From Journalism to Jeans: Levi Strauss & Co.’s Katia Walsh
29:45 Share

Katia Walsh 的职业生涯始于其祖国保加利亚的记者工作，如今她是零售商 Levi Strauss & Co. 的全球首席战略和人工智能官。在她的职业生涯中，她对三件事产生了热情：信息的力量、技术的力量和机器学习的力量。当她描述她是如何确保一个著名的传统服装品牌通过技术转型保持其相关性时，她对这些主题的热情显而易见。在本集中，Katia 解释了她如何在 Levi Strauss 周围围绕五个 C 来组织数字化转型和员工敬业度：与消费者的联系、商业、创造、职业和文化。她还描述了零售商为非技术员工提供的机器学习训练营，以促进创新，并概述了公司如何看待负责任的人工智能实践。在此处阅读剧集记录。我和 AI 是麻省理工学院斯隆管理评论和波士顿咨询集团合作推出的播客，由 Sam Ransbotham 和 Shervin Khodabandeh 主持。我们的工程师是 David Lishansky，协调制作人是 Allison Ryder 和 Sophie Rüdinger。通过加入我们的 LinkedIn 群组“AI for Leaders”（mitsmr.com/AIforLeaders）或关注 LinkedIn 上的“我和 AI”与我们保持联系。嘉宾简介：Katia Walsh 是 Levi Strauss & Co. 的高级副总裁兼全球首席战略和人工智能官，负责制定这家服装公司的整体数字和企业战略。此前，她是沃达丰集团首位全球首席数据和分析官，并在普鲁申博金融、富达投资和 Forrester Research 担任过战略数据分析领导职务。Walsh 曾连续三年被英国 IT 女性奖评为英国年度数据领导者。她拥有密苏里大学哥伦比亚分校战略传播博士学位。我们鼓励您对我们的节目进行评分和评论。您的评论可能会用于“我和 AI”的资料中。我们想知道您对“我和 AI”的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 今天，我们播放的是由我们的朋友 Modern CTO Podcast 制作的一集节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式人工智能的兴起，成功运用技术的意义，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。

许多零售商都在个性化其产品，但很少有零售商使用受技术背景有限的员工启发的 AI 项目来做到这一点。当我们与 Levi Strauss & Company 的全球首席战略和人工智能官 Katya Walsh 谈论该公司的人工智能训练营如何提升其员工技能并激发创新时，请加入我们。欢迎收听《我和 AI》，这是一档关于商业中人工智能的播客。在每一集中，我们都会向您介绍一位在人工智能领域进行创新的个人，

我是 Sam Ransbotham，波士顿学院信息系统教授。我还是麻省理工学院斯隆管理评论人工智能与商业战略大创意项目的客座编辑。

我是 Shervon Kodabande，BCG 的高级合伙人，我与人共同领导 BCG 在北美的 AI 实践。麻省理工学院 SMR 和 BCG 共同研究人工智能已有五年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解在整个组织中构建、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 和我很高兴能与 Levi Strauss & Company 的全球首席战略和人工智能官 Katja Walsh 谈谈。Katja，感谢您抽出时间与我们交谈。欢迎。是的，感谢您的加入，Katja。很高兴。感谢你们的邀请。您能告诉我们您目前的角色吗？您现在为 Levi Strauss 做什么？

我负责战略和人工智能的融合。为了更详细地告诉您，这实际上是建立一种集成能力，将新兴技术、数据和人工智能连接在一个整体能力中，以服务于我们的战略目标。您从事这项工作多久了？

我在 Levi Strauss & Company 担任首席战略和人工智能官已有两年半的时间。我在疫情开始前不久就加入了公司。所以这是一次“火线入职”，这也是一个绝佳的机会，可以展示技术在此时此刻的力量。

是的，这是一个伟大的时代，也是一个充满挑战的时代，我相信。但是，您一开始并没有担任这个职位。请告诉我们两年半以前发生了什么。我相信您实际上是从保加利亚的记者开始的。将这些联系起来，与 Levi Strauss 联系起来。

我在共产主义时期的保加利亚长大，那时 Levi's 的意义远不止是时尚或服装。它确实是自由的旗帜。它关乎独立、民主和遥不可及的事物。我确实是在该国为极少数独立出版物之一担任记者。

在我很小的时候，我就了解了信息的重要性及其力量。信息实际上就是数据。报纸上的新闻就是数据。现在有一个叫做数据新闻的领域。当时我不知道。但我了解了信息的力量，并对此产生了真正的热情。

然后我有机会获得全额奖学金来到美国继续我的学业。那是在互联网全盛时期。因此，那时我培养了我对技术力量的第二种热情，它可以放大信息或数据的力量。然后我继续深造。我进入学术界，并培养了我对机器学习和统计学的第三种热情。我不是工程师。我是一个统计学家。

但是通过我在统计学和机器学习方面的教育，我培养了对机器学习力量的第三种热情，它可以帮助我们实现预期的结果。您现在在 Levi Strauss 试图实现的一些结果是什么？

这是一个行业，无论是服装、时尚还是零售业，除了亚马逊这样的公司之外，这个行业一直相当模拟化、手工化、不精确，而且传统上并不是地球上最好的公民。因此，我在 Levi's 的使命，以及我和我合作、创造和成长的团队的使命是帮助公司成为……

过去是模拟的，现在是数字化的。过去是手工的，现在是自动化的。过去是直观的，现在是精确的。我们正在推动企业的全面数字化转型，同时也正在颠覆整个行业。这是自第一次工业革命以来发生在这个行业中的最大事件。

这确实非常引人入胜。Katja，请分享更多关于该行业正在发生的这场革命的一些例子，无论是在 Levi's 还是您愿意分享的任何其他方面，以便听众能够更好地了解。

是的，Shervin，我很乐意分享我们正在做的事情。当我们在数字化、数据和人工智能领域部署这些强大的功能时，我们关注三个 C。第一个 C 始终是关于与消费者的联系。Levi's 作为一家公司，在其 169 年的历史中，大部分时间都是一家制造商。它与消费者没有直接联系。

但我们认识到加深我们与消费者的联系的重要性，不仅是与消费者，而且与我们的粉丝。关于……

Levi's，像这样的标志性品牌，很棒的一点是，我们的消费者不仅仅是消费者。他们是狂热的粉丝，他们会在自己身上纹上这个品牌。因此，我们希望加深这种联系，并且我们希望利用技术提供的一切来做到这一点。当然，您知道我在说什么。它从个性化等事情开始，每个人都在做，但我们认为我们做得更多。

这方面的一个例子是，我们正在完全个性化在线体验。因此，当您访问应用程序或电子商务网站时，您看到的内容应该根据您之前的浏览行为、您的需求和愿望以及我们所知道的一切（始终在获得许可的情况下共享）进行定制。

因此，加深与消费者的联系是我们工作的重要组成部分。我们关注的另一个 C 是，我们希望确保我们使用技术、数字化、数据和人工智能来创造更智能的技术。

商业。这就是内部效率方面的一切都可能对公司非常有帮助的地方。它可能不会立即或直接影响消费者，但它肯定会对消费者产生影响。因此，我们能够在最近的疫情危机期间和之后所做的一件事就是价格优化。

当我们面临全球封锁的深度时，作为一家全球性公司，我们当然感受到了疫情在世界各地的影响。我们一度有三分之二的商店不得不关闭。一方面，全球化使我们实现了多元化，在我们必须关闭世界其他地区业务的地方，我们能够保持开放。这让我们学到了一些东西。另一方面，我们确实感受到了世界各地的影响。

我们使用人工智能来确定我们的产品在世界任何地方、通过哪个渠道、以什么价格、向哪个消费者销售的最佳价格。这非常有帮助，因为我们不必实际打折。许多竞争对手没有这个选择。

令人难以置信的强大工具。他们不得不打折，因为他们面临着大量的库存。但是，由于 Levi's 品牌的实力以及机器学习的应用，我们能够预测我们的产品将以全价销售。因此，这帮助消费者获得了他们需要的东西，但也帮助提高了公司的财务利润率。然后是第三个 C 是

我们还在更智能地应用人工智能的地方是创造，即这家公司所做工作的本质。这方面的一个例子是，我们最近开始在设计过程中使用人工智能。例如，我们现在使用卷积神经网络来创建处理

数千张图像的新设计，例如梵高的《星夜》或大卫·霍克尼的艺术作品或贾斯珀·约翰斯的艺术作品。我们现在可以创作卡车夹克，这是 Levi's 实际上发明的传奇产品。但是，现在上面有梵高的艺术作品，我们将生产并销售给全世界。我想我需要一些多莉裤。是的。

这非常引人入胜，特别是设计示例。它引出了我心中下一个问题，即人类在此处扮演的角色，特别是您提到设计之后。我必须想象，这在过去一直是一个非常以人为中心的过程。那么，Levi's 如何将人和人工智能结合起来，以实现任何一方都无法独自实现的结果呢？

是的，我认为人类实际上是人工智能中最重要的部分，无论是以人为本的设计（我们当然渴望做到这一点），还是使机器更智能的人类。当然，反过来，机器也帮助我们变得更好。在前面提到的 AI 驱动设计的情况下，更令人着迷的是这项工作是

Ed Levi's 由我们的一位年轻设计师率先完成，他没有任何机器学习或计算机科学方面的正规培训。他是我们 2021 年率先推出的业界首个机器学习训练营的 101 名毕业生之一。对于该训练营，我们招募了

来自全球 24 个地点的整个公司的许多人，来自每个职能部门，包括零售店和设计部门。我们完全民主化了机器学习的教学过程，以便我们可以获得公司数字化转型所需的变革推动者，并帮助我们在这一过程中取得成功。

这场持续的人工智能人才争夺战。因此，回到 AI 部分设计，它的创造者实际上是这个训练营的毕业生，并且绝对是设计过程的核心。您能否对您刚才谈到的这个大学发表更多评论，以真正教育、提升和再培训员工？我认为您说目前有 101 名毕业生。对吗？是的。

没错。我们有两个班级。我们称它们为队列。从我们 2021 年的申请流程来看，我们大约有 450 份申请。需要明确的是，这不是一个适合所有人的项目，因为这需要人们离开他们的日常工作八周。我必须感谢我的同事们，他们让他们的员工有八周的时间，并且

因此，我们将让员工离开他们的日常工作八周。它非常沉浸式、密集且实践性强。我们之所以称之为训练营，是因为

他们实际上没有时间做其他事情，而且在毕业时他们都筋疲力尽了。他们使用真实数据来解决 Levi's 的问题。我们实际上能够在训练营结束后部署他们创建的模型，这些模型正在查看需求预测，正如我前面提到的那样，这已纳入该工作中。

AI 驱动的设计也将进一步发展，但还有其他一些事情，例如我们营销信息的个性化。这是训练营毕业生正在努力的事情。因此，我们为 Levi's 的员工创建了这个项目，使用 Levi's 的数据来解决 Levi's 的问题。

我们现在正在挑选下一批毕业生，他们将于 4 月开始学习，5 月毕业。然后，我们还将在 2022 年秋季开设另一个队列，另一个班级。因此，这是一项持续的努力，我对此感到非常自豪。

这真是太棒了，太吸引人了。因此，看来几年后，您将拥有数百名员工，我假设他们将被嵌入不同的业务部门，对吧？这些不是您可能在技术、人工智能、数据科学或工程团队中的技术人员。因此，这是一个提升和沉浸式地让员工参与业务的绝佳方式，

关于人工智能的力量。目标是继续这样做，直到几乎每个人都经历过这个过程吗？或者目标是什么？好吧，Shervin，首先，您是对的，大多数训练营毕业生都会回到他们的岗位。他们不一定是……

换工作。有些人想成为非常高级的数据科学家，当然我们不想剥夺他们这个机会，而且我们确实会在时机成熟时给他们这个机会，但绝大多数人会留在现有的岗位上，从而提升他们自己的岗位，并且

在这种情况下，我想提到另外两个我们也通过这种数字化、数据和人工智能能力组合来实现的目标 C。我前面提到了与消费者的联系、我们正在变得更智能的商业，当然还有创造过程。我们现在还有另外两个更智能的 C。一个是职业。

参加过这个训练营的人确实改变了他们的观点和职业能力，无论是在 Levi's 还是在 Levi's 之外。尽管我也很自豪地说，在这个辞职率很高的时代，绝大多数毕业生都留在了 Levi's。我确实认为训练营至少在一定程度上促成了这一点。

然后另一个更智能的 C 是文化。这些人现在正在帮助我们改变整个企业的全球文化。他们的思维方式不同。他们知道这种语言。他们会说这种语言。他们与数据科学家、工程师和产品经理联系。因此，通过所有这些，我们正在为公司未来 169 年的转型。Katja，您能再举一个训练营毕业生的例子，以及他们所做的工作吗？

我们实际上有很多例子。到目前为止，我们有 101 个例子。

但我认为另一个特别引人注目的例子是关于一位零售店经理的毕业生，她以前从未见过代码。她担任造型师已有 11 年的时间。因此，她非常了解消费者。她一直与消费者交谈。她帮助他们做出造型决定。她建议他们应该将什么与什么搭配。

但现在她已经掌握了技能，使我们能够创建一个模型，该模型将我们大量库存中的商品捆绑在一起，这些商品彼此非常匹配，可以创建服装。

因此，通过这个自动化过程，我们丹佛高级折扣店的这位零售店经理能够主动提出建议，这不仅是她自己的想法，而且是基于机器学习模型的建议。她能够向我们的消费者推荐成套商品，完整的服装。当然，因为它是一个模型，所以它总是在学习。她总是在获得新的数据，而且它总是在变得更好。是的。

多么精彩的故事。把这位女士送到 Sam 那儿去买些时尚用品。我再举一个机器学习训练营毕业生的例子，以及她所做的事情，一位在我们拉斯维加斯配送中心工作的女性。因此，她回到了她以前的工作岗位，在那里她多年来一直面临着一个持续存在的问题。而这个问题是，配送中心每天都会出现停机时间。出了问题。设备坏了。

某个部件磨损了，配送中心将不得不停止工作 15 分钟到两小时，完全停机，而我们当然仍然必须支付劳动力成本，而且我们将错过发货订单的利润。

因此，这位年轻女子带着她学到的技能回到了她的工作岗位，并说，好吧，我现在可以解决这个问题了。因此，她创建了一个预测性维护模型。

该模型现在能够非常准确地预测哪些设备将在未来 30 天内发生故障。此外，她还设计了一个应用程序，以易于查看的方式显示这些预测，并自动调度技术人员进行预防性检查设备，因此现在这个特定的配送中心没有停机时间了。

您认为在 Levi Strauss 内部负责任地使用人工智能以及道德和值得信赖地使用人工智能涉及哪些方面？我知道这是您一直在思考和努力的事情。

非常关注并致力于将人工智能用于善事。众所周知，这是一个非常强大的工具，但像任何工具一样，它可以用于善事，也可以用于不好的事情。我之所以很高兴能来到像 Levi's 这样的公司工作的原因之一是，它确实带来了许多超越行业、地理位置甚至时代的价值观。

因此，在数据和人工智能的背景下，我们为公司中所有使用数据的人制定了一套行为准则。随着时间的推移，这将成为整个企业中的每个人。目前在公司中使用数据的所有人都必须实际签署行为准则，这与希波克拉底誓言类似。

誓言，以确保我们始终保护我们的消费者、公司和股东，因为如果您不保护消费者，您怎么能取悦他们呢？然后，我们还正在做其他事情来确保我们以最大的谨慎使用数据和机器学习。例如，正如您所知，

不幸的是，模型和算法及其结果中仍然存在许多偏见的机会。因此，虽然我们知道您永远无法完全消除生活中的偏见，但我们正在尽最大努力将其降到最低。我们通过三种方式做到这一点。首先，通过人员。我们拥有更多从事数据工作、带来数据和创建算法的多样化人员，则

我们更有可能拥有这些隐含的制衡机制，以确保我们将偏见降到最低。

我们带来如此多样化数据的另一个原因不仅是因为它可以丰富我们的模型，而且因为它还可以帮助减少偏见。这就是为什么数据集如此不同。有时我们会将过去从未相遇过的数据集组合在一起。当这种情况发生时，你会发现令人惊奇的事情。但这也有助于减少偏见。我们努力减少偏见的第三种方式是工具的多样性。我们有目的地部署了大量开源工具。

我们确保，是的，虽然与某些供应商合作是有益的，但我们也始终希望掌握最新的技术。开源工具的优点在于，它实际上是由全世界任何拥有技能的人来开发的。这也是我们部署开源工具以确保多样性的原因之一。我想回到您前面提到的关于现代化的评论

数字化，注入更深入、更好的数据和分析。那些

公司中的职能，尤其是在时尚零售等行业中，传统上可能相当模拟化。就像我们谈到的商品和计划一样，我还想补充一下预测和定价等方面。您能否分享一些关于您如何将

在不同时代长大或更习惯于旧做事方式的人们。您如何以协作的方式将新旧结合起来？

我认为您谈论的是，一般来说，如何在一个公司或一个组织中引导变革。而这正是我整个职业生涯都在做的事情。我在技术、数据和分析以及机器学习的交叉领域工作了 20 多年。而且我的大部分职业生涯实际上都是帮助公司进行转型，以实现其战略目标，并且

对于技术来说，这尤其具有挑战性，尤其是在您关注人工智能等特定技术时，因为它可能看起来非常令人生畏。

因此，我的愿望和使命实际上是使它人性化，使它更贴近人们，赋予它一个面孔，帮助人们理解它不仅不会取代工作，例如，而且它还可以帮助他们取得更大的成功，使他们变得更聪明。这就是我不仅在 Levi Strauss & Company，而且在其他公司也推出这个机器学习训练营的原因之一。所以……

使这种能力人性化非常重要。我们如何做到这一点可能取决于公司或组织的具体情况，当然，即使在一段时间内也会发生变化。但我真的相信激发和激励人们参与其中，并帮助他们加入进来，因为他们想要这样做，而不是因为他们感到受到威胁。对于那些

担任变革推动者，在如何实施此类变革方面，是否有经验教训？是的，我发现一件非常有帮助的事情是，这是我进行企业转型的第三家公司，并非独自一人。这实际上是一个教训。你不能独自完成。您必须确保您获得了这种支持。

这种支持必须遍及整个组织，当然是在最高领导层，而且也要遍及基层和侧面。因此，获得这种支持非常关键。但除此之外，我还一直秉承着“想大、做小、快扩展”的座右铭。

我想，“从小做起”可以被视为一种妥协，但我并不认为它是一种妥协。我认为这是一个提供即时价值的机会。而这是让人们加入进来的一大关键。当我们能够非常快速地展示价值时，即使它不是世界上最大的价值，它也必须具有意义才能激励人们。但是，如果人们能够非常快速、非常具体地以他们自己的方式看到它，

业务部门、职能部门、地理位置，这当然会让人们加入进来，因为他们会看到，哇，这正在帮助我解决我一直想解决的问题，或者这正在帮助我实现我可能难以实现的商业目标。这非常有帮助。它还会做的是，如果有些人坐在场外，

这会让他们想要说，为什么我没有这个？我也想要这个。因此，它会产生一些良性竞争。总而言之，我发现一些有帮助的事情是，当然要确保公司内部的支持。帮助我做到这一点的一种方法是，想大、做小、快扩展，展示即时价值并让人们加入进来。

并进行教育和人性化，正如您前面提到的那样。那也是。这不是一个简单的答案。这是一场真正的变革。是的。另一件事是，当我们构建这些功能时，我想实际解决一个潜在的谬误。

许多公司都在进行数字化转型，正如我们现在所说的那样。作为一个世界，我们在过去 25 年里一直是数字化的，但我认为 COVID 加速了每个行业企业现代化的需求。但是，许多公司在没有明确的愿景或观点来解释他们为什么要这样做的情况下就开始了这项工作。这就是为什么与战略融合如此重要的原因，因为它提供了“为什么”。

但另一件需要记住的事情是，这与构建技术无关。是的，技术非常重要。它是一个关键的推动因素。但我们必须小心“构建它，他们就会来”这种说法。

我们还没有建立完美的“数据海洋”。我们已经拥有它。我们已经开始构建它。它永远不会完美，因为数据永远不会完美。它总是像海啸一样向我们袭来。我不会说我们已经建立了完美的平台，同样是因为它们在这个充满活力的领域发展如此之快。但我们正在做的是始终如一地展示这种价值，并希望随着时间的推移而不断增长。这就是转型的本质。

Katya，很高兴与您交谈。感谢您抽出时间与我们交谈。我们真的很喜欢。这真的太好了。谢谢，Katya。我很高兴，Simon Shervin。很高兴认识你们。感谢您的收听。下次我们将与华纳音乐集团高级副总裁兼数据科学主管 Kobi Abayome 聊天。别担心，Shervin 和我都不唱歌。

感谢收听《我和 AI》。我们相信，与您一样，关于人工智能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群组。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，

并获得来自麻省理工学院 SMR 和 BCG 关于人工智能实施的宝贵资源，您可以通过访问 mitsmr.com/AIforLeaders 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。