传统园艺巨头如何用AI节省1.5亿美元

当泥土遇见数据：传统园艺巨头如何用AI节省1.5亿美元

几十年来，在某园艺巨头的基质生产设施里，一直上演着一种固定的作业方式：每隔几周，工人们手持测量杆，走过数英亩高的堆肥和木屑堆，用卷尺估算每个料堆的高度，再用“六年级的几何知识来计算体积”。

如今，无人机以机械般的精度在这些料堆上空滑翔，视觉系统实时计算体积。从测量杆到人工智能的转变，其意义远超效率提升。这是美国企业界一个最不可思议的技术故事的有形证明。

意料之外的AI革命领导者

企业AI的领导者通常是那些可预见的玩家：拥有云原生架构的软件公司、拥有海量数据湖的金融服务公司、拥有丰富数字触点的零售商。而像某园艺巨头这样处理肥料、土壤等实体产品的消费品公司，本不被指望能成为领导者。

然而，该公司已经实现了其1.5亿美元供应链节约目标的一大半。报告显示，其客户服务响应时间提高了90%。其预测模型能够实现营销资源在区域市场间的每周重新分配。

从半导体到土壤科学的跨界

该公司总裁的转型路径更像一次精心策划的转向。在半导体制造领域工作二十年后，他深知如何将先进技术应用于复杂运营。

他看到了半导体制造与该公司运营之间的明显相似之处：两者都需要精度、质量控制和复杂系统的优化。他也看到了该公司未被开发的领域知识潜力——长达150年的园艺专业知识、法规知识和客户洞察从未被完全数字化。

“这对我来说变得很明显，无论是在后端的数据分析、业务流程转型，还是现在AI成为消费者体验的核心，这里都有很多机会。”他解释道。

改变一切的宣言

转型始于一次全体会议。“我当时就说，伙计们，我们是一家科技公司，只是你们还不知道罢了，”他回忆道，“这里有太多机会可以推动公司走向它需要到达的地方。”

第一个挑战是组织层面的。该公司已演变为职能孤岛，IT、供应链和品牌团队各自运行着几乎没有协调的独立系统。借鉴管理复杂技术组织的经验，他将消费者业务重组为三个业务单元。总经理不仅要为财务结果负责，还要为其业务领域内的技术实施负责。

为支持新结构，该公司设立了数字能力、洞察与分析以及创意功能的卓越中心。这种混合设计将集中的专业知识置于分布式责任制之后。

挖掘企业记忆，提炼AI黄金

将传统知识转化为机器可读的智能，需要其数据智能副总裁所说的“考古工作”。团队挖掘了嵌入在遗留SAP系统中的数十年业务逻辑，并将文件柜中的研究资料转化为AI就绪的数据集。

该公司选择了某数据平台作为其统一数据平台。团队拥有Apache Spark的专业知识。该平台提供了强大的SAP集成能力，并符合他们对最小化供应商锁定的开源技术的偏好。

突破来自于系统化的知识管理。该公司利用某大语言模型构建了一个AI机器人，用于编目和清理内部知识库。该系统识别重复内容、按主题分组信息，并重构内容以供AI使用。这项工作将知识文章数量减少了30%，同时提高了其实用性。

“我们使用大语言模型将它们按主题分类，找到相似文档，”副总裁解释道。这种将现代AI与余弦相似度等技术结合的混合方法，为后续应用奠定了基础。

构建真正懂肥料的AI系统

早期使用现成AI的试验暴露了一个真实的风险。通用模型混淆了用于杀死杂草的产品和用于预防杂草的产品。这种错误可能会毁掉一片草坪。

“不同的产品，如果你用错了地方，实际上会产生非常负面的结果，”副总裁指出，“但在大语言模型的某些语境中，这些词可能是同义词。所以它们会推荐错误的产品。”

解决方案是一种新的架构。该公司创建了一个“代理层次结构”。一个监督代理将查询路由到按品牌组织的、专业的工作代理。每个代理都利用从一份400页的内部培训手册中编码的深度产品知识。

该系统也改变了对话方式。当用户寻求推荐时，代理会先询问位置、目标和草坪状况等问题。它们逐步缩小可能性，然后再提供建议。该技术栈集成了产品可用性和各州特定法规合规性的API。

从无人机到全企业需求预测

这场转型贯穿了整个公司。无人机测量库存料堆。需求预测模型分析了超过60个因素，包括天气模式、消费者情绪和宏观经济指标。

这些预测支持了更快速的行动。当干旱袭击某地区时，模型支持将促销支出转移到天气有利的地区。这种重新分配帮助推动了积极的季度业绩。

消费者服务也发生了变化。AI代理现在通过某CRM平台处理收到的电子邮件，根据知识库起草回复，并标记出来供人工简要审核。起草时间从十分钟缩短到几秒钟，回复质量也得到了提高。

公司强调可解释的AI。利用SHAP方法，该公司构建了仪表板，分解每个预测，并显示天气、促销或媒体支出如何影响预测。

“通常，如果你向业务人员展示一个预测却不说明原因，他们会说‘我不相信你’，”副总裁解释道。透明度使得将资源分配周期从季度缩短到每周成为可能。

像初创公司一样竞争

该公司的成果挑战了关于传统行业AI准备度的假设。其优势并非来自拥有最复杂的模型，而是来自将通用AI与独特的、结构化的领域知识相结合。

“大语言模型将成为商品，”副总裁观察到，“战略差异化在于我们能为其附加多少额外的内部知识水平。”

合作伙伴关系至关重要。该公司与某机构的Vertex AI合作获取基础模型，与某对话智能平台合作生产就绪的对话代理，与某计算机视觉公司合作进行图像识别。这种生态系统方法让一个从各科技巨头和AI初创公司招募的小型内部团队，无需从零开始构建一切，就能产生超乎比例的影响力。

人才追随影响力而来。传统观念认为传统公司无法与科技巨头的薪资或股票竞争。该公司提供了不同的东西：它提供了构建具有直接商业影响力的变革性AI应用的机会。

“在面试时，我们向他们提出的，基本上是在这些领域运用最新知识创造真实价值的能力，”副总裁解释道，“很多人觉得有动力加入我们”，因为许多大型科技公司的AI工作，尽管炒作很多，“并没有真正产生影响。”

团队设计也反映了这一理念。“我的直接下属既是领导者，管理团队，又精通技术，”副总裁指出，“我们总是在开发或维护解决方案、制定战略和管理人员之间不断切换角色。”他本人每周仍会写代码。这个由15到20名AI和工程专业人员组成的小团队保持精简，将实施工作外包，同时将“技术诀窍、方向和架构”保留在公司内部。

当创新遇到不可移动的物体

并非每个试点都成功了。该公司在一个130万平方英尺的分销设施中测试了半自动叉车。远程操作员能同时安全地控制多达五辆车。

“技术实际上真的很棒，”总裁承认。问题是车辆无法举起该公司重型产品所需的足够重量。公司因此暂停了实施。

“并非我们尝试的每件事都一帆风顺，”总裁坦言，“但我认为另一个重点是，你必须专注于少数关键事项，并且必须知道什么时候某事行不通并进行调整。”

这个教训与半导体行业的纪律一致。投资必须在设定的时间框架内显示出可衡量的回报。监管的复杂性增加了难度。产品必须遵守EPA法规和各州不同的限制，AI系统必须正确应对这些。

园艺品酒师与代理间交互的未来

路线图反映了长期视角。该公司计划在2026年推出一个“园艺品酒师”移动应用，可以通过照片识别植物、杂草和草坪问题，并提供即时指导。一个测试版已经在帮助现场销售团队通过查询400页的知识库来回答复杂的产品问题。

公司正在探索代理间通信，以便其专业AI能与零售合作伙伴的系统对接。顾客向某零售商的聊天机器人咨询草坪建议时，可以触发该公司的查询，从而返回准确且符合法规的建议。

该公司已在其网站上推出了AI驱动的搜索，用基于内部技术栈的对话引擎取代了关键字系统。未来的愿景是将预测模型与对话代理配对，以便系统能在条件表明客户可能需要帮助时主动联系。

传统行业可借鉴的经验

该公司的转型为企业提供了一个清晰的行动指南。优势并非来自部署最复杂的模型，而是来自将AI与竞争对手难以复制的专有领域知识相结合。

通过让总经理同时对业务结果和技术实施负责，该公司确保了AI不仅是一项IT举措，更是一项业务要务。150年的园艺专业知识只有在被数字化、结构化并可供AI系统访问时才变得有价值。

在争夺AI工程师时，老牌公司无法与硅谷的薪酬方案匹敌。但它们可以提供科技巨头往往无法提供的东西：立竿见影的、可衡量的影响力。当工程师看到他们的天气预测模型直接影响季度业绩，或者他们的代理架构能防止客户毁掉自己的草坪时，这份工作的分量是广告算法的又一次渐进式改进所无法比拟的。

“我们有权获胜，”总裁说，“我们拥有150年的经验。”如今，这种经验就是数据，而数据正是公司的竞争优势。该公司没有在支出上超过竞争对手，也没有追逐最新的AI模型。它只是将知识转化为了增长的操作系统。对于一家建立在土壤之上的公司来说，其最大的突破可能在于培育数据。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）