Target SVP: KI-Vorteil liegt im System um die Modelle
Target SVP Siobhán McFeeney erklärt, dass der KI-Wettbewerbsvorteil des Unternehmens nicht in den Modellen selbst liegt, sondern im umfassenden System, das darum herum aufgebaut wurde.
Siobhán McFeeney, Senior Vice President for AI bei Target, hat dargelegt, dass der wesentliche Wettbewerbsvorteil des Einzelhandelsriesen im Bereich der künstlichen Intelligenz nicht aus seinen KI-Modellen stammt, sondern aus der umfassenden Infrastruktur und den Prozessen, die darum herum entwickelt wurden. Auf der Veranstaltung VB Transform 2026 argumentierte McFeeney, dass KI-Modelle zwar entscheidend sind, aber allein nicht ausreichen, um einen dauerhaften Vorteil zu schaffen.
„Da ist vieles drin. Das ist für uns der Burggraben“, sagte McFeeney und betonte, dass sich Targets Fokus auf den Aufbau robuster Agentensysteme konzentriert. Das Unternehmen verfolgt eine gezielte Strategie für den Einsatz von Agenten, die mit der grundlegenden Frage beginnt, ob ein Agent wirklich benötigt wird, um ein Problem zu lösen. Dieser Ansatz stellt sicher, dass Agenten auf Aufgaben ausgerichtet werden, die den größten Wert für die Kunden von Target generieren.
Targets Methodik beinhaltet, dass Agenten ihre Autonomie im Laufe der Zeit verdienen, anstatt sie standardmäßig zu erhalten. Dieses Prinzip ist in das Design und die Verwaltung ihrer KI-Agenten eingebettet. Der Prozess umfasst die Definition des Zwecks des Agenten, die Ermittlung des geeigneten Agententyps und das Verständnis möglicher bestehender Lösungen, um Duplizierungen zu vermeiden. Es gibt strenge Registrierungs- und Zertifizierungsprozesse.
McFeeney betonte auch die Bedeutung der Autonomiestufen für Agenten und wies darauf hin, dass diese durch konstante Leistung verdient werden und entzogen werden können, wenn die Erwartungen nicht erfüllt werden. Darüber hinaus sind kontinuierliche Überwachung, Beobachtbarkeit und vollständige Nachverfolgung vom Beginn eines Agenten an entscheidend für das Verständnis seines Verhaltens, die Fehlersuche und eine schnelle Wiederherstellung bei Problemen. Der Erfolg eines Agenten, erklärte sie, hängt von einer Kombination von Faktoren ab, darunter Architektur, Taxonomie, Autonomie, Sicherheit und Beobachtbarkeit.