# 월마트가 외부에 종속되지 않는 AI 플랫폼을 구축한 방법

> Clean Markdown view of GeekNews topic #22020. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=22020](https://news.hada.io/topic?id=22020)
- GeekNews Markdown: [https://news.hada.io/topic/22020.md](https://news.hada.io/topic/22020.md)
- Type: news
- Author: [neo](https://news.hada.io/@neo)
- Published: 2025-07-17T09:51:01+09:00
- Updated: 2025-07-17T09:51:01+09:00
- Original source: [venturebeat.com](https://venturebeat.com/ai/walmart-ai-foundry-ships-first-apps-3m-daily-queries-67-faster-planning/)
- Points: 19
- Comments: 1

## Summary

월마트는 **외부 AI 솔루션**에 의존하지 않고, 자체 **AI Foundry 플랫폼(Element)** 을 통해 앱을 '대량 생산'하는 산업화 모델을 도입해, **개발 속도와 확장성**에서 경쟁 우위를 확보하고 있습니다. 이 플랫폼은 **LLM에 종속되지 않는 구조**로 쿼리별 최적의 모델을 선택해 **비용 효율성과 성능 최적화**를 동시에 구현하며, 공급망 등 내부 데이터를 통합 분석해 AI 앱의 **지속적 학습 및 개선**이 가능합니다. 월마트는 AI를 단순한 소프트웨어 도입이 아니라 **내재화된 역량으로 전환**하여, **경쟁사와의 격차를 크게 확대**하고 있습니다. 국내 온오프라인 쇼핑몰들은 어떻게 하고 있는지 궁금하네요.

## Topic Body

- Wallmart는 기존 AI 솔루션을 구매하지 않고, 자체 **AI Foundry 플랫폼 Element**를 통해 AI앱을 개발하며, 150만 직원이 이를 활용 중  
- **LLM에 종속되지 않는 구조**를 통해 매 쿼리마다 최적의 모델을 선택할 수 있어, **비용 효율성과 성능 최적화**를 동시에 실현함  
- **AI 앱을 프로젝트가 아니라 제품처럼 대량 생산**하는 'Foundry 모델'을 도입해 개발 속도를 획기적으로 향상시킴  
- 업무 일정, 실시간 번역, 대화형 AI, 재고 관리 등 **5개 핵심 앱**을 빠르게 출시하며, **앱 개발 주기를 수 주 단위로 단축**  
- 공급망 데이터를 중심으로 운영과 피드백을 결합해, 운영 데이터를 실시간으로 분석하고 반영하여 **지속적으로 개선되는 AI 앱**을 만들고 있음   
- 월마트는 **AI를 ‘설치하는 소프트웨어’가 아니라 ‘내재화된 역량’으로 전환**하고, 이를 통해 **경쟁사와의 격차를 계속 확대**하고 있음  
  
---  
  
### Walmart isn’t buying enterprise AI solutions — they’re creating them  
  
#### 자체 AI 플랫폼 Element 개발  
  
- 월마트는 외부 AI 벤더가 아닌 내부 AI Foundry를 통해 **Element 플랫폼**을 개발함  
- 이 플랫폼은 전통적인 소프트웨어 개발 속도를 넘어서는 속도로 AI 애플리케이션을 생산함  
- 150만 직원 중 **매주 90만 명의 직원**이 사용하며, 하루 **3백만 건의 쿼리**를 처리할 정도로 **대규모 확장성**을 보여줌  
- 실시간 번역은 **44개 언어**, 교대 근무 일정 계획 시간은 **90분에서 30분으로 단축**됨  
- 이는 단일 앱 성공이 아닌, **산업화된 AI 개발 방식**의 효과를 보여주는 초기 신호임  
  
#### LLM-agnostic 설계 철학과 오픈소스 기반 설계  
  
- Element는 특정 대형 언어 모델(LLM)에 종속되지 않고, **유연하게 모델을 선택할 수 있는 구조**를 가짐  
- 사용 목적이나 쿼리 유형에 따라 **비용 대비 가장 효과적인 LLM**을 자동 선택함  
- 플랫폼 구조에 **오픈소스 통합 옵션**이 기본 탑재되어 있어 확장성과 유연성이 높음  
  
### The first wave reveals the principles of the foundry model  
  
#### 첫 번째 Foundry 앱 생산 사례  
- 다음 **5가지 주요 애플리케이션**이 Foundry 방식으로 동일한 플랫폼 위에서 "제조"됨   
  * **AI 일정 관리**: 관리자당 하루에 기존 90분 걸리던 업무 계획을 30분으로 단축, 공급망 데이터를 기반으로 작업 우선순위 결정  
  * **실시간 번역**: 44개 언어 지원, 언어쌍에 따라 최적 모델 자동 선택  
  * **대화형 AI**: 일일 3만 건 질의에 응답, 반복 작업에 대해 사람 개입 없이 해결  
  * **AR 기반 VizPick**: RFID + 컴퓨터 비전 기술로 재고 정확도 **85%→99%** 달성  
  * **MyAssistant**: 사내 문서와 데이터를 분석하는 도우미  
- **공유 인프라와 통합된 데이터 파이프라인**으로 중복 개발을 방지함  
- 모든 앱은 동일한 배포 패턴, 품질 관리, 피드백 구조를 공유하며 **생산 공정처럼 표준화됨**  
  
#### 반복 가능한 생산 체계  
- Element는 각 앱을 독립적인 프로젝트로 보지 않고, **조립식 제품처럼 생산**  
- **데이터 과학자가 사양을 제출하면**, 플랫폼이 모델 선택부터 인프라, 배포까지 자동 처리  
- 이전 앱에서 검증된 컴포넌트를 재활용할 수 있어, 신규 앱 개발 마찰이 거의 없음  
  
### How Walmart’s foundry model changes development economics  
  
#### AI 개발 경제학의 전환  
  
- 전통적인 기업 AI는 벤더 평가, 계약 협상, 통합을 반복하며 **시간과 비용이 소모됨**  
- 반면 Element는 **여러 앱 개발 요청을 병렬 처리하며 낭비를 최소화**  
- 생산성과 속도는 **린 제조 수준**으로, 앱이 아이디어 단계에서 **즉시 개발로 전환**됨  
- 일정 계획, 대화형 AI, AR 재고 시스템 등 모두 Element 기반으로 빠르게 구축됨  
  
### Supply chain data becomes development fuel  
  
#### 공급망 데이터를 앱 개발 연료로 전환  
  
- Element는 공급망 시스템과 연결되어 **트럭 도착, 쇼핑 패턴, 직원 피드백 등**을 자동 수집  
- 이 데이터는 **작업 우선순위 결정**, **소비자 행동 예측**, **지역별 조건에 따른 맞춤 모델 배포**에 활용됨  
- 운영 복잡성을 통합 데이터로 전환하여, **매장별 맞춤형 앱 개발이 가능**해짐  
  
### Walmart has a model arbitrage strategy  
  
#### 모델 아비트라지 전략  
  
- Element는 **AI 모델 간 성능-비용 비교**를 실시간으로 수행하여 최적의 경로로 쿼리를 처리  
- 쿼리별 복잡도에 따라 **기본 또는 프리미엄 모델**로 자동 라우팅함  
- 신규 모델이 출시되면 **즉시 테스트 및 배포 가능**, 기존 모델 성능이 향상되면 자동 적용됨  
- 예: **번역 도구**는 언어쌍에 따라 서로 다른 최적 모델을 선택함  
  
### How Walmart integrates real-time feedback  
  
#### 실시간 피드백 통합 구조  
  
- 직원들의 앱 사용은 단순한 소비가 아니라, **개선 신호를 생성하는 구조**로 설계됨  
- 대화형 AI는 3만 건 쿼리를 통해 **모델 성능, 쿼리 유형, 만족도**를 측정하고 피드백으로 반영  
- 신규 앱은 이전 앱의 피드백을 학습한 상태로 출시되어, **런칭 초기부터 고성능 제공 가능**  
- 이를 위해 **정교한 데이터 파이프라인, 모델 버전 관리, 배포 오케스트레이션** 구조를 갖춤  
  
### Why internal Foundries beat external platforms  
  
#### 내부 Foundry가 외부 플랫폼을 능가하는 이유  
  
- 외부 플랫폼은 범용성을 위해 **기능을 일반화**함 → 특정 조직에 완벽히 맞지 않음  
- 월마트는 210만 명 직원의 **공통된 업무, 용어, 목표**에 맞게 플랫폼을 최적화함  
- 새로운 요구가 생기면, **벤더 협상 없이 즉시 개발** 가능 → 아이디어에서 제품까지 빠르게 연결됨  
  
### Assessing the competitive implications  
  
#### 경쟁적 함의  
  
- Foundry 방식은 앱을 만들수록 **플랫폼 자체가 강화**되고, 사용자 인터랙션은 **모델 선택을 개선**하며, 각 배포는 다음 앱의 **생산 기준**이 됨  
- 경쟁사들은  
  * 자체 플랫폼 구축이라는 **막대한 투자**를 감수하거나  
  * **외부 솔루션의 한계를 수용하거나**  
  * 아무것도 하지 않아 **격차가 점점 커지는 위험**을 떠안게 됨  
- 예: 일정 앱 하나만으로도 관리자당 하루 1시간 절약 → 전국적으로는 **수백만 달러 절감 효과** 발생  
  
### Lessons learned from Walmart’s enterprise AI Foundry blueprint  
  
#### Foundry 설계의 4대 원칙  
  
- 1\. **AI 모델은 교체 가능한 부품처럼 다뤄야 함**  
  * LLM 독립 구조로 **벤더 락인 방지 및 최적화 지속 가능**  
- 2\. **데이터 접근 통합이 우선**  
  * Element는 LLM의 세계 지식과 월마트의 내부 데이터를 통합함  
- 3\. **AI 개발을 산업화해야 함**  
  * Foundry 모델을 통해 **개발 → 배포 → 반복**의 표준 공정화  
- 4\. **처음부터 피드백을 설계에 반영**  
  * 피드백 루프 내장으로 **사용할수록 성능이 향상되는 앱 구조**  
  
### Walmart just created the enterprises’ new imperative  
  
#### 기업 AI의 새로운 전환점  
  
- 월마트는 AI를 ‘도입’한 것이 아니라, **AI를 만드는 능력 자체를 확보**함  
- AI를 개별 소프트웨어가 아니라 **조립 가능한 제품군으로 간주**함  
- 직원과의 인터랙션이 **시스템을 더 똑똑하게 만들고**, 배포될수록 **플랫폼이 정교해짐**  
- AI 성공의 핵심은 **모델 선택이 아니라, 조직의 AI 생산 역량 구축**임  
- 월마트는 **AI를 소프트웨어가 아닌 전략적 자산으로 정의한 첫 기업 중 하나**로 자리매김함

## Comments



### Comment 41527

- Author: craftmanship
- Created: 2025-07-18T07:27:51+09:00
- Points: 1

의미있는 행보네요