Target przyznał się do czegoś, co do tej pory wiele firm trzymało dla siebie - sztuczna inteligencja przeniosła go z poziomu "miło mieć" na poziom infra, ale rachunek staje się dość bolesny. Według szefowej Indii Andrei Zimmerman, sieć przeszła z etapu, w którym "gdzieś używa AI" do stanu, w którym "w pełni działa na AI", tyle że zmiana modeli cenowych u dużych dostawców (OpenAI, Anthropic i spółka) zmusiła firmę do zahamowania i znacznie bardziej rygorystycznego podejścia do tego, gdzie naprawdę pozwala AI.
Dla inwestorów jest to interesujący paradoks: Target miał za sobą trzy lata spadających przychodów, a nowy dyrektor generalny Michael Fiddelke planował wydać kolejne 2 miliardy dolarów na sklepy, remonty i sztuczną inteligencję - podczas gdy w tym samym czasie rosły zmienne koszty rzeczywistych "mózgów", które miały zapewnić ten zwrot. Tak więc sztuczna inteligencja zmieniła się z hasła marketingowego w element, którym zajmują się zespoły architektoniczne i kierownictwo wyższego szczebla na poziomie "co dokładnie wpływa na nasze marże i nakłady inwestycyjne".
Od "mamy gdzieś AI" do "pracujemy z AI"
Zimmerman opisał dwie kluczowe zmiany:
Target $TGT przeszedł od projektów pilotażowych AI do posiadania AI osadzonej w podstawowych procesach - planowaniu zapasów, ustalaniu cen, personalizacji, zarządzaniu promocjami, logistyce.
Ale jednocześnie zaczął naciskać na "celowe wykorzystanie" - tj. nie wszędzie AI, ale AI tam, gdzie ma ona wyraźny wpływ na biznes: szybszy obrót zapasami, mniejsza amortyzacja, lepszy asortyment produktów, wyższy koszyk na klienta.
Dla sieci detalicznej ma to sens:
Sztuczna inteligencja może dokładnie powiedzieć, co należy magazynować w danej lokalizacji.
kiedy zmienić cenę towarów sezonowych, aby nie sprzedawały się poniżej kosztów
lub gdzie warto wysłać własną markę do bezpośredniej konkurencji z dyskontem.
Ale każda taka "inteligentna" funkcja oznacza teraz określone zużycie tokenów i rachunek dla dostawcy modelu.
Token AI: dlaczego zaczął szkodzić Targetowi
Drugi poziom to czysty koszt. OpenAI, Anthropic i inni przechodzą na model: płacisz za to, czego faktycznie używasz - liczbę tokenów podczas uruchamiania modeli, szeroki kontekst, rodzaj modelu. Jest to rozwiązanie dla dużych przedsiębiorstw:
bardziej elastyczne (nie płacisz za pojemność, której nie używasz)
ale bardziej ryzykowne (zależność od ilości żądań, które można przegapić, jeśli nie masz dobrego zarządzania).
Zimmerman powiedział bez ogródek, że ta zmiana "zmusiła Target do przemyślenia strategii". Tak więc debata na temat sztucznej inteligencji toczy się na dwóch poziomach:
na forach architektonicznych (jak zaprojektować systemy, aby jak najefektywniej wykorzystywać tokeny)
na poziomie kierownictwa wyższego szczebla (na ile inicjatyw związanych ze sztuczną inteligencją możemy sobie realistycznie pozwolić w tym roku bez uszczerbku dla budżetu).
Jest to ważny sygnał dla inwestorów: przyjęcie AI nie jest już binarne (mieć / nie mieć), ale o tym, czy firma ma również dźwignię finansową w ręku - rozsądne zarządzanie kosztami wokół modeli.
Indie jako kręgosłup: 40% pracowników technicznych, koncentracja na analityce
Target India nie jest już biurem zapasowym, ale centrum, w którym sztuczna inteligencja i dane przekładają się na rzeczywistość.
Około 5600 osób pracuje w Bengaluru, co stanowi około 40% całej siły roboczej Target.
Zespoły obejmują merchandising, digital, sklepy i łańcuch dostaw.
Firma chce jeszcze bardziej wzmocnić tam analitykę - zwłaszcza zdolność do przekształcania ogromnych ilości danych w szybkie spostrzeżenia: co się sprzedaje, gdzie, w jakiej cenie, jak klienci reagują na promocje, w jakim tempie zmieniają się nastroje.
Celem jest skrócenie pętli: dane → wgląd → działanie. W handlu detalicznym tygodnie robią różnicę: jeśli zawyżymy cenę produktu, gdy klient już odejdzie do konkurencji, będzie za późno. AI i analityka w Indiach mają być właśnie takim "transferem prędkości".
Kontekst biznesowy: trzy lata spadającej sprzedaży, 2 miliardy dolarów w AI i sklepy
Tymczasem Target nie jest w stanie "bezboleśnie eksperymentować".
Przychody firmy spadały przez ostatnie trzy lata - presja cenowa, niektórzy klienci przechodzący na tańsze alternatywy, słabszy popyt na towary uznaniowe.
Nowy dyrektor generalny Michael Fiddelke ustalił plan zwiększenia nakładów inwestycyjnych o około 2 miliardy dolarów - połączenie nowych sklepów, przebudów i inicjatyw związanych ze sztuczną inteligencją.
Tak więc firma zwiększy inwestycje, gdy górna linia jest w stagnacji lub spada - co czyni ją klasyczną historią "zwrot + technologia".
Z perspektywy akcji:
Sztuczna inteligencja to nie tylko fajny temat na rozmowę o zarobkach
ale narzędzie, którego Target musi użyć, aby powrócić do wzrostu przychodów i marży.
Ale jednocześnie sztuczna inteligencja (poprzez modele wyceny tokenów) może sprawić, że ten plan będzie droższy
Czym powinien zająć się inwestor?
Zamiast pytać "ile AI używa Target", bardziej interesujące jest pytanie:
Gdzie dokładnie AI dodaje EBIT?
Konkretny przypadek użycia: zarządzanie zapasami, ustalanie cen, personalizacja promocji?
Jakie są oczekiwane skutki (mniejsza liczba przecen, mniejsze zapasy, wyższa konwersja online)?
Jak Target zarządza kosztami sztucznej inteligencji
Czy ma wewnętrzne wskaźniki, takie jak "tokeny/zamówienie" lub "koszt AI/oszczędność marży"?
Czy bardziej sensowne jest budowanie na własnych modelach niż poleganie wyłącznie na dużych dostawcach?
Zdolność do wprowadzania zmian
40% pracowników technicznych w Indiach to zaleta po stronie kosztów, ale także test organizacyjny: jak dobrze poradzą sobie ze zdalnym dostosowaniem między amerykańskimi zespołami biznesowymi a indyjską inżynierią?