Target: la vera barriera AI non sono i modelli ma tutto ciò
Siobhán Mc Feeney, vicepresidente di Target, sostiene che il vantaggio competitivo della sua azienda non risiede nei modelli di intelligenza artificiale (AI) da soli, ma in tutto ciò che li circonda. “Il nostro muro difensivo è questo”, ha dichiarato Mc Feeney durante la VB Transform 2026.
La disciplina nell’implementazione degli agenti AI
Mc Feeney spiega che Target si concentra su come creare e implementare gli agenti AI in modo deliberato, evitando di affidarli automaticamente un alto livello di autonomia. “Gli agenti guadagnano l’autonomia nel tempo”, afferma.
- Target fa una distinzione chiara tra il tipo di problema che gli agenti cercano di risolvere e la tipologia di agente necessaria (orchestratore, super-agente o specifico per un dominio).
- L’azienda considera attentamente quali trigger attivino l’azione degli agenti: automatismo, intervento dell’ingegnere o timer.
La strutturazione di questo processo permette a Target di monitorare e ottimizzare continuamente gli agenti AI, garantendo che siano sempre allineati con le esigenze aziendali.
Gestione della complessità e scalabilità
Mc Feeney evidenzia come la struttura di Target per l’implementazione degli agenti AI sia fondamentale per gestire la complessità del business retail. Ad esempio, un sistema di simulazione digitale ha previsto correttamente le variazioni nelle vendite di short da uomo in tre negozi diversi a Long Beach, mostrando l’efficacia dell’applicazione AI.
- La struttura a quattro livelli dell’autonomia degli agenti permette loro di progressivamente guadagnare autonomia e responsabilità basate sulle prestazioni.
- I modelli che non mantengono le prestazioni previste vengono rimossi dal servizio.
Questa approccio rigoroso consente a Target di scalare efficacemente il suo utilizzo dell’AI, garantendo che ogni investimento sia ben ponderato e orientato ai problemi più critici.
La domanda reale che un lettore potrebbe fare è: come può una piccola azienda imparare da Target per migliorare l’utilizzo del machine learning?
Articolo originale su: VentureBeat
