Streszczenie: Procter & Gamble analizuje dane behawioralne od… 1924 roku? Dziś ten gigant FMCG nie pyta już tylko o to, czy używasz mydła do rąk, czy do naczyń. Dzięki własnej „Fabryce AI” firma skraca wdrożenia algorytmów o pół roku, a nowe zapachy perfum tworzy 5 razy szybciej niż dotychczas. Poznaj kulisy strategii, w której sztuczna inteligencja nie jest tylko gadżetem, ale „cybernetycznym członkiem zespołu”.
Dzięki ponad 100-letniemu doświadczeniu jako organizacja oparta na badaniach, Procter & Gamble wdraża obecnie analityczną, generatywną i agentową sztuczną inteligencję, aby rozwiązywać szeroki wachlarz problemów biznesowych.
Niewiele organizacji może rzetelnie twierdzić, że prowadzi badania analityczne od ponad wieku. Jednak w 1924 roku dyrektor generalny Procter & Gamble, William Cooper Procter, poprosił Paula „Doca” Smelsera – ekonomistę pracującego w P&G przez 34 lata – o sprawdzenie, ilu klientów używa mydła Ivory do higieny osobistej, a ilu do zmywania naczyń i prania ubrań. Odpowiedź brzmiała: 12% do zmywania, 31% do twarzy i rąk, 40% do kąpieli i 17% do innych zastosowań (prawdopodobnie prania). W rezultacie mydło Ivory zaczęto pozycjonować jako produkt do pielęgnacji osobistej, a nie chemię gospodarczą (choć internetowi komentatorzy sugerują, że w praniu wciąż sprawdza się świetnie).
P&G było również pionierem w tworzeniu wspólnych standardów danych w globalnej organizacji, powołując liczną grupę analityków, a następnie włączając ich bezpośrednio w struktury jednostek biznesowych. Tradycja wykorzystywania wiedzy o klientach i rynku przetrwała do dziś – obecnie firma stosuje analityczną, generatywną oraz agentową sztuczną inteligencję (agentic AI) do rozwiązywania kluczowych wyzwań biznesowych.
Aby dowiedzieć się, jak P&G radzi sobie ze sztuczną inteligencją, rozmawialiśmy z Jeffem Goldmanem, wiceprezesem ds. enterprise data science i liderem inicjatyw biznesowych AI w firmie. Poznaliśmy Goldmana ponad dekadę temu, gdy opracowywał innowacyjne podejście do wizualizacji analityki w ramach inicjatywy Business Sphere. Od tego czasu zbudował zespół kilkuset badaczy danych (data scientists) i inżynierów AI, którzy wdrażają algorytmy na szeroką skalę w marketingu, handlu cyfrowym, łańcuchu dostaw i sprzedaży.
Jak ujął to Goldman, stuletnie nastawienie na dane wciąż dominuje: „Historyczny etos analityczny przenika naszą obecną kulturę. Zawsze dążyliśmy do zrozumienia dynamiki naszego biznesu. Jednak dzięki AI natura pytań, które możemy zadawać, oraz głębia odpowiedzi, jakich udzielamy, dramatycznie się zwiększyły”.
„Fabryka AI” w Procter & Gamble
Około 2021 roku Goldman i jego zespół zauważyli, że AI odgrywa coraz bardziej strategiczną rolę. Złożoność algorytmów rosła, a opóźnienia w przechodzeniu od prototypu do wdrożenia na dużą skalę miały realny wpływ finansowy.
Aby przyspieszyć ten proces, P&G stworzyło tzw. „fabrykę AI” (AI factory). Jest to platforma obejmująca źródła danych, narzędzia programistyczne, metody i protokoły bezpieczeństwa, która pozwala szybko rozwijać, testować i monitorować algorytmy w produkcji. Seth Cohen, CIO w P&G, opisał to w jednym z podcastów: „Zaletą fabryki AI jest to, że daje programistom natychmiastowy dostęp do danych i modeli generatywnych. Dzięki temu poświęcają oni znacznie mniej czasu na martwienie się o skalowalność – ona jest po prostu wbudowana w system”.
Goldman twierdzi, że fabryka AI skraca czas wdrożenia modelu o około sześć miesięcy. Co ważne, platforma ewoluuje wraz z technologią – obecnie wspiera systemy agentowe, wykorzystując protokoły takie jak Agent2Agent czy Model Context Protocol do łączenia wielu agentów i narzędzi.
Przykładem sukcesu „fabryki” jest aplikacja Pampers My Perfect Fit. Wykorzystuje ona kwestionariusz oparty na AI, aby dobrać pieluchy z 90-procentową dokładnością w zapobieganiu przeciekaniu – co jest kluczowym problemem dla rodziców. Inny przykład pochodzi z Brazylii, gdzie system AI planuje załadunek ciężarówek i harmonogramy dostaw, co pozwoliło zmniejszyć braki towarowe na półkach (out-of-stock) o 15%.
Produkty AI: Generatywne i agentowe
Chociaż ogromna wartość płynie z AI analitycznej (łańcuch dostaw, media), P&G wcześnie postawiło na generatywną sztuczną inteligencję. Firma stworzyła wewnętrzne narzędzia:
- chatPG: bezpieczny dostęp do różnych dużych modeli językowych (LLM).
- imagePG: generowanie i analiza obrazów oraz wideo na potrzeby reklamy.
- askPG: system wykorzystujący wewnętrzne dane nieustrukturyzowane.
- insightsPG: generatywny interfejs do danych biznesowych. „Po co ci pulpit nawigacyjny (dashboard), skoro możesz po prostu porozmawiać ze swoimi danymi?” – pyta retorycznie Cohen.
Innym narzędziem jest Great Idea Generator, który tworzy koncepcje produktów i reklam na podstawie trendów konsumenckich, znacznie przyspieszając drogę od pomysłu na półkę sklepową. Z kolei Project Genie wspiera ponad 800 pracowników obsługi klienta, syntetyzując informacje z tysięcy dokumentów i skracając czas udzielania odpowiedzi.
Obecnie firma eksperymentuje z agentową AI (agentic AI) w obszarach reklamy i relacji z konsumentami, zawsze jednak dbając o to, by w procesie uczestniczył człowiek (human-in-the-loop).
AI w służbie R&D
Dział Data Science Goldmana ściśle współpracuje z działem badań i rozwoju (R&D). Tradycyjna chemia i fizyka produktów są teraz wspierane przez algorytmy przyspieszające odkrywanie nowych cząsteczek.
- Perfume Development Digital Suite: ekosystem AI pozwalający tworzyć nowe zapachy pięć razy szybciej niż dotychczas. System analizuje miliony punktów danych i tworzy modele „charakteru perfum” na podstawie preferencji konsumentów.
P&G, we współpracy z Harvard Business School, przeprowadziło eksperyment polowy z udziałem 776 specjalistów. Wyniki pokazały, że osoby korzystające z chatPG osiągały takie same wyniki jak całe zespoły pracujące bez AI. Co więcej, AI pomogło przełamać silosy: specjaliści z działów komercyjnych i R&D, wspierani przez technologię, wypracowywali bardziej zbalansowane i innowacyjne rozwiązania.
Budowanie kompetencji ludzkich
Procter & Gamble od lat kładzie nacisk na edukację. We współpracy z Harvardem i Boston Consulting Group firma przeszkoliła ponad 4000 liderów w ramach intensywnego, ośmiotygodniowego programu dotyczącego strategicznego wpływu AI.
Dodatkowo od kilku lat działa program certyfikacji „Friends of Data Science”. Przez 15 tygodni analitycy uczą się nie tylko budowania modeli, ale przede wszystkim tego, jak i dlaczego mogą one zawieść. Program obejmuje najnowsze zagadnienia, takie jak architektura transformerów czy grafowe uczenie maszynowe.
„W organizacji niechętnej cyfryzacji trudno wprowadzać nowe możliwości. My to zmieniamy” – podsumowuje Seth Cohen. Biorąc pod uwagę długą historię i obecną determinację P&G, jest to jedna z najmniej „niechętnych cyfryzacji” firm na świecie.
