沃爾瑪透過統一框架實現企業級 AI 規模，驅動數以千計的使用案例

沃爾瑪透過工程驅動的信任架構方法，率先以企業規模實施自主 AI 系統。他們的新興科技副總裁 Desirée Gosby 在 VB Transform 2025 上揭示了這家零售業領導廠商如何在其支援 2.55 億名每周顧客的生態系統中運作信心建立。

四支柱 AI 架構

Walmart 採用以利益相關者為中心的 AI 架構，針對每個使用者群組提供客製化解決方案，而非一般平台。這種有針對性的方法可確保每個團隊都能獲得專門設計的功能，以應對其特定的營運挑戰。

• 客戶與 Sparky 進行會話式商務互動
• 店員獲得庫存最佳化工具
• 商家利用預測分析進行類別管理
• 供應商透過自動化商業解決方案進行整合
• 開發人員使用先進的代理創建工具包

信任的必要條件

透過彰顯的價值自然採納

沃爾瑪的轉型洞察力：當人工智能持續提供可衡量的效益時，信任便會自然產生。Gosby 透過她母親的購物進程來說明這一點 - 從店內購物到預測送貨 - 顯示出無縫的價值創造如何比強制性的合規性更能驅使採用。

價值等式

1. 消除核心工作流程中的摩擦
2. 展示即時效用
3. 解決實際痛點
4. 透過持續表現贏得信任

營運突破

從幾個月到幾周

沃爾瑪的 Trend-to-Product AI 系統透過即時社交資料分析，壓縮時尚週期，達到

• 產品開發時間縮短 60-80
• 提高存貨週轉率
• 提高資本效率
• 更強的價格競爭力

技術架構

模型上下文協議 (MCP)

Walmart 透過以下方式將分散式系統原理應用於代理式人工智能：

• 領域分解策略
• 標準化服務介面
• 傳統基礎架構現代化
• 代理協調框架

機構知識放大

本公司透過下列方式，將數十年來的商家專業知識轉化為可擴充的 AI 資產：

• 編碼類別專業知識
• 將隱性專業知識轉換為結構化資料
• 透過會話介面傳遞機構智慧

創新指標

重新定義成功

沃爾瑪為自主系統開創了新的測量框架，重點在於

• 目標完成度高於流程遵循度
• 問題解決與轉換漏斗
• 價值交付指標

企業實施架構

1. 從一開始就實施架構護欄
2. 針對不同的使用者群組開發有針對性的解決方案
3. 透過漸進的勝利建立信任
4. 將員工的專業知識轉換為機構資產
5. 設計自主系統 KPI
6. 在擴大規模之前將介面標準化

"Gosby 強調：「我們的北極星仍是為真實的人解決真實的問題。"無論是需要派對規劃建議的客戶，或是需要管理庫存的員工，我們都以實際成果而非技術部署來衡量成功與否。

跨產業適用性

沃爾瑪的框架為以下行業提供了可轉移的原則：

• 金融服務業平衡創新與法規
• 醫療保健系統協調病患照護
• 製造商優化全球供應鏈
• 任何管理多方利益相關者複雜性的企業