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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。