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
|
2月前
|
人工智能 监控 安全
提效40%?揭秘AI驱动的支付方式“一键接入”系统
本项目构建AI驱动的研发提效系统,通过Qwen Coder与MCP工具链协同,实现跨境支付渠道接入的自动化闭环。采用多智能体协作模式,结合结构化Prompt、任务拆解、流程管控与安全约束,显著提升研发效率与交付质量,探索大模型在复杂业务场景下的高采纳率编码实践。
437 26
提效40%?揭秘AI驱动的支付方式“一键接入”系统
|
2月前
|
人工智能 自然语言处理 测试技术
从人工到AI驱动:天猫测试全流程自动化变革实践
天猫技术质量团队探索AI在测试全流程的落地应用,覆盖需求解析、用例生成、数据构造、执行验证等核心环节。通过AI+自然语言驱动,实现测试自动化、可溯化与可管理化,在用例生成、数据构造和执行校验中显著提效,推动测试体系从人工迈向AI全流程自动化,提升效率40%以上,用例覆盖超70%,并构建行业级知识资产沉淀平台。
从人工到AI驱动:天猫测试全流程自动化变革实践
|
2月前
|
人工智能 运维 关系型数据库
云栖大会|AI时代的数据库变革升级与实践:Data+AI驱动企业智能新范式
2025云栖大会“AI时代的数据库变革”专场,阿里云瑶池联合B站、小鹏、NVIDIA等分享Data+AI融合实践,发布PolarDB湖库一体化、ApsaraDB Agent等创新成果,全面展现数据库在多模态、智能体、具身智能等场景的技术演进与落地。
|
2月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
293 3
|
3月前
|
人工智能 自动驾驶 算法
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
迁移学习:让小数据也能驱动AI大模型
迁移学习:让小数据也能驱动AI大模型
334 99
|
3月前
|
云安全 人工智能 安全
|
2月前
|
人工智能 自然语言处理 Shell
我们开源了一款 AI 驱动的用户社区
KoalaQA 是一款开源的 AI 驱动用户社区,支持智能问答、语义搜索、自动运营与辅助创作,助力企业降低客服成本,提升响应效率与用户体验。一键部署,灵活接入大模型,快速构建专属售后服务社区。
299 5
我们开源了一款 AI 驱动的用户社区
|
2月前
|
人工智能 IDE 开发工具
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战