜家目前使用的AI解决方案主要基于经典的机器学习,大型语言模型除了在成品(如Copilot)中有所应用外,其他应用并不多。例如,AI被用于推荐服务或优化长途卡车的装载。关键是要为相关领域开发和训练自己的AI解决方案。


“像Office这样的工具所使用的AI可以直接购买现成的,但我认为,例如,医疗保健领域最佳的AI解决方案可能来自医疗保健行业的参与者,”马尔佐尼说。“而且,室内设计方面的解决方案更可能来自实际从事该工作的人,而不是大型软件公司。宜家使用的推荐工具也需要在内部进行训练,然后我们可以将室内设计服务融入其中。”


作为室内设计师的AI


因此,宜家未来投资的一个领域是室内设计的数字服务,并非每个人都能聘请室内设计师,因此通过这种方式,人们可以利用宜家的AI专业知识。


“这将以多种不同的方式体现出来,”他说。“等待时间将更短,你将更快获得帮助,而且,你将能够接触到以前无法接触到的更多东西。”


AI也将在内部产生明显影响,尤其是因为员工将在行政任务上获得更多支持,并有更多时间投入到基础任务中。“一切都会更快,”他补充道。“因此,他们不必填写表格,而是有更多时间在商店里提供建议或组装厨房。”


人多力量大


自夏季以来,宜家还对大约3万名员工进行了基本的AI培训。“由于员工对此有强烈的愿望,因此我们无需推动这一工作,”马尔佐尼说。除了更基础的网络培训外,还出现了其他一些最初并未计划的举措,如黑客马拉松。


宜家还有一个名为“World Data Games”的项目,在该项目中收集的数据可以用于宜家基金会,该基金会主要关注社会问题、气候变化等。“通过分析这些数据,他们的AI能力得到了提升,”他说。“我鼓励其他公司为这类倡议给员工一周的时间,以成功推进AI工作。”


此类倡议的另一个重要部分是专家和实践者共同工作,在他们之间架起桥梁。“这意味着业务中的实践者可以直接接触到AI专业知识。”他说。


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。


(来源:企业网D1net)

相关文章
|
12天前
|
人工智能 自然语言处理 算法
阿里云 AI 搜索开放平台:从算法到业务——AI 搜索驱动企业智能化升级
本文介绍了阿里云 AI 搜索开放平台的技术的特点及其在各行业的应用。
|
27天前
|
机器学习/深度学习 存储 人工智能
AI职场突围战:夸克应用+生成式人工智能认证,驱动“打工人”核心竞争力!
在AI浪潮推动下,生成式人工智能(GAI)成为职场必备工具。文中对比了夸克、豆包、DeepSeek和元宝四大AI应用,夸克以“超级入口”定位脱颖而出。同时,GAI认证为职场人士提供系统学习平台,与夸克结合助力职业发展。文章还探讨了职场人士如何通过加强学习、关注技术趋势及培养合规意识,在AI时代把握机遇。
|
5天前
|
人工智能 自然语言处理 JavaScript
测试工程师要失业?Magnitude:开源AI Agent驱动的端到端测试框架,让Web测试更智能,自动完善测试用例!
Magnitude是一个基于视觉AI代理的开源端到端测试框架,通过自然语言构建测试用例,结合推理代理和视觉代理实现智能化的Web应用测试,支持本地运行和CI/CD集成。
94 15
测试工程师要失业?Magnitude:开源AI Agent驱动的端到端测试框架,让Web测试更智能,自动完善测试用例!
|
16天前
|
数据采集 人工智能 监控
探讨 AI 驱动自适应数据采集技术
在当今互联网环境下,网页结构动态变化日益复杂,传统数据采集技术面临巨大挑战。本文探讨了基于AI算法的自适应数据采集方法,结合爬虫代理、Cookie与User-Agent设置等关键技术,应对动态页面变更。通过Python示例代码,展示如何稳定抓取目标网站数据,并分析该技术的优势、挑战及实际应用注意事项,为未来数据采集提供了新思路。
121 44
|
1月前
|
人工智能 开发工具 C++
利用通义灵码AI在VS Code中快速开发扫雷游戏:Qwen2.5-Max模型的应用实例
本文介绍了如何利用阿里云通义灵码AI程序员的Qwen2.5-Max模型,在VS Code中一键生成扫雷小游戏。通过安装通义灵码插件并配置模型,输入指令即可自动生成包含游戏逻辑与UI设计的Python代码。生成的游戏支持难度选择,运行稳定无Bug。实践表明,AI工具显著提升开发效率,但人机协作仍是未来趋势。建议开发者积极拥抱新技术,同时不断提升自身技能以适应行业发展需求。
22203 17
|
24天前
|
机器学习/深度学习 人工智能 算法
模型即产品:万字详解RL驱动的AI Agent模型如何巨震AI行业范式
未来 AI 智能体的发展方向还得是模型本身,而不是工作流(Work Flow)。像 Manus 这样基于「预先编排好的提示词与工具路径」构成的工作流智能体,短期或许表现不错,但长期必然遇到瓶颈。这种「提示驱动」的方式无法扩展,也无法真正处理那些需要长期规划、多步骤推理的复杂任务。下一代真正的LLM智能体,则是通过「强化学习(RL)与推理(Reasoning)的结合」来实现的。
102 10
模型即产品:万字详解RL驱动的AI Agent模型如何巨震AI行业范式
|
2天前
|
存储 人工智能 安全
AI 驱动下的阿里云基础设施:技术创新与产品演进
本文整理自阿里云智能集团副总裁、阿里云弹性计算产品线与存储产品线负责人吴结生在“2025 AI势能大会”上的演讲,重点介绍了阿里云在AI基础设施领域的技术创新与产品演进。内容涵盖CIPU架构、盘古存储系统、高性能网络HPN等关键技术,以及第九代英特尔企业实例、ESSD同城冗余云盘等新产品发布。同时,文章详细阐述了灵骏集群的优化措施和可观测能力的提升,展示阿里云如何通过持续创新为AI负载提供强大支持,助力企业在AI时代实现智能化转型。
AI 驱动下的阿里云基础设施:技术创新与产品演进
|
13天前
|
机器学习/深度学习 人工智能 边缘计算
AI驱动的开源治理——社会综合治理智慧化系统的技术突破
通过AI识别与智能监控精准捕捉不文明行为,生成证据链并分级预警,识别精度达98%;跨部门联动平台打破信息孤岛,实现多部门高效协作,事件处置时间缩短至5分钟;多场景适配的开源架构支持景区、校园等多样化需求,灵活部署边缘计算优化性能。试点成效显著,大幅提升治理效能。
47 14
|
28天前
|
人工智能
中国AI崛起与生成式人工智能(GAI)认证:驱动全球科技变革的人才战略
本文探讨了中国在人工智能(AI)领域的崛起及其对全球科技和经济的影响。文章回顾了中国AI研究的发展历程,从引进吸收到自主创新,政府政策支持与企业投入推动了AI技术的突破与广泛应用。同时,生成式人工智能(GAI)认证的重要性被强调,其为AI人才培养提供了专业标准,助力行业规范化发展。未来,中国将继续深化AI研究,加强国际交流,通过技能认证项目如GAI认证,为AI领域培养更多高素质人才,推动全球AI技术的繁荣发展。
|
1月前
|
人工智能 算法 开发者
AI前行需创新驱动,也要伦理护航:探索生成式人工智能的未来之路
随着科技发展,生成式人工智能(Generative AI)成为推动社会进步的重要力量。本文探讨其创新驱动与伦理护航的重要性,介绍GAI认证如何提升个人和企业在AI时代的竞争力。GAI认证不仅涵盖技术技能,还强调伦理、法律和社会影响,确保AI的健康发展。通过GAI认证,学员能掌握生成式AI的核心应用,具备负责任使用这些工具的能力,在职场中更具竞争力。