“我们认为这是一个重大的转折点，与互联网的出现非常相似，”Gosby在周二的上午会议上对行业分析师Susan Etlinger说，“它在我们的运营方式和工作方式上都将产生深远的影响。”

会议分享了沃尔玛在AI部署方面的宝贵经验，整个讨论中隐含的是这家零售巨头不断寻找新方法来应用分布式系统架构原则，从而避免产生技术债务。

四利益相关者框架构建AI部署

沃尔玛的AI架构摒弃了横向平台，转而采用针对特定利益相关者的解决方案，每个群体都获得量身定制的工具，以解决特定的运营摩擦。

顾客使用Sparky进行自然语言购物，现场员工获得库存和工作流程优化工具，商家可以访问用于品类管理的决策支持系统，卖家则获得业务集成能力。“当然，我们还有开发者，我们赋予他们超级能力，让他们使用新的智能工具。”Gosby解释道。

“我们在全公司范围内有数百个，如果不是数千个不同的用例正在实现。”Gosby透露，这种规模要求大多数企业所缺乏的架构纪律性。

这种细分承认了沃尔玛每个团队对于特定工作量身定制工具的基本需求，管理库存的门店员工与分析区域趋势的商家需要不同的工具，通用平台之所以失败，是因为它们忽视了运营现实，沃尔玛的针对性通过相关性而非强制要求来推动采用。

信任经济学推动沃尔玛的AI采用

沃尔玛发现，信任是通过价值交付而非仅仅是员工有时质疑其价值的强制性培训计划来建立的。

Gosby的例子很有共鸣，她解释了母亲从每周到店购物到疫情期间送货上门的购物演变，这正好说明了自然采用是如何发生的。每一步都提供了即时、切实的利益。没有摩擦，没有强制的变革管理，但进展却比任何人预想的都要快。

“她一直在通过AI进行购物，”Gosby解释说，“她能去商店买到想要的东西，那些东西就在货架上，这背后就是AI在起作用。”

顾客从沃尔玛的预测性商业愿景中获得的益处进一步体现在Gosby母亲的经历中。“如果不用每周去想需要订购什么杂货，而是自动送到家，那会怎样?”这就是预测性商业的本质，以及它如何为每一位沃尔玛顾客大规模交付价值。

“如果你能为他们的生活增添价值，帮助他们消除摩擦，节省金钱，过上更好的生活——这是我们使命的一部分——那么信任就会随之而来，”Gosby说，员工也遵循同样的模式。当AI真正改善了他们的工作，节省了时间，并帮助他们取得卓越成就时，采用就会自然发生，信任也会随之建立。

时尚周期从数月缩短至数周

沃尔玛的“趋势到产品”(Trend to Product)系统量化了AI的运营价值，该平台综合社交媒体信号、顾客行为和区域模式，将产品开发时间从数月缩短至数周。

“‘趋势到产品’让我们将产品送到顾客手中的时间从数月缩短至数周，”Gosby透露，该系统根据实时需求而非历史数据来创造产品。

数月到数周的缩短转变了沃尔玛的零售经济学，库存周转加速，降价风险缩小，资本效率倍增，公司在保持价格领导地位的同时，也匹配了任何竞争对手的上架速度，每个高周转率的品类都能从使用AI缩短上市时间并获得可量化收益中受益。

沃尔玛如何使用MCP协议创建可扩展的智能体架构

沃尔玛在智能体编排方面的做法直接来源于其在分布式系统方面的艰苦经验，该公司使用模型上下文协议(MCP)来标准化智能体与现有服务的交互方式。

“我们分解领域，并真正考虑如何将它们包装为MCP协议，然后暴露出我们可以开始编排不同智能体的部分。”Gosby解释说，这一策略转变了现有基础设施，而非替换它。

这一架构哲学比协议更深层。“我们今天看到的变化与我们从单体系统转向分布式系统时看到的变化非常相似，我们不想重复那些错误。”Gosby说。

Gosby概述了执行要求：“你如何分解领域?你应该有哪些MCP服务器?你应该进行什么样的智能体编排?”在沃尔玛，这些代表日常运营决策，而非理论练习。

“我们正在寻找将现有基础设施分解，然后重新组合成我们想要构建的智能体的方法。”Gosby解释说，这种标准化优先的方法实现了灵活性，多年前构建的服务现在通过适当的抽象层为智能体体验提供支持。

商家专业知识成为企业智能

沃尔玛利用数十年的员工知识，使其成为不断增长的AI能力的核心组成部分，该公司系统地捕捉数千名商家的品类专业知识，创造了竞争对手无法匹敌的竞争优势。

“我们有数千名在各自支持的品类方面表现出色的商家，”Gosby解释说，“我们有一位奶酪商家，他非常清楚哪种酒与哪种奶酪搭配，但这些数据并不一定以结构化的方式捕捉。”

AI使这些知识得以操作化。“有了我们拥有的工具，我们可以捕捉他们所拥有的专业知识，并真正将其应用于我们的顾客，”Gosby说，应用非常具体：“当他们试图弄清楚，嘿，我要举办派对，应该准备什么开胃菜时?”

这一战略优势不断累积，数十年的商家专业知识通过自然语言查询变得可访问，数字优先的零售商缺乏这一人类知识基础，沃尔玛的220万名员工代表了算法无法独立合成的专有智能。

新指标衡量自主成功

沃尔玛开创了专为自主式AI而非人为驱动流程设计的测量系统，当智能体处理端到端工作流程时，传统的漏斗指标就会失效。

“在自主世界中，我们正在开始研究这个问题，并且它将发生变化，”Gosby说，“围绕转化率和类似事情的指标不会改变，但我们将开始关注目标完成情况。”

这一转变反映了运营现实。“我们是否真正实现了我们的员工、我们的顾客正在努力解决的问题的最终目标?”Gosby问，这一问题重新定义了成功的衡量标准。

“归根结底，这是一个衡量我们是否交付了预期利益和价值的指标，然后从那里倒推以找出正确的指标。”Gosby解释说，问题解决比流程合规更重要。AI如何帮助顾客实现他们的目标，这一点比转化漏斗更重要。

沃尔玛AI转型的企业经验

沃尔玛在VB Transform 2025大会上的会议为企业AI部署提供了可操作的情报，该公司的运营方法提供了一个已在规模上得到验证的框架。

• 从第一天起就应用架构纪律性，从单体系统到分布式系统的转变让沃尔玛学到了成功部署AI所需的经验，关键经验教训是在扩展之前建立适当的基础，并定义一种防止昂贵返工的系统方法。

• 将解决方案与特定用户需求相匹配，一刀切的AI每次都失败，门店员工需要与商家不同的工具，供应商需要与开发者不同的能力，沃尔玛的针对性方法推动了采用。

• 通过已证明的价值建立信任，从提供明确胜利并交付可衡量结果的简单事情开始，沃尔玛从基本的库存管理逐步发展到预测性商业，每一次成功都为下一次积累了洞察力和知识。

• 将员工知识转化为企业资产，企业内部存在数十年的专业知识，沃尔玛系统地捕捉商家智能，并在每周2.55亿笔交易中操作化它，这种机构知识创造了算法无法从头合成的竞争优势。

• 衡量自主系统中重要的事情，当AI处理整个工作流程时，转化率就偏离了重点，关注问题解决和价值交付，沃尔玛的指标随着运营现实而演变。

• 在复杂性增加之前进行标准化，集成失败导致更多项目失败，而非糟糕代码，沃尔玛的协议决定防止了大多数AI倡议陷入混乱，结构使速度成为可能。

“这总是回到基础，”Gosby建议道，“退后一步，首先了解你真正需要为顾客、为员工解决什么问题。哪里存在摩擦?哪里存在可以开始以不同方式思考的手动工作?”

沃尔玛的蓝图超越零售领域

沃尔玛展示了企业AI如何通过工程纪律性和系统部署取得成功，该公司通过将每个利益相关者群体视为需要量身定制、实时解决方案的独特挑战，来处理每天在4700家商店中的数百万笔交易。

“它渗透到我们所做的每一件事中，”Gosby解释说，“但归根结底，我们的方式是从顾客和会员开始，真正理解它将如何影响他们。”

他们的框架适用于各个行业，平衡顾客需求与监管要求的金融服务组织、协调跨提供商患者护理的医疗系统、管理复杂供应链的制造商都面临着类似的多利益相关者挑战，沃尔玛的方法提供了一种经过测试的方法论，用于应对这种复杂性。

“我们的顾客试图为自己解决问题，我们的员工也是如此，”Gosby说，“我们是否用这些新工具真正解决了他们的问题?”这种对问题解决而非技术部署的关注推动了可衡量的成果，沃尔玛的规模验证了这种方法对于任何准备超越试点项目的企业来说都是可行的。

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。