Walmart’s Enterprise AI Blueprint: Trust Engineering at Scale

Walmart continue de faire des progrès dans la fissuration du code sur le déploiement de l’IA agentique à l’échelle de l’entreprise. Leur secret? Traiter la confiance comme une exigence d’ingénierie, pas une case à cocher de conformité que vous cochez à la fin.

Pendant la «confiance dans l’algorithme: comment l’agent d’agence de Walmart redéfinit la session de confiance des consommateurs et de leadership de la vente au détail» à VB Transform 2025, Le vice-président de la technologie émergente de Walmart Desirée Gosby, a expliqué comment le géant de la vente au détail opérationnalise des milliers de cas d’utilisation de l’IA. L’un des principaux objectifs du détaillant est de maintenir et de renforcer constamment la confiance des clients parmi ses 255 millions d’acheteurs hebdomadaires.

“Nous voyons cela comme un point d’inflexion assez important, très similaire à Internet”, a déclaré Gosby à l’analyste de l’industrie Susan Etlinger lors de la séance du matin de mardi. «C’est aussi profond en termes de façon dont nous allons réellement fonctionner, comment nous travaillons réellement.»

La session a livré des leçons précieuses tirées des expériences de déploiement de l’IA de Walmart. La recherche continue du géant de la vente au détail est implicite de nouvelles façons d’appliquer les principes d’architecture des systèmes distribués, évitant ainsi la création d’une dette technique.

Structures de cadre à quatre titulaires

L’architecture d’IA de Walmart rejette les plateformes horizontales pour les solutions de parties prenantes ciblées. Chaque groupe reçoit des outils spécialement conçus qui traitent des frictions opérationnelles spécifiques.

Les clients s’engagent Scintillant pour les achats de langue naturelle. Les associés sur le terrain obtiennent des outils d’optimisation des stocks et du flux de travail. Les commerçants accèdent aux systèmes de support de décision pour la gestion des catégories. Les vendeurs reçoivent des capacités d’intégration commerciale. “Et puis, bien sûr, nous avons des développeurs, et vraiment, vous savez, leur donnant les superpuissances et les chargés, vous savez, le nouvel agent des outils”, a expliqué Gosby.

“Nous avons des centaines, voire des milliers de cas d’utilisation différents dans toute l’entreprise que nous donnons vie”, a révélé Gosby. L’échelle exige une discipline architecturale qui manque à la plupart des entreprises.

La segmentation reconnaît le besoin fondamental de chaque équipe de Walmart d’avoir des outils spécialement conçus pour leur travail spécifique. Les associés de magasin gérant les stocks ont besoin d’outils différents des marchands analysant les tendances régionales. Les plates-formes génériques échouent parce qu’elles ignorent la réalité opérationnelle. La spécificité de Walmart stimule l’adoption par la pertinence, et non le mandat.

L’économie de confiance stimule l’adoption de l’IA chez Walmart

Walmart a découvert que la confiance est construite par la livraison de valeur, et pas seulement les programmes de formation obligatoires qui s’associent, parfois, remettent en question la valeur de.

L’exemple de Gosby a résonné lorsqu’elle expliquait l’évolution du shopping de sa mère à partir de visites de magasins hebdomadaires aux livraisons de l’ère de la courte durée, illustrant exactement le fonctionnement de l’adoption naturelle. Chaque étape a fourni un avantage immédiat et tangible. Pas de friction, pas de gestion du changement forcé, mais la progression s’est produite plus rapidement que quiconque aurait pu prédire.

“Elle a interagi avec l’IA pendant tout ce temps”, a expliqué Gosby. “Le fait qu’elle ait pu aller au magasin et obtenir ce qu’elle voulait, c’était sur l’étagère. L’IA a été utilisée pour le faire.”

Les avantages que les clients reçoivent de la vision prédictive du commerce de Walmart se reflètent davantage dans les expériences de la mère de Gosby. «Au lieu d’avoir à passer chaque semaine, déterminez les courses dont vous avez besoin pour avoir livré, que se passe-t-il si cela apparaît automatiquement pour vous?» C’est l’essence du commerce prédictif et comment il offre de la valeur à grande échelle à chaque client Walmart.

“Si vous ajoutez de la valeur à leur vie, en les aidant à retirer les frictions, en les aidant à économiser de l’argent et à mieux vivre, ce qui fait partie de notre mission, alors la fiducie vient”, a déclaré Gosby. Les associés suivent le même modèle. Lorsque l’IA améliore réellement leur travail, leur fait gagner du temps et les aide à exceller, l’adoption se produit naturellement et la confiance est gagnée.

Les cycles de mode se compressent de mois à des semaines

La tendance de Walmart au système de produits quantifie la valeur opérationnelle de l’IA. La plate-forme synthétise les signaux des médias sociaux, le comportement des clients et les modèles régionaux pour réduire le développement de produits de mois à semaines.

“La tendance au produit nous a fait tomber de mois à des semaines pour obtenir les bons produits à nos clients”, a révélé Gosby. Le système crée des produits en réponse à la demande en temps réel plutôt qu’aux données historiques.

La compression des mois aux semaines transforme l’économie de la vente au détail de Walmart. Les virages des stocks s’accélèrent. L’exposition à Markdown rétrécit. L’efficacité du capital se multiplie. L’entreprise maintient le leadership des prix tout en correspondant aux capacités de la vitesse à la mise sur le marché de tout concurrent. Chaque catégorie à grande vitesse peut bénéficier de l’utilisation de l’IA pour réduire le temps de commercialisation et fournir des gains quantifiables.

Comment Walmart utilise le protocole MCP pour créer une architecture d’agent évolutive

L’approche de Walmart à l’orchestration d’agent tire directement de son expérience dure avec les systèmes distribués. La société utilise le protocole de contexte modèle (MCP) pour normaliser la façon dont les agents interagissent avec les services existants.

“Nous décomposons nos domaines et regardons vraiment comment envelopper ces choses en tant que protocole MCP, puis exposant les choses que nous pouvons alors commencer à orchestrer différents agents”, a expliqué Gosby. La stratégie transforme l’infrastructure existante plutôt que de la remplacer.

La philosophie architecturale est plus profonde que les protocoles. “Le changement que nous voyons aujourd’hui est très similaire à ce que nous avons vu lorsque nous sommes passés des monolithes aux systèmes distribués. Nous ne voulons pas répéter ces erreurs”, a déclaré Gosby.

Gosby a décrit les exigences d’exécution: «Comment décomposez-vous vos domaines? Quels serveurs MCP devriez-vous avoir? Quel type d’orchestration d’agent devriez-vous avoir?» Chez Walmart, ceux-ci représentent des décisions opérationnelles quotidiennes, et non des exercices théoriques.

“Nous cherchons à prendre notre infrastructure existante, à la décomposer, puis à la recomposer dans les agents que nous voulons pouvoir construire”, a expliqué Gosby. Cette approche axée sur la normalisation permet la flexibilité. Services construits il y a des années maintenant les expériences agentiques à travers des couches d’abstraction appropriées.

L’expertise marchande devient une intelligence d’entreprise

Walmart exploite des décennies de connaissances des employés, ce qui en fait une composante centrale de ses capacités d’IA croissantes. L’entreprise capture systématiquement l’expertise de catégorie de milliers de commerçants, créant un avantage concurrentiel qu’aucun détaillant numérique ne peut égaler.

«Nous avons des milliers de marchands qui sont excellents dans ce qu’ils font. Ce sont des experts dans les catégories qu’ils soutiennent», a expliqué Gosby. “Nous avons un marchand de fromage qui sait exactement ce que le vin va ou quel appariement de fromage, mais ces données ne sont pas nécessairement capturées de manière structurée.”

L’IA opérationnalise ces connaissances. “Avec les outils que nous avons, nous pouvons capturer cette expertise qu’ils ont et vraiment en faire valoir nos clients”, a déclaré Gosby. L’application est spécifique: “Quand ils essaient de comprendre, hé, je dois organiser la fête, quel type d’apéritifs devrais-je avoir?”

L’avantage stratégique se composent. Des décennies d’expertise marchande deviennent accessibles à travers des requêtes en langage naturel. Les détaillants numériques d’abord n’ont pas cette fondation de connaissances humaines. Les 2,2 millions d’associés de Walmart représentent l’intelligence propriétaire que les algorithmes ne peuvent pas synthétiser indépendamment.

De nouvelles métriques mesurent le succès autonome

Systèmes de mesure des pionniers de Walmart conçus pour l’IA autonome plutôt que pour les processus axés sur l’homme. Les métriques traditionnelles de l’entonnoir échouent lorsque les agents gèrent des workflows de bout en bout.

“Dans un monde agentique, nous commençons à travailler à travers cela, et cela va changer”, a déclaré Gosby. “Les mesures autour de la conversion et des choses comme ça, elles ne vont pas changer, mais nous allons regarder l’achèvement des objectifs.”

Le changement reflète la réalité opérationnelle. «Avons-nous réellement atteint quel est l’objectif ultime que notre associé, que nos clients, résolvent réellement?» Demanda Gosby. La question recadre la mesure du succès.

«En fin de compte, c’est une mesure de, offrons-nous le bénéfice? Faisons-nous la valeur que nous attendons, puis en travaillant à partir de là pour déterminer les bonnes mesures?» Gosby a expliqué. La résolution des problèmes est plus importante que la conformité des processus. La façon dont l’IA aide les clients à atteindre leurs objectifs est priorisée sur les entonnoirs de conversion.

Leçons d’entreprise de la transformation de l’IA de Walmart

La session Transform 2025 de Walmart fournit une intelligence exploitable pour le déploiement de l’IA d’entreprise. L’approche opérationnelle de l’entreprise fournit un cadre qui a été validé à grande échelle.

• Appliquer la discipline architecturale du premier jour. Le passage des systèmes monolithiques aux systèmes distribués a fourni à Walmart les leçons dont il avait besoin pour apprendre à réussir avec les déploiements d’IA. La leçon clé apprise est de construire des fondations appropriées avant de mettre à l’échelle et de définir une approche systématique qui empêche les retouches coûteuses.
• Faites correspondre les solutions à des besoins spécifiques des utilisateurs. L’IA unique échoue à chaque fois. Les associés de magasins ont besoin d’outils différents des marchands. Les fournisseurs ont besoin de capacités différentes de celles que les développeurs. L’approche ciblée de Walmart stimule l’adoption.
• Renforcez la confiance grâce à une valeur éprouvée. Commencez par des victoires claires qui fournissent des résultats mesurables. Walmart est passé de la gestion des stocks de base au commerce prédictif étape par étape. Chaque succès gagne des informations et des connaissances pour la suivante.
• Transformer les connaissances des employés en actifs d’entreprise. Des décennies d’expertise spécialisée existent au sein de votre organisation. Walmart capture systématiquement l’intelligence marchande et l’opérationnalise dans 255 millions de transactions hebdomadaires. Cette connaissance institutionnelle crée un avantage concurrentiel qu’aucun algorithme ne peut reproduire à partir de zéro.
• Mesurez ce qui compte dans les systèmes autonomes. Les taux de conversion manquent le point où l’IA gère des workflows entiers. Concentrez-vous sur la résolution des problèmes et la livraison de valeur. Les mesures de Walmart ont évolué pour correspondre à la réalité opérationnelle.
• Standardiser avant que la complexité ne frappe. Les échecs d’intégration ont tué plus de projets que le mauvais code jamais l’a fait. Les décisions du protocole de Walmart empêchent le chaos qui déraille la plupart des initiatives de l’IA. La structure permet la vitesse.

«Cela revient toujours à l’essentiel», a conseillé Gosby. «Prenez du recul et comprenez d’abord de quels problèmes avez-vous vraiment besoin de résoudre pour vos clients, pour nos associés. Où y a-t-il une friction? Où existe-t-il un travail manuel auquel vous pouvez maintenant commencer à penser différemment?»

Échelles du plan de Walmart au-delà de la vente au détail

Walmart montre comment l’entreprise AI réussit grâce à la discipline d’ingénierie et au déploiement systématique. La société traite des millions de transactions quotidiennes dans 4 700 magasins en traitant chaque groupe de parties prenantes comme un défi distinct nécessitant des solutions sur mesure en temps réel.

“Il imprègne tout ce que nous faisons”, a expliqué Gosby. “Mais en fin de compte, la façon dont nous le regardons est que nous commençons toujours avec nos clients et nos membres et vraiment comprendre comment cela va les impacter.”

Leur cadre s’applique à tous les industries. Les organisations de services financiers équilibrent les besoins des clients avec les exigences réglementaires, les systèmes de santé coordonnant les soins aux patients entre les fournisseurs, les fabricants gérant des chaînes d’approvisionnement complexes sont confrontées à des défis multiples similaires. L’approche de Walmart fournit une méthodologie testée pour lutter contre cette complexité.

“Nos clients essaient de résoudre un problème pour eux-mêmes. Même chose pour nos associés”, a déclaré Gosby. «Avons-nous réellement résolu ce problème avec ces nouveaux outils?» Cette concentration sur la résolution des problèmes plutôt que sur le déploiement technologique entraîne des résultats mesurables. L’échelle de Walmart valide l’approche de toute entreprise prête à aller au-delà des programmes pilotes.