This Crazy Wave We’re Riding: Walmart’s Prakhar Mehrotra and the Ups and Downs of AI
22:57 Share

沃尔玛机器学习副总裁普拉卡尔·梅赫罗特拉分享了他的经验，以及这些经验如何帮助他领导一家市值5000亿美元零售商的AI团队。普拉卡尔的任务是利用AI辅助决策并提升业务，他专注于改进门店商品销售的技术（定价、库存管理、财务规划）。在加入沃尔玛之前，普拉卡尔曾在Uber和Twitter领导数据科学家团队并开发随机模型，在那里他学习了如何快速行动和扩展AI。（有趣的事实：他甚至还为Uber开车，以更好地了解司机的体验——这是同理心在AI中扮演角色的完美例证。）倾听普拉卡尔分享关于激励和教育AI团队的故事，AI与商业智能的关系，以及在企业环境中进行大规模投资的意义。点击此处阅读剧集文字记录。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，由萨姆·兰斯博瑟姆和谢尔文·霍达班德主持。我们的工程师是大卫·利尚斯基，协调制作人是艾莉森·莱德和索菲·鲁丁格。嘉宾简介：作为机器学习副总裁，普拉卡尔·梅赫罗特拉是沃尔玛AI和机器学习的顶级高管之一，也是该领域的国际知名领导者和创新者。他最近被INFORMS授予弗朗茨·埃德尔曼奖章，以表彰其在数据科学和高级分析方面做出的重大贡献。他是电气和电子工程师协会的高级会员，并担任AI顶级会议和期刊的同行评审，包括人工智能促进协会会议、计算机视觉和模式识别会议以及自主代理和多代理系统国际会议。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。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，技术成功的意义，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。当您在一家成熟的成功公司工作时，目前的管理人员已经了解了很多信息。

尽管如此，如果您能让员工和AI协同工作，AI解决方案仍然可以为经验丰富的管理人员提供见解。在本期节目中，普拉卡什·梅赫罗特拉描述了一些人和AI共同努力为沃尔玛创造的时刻。更有趣的是，他描述了实现这些时刻所付出的辛勤工作。欢迎收听“我和AI”，一个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。

我是萨姆·兰斯博瑟姆，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AI与商业战略大创意项目的客座编辑。

我是谢尔文·科达班德，BCG高级合伙人，我与人共同领导BCG在北美的AI业务。BCG和MIT SMR共同研究AI已有四年时间，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。

谢尔文，我很期待用今天的节目开始我们的系列节目。谢谢，萨姆。我也是。我们今天的嘉宾是沃尔玛机器学习副总裁普拉卡尔·梅赫罗特拉。他将从加利福尼亚州桑尼维尔与我们连线。普拉卡尔，非常感谢您今天与我们交谈。您能介绍一下自己并分享一下您的工作内容吗？

您好，我是普拉卡尔·梅赫罗特拉。我是沃尔玛美国公司的机器学习副总裁。我的职责包括构建算法，以推动我们商家的决策，涉及核心领域，如商品种类、定价、库存管理、财务规划，以及商品销售的各个方面。我领导着一个80人的团队。他们是数据科学家，一个完整的团队，从数据科学家到数据分析师、数据工程师。这是我在沃尔玛的角色。

我们特别关注您，因为您是人工智能领域的顶级专家。您能告诉我们沃尔玛如何利用人工智能来改善其业务吗？沃尔玛希望利用AI更好地服务我们的消费者。

所以我的角色就是实现这一点。我在Uber和Twitter以及我的研究生学习中获得的专业知识帮助我实现了这个梦想。我意识到成功的秘诀是，如果我们与业务紧密合作，并将业务利益相关者带入旅程，AI将在公司中取得成功。这不仅仅是关于算法，而是关于业务。因为AI的最终目标是

改善业务。我负责所有用于商品销售核心领域的机器算法开发，其中包括如何定价、如何选择合适的商品种类、补充策略、预测和规划。因此，我们正在尝试将机器学习和AI用于商品销售的所有核心方面。那么，普拉卡尔，您是如何开始在AI领域发展的呢？现在在您的工作中实施AI的一些更具挑战性的方面是什么？

我从Twitter开始了我的职业生涯，在那里我是一名数据科学家。我在Twitter学习了所有关于扩展和工程的基础知识。在Uber给了我一个

巨大的突破，就像一个巨无霸，对吧？就像它在滚动一样。它就像什么颠覆？Uber教会了我。然后当我加入沃尔玛时，我已经了解了一些关于AI的知识。就像我知道如何，我已经获得了一些关于AI管理算法的经验。我已经掌握了AI的基础知识。因此，至少在沃尔玛门店方面的最具挑战性的部分是

数据中没有标签，没有标记。当顾客在我们商店购物时，我们记录的或我们拥有的信息只是交易已完成。

与社交媒体或应用程序不同，在Netflix类型的推荐环境中，您可以跟踪消费者的历史记录并从中学习。这种环境在门店方面并不存在。我们不知道顾客何时拿起哪些商品以及何时做出这些选择。因此，算法的工作实际上要困难得多，因为它们必须推断所有这些信息。

而不是直接从数据中学习，对吧？因此，推断成为沃尔玛的一大重要部分，然后将这种推断转化为可操作的见解，这是我们可以据此做出前瞻性决策的东西。所以这是沃尔玛面临的关键挑战。当您从一个一切都被高度量化的世界转向一个一切都很抽象但您仍然需要做出决策的世界时，感觉如何？诚实的答案是，您实际上会觉得AI是一个泡沫。是的。

对。我们拥有的AI承诺的力量，即它可以解决任何问题，然后我可以部署、编写算法，并且明天就能得到一个非常快速的答案。这开始受到挑战，对吧？因为当您做一些像推断的事情，或者当您试图找到时，您试图识别这些并不明显的隐藏模式。

存在多种挑战。科学家们需要从我们拥有的可用数据中学习这些数据，这是一个挑战。然后，您如何向最终用户解释为什么算法会推断它试图推断的内容？我认为我在加州理工学院的研究生学习确实帮助我思考了这个问题，它教会我们如何思考问题。

我还记得我的候选资格，我的导师当时问我一个与我的博士学位无关的问题，并让我为之辩护。在加州理工学院的航空航天领域，这是很常见的事情。

这种训练帮助我转向其他领域。所以当我决定改变领域并冒险进入硅谷、社交媒体、Twitter时，那完全是一场不同的游戏，对吧？就像我在路上遇到的人，第一天并没有评判我，而是更像，你知道吗，我们会投资你，我们会教你。我能够将科学和商业联系起来。

普拉卡尔，您谈到了在数据未标记且必须进行推断的环境中，科学家的工作更具挑战性。您对商业中优秀科学家与学术界或研究实验室中优秀科学家的属性有何看法？

是的，这是一个好问题。归根结底，如果一位科学家决定在工业界工作，并与沃尔玛、石油公司或所有这些非传统软件公司合作，这些公司的核心业务有所不同，那么关键因素就变成了您应该能够解释您正在做什么。您应该让业务用户参与到旅程中。数据科学，我们通常说，数据科学家应该能够讲一个好故事。

但是故事有很多部分，对吧？当我第一次开始在沃尔玛工作时，我实际上花了前三个月的时间在商店里，只是为了了解术语。VPI是什么意思？核心指标是什么样的？我们如何做事？这基本上让我在领导层面前获得了信誉。这听起来都很容易。我认为我们可以从这里结束。是的。

我还意识到的一件事是，当您在企业环境中进行大规模投资或登月计划时，第一天通常会非常乐观。但是您必须快速交付一些东西才能保持这种信任。因此，这是一个微妙的平衡。因此，这种转变对我来说非常具有挑战性，在我之前的角色中，每个人都相信数据科学。是的，我们必须去做这件事。这更多的是关于执行和编写这些代码以及更快地执行。我的意思是，

快速行动，打破常规，对吧？这是硅谷的座右铭。在我目前在沃尔玛的角色中，情况略有不同，我必须充当思想伙伴，向他们展示北极星，向他们展示什么是可能的，并告诉他们风险。在夸大其词和展示可能性之间的平衡。这对我作为领导者来说也是一个很大的挑战。沃尔玛面临的与执行无关的平行难题是什么？

解释什么是可能的，并决定进行大规模投资，这就是AI的力量。因为我认为这不仅对沃尔玛来说是独一无二的，对医疗保健或任何其他行业来说也是独一无二的，在这些行业中，人类拥有专业知识，因为我们的思维方式、我们被连接的方式以及我们处理不确定性或不可预见情况的方式，对吧？以及犯错的代价

非常高昂。存在惩罚成本。从某种意义上说，我能够在航空航天领域找到这种相似之处，当您的火箭发射时，它现在必须降落在火星上。没有回头路。因此，虽然我在之前的角色或工作中接受的大部分数据科学培训是，您可以进行数百万次实验。

这里不是这种模式。您的算法不是唯一的决策者。一个很好的例子可能是我们如何决定商品种类，我们如何考虑哪些商品应该包含在内。这涉及财务规划、与供应商的谈判、成本核算、如何定价？这不仅仅是算法决策。另一方面，我也看到了这一点，除非犯了一些这样的错误，

否则存在滑回到执行的危险。然后它滑回到纯粹的执行、纯粹的改进模式，而不是我认为我可能称之为更多交换模式的模式，您在交换经验。执行与交换。这是关于旅程。这不仅仅是最终执行。这是关于您所走的旅程，对吧？这是关于，而旅程包括思想交流。如果您没有让大家参与进来，您就无法执行它。

我认为商业智能与人工智能之间也存在差异，对吧？就像商业智能，就像我们所说的那样，对吧？因此，您必须从商业智能过渡到人工智能。普拉卡尔，您是埃德尔曼奖的决赛入围者。是的。对于那些不知道的人来说，埃德尔曼奖表彰在实践中杰出的运筹学案例，这在运筹学领域是一件大事。

感觉如何？您的团队感觉如何？您感觉如何？这是一个自豪的时刻。这是一个自豪的成就，因为它不仅对我来说是一个突破，因为我来自航空航天领域，并且我们的社区认可我正在做的工作。对我来说，也是沃尔玛的一个自豪时刻，看，我们正在做的工作得到了更广泛的社区的认可。所以我觉得非常荣幸，就像，是的，你做对了，对吧？因为你不对。我的博士学位，我的论文不在这个

因此，当您为一家财富公司和更广泛的公司运营某些东西时，这就像一个保证印章，是的，您做对了。登月计划可能是可能的。对我来说，我选择沃尔玛作为工作地点的原因之一是，因为

一美元或十分钱的节省可能对至少大多数硅谷或我曾经想到的地方的人来说并不意味着什么，但这十分钱可能对消费者来说意味着世界。所以这基本上给了我一个意义。就像，你知道吗，这是关于寻找十分钱或二十分钱的节省。您在我们的商店中携带的许多商品以及我们的商品销售网络中这样做。这十分钱加起来就变成一美元，变成二十美元。

我喜欢这种说法，你知道，你可以检查我的计算，但我敢肯定，如果你节省了10次十分钱，你就会得到一美元。你知道，你一遍遍地这样做。我喜欢你从不拿走这美元，而是从过程中节省这美元的方式。我认为这就是你的团队拥有巨大潜力的原因。告诉我们一些关于你在沃尔玛的角色，以及其中有多少是科学和技术方面的事情。

管理，有多少是团队和利益相关者管理，有多少是布道和激励以及其他什么？我花了大约30%的时间

在管理方面，这包括向上管理，试图与公司设定期望，什么是可能的，什么是不可能的，充当领导层的思想伙伴，无论是在技术方面还是在业务方面。另外10%到20%，因为我坚信，如果您是一位AI领导者，并且您领导着一个团队，并且您在管理层，您不能仅仅是一个人员经理。您工作中最有趣的部分是什么？

工作中最有趣的部分是……除了和我们交谈。当然，像这样的事情。我在沃尔玛获得了机会。我认为最有趣的部分是，当您看到一个不相信AI的人开始相信AI时。所以，当您看到人们开始相信某些事情时，您所获得的快乐，您所分享的热情是惊人的。其次是，

我只是让财富100强公司变得更好。沃尔玛是我们生活中不可或缺的一部分。这是我们的一部分，我的意思是，在COVID期间的这些困难时期，我们必须保持商店开放，对吧？我们必须这样做。它在社会中扮演着角色。所以你让它继续运转。你在其中扮演着微不足道的一部分。所以这对我来说每天来办公室都有意义。然后来自

来自领导层的支持，对吧？这些是我工作中最好的部分。然后你组建了一个团队。你有一个由非常聪明的人组成的团队，他们遍布各地，并与我分享热情。你看到他们在职业生涯中不断进步，与年轻人一起工作，对吧？然后展望我们正在经历的AI浪潮，对吧？一方面，一切皆有可能。然后你开始工作，你会想，不，这是不可能的，对吧？你看到的这些起起伏伏，领导AI团队就像坐过山车一样。

而且效果非常好。- 我在哪里申请？

但是沃尔玛也从未在我的考虑范围内，因为这就像，为什么是沃尔玛，对吧？当你的身边有谷歌和脸书时，你住在哪里。然后当你意识到，就像我意识到的一样，我们必须讲述这个故事。有人必须在零售的精彩之处以及它如何与日常生活联系起来，与机器学习的力量之间建立这种联系。所以我花了很多时间在那里，我的其余时间都在那里。是的。

每当我不在工作的时候，我都在家里和女儿一起玩，然后弄清楚生活。好吧，我们不想让普拉卡尔再离开他的家人了。感谢您抽出时间与我们交谈，普拉卡尔。非常感谢。

所以萨姆，让我们回顾一下我们从普拉卡尔那里听到的内容。他提出了很多很好的观点。是的，很多很好的观点。我确实非常喜欢和他交谈。有很多热情，但也对真正大规模地改变一家公司（如沃尔玛）需要什么有深刻的理解，因为他谈到了某些流程，你知道，

你不能对此教条式地对待，并说，好吧，这就是引擎所说的，因此你应该这样做。其中一些事情是库存管理或货架商品种类或商店运营和商店劳动力等等，他谈到了这种交换的概念，以及让业务所有者参与其中

在旅程中以及旅程期间，并与他们一起设计解决方案，以便在完成时，他们不会感到惊讶。他们不仅参与其中，而且在设计、构建、孵化和实施方面发挥了重要作用。这确实非常关键。困难的部分还在于，这些事情不会完美无缺。我认为我在他的讨论中确实听到了这一点，他知道它们第一天不会完美无缺。而且

当它们不完美时，他会失去一些信誉。他们如何建立这种信任？他们如何持续地建立这种信誉？

是的。这是一个非常好的观点。我正在解读他所说的话，但承认某种脆弱性和AI引擎及其团队愿意向这些专家学习，并设定正确的期望，即仅仅因为我们构建了一段技术，并不意味着它应该百分之百完美。实际上，任何学习系统都不是这样工作的。是的。

是的，我喜欢你在这里使用的“脆弱性”这个词，因为它传达了这一点。我的意思是，他显然很聪明。他显然知道自己在做什么，但他仍然愿意学习并倾听其他人的意见，并认识到他的算法不会一开始就完美无缺。这是一种谦逊的态度，并且我认为实际上是……

像他这样的人，无论是在沃尔玛还是在其他公司的类似职位上，在这个职位上取得成功，其秘诀在于愿意倾听，愿意合作，能够承认脆弱性以及学习的愿望，以及他所拥有的那种热情，看，当这件事奏效时，它非常棒。

当它不起作用时，我已经设定了你的期望，它不会总是完美地工作，但每一天都会比前一天更好。我认为这种谦逊和这种意愿是越来越多担任这些职位的人的真正特征，因为可能会有某种器官排斥，你从不同的行业、不同的领域（如硅谷、Uber）带入一位AI专家

传统上是一家实体公司，因为人们相信，嘿，我们已经做到了。这是正确的方法。你们只需要听我的话。我们知道这行不通。因此，这种角色所带来的情商非常非常关键。他也确实证明了这一点。普拉卡尔的一个有趣之处在于，它与我们今年研究中发现的内容有多么一致。

我们发现，只有10%的组织从人工智能中获得了显著的财务效益。普拉卡尔确实说明了为什么这如此困难。他谈论的大多数事情都不是技术性的。你可以看到他几乎怀念拥有完美标记数据的日子。但这不是他面临的问题。是的，问题更多的是组织问题。

变革管理，让用户参与其中。这就是所有的人为因素，而不是技术方面。而且，你知道，我认为他10%的公式的一部分是预先承认AI并不完美，AI还有很多东西需要学习。

从流程中，从专家那里，从组织那里。有时它是正确的。当它是正确的时，它将对这些人的判断力起到增值作用。有时它是错误的。当它是错误的时，它有能力学习。所以我认为，一开始就认为AI是完美的，这肯定是一个导致灾难的秘诀，对吧？任何优秀的AI从业人员都知道情况并非如此。没错。没错。

谢尔芬和我对我们下一期与Humana的斯拉夫·基拉纳的节目感到非常兴奋。请加入我们。感谢收听“我和AI”。如果您喜欢这个节目，请花点时间给我们写评论。如果您给我们发送截图，我们会向您发送MIT SMR关于人工智能的最佳文章合集，限时免费。请将您的评论截图发送至[email protected]。