84.51˚(美国零售业领军者克罗格的数据科学部门)数据科学与AI高级副总裁Kristin Foster正处于这一转型的核心位置。Foster领导工作的核心在于，关注将原始数据转化为实际价值的基础设施建设。无论是消除数据孤岛、将AI模型投入实际应用，还是应用GenAI来改进从人力资源工作流程到产品搜索相关性等方方面面，她的方法都立足于将技术与实际成果相结合。

许多AI项目都陷入了永无止境的试点阶段，而Foster的团队则依靠其“AI工厂”来加速推向生产——这是一个由完善的治理体系、可复用的工具以及跨职能协作构成的强大系统。

在本次采访中，她剖析了数据领导者目前面临的痛点——从负责任地扩展AI应用，到在实时管道和批量管道之间做出选择。她还揭示了84.51˚如何探索自主式AI，如何利用GenAI和小型语言模型来加速业务发展，以及如何设计零售体验，让顾客和员工的生活都更加轻松。

问：目前，零售数据领导者面临的最大痛点有哪些?这些挑战是如何演变的?

如今，零售数据领导者所处的环境在技术、运营和文化方面的变化速度都前所未有地快。这些快速变化要求人们具备更高水平的协调性、速度和战略思维。数据领导者持续面临的一些主要痛点包括：

• 数据碎片化：许多零售商的数据仍然被困在孤岛中，这使得创建全面洞察或连贯体验变得困难。我们专注于统一数据并制定集中化的数据战略，以实现跨数据孤岛的简化访问，支持更明智的决策。

• 用于AI的数据：AI和分析需要高质量、受管控且可访问的数据，这不仅是为创新所需，也是为日常运营所需。我们正帮助团队采用实现这一目标所需的标准、工具和技术。

• 规模化AI：许多AI机遇仍停留在概念验证阶段，未进行规模化构建。这些孤立分散的努力可能导致重复工作、标准不一致，以及错失创造实际影响的机会。我们的AI工厂平台模式旨在帮助缩小这一差距。它是我们的企业级方法，通过共享基础设施、可复用组件和加速器，以及为团队提供治理，使AI更经济、更快速、更智能、更优质，从而更快地产生影响力。

问：你如何将数据科学应用到产品中——即，如何将从Python或R语言开发的原型转变为可供客户或克罗格内部使用的生产就绪型应用程序?

这既是一场战略之旅，也是一场技术之旅，首先需要确定问题所在，并且只扩展那些能带来可衡量价值的内容。

首先，通过与科学家、工程师和业务利益相关者共同举行的季度创新会议，来确定高影响力机遇。我们采用漏斗式方法，根据可行性、业务价值以及构建/购买决策，快速测试并迭代想法。

一旦概念得到验证，我们就会组建一个跨职能团队——包括产品、工程、科学和业务团队——来推动其进一步发展。关键的成功因素包括投资回报率明确、强大的协作能力以及基础设施就绪。

从技术上讲，大多数数据科学家并非生产工程师，因此我们通过内部平台为他们提供支持，以简化部署流程。这些平台包括持续集成/持续部署工具、无服务器计算、精心策划的数据产品，以及模型注册和监控等机器学习运维功能。

我们的克罗格AI网关提供了加速器和可复用模式，以便团队能够轻松地将经过批准的模型集成到企业系统中，并内置治理和可观测性。整个框架有助于我们进行负责任且有效的扩展。

问：你的产品如何确保洞察的新鲜度和准确性?你使用的是实时数据管道还是批量数据管道?

嗯，我们先从问题本身入手，再考虑数据管道。确保洞察的新鲜度和准确性，意味着首先要了解我们要解决什么问题，然后确定解决这一问题所需的数据、平台和科学方法。有时需要实时数据，因为它与实时运营决策相关联，而其他时候批量数据馈送则是更好的选择。

这并不是非此即彼的选择——因此，批判性思维和问题界定是我们技术专家最重要的技能之一。例如，动态批量处理是一种实时解决方案，它能帮助我们的员工更快、更高效地处理在线订单。它能在几秒钟内处理新订单，并根据店铺布局和商品位置优化路线，从而为员工节省时间，并使客户能够更快地取货。这就需要实时数据馈送。

另一方面，我们的商品组合科学不需要实时运营。它通过分析店内客户的需求——包括特定位置的偏好、季节性趋势、新产品创新以及新兴市场动态——来帮助我们确定每家店铺的合适商品组合。在这种情况下，实时数据的重要性不如了解更广泛的模式和客户需求。

我们提供准确、及时洞察的能力，不仅取决于数据管道，还取决于对业务背景的深入理解。这就是我们如何确保我们的科学方法能够以正确的方式，为我们服务的人群解决正确的问题。

问：GenAI如何帮助公司改进其产品和服务?你是否在探索大型语言模型或多模态AI?

我们在整个业务中应用GenAI时都秉持审慎态度，旨在帮助我们的员工更高效地工作，同时始终将负责任的AI和安全性放在核心位置。我们利用GenAI来帮助团队更好地组织和清理产品信息，使客户和内部团队都能更容易地获取到正确的细节。

这些细节包括改进产品描述、正确分组商品，以及确保季节性或本地相关性，在我们响应本地事件或区域偏好时，这一点尤为重要。

我们还专注于让信息对员工来说更易获取。专有大型语言模型和其他模型帮助我们构建工具，使团队能够查询复杂的文档、政策或历史洞察，而无需确切知道在哪里或如何查找。这旨在减少获取答案的阻力，使团队能够更快地行动，并做出更明智的决策。一个很好的例子是人力资源助手，它能帮助店铺经理和领导者更高效地执行行政任务，从而腾出时间来为店内顾客提供支持。

除了大型语言模型，我们还投资于针对克罗格特定语言和任务进行调整的小型语言模型。这些模型在店内工具、商品分类或自动化高容量、重复性工作等方面特别有用——它们使我们能够以更具成本效益的方式进行扩展，同时保持与我们的独特业务背景相一致的性能。

虽然我们对GenAI的潜力感到兴奋，但我们采取了一种审慎的方法——确保每个用例都经过我们负责任的AI流程，并具备明确的隐私、安全和治理控制。

问：你对自主式AI有何看法?你在84.51˚开发了哪些用例?

我们仍处于早期阶段，但自主式AI在企业中扩展智能方面具有巨大潜力。我们正在积极探索其在分析、创新和生产力方面的应用。在分析方面，智能体可以自动化耗时的任务，如数据采集、清理、应用统计方法以及起草初步洞察。这有助于加快洞察周期。

我们还在为克罗格制造业务构建Agent Barney，这是一个自主智能体框架。它结合市场趋势和客户洞察来识别新产品机遇，并简化开发流程。

所有智能体都是在我们的AI工厂框架内构建的——具备现有的治理、交付和AI网关集成——因此它们是可扩展、透明且安全的。

问：84.51˚如何确保消费者数据得到合乎道德的使用，尤其是在AI能力变得更加强大的时候?在零售背景下，你遵循哪些指导原则来构建值得信赖的AI?

我们不想为了使用AI而使用AI——我们希望在它能产生有意义且积极影响的时候使用它。并且，在此过程中，我们非常认真地对待负责任的AI(RAI)。RAI不是一个简单的勾选框，而是应该嵌入到我们构建、部署和扩展AI的方式中。

它是我们价值观和流程的一部分。我们围绕透明度、问责制、合规性、安全性、隐私性、安全性和可靠性等方面制定了RAI核心原则，还制定了一个“如何应用AI”的流程，为团队提供应遵循步骤的明确说明。

我们有一个由技术、法律、隐私、安全、人力资源和业务合作伙伴组成的AI治理委员会——他们帮助治理我们的AI解决方案——包括我们自己构建的和从第三方购买的AI解决方案。克罗格隐私办公室在这个委员会中发挥着关键作用，从一开始就促进隐私和合规。

我们致力于透明和开放。我们披露AI的使用情况，并确保用户了解相关风险。建立和保持客户及员工的信任至关重要，而信任是通过透明和负责任的做法赢得的。

RAI不是一次性的努力——而是一项持续的承诺。它必须作为我们系统、流程、技能提升、价值观和文化的一部分得到重视。

问：凭借对克罗格庞大零售数据的访问权限，你在消费者行为方面看到了哪些最令人兴奋的洞察或趋势?

最让我兴奋的不仅仅是数据，而是如何利用这些数据让客户的日常生活更加轻松。我们都希望这种体验能更快、更简单、更相关。因此，当我们观察消费者行为时，我们会问：我们如何帮助人们节省时间、金钱，并减少压力?

当我购物时，我希望在规划餐食、找到性价比最高的产品，以及按我所需的时间和方式获取商品方面得到帮助。通常希望商品能直接送到我家门口!我希望步骤更少、决策更少，而灵感更多。这就是我在考虑如何利用我们的数据时所思考的角度：我们如何让购物感觉不像是一项苦差事，而更像是一项无缝服务?

因此，虽然数据帮助我们了解模式和偏好，但我的关注点始终在于将这些洞察转化为有意义的改进——比如提供相关优惠券、更智能的搜索、更好的商品可用性，以及更直观的电子商务工具。因为归根结底，重要的不是数据——而是让忙碌的人们的生活稍微轻松一些。

问：你曾在多个行业领导过AI项目。在84.51˚担任此职务时，你的领导风格是如何演变的?

我的核心价值观(同理心、好奇心、责任感)一直是我行为的基石。但在零售数据科学领域担任领导职务让我学到了一些新东西。

AI发展迅速。我必须适应快速失败、快速迭代，并为持续学习创造空间。这关乎进步而非完美。

我还倾向于保持好奇心和批判性思维。如今，最优秀的人才能够解决模糊、复杂的问题。我寻找那些具有适应性学习能力、强大协作能力，并且善于提问的人——并且我自己也努力以身作则。

问：你认为未来3-5年，AI和数据科学在零售领域的最大机遇在哪里?

有几个方面让我感到兴奋。首先，真正将AI投入实际应用——将其嵌入到日常流程中，而不仅仅是用于实验。AI应该成为我们工作和生活的一部分。

其次，从点对点解决方案转向整个零售生态系统的互联智能。AI应该为整个购物旅程提供动力——从规划、购买到履行。

第三，个人AI助手。我预见在不远的将来，一个AI能帮我规划餐食、构建购物篮、寻找优惠，并自动重新订购日常用品。购物将变得主动、相关且节省时间。

随着这种情况的发生，透明度和信任将变得比以往任何时候都更重要。消费者需要知道何时使用了AI、如何处理数据，以及系统是否安全公平。这就是为什么负责任的AI必须从一开始就融入其中。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

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。