在Carhartt任职19年的老兵Katrina Agusti,如今接管了这家制服生产商的IT领导大权。她希望改进数据运营、发挥AI潜能,帮助这家公司迈向云探索之旅。
Carhartt公司 CIO Katrina Agusti
Carhartt公司生产的醒目制服几乎无处不在,而这样一家老牌制衣商正在车间和园区内推动数字化转型,希望借此让已经133岁的Carhartt运用先进数字技术,顺利携手云、数据分析和AI等成果。
该公司在肯塔基州和田纳西州经营着四家工厂,产品设计则由位于密歇根州迪尔伯恩的总部负责。Carhartt公司的数字化转型之路始于约四年之前,如今其90%以上的应用程序都运行在云端,而且大部分数据都存储在自主开发的企业数据仓库中以供分析。
六个月前刚刚被任命为CIO的Katrina Agusti,此前已经在Carhartt公司效力了19年。在前任CIO John Hill的带领下,她一直参与到这家工作制服零售商的现代化转型当中。
如今,身为高级程序员兼分析师的Agusti开始了自己的任职,负责引导Carhartt公司进入下一阶段转型。Agusti表示,这个阶段的每一天都在加速,复杂技术的重重冲击正在改变全球供应链与业务实践。
作为转型工作中的一一部分,Agusti计划将数据湖整合至公司的数据架构当中,并预计将在本季度内将两大AI概念验证(POC)成果纳入生产环节。与信息时代的所有生产商一样,Carhartt的服务与配送中心也越来越依赖自动化和机器人技术,只有这样才能解决技术和劳动力方面出现的种种现实挑战。
这家制服生产商的订单需求也在上升,全部三条业务线(即面向消费者、面向企业和面向批发商)均经历了两位数的增长。
转型调优——充分利用数据资源
Carhartt公司还启动了Cloud Express计划,着手将公司的220款应用程序逐渐迁移至微软Azure基础设施当中。Agusti解释称,库管解决方案和薪资福利解决方案这两款遗留应用程序将继续在本地运行,但预计二者很快也会被云原生方案所取代。
即使是面对新冠疫情的冲击,全面云迁移对Carhartt来说也是一项重大胜利。除了显著提升产品上市速度和收益拓展之外,稳定性、性能、正常运行时间、维护、故障转移监控和警报等方面的巨大改进,已经将一系列昂贵耗时的传统IT任务转为自动化,让IT团队能够腾出时间和双手处理更多高级数据分析问题和新技术探索。
Agusti表示,从长远来看,Carhartt可能会进一步采用多云架构,但目前她的团队还主要通过与其他CIO的最初实践对话来巩固云专业知识。
她提到,“我们仍在学习和磨炼内部力量,确保有能力将业务转向云端,同时探索如何在云端进行管理——不只是系统管理,还包括调整系统规模。”她也在关注数据架构和保留策略,“在云端和本地管理工作负载完全是两码事,我们也还在寻求可靠的方法和思路。”
跟很多CIO一样,Carhartt的这位新晋技术领导者也意识到数据是让先进技术发挥作用的关键。Carhartt公司决定构建自己的企业数据仓库,同时继续保留与微软和Databricks共同构建的数据湖,这样就能确保数据科学家们同时利用这两大引擎操作各种结构化和非结构化数据集。
Agusti认为,“我们目前正通过数据仓库反冲数据湖。在架构层面,我们首先希望将数据放入数据湖——可以是结构化的、也可以是非结构化的,之后再将结果输入至数据仓库。”她的团队还将继续设计另一套数据结构,用于匹配其他不同数据集。
她目前还没有计划完全淘汰本地数据仓库,转而使用数据湖,因为团队已经为其定制了多种认证数据集。
Agusti表示,“数据湖将更多服务于我们的数据科学团队与面向消费者的团队,帮助他们利用非结构化数据建立旅程,打造出个性化的消费体验。”而另外六位Carhartt数据科学家则建立起多种机器学习模型,目前已经开始进行测试。
目前有两个项目已临近投产,其中第一个项目将支持Carhartt为五处配送中心和三个业务部门提供库存副本。
她解释道,“我们希望将这些成果用于决策支持,并根据服务水平将所有库存规划至不同的配送中心。”该模型可以规划容量和供应指标、需求及库存水平,借此优化Carhartt公司的配送网络。
而第二个概念验证项目则帮助数据科学家收集用于“消费者体验个性化”的用户数据,包括人口统计信息和来自消费者的调查数据。
技术的力量
与很多CIO一样,Agusti面临的最大挑战同样在于变革管理——特别是如何说服员工们认可AI模型的有效性和可行性。
这位CIO感慨道,“团队会怀疑技术能否带来他们已经熟悉的决策支持和自动化能力。我们已经有不少用例,也开始以概念验证模式运行,就是想要向最终用户和商业社区证明,这些模型绝对能够帮大家做出理想决策。”
Agusti预计,未来很多企业都将采取这样的转型模式。在谈到AI举措时,她表示“沿着成熟度曲线排布着很多功能,我认为其中有很多潜在的技术应用场景,特别是在数据分析领域。”
为了激发自己对于贯彻技术力量的决心,这位CIO要做的就是思考。如果不对技术和人才进行投资,企业业务终将被新冠疫情所影响、甚至是摧毁。
在新冠疫情爆发之初,不少重要工作人员都需要穿着Carhartt提供的保护性工作装。也正因为如此,尽管某些生产部门因停工而出现了大幅减产,公司收入流仍保持住了两位数的增长。
部门停工促使Carhartt认真审视了自己的供应链,由数据分析师着力追溯供应链中的各个环节。
Agusti回忆道,“新冠疫情对于可见性和主动异常管理提出了明确需求。在遇到干扰时,旅程中的每个阶段都将极为重要。可以说它成了我们透彻理解供应链体系、细化异常管理的重要催化剂。”
凭借这种可见性,以及IT部门为保持Carhartt业务发展所做出的努力,该公司改善了自身供应链定位。Agusti表示,虽然目前的供应“可预测性”还没有恢复到疫情之前的水平,但“我们看到物流交货时间开始趋于平稳,商品的生产交付也得到显著改善。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。