Как крупный ритейлер со штатом в тысячи сотрудников превращается в ИТ-гиганта? Эррол Кулмейстер, бывший руководитель направления AI Foundation в H&M Group, рассказывает в подкасте The TWIML AI Podcast о том, как за три года выстроить масштабируемую систему искусственного интеллекта, преодолеть сопротивление корпоративной среды и почему «перфекционизм — враг завершенности».
📈 Путь от банковского фрода до глобального ритейла 0:15
Карьера Эррола Кулмейстера в анализе данных началась 15 лет назад в Nordea Bank, где он работал аналитиком по борьбе с мошенничеством . В то время индустрия еще не знала термина «глубокое обучение», и задачи решались на основе жестких правил. Кулмейстер, имея финансовое и математическое образование, начал внедрять статистические методы, что значительно улучшило результаты обнаружения фрода.
После работы в банковском секторе и создания систем по борьбе с отмыванием денег (AML), Эррол перешел в Vodafone Group в Лондоне. Там он участвовал в формировании ИИ-департамента, который к настоящему моменту вырос до 500 человек . Этот опыт научил его работать с масштабной инфраструктурой, однако длительные сроки вывода моделей в продакшн вызывали у него неудовлетворенность.
В 2018 году Кулмейстер получил предложение от H&M Group. На тот момент компания уже провела первые успешные доказательства концепций (PoC) с помощью внешних консультантов . По словам Эррола, решающими факторами для его перехода стали три составляющие:
- Полная поддержка со стороны высшего руководства.
- Наличие выделенного бюджета.
- Доступ к огромным массивам данных .
👗 ИИ в модной индустрии: от эскиза до распродажи 9:46
H&M Group использует искусственный интеллект на всех этапах цепочки создания ценности, за исключением непосредственного пошива одежды . Кулмейстер выделяет несколько ключевых направлений :
- Прогнозирование моды (Fashion Forecasting): Анализ социальных сетей для выявления трендов, которые станут актуальными через 8 месяцев .
- Прогнозирование спроса (Demand Forecasting): Точное определение объема закупок. В прошлом компания могла покрыть ошибки планирования открытием новых магазинов, но сейчас требуется гранулярный подход к предсказаниям .
- Оптимизация цепочки поставок: Выбор поставщиков и алгоритмы ценообразования при переговорах с фабриками .
- Распределение и логистика: Определение того, какие именно товары должны отправиться на конкретные склады и в магазины .
- Ценообразование и скидки (Markdowns): Оптимизация цен для онлайн-магазинов и персонализированные рекомендации для покупателей .
Эррол отмечает, что H&M инвестирует в ИИ так же серьезно, как в устойчивое развитие, что подчеркивает стратегическую важность технологии для бренда .
🛠 Построение фундамента: масштабирование через стандарты 12:35
Когда Кулмейстер возглавил направление, основной проблемой было отсутствие внутренней инженерной культуры — проекты держались на внешних консультантах . Чтобы масштабировать ИИ, Эррол предпринял следующие шаги:
- Наем инженеров вместо теоретиков: Первыми сотрудниками стали опытные Machine Learning инженеры, способные не просто создать модель, но и поддерживать её в продакшене .
- Смена инструментов: Команда перешла от разрозненных Jupyter Notebooks к платформе Databricks для обеспечения версионности и управления вычислительными ресурсами .
- Оркестрация процессов: Внедрение Airflow для стандартизации пайплайнов разработки .
- Борьба с техническим долгом: Руководство обязало продуктовые команды тратить часть времени на устранение недоработок первых прототипов, а не только на запуск новых фич .
Главным достижением стала разработка «референсной архитектуры» — набора готовых технических решений, которые позволяют новым командам не изобретать велосипед. Если первый полноценный проект (прогнозирование спроса для онлайн-стора) занял 12 месяцев, то следующий аналогичный проект был реализован всего за полгода благодаря повторному использованию наработок .
🧩 Простота против сложности: почему XGBoost побеждает нейросети 23:46
В вопросе выбора алгоритмов Кулмейстер придерживается прагматичного подхода. В H&M «домашней» моделью стал LightGBM . По мнению гостя, в бизнесе (в отличие от соревнований на Kaggle) важнее стабильность и простота поддержки, чем прирост метрики на 0,1% за счет огромных вычислительных затрат .
Для молодых специалистов, желающих работать только с самыми современными нейросетями, в компании созданы отдельные исследовательские группы. Эти команды смотрят на перспективу (например, внедряют графовые нейросети — GNN), но основной костяк бизнеса по-прежнему опирается на проверенные регрессионные модели и градиентный бустинг .
🔄 Реорганизация и горизонтальное масштабирование 28:11
Недавняя реорганизация в H&M привела к созданию подразделения Business Tech, объединившего ИТ-департамент и бизнес-развитие . Теперь команда Кулмейстера работает как «включающий домен» (enabling domain), обслуживающий 250 продуктовых команд.
Главная цель этой структуры — перейти от вертикального масштабирования (создание отдельного приложения под одну задачу) к горизонтальному. Кулмейстер объясняет это на примере :
«Если мы строим систему прогнозирования спроса только для балансировки складов, мы используем её один раз. Но если мы создаем общую возможность прогнозирования спроса, доступную всей компании, мы достигаем окупаемости (ROI) гораздо быстрее».
По расчетам Эррола, если продолжать масштабироваться вертикально, компании потребовались бы тысячи сотрудников для реализации всех задач. Горизонтальный подход позволяет текущей команде в 120 человек закрывать потребности всей группы .
🚀 Философия стартапа в корпорации 38:14
Подводя итоги, Кулмейстер делится принципами, которые помогли ему трансформировать H&M:
- Done is better than perfect: Не стоит ждать идеальной инфраструктуры. Нужно выходить в продакшн с тем, что дает ценность уже сейчас .
- ИИ как усилитель, а не угроза: Эррол подчеркивает, что задача его департамента — избавить людей от рутинных задач «длинного хвоста», позволяя им сосредоточиться на творчестве и развитии бизнеса .
- Амбициозная цель: К 2025 году H&M планирует, что абсолютно все ключевые операционные решения в компании будут приниматься с поддержкой ИИ .
Несмотря на наличие наследия (legacy) и сопротивление старых процессов, H&M Group полностью перешла на облачную стратегию (cloud-first), что, по словам Кулмейстера, делает жизнь инженеров значительно легче .
