- Walmart no compró soluciones de IA existentes; desarrolla apps de IA a través de su propia plataforma AI Foundry, Element, y 1.5 millones de empleados ya la utilizan
- Con una arquitectura independiente del LLM, puede elegir el modelo óptimo para cada consulta, logrando al mismo tiempo eficiencia de costos y optimización del rendimiento
- Adoptó un “modelo Foundry” para producir apps de IA en masa como si fueran productos, no proyectos, mejorando de forma drástica la velocidad de desarrollo
- Lanzó rápidamente cinco apps clave para programación de turnos, traducción en tiempo real, IA conversacional y gestión de inventario, reduciendo el ciclo de desarrollo a solo unas semanas
- Al combinar operaciones y retroalimentación alrededor de los datos de la cadena de suministro, analiza y refleja datos operativos en tiempo real para crear apps de IA que mejoran continuamente
- Walmart está transformando la IA de “software que se instala” a “capacidad internalizada”, y con ello sigue ampliando la brecha frente a sus competidores
Walmart isn’t buying enterprise AI solutions — they’re creating them
Desarrollo de su propia plataforma de IA, Element
- Walmart desarrolló la plataforma Element a través de un AI Foundry interno, en lugar de depender de proveedores externos de IA
- Esta plataforma produce aplicaciones de IA a una velocidad que supera el desarrollo de software tradicional
- La usan 900 mil empleados cada semana de un total de 1.5 millones, y demuestra escalabilidad a gran escala al procesar 3 millones de consultas por día
- La traducción en tiempo real abarca 44 idiomas, y el tiempo de planificación de turnos se redujo de 90 minutos a 30 minutos
- Esto no es solo la señal de éxito de una sola app, sino una muestra temprana del efecto de un enfoque industrializado para desarrollar IA
Filosofía de diseño agnóstica al LLM y arquitectura basada en open source
- Element no depende de un modelo de lenguaje grande (LLM) específico, sino que tiene una arquitectura flexible para elegir modelos
- Según el caso de uso o el tipo de consulta, selecciona automáticamente el LLM más efectivo en relación costo-beneficio
- La arquitectura de la plataforma incluye por defecto opciones de integración con open source, lo que le da más escalabilidad y flexibilidad
The first wave reveals the principles of the foundry model
Primeros casos de producción de apps Foundry
- Las siguientes cinco aplicaciones principales fueron “fabricadas” sobre la misma plataforma con el método Foundry
- Programación con IA: reduce de 90 a 30 minutos la planificación diaria por gerente y define prioridades de trabajo con base en datos de la cadena de suministro
- Traducción en tiempo real: compatible con 44 idiomas y selecciona automáticamente el mejor modelo según el par de idiomas
- IA conversacional: responde a 30 mil consultas diarias y resuelve tareas repetitivas sin intervención humana
- VizPick basado en AR: logra una precisión de inventario de 85%→99% con tecnología RFID + visión por computadora
- MyAssistant: asistente que analiza documentos y datos internos
- La infraestructura compartida y los pipelines de datos integrados evitan el desarrollo duplicado
- Todas las apps comparten el mismo patrón de despliegue, control de calidad y estructura de retroalimentación, y quedan estandarizadas como una línea de producción
Sistema de producción repetible
- Element no trata cada app como un proyecto independiente, sino que las produce como productos modulares
- Cuando un científico de datos envía una especificación, la plataforma gestiona automáticamente desde la selección del modelo hasta la infraestructura y el despliegue
- Como puede reutilizar componentes validados en apps anteriores, casi no hay fricción al desarrollar nuevas apps
How Walmart’s foundry model changes development economics
El cambio en la economía del desarrollo de IA
- En la IA empresarial tradicional se repiten la evaluación de proveedores, la negociación de contratos y la integración, lo que consume tiempo y dinero
- En cambio, Element procesa en paralelo múltiples solicitudes de desarrollo de apps y minimiza el desperdicio
- La productividad y la velocidad alcanzan niveles de manufactura lean, y las apps pasan de la idea al desarrollo de inmediato
- La planificación de turnos, la IA conversacional y los sistemas de inventario con AR se construyen rápidamente sobre Element
Supply chain data becomes development fuel
Los datos de la cadena de suministro como combustible para desarrollar apps
- Element está conectado con sistemas de cadena de suministro y recopila automáticamente llegadas de camiones, patrones de compra y retroalimentación de empleados, entre otros datos
- Estos datos se usan para definir prioridades de trabajo, predecir el comportamiento del consumidor y desplegar modelos adaptados a condiciones regionales
- Al convertir la complejidad operativa en datos integrados, se vuelve posible desarrollar apps personalizadas por tienda
Walmart has a model arbitrage strategy
Estrategia de arbitraje de modelos
- Element realiza en tiempo real comparaciones entre rendimiento y costo de distintos modelos de IA para procesar cada consulta por la ruta óptima
- Según la complejidad de cada consulta, la enruta automáticamente a un modelo base o premium
- Cuando aparece un modelo nuevo, puede probarse y desplegarse de inmediato; si mejora el rendimiento de un modelo existente, se aplica automáticamente
- Ejemplo: la herramienta de traducción elige distintos modelos óptimos según el par de idiomas
How Walmart integrates real-time feedback
Estructura de integración de retroalimentación en tiempo real
- El uso de las apps por parte de los empleados no está diseñado como simple consumo, sino como una estructura que genera señales de mejora
- La IA conversacional mide rendimiento del modelo, tipo de consulta y satisfacción a través de 30 mil consultas, e incorpora eso como retroalimentación
- Las nuevas apps se lanzan habiendo aprendido de la retroalimentación de apps anteriores, por lo que pueden ofrecer alto rendimiento desde el inicio
- Para ello, cuenta con una sofisticada estructura de pipelines de datos, gestión de versiones de modelos y orquestación de despliegues
Why internal Foundries beat external platforms
Por qué un Foundry interno supera a las plataformas externas
- Las plataformas externas generalizan funciones para servir a muchos casos, por lo que no encajan a la perfección en una organización específica
- Walmart optimiza la plataforma según las tareas, terminología y objetivos comunes de sus 2.1 millones de empleados
- Si surge una nueva necesidad, puede desarrollarla de inmediato sin negociar con un proveedor, conectando rápidamente la idea con el producto
Assessing the competitive implications
Implicaciones competitivas
- Con el enfoque Foundry, mientras más apps se crean, más se fortalece la propia plataforma; las interacciones de los usuarios mejoran la selección de modelos, y cada despliegue se convierte en el estándar de producción de la siguiente app
- Los competidores tendrán que
- asumir la enorme inversión de construir su propia plataforma, o
- aceptar las limitaciones de soluciones externas, o
- no hacer nada y cargar con el riesgo de que la brecha siga creciendo
- Ejemplo: solo una app de programación ahorra 1 hora diaria por gerente, lo que a escala nacional genera ahorros de varios millones de dólares
Lessons learned from Walmart’s enterprise AI Foundry blueprint
Cuatro principios clave del diseño Foundry
- 1. Los modelos de IA deben tratarse como componentes intercambiables
- Una arquitectura independiente del LLM permite evitar el vendor lock-in y mantener la optimización continua
- 2. La prioridad es unificar el acceso a los datos
- Element integra el conocimiento general de los LLM con los datos internos de Walmart
- 3. El desarrollo de IA debe industrializarse
- El modelo Foundry estandariza el proceso de desarrollo → despliegue → iteración
- 4. La retroalimentación debe incorporarse al diseño desde el inicio
- Con loops de feedback integrados, las apps mejoran su rendimiento cuanto más se usan
Walmart just created the enterprises’ new imperative
Un nuevo punto de inflexión para la IA empresarial
- Walmart no solo “adoptó” IA, sino que aseguró la capacidad misma de crear IA
- Considera la IA no como software individual, sino como una familia de productos ensamblables
- La interacción con los empleados hace más inteligente al sistema, y cada despliegue vuelve más sofisticada a la plataforma
- La clave del éxito en IA no es elegir el modelo, sino construir la capacidad organizacional de producir IA
- Walmart se está posicionando como una de las primeras empresas en definir la IA no como software, sino como un activo estratégico
1 comentarios
Parece un paso significativo.