- O Walmart não comprou soluções de IA prontas; em vez disso, desenvolve apps de IA por meio da sua própria plataforma AI Foundry, Element, já usada por 1,5 milhão de funcionários
- Com uma arquitetura independente de LLM, consegue escolher o modelo ideal para cada consulta, alcançando ao mesmo tempo eficiência de custos e otimização de desempenho
- Adotou um 'modelo Foundry' para produzir apps de IA em escala como produtos, e não como projetos, acelerando drasticamente o desenvolvimento
- Lançou rapidamente 5 apps principais para agenda de trabalho, tradução em tempo real, IA conversacional e gestão de estoque, encurtando o ciclo de desenvolvimento para poucas semanas
- Ao combinar operações e feedback com foco em dados da cadeia de suprimentos, cria apps de IA que melhoram continuamente, analisando e refletindo dados operacionais em tempo real
- O Walmart está transformando a IA de um ‘software instalado’ em uma ‘capacidade internalizada’, e com isso amplia continuamente a vantagem sobre os concorrentes
Walmart isn’t buying enterprise AI solutions — they’re creating them
Desenvolvimento da plataforma própria de IA, Element
- O Walmart desenvolve a plataforma Element por meio de uma AI Foundry interna, e não com fornecedores externos de IA
- Essa plataforma produz aplicações de IA em uma velocidade que supera o ritmo tradicional de desenvolvimento de software
- É usada semanalmente por 900 mil funcionários entre 1,5 milhão de colaboradores, e demonstra escalabilidade em grande escala ao processar 3 milhões de consultas por dia
- A tradução em tempo real cobre 44 idiomas, e o tempo de planejamento de escalas foi reduzido de 90 para 30 minutos
- Isso não é apenas o sucesso de um único app, mas um sinal inicial da eficácia de um modelo industrializado de desenvolvimento de IA
Filosofia de design LLM-agnostic e arquitetura baseada em open source
- O Element não depende de um modelo de linguagem grande (LLM) específico, e tem uma estrutura flexível para escolher modelos
- Dependendo do objetivo de uso ou do tipo de consulta, seleciona automaticamente o LLM com melhor custo-benefício
- A arquitetura da plataforma já traz opções nativas de integração com open source, aumentando escalabilidade e flexibilidade
The first wave reveals the principles of the foundry model
Primeiros casos de produção de apps no modelo Foundry
- As 5 principais aplicações abaixo foram “fabricadas” sobre a mesma plataforma no modelo Foundry
- Gestão de agenda com IA: reduziu de 90 para 30 minutos o planejamento diário de trabalho por gerente e define prioridades com base em dados da cadeia de suprimentos
- Tradução em tempo real: suporte a 44 idiomas, com seleção automática do melhor modelo conforme o par de idiomas
- IA conversacional: responde a 30 mil consultas por dia e resolve tarefas repetitivas sem intervenção humana
- VizPick com AR: com RFID + visão computacional, alcançou precisão de estoque de 85%→99%
- MyAssistant: assistente que analisa documentos e dados internos
- A infraestrutura compartilhada e os pipelines de dados integrados evitam retrabalho e desenvolvimento duplicado
- Todos os apps compartilham o mesmo padrão de deploy, controle de qualidade e estrutura de feedback, ficando padronizados como uma linha de produção
Sistema de produção repetível
- O Element não vê cada app como um projeto isolado, mas os produz como produtos modulares
- Quando o cientista de dados envia as especificações, a plataforma cuida automaticamente da escolha do modelo, infraestrutura e deploy
- Componentes já validados em apps anteriores podem ser reutilizados, o que praticamente elimina atritos no desenvolvimento de novos apps
How Walmart’s foundry model changes development economics
A mudança na economia do desenvolvimento de IA
- Na IA corporativa tradicional, repetir avaliação de fornecedores, negociação de contratos e integração consome tempo e dinheiro
- Já o Element processa em paralelo múltiplas demandas de desenvolvimento de apps, minimizando desperdícios
- A produtividade e a velocidade chegam a um nível de manufatura enxuta, em que um app sai da ideia para o desenvolvimento quase imediatamente
- Planejamento de escalas, IA conversacional e sistemas de estoque com AR foram todos construídos rapidamente sobre o Element
Supply chain data becomes development fuel
Dados da cadeia de suprimentos viram combustível para o desenvolvimento de apps
- O Element se conecta aos sistemas da cadeia de suprimentos e coleta automaticamente chegada de caminhões, padrões de compra e feedback dos funcionários, entre outros dados
- Esses dados são usados para definir prioridades de trabalho, prever comportamento do consumidor e fazer deploy de modelos personalizados conforme as condições regionais
- Ao transformar a complexidade operacional em dados integrados, passa a ser possível desenvolver apps sob medida para cada loja
Walmart has a model arbitrage strategy
Estratégia de arbitragem de modelos
- O Element faz em tempo real a comparação entre desempenho e custo dos modelos de IA para encaminhar cada consulta pela rota ideal
- Dependendo da complexidade da consulta, faz roteamento automático para modelos básicos ou premium
- Quando um novo modelo é lançado, ele pode ser testado e colocado em produção imediatamente; se o desempenho de um modelo existente melhora, isso é aplicado automaticamente
- Ex.: a ferramenta de tradução escolhe modelos ideais diferentes conforme o par de idiomas
How Walmart integrates real-time feedback
Estrutura de integração de feedback em tempo real
- O uso dos apps pelos funcionários não é apenas consumo, mas foi desenhado para gerar sinais de melhoria
- A IA conversacional usa 30 mil consultas para medir desempenho do modelo, tipos de consulta e satisfação, incorporando isso como feedback
- Novos apps são lançados já aproveitando o aprendizado do feedback de apps anteriores, o que permite alto desempenho desde o início do lançamento
- Para isso, há uma estrutura sofisticada de pipelines de dados, versionamento de modelos e orquestração de deploy
Why internal Foundries beat external platforms
Por que Foundries internas superam plataformas externas
- Plataformas externas generalizam funcionalidades para atender a casos amplos → por isso não se encaixam perfeitamente em organizações específicas
- O Walmart otimiza a plataforma para as tarefas, a terminologia e os objetivos comuns de seus 2,1 milhões de funcionários
- Quando surge uma nova necessidade, é possível desenvolver imediatamente sem negociar com fornecedores → conectando rapidamente a ideia ao produto
Assessing the competitive implications
Implicações competitivas
- No modelo Foundry, quanto mais apps são criados, mais a própria plataforma se fortalece; as interações dos usuários melhoram a escolha de modelos, e cada deploy vira um novo padrão de produção para o app seguinte
- Os concorrentes acabam tendo de
- arcar com o enorme investimento de construir uma plataforma própria, ou
- aceitar as limitações de soluções externas, ou
- não fazer nada e assumir o risco de ver a distância aumentar cada vez mais
- Ex.: só um app de agenda já economiza 1 hora por dia por gerente → em escala nacional, isso gera economia de milhões de dólares
Lessons learned from Walmart’s enterprise AI Foundry blueprint
Os 4 princípios do design Foundry
- 1. Modelos de IA devem ser tratados como componentes substituíveis
- Uma arquitetura independente de LLM permite evitar vendor lock-in e sustentar a otimização ao longo do tempo
- 2. Unificar o acesso aos dados vem primeiro
- O Element integra o conhecimento geral dos LLMs com os dados internos do Walmart
- 3. O desenvolvimento de IA precisa ser industrializado
- O modelo Foundry padroniza o processo de desenvolver → implantar → iterar
- 4. O feedback deve entrar no design desde o começo
- Com loops de feedback embutidos, a estrutura dos apps melhora de desempenho à medida que é usada
Walmart just created the enterprises’ new imperative
O novo ponto de inflexão da IA corporativa
- O Walmart não apenas “adotou” IA; ele adquiriu a própria capacidade de criar IA
- Passou a ver a IA não como um software isolado, mas como uma família de produtos montáveis
- As interações com os funcionários tornam o sistema mais inteligente, e, a cada novo deploy, a plataforma fica mais sofisticada
- O fator central do sucesso em IA não é escolher o modelo, mas construir a capacidade organizacional de produzir IA
- O Walmart se posiciona como uma das primeiras empresas a definir IA não como software, mas como ativo estratégico
1 comentários
É um passo significativo.