84.51?(美國零售業領軍者克羅格的數據科學部門)數據科學與AI高級副總裁Kristin Foster正處于這一轉型的核心位置。Foster領導工作的核心在于，關注將原始數據轉化為實際價值的基礎設施建設。無論是消除數據孤島、將AI模型投入實際應用，還是應用GenAI來改進從人力資源工作流程到產品搜索相關性等方方面面，她的方法都立足于將技術與實際成果相結合。

許多AI項目都陷入了永無止境的試點階段，而Foster的團隊則依靠其“AI工廠”來加速推向生產——這是一個由完善的治理體系、可復用的工具以及跨職能協作構成的強大系統。

在本次采訪中，她剖析了數據領導者目前面臨的痛點——從負責任地擴展AI應用，到在實時管道和批量管道之間做出選擇。她還揭示了84.51?如何探索自主式AI，如何利用GenAI和小型語言模型來加速業務發展，以及如何設計零售體驗，讓顧客和員工的生活都更加輕松。

問：目前，零售數據領導者面臨的最大痛點有哪些?這些挑戰是如何演變的?

如今，零售數據領導者所處的環境在技術、運營和文化方面的變化速度都前所未有地快。這些快速變化要求人們具備更高水平的協調性、速度和戰略思維。數據領導者持續面臨的一些主要痛點包括：

? 數據碎片化：許多零售商的數據仍然被困在孤島中，這使得創建全面洞察或連貫體驗變得困難。我們專注于統一數據并制定集中化的數據戰略，以實現跨數據孤島的簡化訪問，支持更明智的決策。

? 用于AI的數據：AI和分析需要高質量、受管控且可訪問的數據，這不僅是為創新所需，也是為日常運營所需。我們正幫助團隊采用實現這一目標所需的標準、工具和技術。

? 規模化AI：許多AI機遇仍停留在概念驗證階段，未進行規模化構建。這些孤立分散的努力可能導致重復工作、標準不一致，以及錯失創造實際影響的機會。我們的AI工廠平臺模式旨在幫助縮小這一差距。它是我們的企業級方法，通過共享基礎設施、可復用組件和加速器，以及為團隊提供治理，使AI更經濟、更快速、更智能、更優質，從而更快地產生影響力。

問：你如何將數據科學應用到產品中——即，如何將從Python或R語言開發的原型轉變為可供客戶或克羅格內部使用的生產就緒型應用程序?

這既是一場戰略之旅，也是一場技術之旅，首先需要確定問題所在，并且只擴展那些能帶來可衡量價值的內容。

首先，通過與科學家、工程師和業務利益相關者共同舉行的季度創新會議，來確定高影響力機遇。我們采用漏斗式方法，根據可行性、業務價值以及構建/購買決策，快速測試并迭代想法。

一旦概念得到驗證，我們就會組建一個跨職能團隊——包括產品、工程、科學和業務團隊——來推動其進一步發展。關鍵的成功因素包括投資回報率明確、強大的協作能力以及基礎設施就緒。

從技術上講，大多數數據科學家并非生產工程師，因此我們通過內部平臺為他們提供支持，以簡化部署流程。這些平臺包括持續集成/持續部署工具、無服務器計算、精心策劃的數據產品，以及模型注冊和監控等機器學習運維功能。

我們的克羅格AI網關提供了加速器和可復用模式，以便團隊能夠輕松地將經過批準的模型集成到企業系統中，并內置治理和可觀測性。整個框架有助于我們進行負責任且有效的擴展。

問：你的產品如何確保洞察的新鮮度和準確性?你使用的是實時數據管道還是批量數據管道?

嗯，我們先從問題本身入手，再考慮數據管道。確保洞察的新鮮度和準確性，意味著首先要了解我們要解決什么問題，然后確定解決這一問題所需的數據、平臺和科學方法。有時需要實時數據，因為它與實時運營決策相關聯，而其他時候批量數據饋送則是更好的選擇。

這并不是非此即彼的選擇——因此，批判性思維和問題界定是我們技術專家最重要的技能之一。例如，動態批量處理是一種實時解決方案，它能幫助我們的員工更快、更高效地處理在線訂單。它能在幾秒鐘內處理新訂單，并根據店鋪布局和商品位置優化路線，從而為員工節省時間，并使客戶能夠更快地取貨。這就需要實時數據饋送。

另一方面，我們的商品組合科學不需要實時運營。它通過分析店內客戶的需求——包括特定位置的偏好、季節性趨勢、新產品創新以及新興市場動態——來幫助我們確定每家店鋪的合適商品組合。在這種情況下，實時數據的重要性不如了解更廣泛的模式和客戶需求。

我們提供準確、及時洞察的能力，不僅取決于數據管道，還取決于對業務背景的深入理解。這就是我們如何確保我們的科學方法能夠以正確的方式，為我們服務的人群解決正確的問題。

問：GenAI如何幫助公司改進其產品和服務?你是否在探索大型語言模型或多模態AI?

我們在整個業務中應用GenAI時都秉持審慎態度，旨在幫助我們的員工更高效地工作，同時始終將負責任的AI和安全性放在核心位置。我們利用GenAI來幫助團隊更好地組織和清理產品信息，使客戶和內部團隊都能更容易地獲取到正確的細節。

這些細節包括改進產品描述、正確分組商品，以及確保季節性或本地相關性，在我們響應本地事件或區域偏好時，這一點尤為重要。

我們還專注于讓信息對員工來說更易獲取。專有大型語言模型和其他模型幫助我們構建工具，使團隊能夠查詢復雜的文檔、政策或歷史洞察，而無需確切知道在哪里或如何查找。這旨在減少獲取答案的阻力，使團隊能夠更快地行動，并做出更明智的決策。一個很好的例子是人力資源助手，它能幫助店鋪經理和領導者更高效地執行行政任務，從而騰出時間來為店內顧客提供支持。

除了大型語言模型，我們還投資于針對克羅格特定語言和任務進行調整的小型語言模型。這些模型在店內工具、商品分類或自動化高容量、重復性工作等方面特別有用——它們使我們能夠以更具成本效益的方式進行擴展，同時保持與我們的獨特業務背景相一致的性能。

雖然我們對GenAI的潛力感到興奮，但我們采取了一種審慎的方法——確保每個用例都經過我們負責任的AI流程，并具備明確的隱私、安全和治理控制。

問：你對自主式AI有何看法?你在84.51?開發了哪些用例?

我們仍處于早期階段，但自主式AI在企業中擴展智能方面具有巨大潛力。我們正在積極探索其在分析、創新和生產力方面的應用。在分析方面，智能體可以自動化耗時的任務，如數據采集、清理、應用統計方法以及起草初步洞察。這有助于加快洞察周期。

我們還在為克羅格制造業務構建Agent Barney，這是一個自主智能體框架。它結合市場趨勢和客戶洞察來識別新產品機遇，并簡化開發流程。

所有智能體都是在我們的AI工廠框架內構建的——具備現有的治理、交付和AI網關集成——因此它們是可擴展、透明且安全的。

問：84.51?如何確保消費者數據得到合乎道德的使用，尤其是在AI能力變得更加強大的時候?在零售背景下，你遵循哪些指導原則來構建值得信賴的AI?

我們不想為了使用AI而使用AI——我們希望在它能產生有意義且積極影響的時候使用它。并且，在此過程中，我們非常認真地對待負責任的AI(RAI)。RAI不是一個簡單的勾選框，而是應該嵌入到我們構建、部署和擴展AI的方式中。

它是我們價值觀和流程的一部分。我們圍繞透明度、問責制、合規性、安全性、隱私性、安全性和可靠性等方面制定了RAI核心原則，還制定了一個“如何應用AI”的流程，為團隊提供應遵循步驟的明確說明。

我們有一個由技術、法律、隱私、安全、人力資源和業務合作伙伴組成的AI治理委員會——他們幫助治理我們的AI解決方案——包括我們自己構建的和從第三方購買的AI解決方案。克羅格隱私辦公室在這個委員會中發揮著關鍵作用，從一開始就促進隱私和合規。

我們致力于透明和開放。我們披露AI的使用情況，并確保用戶了解相關風險。建立和保持客戶及員工的信任至關重要，而信任是通過透明和負責任的做法贏得的。

RAI不是一次性的努力——而是一項持續的承諾。它必須作為我們系統、流程、技能提升、價值觀和文化的一部分得到重視。

問：憑借對克羅格龐大零售數據的訪問權限，你在消費者行為方面看到了哪些最令人興奮的洞察或趨勢?

最讓我興奮的不僅僅是數據，而是如何利用這些數據讓客戶的日常生活更加輕松。我們都希望這種體驗能更快、更簡單、更相關。因此，當我們觀察消費者行為時，我們會問：我們如何幫助人們節省時間、金錢，并減少壓力?

當我購物時，我希望在規劃餐食、找到性價比最高的產品，以及按我所需的時間和方式獲取商品方面得到幫助。通常希望商品能直接送到我家門口!我希望步驟更少、決策更少，而靈感更多。這就是我在考慮如何利用我們的數據時所思考的角度：我們如何讓購物感覺不像是一項苦差事，而更像是一項無縫服務?

因此，雖然數據幫助我們了解模式和偏好，但我的關注點始終在于將這些洞察轉化為有意義的改進——比如提供相關優惠券、更智能的搜索、更好的商品可用性，以及更直觀的電子商務工具。因為歸根結底，重要的不是數據——而是讓忙碌的人們的生活稍微輕松一些。

問：你曾在多個行業領導過AI項目。在84.51?擔任此職務時，你的領導風格是如何演變的?

我的核心價值觀(同理心、好奇心、責任感)一直是我行為的基石。但在零售數據科學領域擔任領導職務讓我學到了一些新東西。

AI發展迅速。我必須適應快速失敗、快速迭代，并為持續學習創造空間。這關乎進步而非完美。

我還傾向于保持好奇心和批判性思維。如今，最優秀的人才能夠解決模糊、復雜的問題。我尋找那些具有適應性學習能力、強大協作能力，并且善于提問的人——并且我自己也努力以身作則。

問：你認為未來3-5年，AI和數據科學在零售領域的最大機遇在哪里?

有幾個方面讓我感到興奮。首先，真正將AI投入實際應用——將其嵌入到日常流程中，而不僅僅是用于實驗。AI應該成為我們工作和生活的一部分。

其次，從點對點解決方案轉向整個零售生態系統的互聯智能。AI應該為整個購物旅程提供動力——從規劃、購買到履行。

第三，個人AI助手。我預見在不遠的將來，一個AI能幫我規劃餐食、構建購物籃、尋找優惠，并自動重新訂購日常用品。購物將變得主動、相關且節省時間。

隨著這種情況的發生，透明度和信任將變得比以往任何時候都更重要。消費者需要知道何時使用了AI、如何處理數據，以及系統是否安全公平。這就是為什么負責任的AI必須從一開始就融入其中。