这家瑞典服装零售商的技术部门正在超越敏捷,采用一种更加灵活的混合结构,既有产品团队,又有平台思维。在这里,CDIO Ellen Svanström解释了这种使技术部门更贴近业务的模式。
就在一年多以前,由于成本限制,H&M的IT部门被大幅裁减。据H&M的CDIO Ellen Svanström称,最初有传言说要从3500人裁减到1500人,但最终并没有裁员那么多。
她表示:“成本效益计划打击了我们,不仅是员工,还有顾问。”“我们不得不削减开支。”
不过,在经历了这场风暴之后,他们现在将重点放在了其他方面。
她补充表示:“我们用一种令人兴奋的模式将技术融入我们的业务,这需要大量的工作、专注和力量。”“现在,我们正处在一个令人振奋的发展曲线上。”
在2019年之前,H&M 一直是传统的IT模式,之后转向了敏捷模式。Svanström表示,业务和技术开发都在这类团队中进行,但很快就变得过于庞大和复杂。
她表示:“事实证明,这比预想的更加困难,因为技术环境并不像组织结构那样敏捷。”“因此,我们进入了下一个阶段,也就是我们现在所处的阶段。”
价值流矩阵
在对所需内容进行评估后,它变成了一个混合体,产品团队中的敏捷围绕着更大的平台展开。对业务能力进行了映射,并创建了价值流,形成了一个业务部门和公司技术中心共同组建的矩阵,每个部门和中心都有不同的能力和交付结构。
Svanström表示:“纵向的价值流来自于业务部门,横向的价值流来自于我们的IT交付和技术交付。”“通过这种方式,我们真正实现了业务与技术之间的数字化议程共享。”
这种结构与公司业务系统、在线平台和商店平台的平台交付相匹配,并分为平台团队以及数据和人工智能团队。
她表示:“我们还只是刚刚开始,但是已经看到了明显的成效。”“这是我的首要任务,虽然这很有挑战性,但我感受到了大家的决心和动力,每个人都开始感受到并看到了好处。”
聚焦全渠道
在谈到新机构将支持的业务发展目标时,全渠道是另一个重点。通过在店内引入数字化工具,包括顾客可以使用的工具和员工可以使用的工具,顾客的购物体验预计将得到明显提升。
Svanström表示,H&M开发出了一种有效的数字概念,目前已在纽约Soho和伦敦切尔西的两家商店中使用。其特点包括:员工可以更方便地为顾客服务,可以找到附近商店或网上的产品,并获得更好的推荐。这也意味着商店本身不需要过多的存货,存货通常会很凌乱而且难以管理。
她表示:“我们对这种‘数字物理’方法感到非常自豪,这是我们实现差异化的一种方式。”
选择整体体验
与此同时,电子商务正朝着超快时尚的方向发展,中国时装零售商Shein引领了这一趋势。在这一趋势中,社交媒体承受着巨大的压力,它们要收集人们对不同服装的兴趣,然后以极低的价格生产和销售。Svanström表示,这种做法被批评为推动过度消费,但即使它们的运作方式中有有趣的地方,对H&M来说也不是一条可持续发展的道路。
她表示:“我们围绕着这一趋势探讨过很多,也一直在关注形势的发展。”“但我们发现,我们的独特之处并不在于单件服装。我们相信产品系列,为客户创造整体体验,提供时尚、质量、价格和可持续性之间的最佳组合。这需要创意和规划过程。然后是优化,这样就不会生产过剩。这一点非常重要,因为我们的目标是到2030年将碳足迹减半。”
提前布局人工智能
要想成功,就必须对市场进行敏锐的分析,并以铁腕控制生产。幸运的是H&M比较早采用了人工智能;大约在2018年,公司就开始使用这项技术来优化产品流程。
Svanström表示:“我们自己开发了很多技术,两年前,我们进行了投资,使其变得更加模块化,并能够扩大规模。”“这也意味着我们不再那么依赖自主开发,可以在市场上购买产品。”
为了有效地使用人工智能,必须将产品连接起来,并尽可能多地赋予其属性。而当一个产品被数字化后,你就可以沿着整个价值链跟踪它,读取并了解它的生产地点、位置等,所有这些都是实时的,这对于创造新的数字化店内机会至关重要。
复利
就人工智能技术的进展而言,它已成为H&M内部服务台不可或缺的一部分,而且在客户与品牌互动的技术方面也取得了长足进步。Svanström表示:“它正在结出累累硕果。”“现在,我们正在研究代码开发,以及如何在产品开发和营销中使用生成式人工智能的创新方法,但这更多是探索性的。”
组织内的这种兴趣导致了生成式人工智能论坛的形成,因为具备清晰的规则和结构才能确保业务不会暴露,这一点非常重要。她表示:“过去两年,我们在网络安全方面也普遍投入了大量资金,现在已经达到了我们认为不错的水平,”“但这永远不会结束,我们必须在这方面继续投资。”
H&M 商业技术部门正在不断前进,与此同时,Svanström 强调这不仅仅是内部能力的发展。她认为外部合作伙伴和生态系统在未来也非常重要。
她表示:“创新合作能为我们带来竞争优势,”“合作的对象既可以是大型老牌企业,也可以是创新型的小初创企业,这对我们跟上技术发展至关重要。我们必须找到哪些领域应该自己建设,哪些领域不该这样做,同时也要学会与他人一起创新。我希望在内部推行这种文化。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。