Digital First, Physical Second: Wayfair’s Fiona Tan
23:16 Share

今天，我们播放的是由我们的朋友 Modern CTO Podcast 制作的一期节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起，在技术方面取得成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。即使是数字优先的公司，在实施技术时也会谨慎行事。

确保他们将风险敞口限制在一定范围内。在今天的节目中，我们将了解一家电子商务零售商如何看待 AI 的实施和扩展。我是 Wayfair 的 Fiona Tan，您正在收听《我和 AI》。欢迎收听《我和 AI》，这是一档关于人工智能和商业的播客。在每一期节目中，我们都会向您介绍一位在 AI 领域进行创新的个人。我是 Sam Ransbotham，波士顿学院分析学教授。

我同时也是麻省理工学院斯隆管理评论的 AI 和商业战略客座编辑。

我是 Shervin Kodabande，BCG 的高级合伙人，我共同领导 BCG 在北美的 AI 业务。麻省理工学院、SMR 和 BCG 合作六年来一直在研究和发表关于 AI 的文章，采访了数百名从业者，并对数千家公司进行了调查，了解构建、部署和扩展 AI 能力以及真正改变组织运营方式需要什么。今天，Shervin 和我很高兴能邀请到 Fiona Tan。

Fiona 是 Wayfair 的首席技术官。Fiona，感谢您的加入。欢迎。感谢你们的邀请。让我们开始吧。我们有来自世界各地的听众，他们可能不像 Shervin 和我一样熟悉 Wayfair。我们可能可以环顾四周，找到 Wayfair 的商品。但您可以先介绍一下 Wayfair 吗？Wayfair 是做什么的？

当然。首先，感谢你们成为顾客。很高兴能与顾客交流。是的，基本上，我们是一家专注于家居用品的数字优先零售商。我们现在也通过一些门店进行了补充，在马萨诸塞州波士顿地区开设了第二家门店。因此，随着我们转向全渠道零售商，我们也对此感到非常兴奋。

这与大多数人的做法相反。是的，但实际上这很有趣。它确实为我们提供了一些有趣的方法，因为我们是数字优先的。我希望你们会发现，我们能够很好地将数字方面联系起来。你走进商店，看到那里有什么，但你也可以看到我们目录的其余部分，这是一种非常有用，并且与典型的实体店购物体验略有不同的方式。

Wayfair 及其对 AI/ML 的方法也确实很有趣，对吧？很多，它都在幕后，你没有意识到，但实际上它为作为客户的你所拥有的整个体验以及我们的供应商提供了动力，背后有很多机器学习和 AI 是不可见的，但它实际上为我们所做的一切提供了动力。例如，

有很多工作是围绕着试图理解客户的意图。我们通过他们可以在搜索字符串等中告诉我们的内容来做到这一点，但也基于他们查看的内容以及他们在查看某样东西与另一样东西之间花费的时间。因此，我们试图构建我们的客户图谱。

然后我们还查看产品，我们网站上列出的商品。由于我们所处的类别，我们并没有那么多品牌商品。所以问题是如何利用 AI 和 ML 上传尽可能多的商品？我们的网站上有数千万件商品。

并能够获得尽可能多的产品信息。我们从供应商那里获得其中一部分，但我们使用 AI 和 ML 来从他们提供的照片和文本中收集大量产品信息，从而能够形成我们对产品的理解。

因此，我们使用 IML 构建客户图谱，构建产品图谱。然后我们进行匹配。当您访问我们的网站并寻找某些东西时，或者我们可以根据我们已经了解的关于您的信息进行个性化设置。这就是神奇之处。当您无法以非常简洁的方式向我描述时，我们如何为您找到完美的沙发？Fiona，请您谈谈您自己的经历。您是如何进入技术领域的，以及它是如何发展的？

我本科就读于麻省理工学院，我上了我的第一门计算机科学课，6001，并爱上了它。这是我回顾过去时会说的事情之一，我很幸运能找到自己喜欢做的事情，并且我意识到他们会为此付钱给我。我认为，当我意识到，嘿，我一直喜欢解决问题时，这是一个非常幸运的时刻。我一直喜欢优化我正在做的任何事情。这是一个让我在实践中做到这一点的领域。

我也在计算机科学领域获得了硕士学位。然后我职业生涯一直在从事技术工作。开始是构建企业软件，对吧？所以真正关注的是如何构建可以被任何和所有行业采用的解决方案。

我一开始在甲骨文工作了一段时间，然后在 Tipco 公司工作了很长时间，基本上是构建我们的企业平台。然后我去了沃尔玛，现在是 Wayfair。我在职业生涯的前三分之二获得的平台思维仍然非常普遍。即使您正在构建非常具体的用例，您仍然希望尝试使用这种平台思维，因为它可以让您以更可扩展、更可扩展的方式构建解决方案。

它仍然适用。然后您可以专注于非常具体的问题集。您可以更关注业务成果。然后，这些是与非常具体的零售用例相比，例如构建企业平台的不同之处。在一个案例中，您非常非常接近客户。

您可以专注于特定问题集，但仍然以正确的架构平台思维方式进行构建，这使您可以进行扩展，无论是水平扩展还是垂直扩展。我认为这是我发现有用的东西之一，我在企业平台方面的背景。很好。您能否对您对用例的思考的总体理念发表一些评论？当然。我认为这是我们在 Wayfair 运营的另一个关键原则。

我们实际上是从营销开始的。我们认为 AI 和 ML 在这个领域可以发挥很大的作用。我们说，嘿，从营销的角度来看，竞价以及我应该出价多少以及我应该从渠道角度花费多少钱，这些都是我们认为我们可以控制并且风险较低的事情。

如果我们做错了，也许我们会为我们需要的广告支付更多费用。但这些是我们实际上首先投资的领域，因为我们可以学习并为此使用 AI 和 ML，并控制我们正在遵循的风险量。然后一旦我们弄清楚了

弄清楚了。一旦我们更多地使用 ML，我们就会查看可以应用它的其他领域。那么，我们如何将类似的技术应用于我们的定价和需求生成？我们如何将其扩展到我们的整个供应链、目录和对产品的理解以及搜索和对客户的理解？因此，如果您查看我们现在应用 AI 和 ML 的位置，它会更加普遍，但我们是从围绕营销和客户获取的这个非常具体的用例开始的，并且

那是我们开始使用 AI 和 ML 的第一个地方。

你们有两个规则，某种经验法则，你们以及可能对许多许多零售商和其他行业也一样。哪些用例更适合 AI ML 的两个规则是什么？请详细说明。我们使用一些风险框架来判断如果我们做错了，对公司的声誉风险或其他风险是什么。

回到营销，很多都是如果我们做错了，我们会多付一点钱。其他我们不会完全自动化的领域，因为我们从风险角度更担心，例如产品信息或产品质量。我认为我们尽量做到这一点，但在某种程度上，这也是我们将人类纳入循环以进行额外检查的地方。所以我们不会完全自动化，因为如果我们做错了，那就有问题了。对。

我们将其用作我们首先确定倾斜方向的一种方式。如果我们可以完全自动化并可控风险，那么我们认为我们可以更快地前进。然后我们可能会进入其他领域，但也涉及到人工参与循环，控制措施以确保我们有额外的检查级别。这就是我们看待问题的一种方式。另一个是关于数据。我认为这显然是许多

其他技术组织在考虑 ML 时也会考虑的事情。就数据的数量和可用性以及数据的可用性而言，我们是否做好了准备？我认为坦率地说，许多公司都在努力做到这一点，确保只有一个真相来源，而不是一个

现在有五个人使用了真相来源，对其进行了一些调整。现在我有五件事与第一个真相来源有点相似，它的可管理性成为一个问题。我们查看是否有好的、稳定的真相来源。你谈到了人工参与循环，这个想法……

听起来很基本或很简单，我认为这仍然是许多人的误解，因为许多人仍然认为如果有人参与，那就不算 AI，或者

它必须能够独自完成所有事情。否则，它真的不是完整的 AI，你知道，Sam 和我在这方面对许多公司进行了大量研究。我们看到的是，如果您期望完全自动化，那么您根本就不会处理许多用例，或者您会次优或不合格，或者如您所说，风险很高。

人工参与循环的一些例子是什么？我可以想象可能有一些想法，人类和 AI 共同工作，AI 有一些想法，人类说，哦，也许不是这个。让我们试试另一个主意。这在您的组织中也很普遍吗？

是的，确实如此。它实际上非常普遍。这是它真正更以业务为导向和务实的部分。因此，在某种程度上，可能有人会说，嘿，这并不是纯粹的 AI 或纯粹的 ML，因为您正在让这个人或那个人参与其中。但在我们的案例中，这并不重要。我们试图从业务角度取得良好的成果。

我们思考的方式是，有时我们使用自动化和 AI ML 来缩小选择范围，对吧？所以我们最初做了一些工作，然后我们将其缩小到说也许是五、六个，无论是什么，我们可以让专家，人类来做出最终决定。所以质量是其中之一。另一个是风格。

这总是很难做到正确的事情。我们可以缩小范围。它也使人工部分更容易，但也非常有价值，因为其中一些有时非常细微。我实际上不是风格专家，所以我可能无法分辨出像

两种或三种风格，并且有很多地方它们会交叉等等。因此，这时您需要一位专家。我们确实有设计方面的专家可以帮助我们定义一些内容。然后在我们这个领域，事情会发生变化，对吧？风格会改变，什么流行，什么不流行，所有这些。因此，再次拥有将人类纳入循环的能力对我们来说非常有趣且有帮助。正如您在开头提到的那样，人们甚至可能不知道您正在使用 AI 或机器学习。

我们目前对此很着迷，因为它似乎有很多用途，一旦它出现并且您可以实际做到这一点，人们就会认为这不可能是人工智能，因为那是一个神话般的存在。但是一旦您可以做到，那么它似乎就正常了。您提到了它在整个组织中的广泛使用。有多少人会在组织中说他们正在使用 AI？

是的，我认为这是我们试图将其构建到技术组织结构中的部分，对吧？我们有一个数据科学团队，但他们与软件工程师密切合作。我们希望，同样，即使在技术组织内部，也要确保构建模型的科学家，它实际上是值得生产的。

您想确保团队是某种程度上整合良好的，我们知道。因此，即使您有一名软件工程师，也许他们不是数据科学家，但他们与他们密切合作，并且他们了解需求是什么。这就是我们发现成功的因素。所以，尽管如此，还是足够多的务实的东西。我的意思是，您在整个组织中都使用了 ML 和 AI。您在很多地方都使用它。接下来是什么？你对什么感到兴奋？接下来有什么有趣的事情？

是的，我们也尝试做很多事情。我们还在研究在整合其他触觉类型能力方面的创新。我们有一个小组在寻找技术，你知道，无论是来自

移动应用程序和设备的原生功能将使我们能够做更多的事情。因此，它着眼于将更多增强现实融入我们的购物体验，例如。我们研究的另一件事是，你知道，有一些技术可以让你几乎可以“感受”到你想要购买的东西。

另一件事也是因为我们大量投资于图像，图像是我们家居类别销售的重要组成部分。我们有很多 3D 模型等等，用于我们销售的许多商品。就像，我们如何才能在云中创建您家的数字孪生体，例如，以便您几乎可以虚拟地布置您的家以匹配您现实生活中的家。您可以使用它来影响您在现实生活中购买的东西。或者也许那是您在元宇宙中的家，您将

以完全不同的方式完成它。因此，有很多非常有趣的新兴技术和概念，我们正在努力掌握，同时我们继续保持实用和务实。但是是的。高风险高回报和实用性好。非常好。

您提到的触觉方面似乎特别有趣。我们确实非常关注视觉。我们在视觉和声音方面取得了如此多的进步。是的，但触觉方面却不多。是的，潘通颜色集的触觉或触感等效是什么？你知道，如果我们有一些这样的东西，我可以在家中使用一个阵列，我可以触摸这四样东西，这就是这个沙发的触感，我觉得这很有趣。

我不确定我想用气味来做这件事，因为我不确定我是否想在我的家里放一个潘通气味阵列。但看到您正在考虑这些，让我们说，非传统或非，您知道，我们倾向于关注的前两种主要感觉，这令人兴奋。是的。是的。我们有一个环节，我们会问你一系列快速的问题。你只需要说出你脑海中想到的第一件事。你准备好了吗？是的。好的。我们试试。好的。

您最引以为豪的 AI 时刻是什么？我认为我最自豪的事情之一是，随着我们在不同职能中构建 AI 能力，我们现在正在构建一种特定能力，我们称之为 GeoSort。但基本上，它允许我们利用

我们拥有的基础能力，对吧？对产品的理解，对客户的理解，然后能够利用它。然后我们还考虑了产品的位置。基本上，我们根据我对您意图的理解、我对我们所有产品的最佳理解进行排序。然后我们查看产品的位置，以及运送到您的费用。然后我们围绕这一点进行另一轮优化。在某种程度上，我之所以为此感到自豪的原因是

因为我们构建了基础能力，我们现在可以在此基础上提供二阶解决方案。这与我们非常具体，但我相信许多公司也处于这个阶段，希望如此，他们拥有基础能力，他们现在发现，哦，我可以设计一个二阶解决方案，因为我已经奠定了基础。

是的，您在这些基础设施上花费了大量时间和精力，并且能够使用这些基础设施似乎很有趣，因为一些基础设施可能属于让您的数据井然有序并为接下来的事情做好准备的痛苦类别。是的。好的。AI 让您担心什么？

在我们的应用程序中，我认为这是回到我们讨论过的整个风险类别，对吧？我们对我们使用 AI 的方式感觉良好。我认为我们离开始担心的界限还差得很远。部分原因就在于此。我们将研究人们如何使用它，但所有这些都是匿名的。我们试图找出趋势。例如，当我们进行营销时，我们会查看哪些渠道成功，但这不会深入到谁在哪里购买的细节。

但我认为总的来说，人们确实需要考虑如何使用他们拥有的数据，并确保它是聚合的。您如何确保它继续如此？您最喜欢的与技术无关的活动是什么？

我现在有两个最喜欢的活动。我正在学习打高尔夫球，我认为这将是一项终生的努力，因为它似乎很难，我喜欢烹饪。这很有趣，因为我认为我的烹饪方式与我的技术方式相同。我一直在优化。所以我从不遵循一个食谱。我挑选了大约六个不同食谱中最好的部分。这很有趣，因为人们问我，哦，你遵循了哪一个？我说，啊，

实际上非常复杂。让我解释一下。你这样做，你那样做，你权衡一下。这就是我的想法。这就是我的烹饪和烘焙方式。这是一种集成模型方法，对吧？就像随机森林一样。你只是伸手去拿包。你拿出另一个选择并构建一个集成食谱。没错。您想要的第一份职业是什么？您小时候想做什么？

我的第一份职业，我想成为一名兽医。这难道不是大多数孩子最初想要做的吗？是的，然后你上了你的第一门计算机科学课，一切都变了。是的，就是这样。然后我就迷上了。好的。您对 AI 的未来最大的愿望是什么？您希望我们从人工智能中获得什么？

我希望我们可以继续使用它，并真正地将其用于实际应用。我认为有很多，对吧？显然，我们正在商业和零售领域使用它。有很多用例可以帮助我们理解医疗保健等等，对吧？它有很多应用。我希望它能够普遍存在，并且人们能够继续实践它。再次，它是……

查看数据并帮助我们理解我们可能只是从分析角度无法理解的事情，对吧？我的意思是，我认为这是 AI 的一部分，就像，可能不是我们自己能想到的事情，而是以一种非常新颖的方式寻找解决方案。好吧，Siyona，感谢您抽出时间与我们交谈。我认为您所说的关于务实方法和谨慎对待风险的事情，我认为这些事情适用于许多不同的地方，即使您不是数字优先和

物理第二。我认为这些事情适用于很多人。我认为人们可以从中学习。感谢您今天抽出时间与我们交谈。是的，感谢你们的邀请。我很享受。第五季结束了。感谢收听。我们明年初将推出新剧集。在此期间，请关注我在 LinkedIn 上的《我和 AI》，以保持最新状态，并成为第一个听到额外剧集和其他内容的人。

感谢收听《我和 AI》。我们相信，与您一样，关于 AI 实施的对话不会仅限于此播客。这就是为什么我们在 LinkedIn 上专门为像您这样的听众创建了一个小组。它被称为 AI for Leaders，如果您加入我们，您可以与节目创建者和主持人聊天，提出您自己的问题，分享您的见解，

并获得来自 MIT SMR 和 BCG 关于 AI 实施的宝贵资源，您可以通过访问 mitsmr.com/AI for Leaders 来访问它。我们将把该链接放在节目说明中，我们希望在那里见到您。