لیوای استراوس چگونه با ابر و هوش مصنوعی معماری خود را برای مدل DTC بازطراحی میکند؟
لیوای استراوس با تکیه بر فناوریهای مایکروسافت—از جمله عاملهای چندعاملی، Azure، GitHub Copilot و Intune—در حال بازطراحی کامل عملیات خود برای تبدیل شدن به یک برند «مستقیمبهمصرفکننده» است. این تحول، یک نمونه واقعی از ترکیب هوش ابری و هوش مصنوعی برای افزایش سرعت، شخصیسازی و بهرهوری سازمانی است.
لیوای استراوس؛ بازآفرینی یک برند ۱۷۵ ساله با محوریت هوش مصنوعی
لیوای استراوس، یکی از قدیمیترین برندهای پوشاک جهان، ساختار دیجیتال خود را بهطور بنیادین بازمهندسی کرده تا مدل «فروش مستقیم به مصرفکننده» (DTC) را بهجای اتکا به فروشگاههای واسطه به مرکز استراتژی شرکت تبدیل کند.
این گذار تنها یک تحول تجاری نیست، بلکه یک بازطراحی تمامعیار زیرساخت، فرهنگ و ابزارهای سازمانی بر پایه ابر و هوش مصنوعی است.
جیسون گوانز، مدیر ارشد دیجیتال و فناوری شرکت، میگوید هدف این است که «هر تعامل با مشتری سریعتر، هوشمندتر و شخصیتر شود»—بیانی که نشان میدهد این تغییر، نه یک پروژه IT، بلکه یک تحول سازمانی سراسری است.
ابرعامل لیوای استراوس: یک درگاه واحد برای تمام عملیات
مهمترین بخش این تحول، ایجاد یک عامل ابری چندعاملی (Superagent) مبتنی بر Azure است که در Microsoft Teams برای تمام کارکنان—از دفتر مرکزی تا فروشگاهها و انبارها—قابل استفاده است.
این عامل سه کار حیاتی انجام میدهد:
۱. حذف پراکندگی ابزارها
کارکنان بهجای استفاده از چندین ابزار مستقل، تنها از یک رابط گفتوگویی استفاده میکنند.
۲. هدایت هوشمند پرسشها
عامل اصلی، پرسش را به عاملهای تخصصی پشتصحنه منتقل میکند:
عاملهای لجستیک، IT، موجودی، پشتیبانی فروشگاهی و…
۳. تقویت بهرهوری انسانی
این مدل «عامل ارکستراتور» باعث میشود کارکنان زمان کمتری صرف جستوجوی اطلاعات کنند و تمرکز بیشتری بر حل مسئله و تعامل با مشتری داشته باشند.
این معماری در واقع نمونهای واقعی از Agentic AI در مقیاس سازمانی است؛ رویکردی که بسیاری از خردهفروشان هنوز تنها در مرحله آزمایش آن هستند.
افزایش راندمان توسعهدهندگان با GitHub Copilot
لیوای استراوس، با استفاده گسترده از GitHub Copilot، توانسته بخشهای حیاتی از مهندسی کیفیت، انتشار نرمافزار و مدیریت نسخهها را خودکار کند.
نتیجه این رویکرد:
- زمان توسعه کاهش یافته
- قابلیت ردیابی تغییرات افزایش یافته
- نرخ خطا در انتشار نسخهها کاهش یافته
این دقیقاً همان نمونه «ارتقای مهارت سازمانی» است که در نسل جدید ابزارهای AI-Coding مشاهده میشود.
زیرساخت؛ پیشنیاز تحول هوش مصنوعی
خبر نشان میدهد که پیش از استقرار عاملهای پیشرفته، لیوای استراوس یک مهاجرت گسترده به Azure انجام داده است.
اقدامات کلیدی:
- انتقال بارهای پردازشی از دیتاسنترهای خصوصی به Azure
- استفاده از Azure Migrate و GitHub Copilot برای برنامهریزی مهاجرت
- یکپارچهسازی منابع دادهای جهت جلوگیری از سیلوهای اطلاعاتی
- استفاده از Semantic Kernel برای ساخت اتوماسیونهای هوشمند
این بخش اهمیت زیادی دارد:
بدون یک معماری ابری یکپارچه، هوش مصنوعی سازمانی نمیتواند در مقیاس عمل کند.
امنیت در سطح عامل: اجرای Zero-Trust در مقیاس جهانی
لیوای استراوس امنیت را نه بهعنوان یک «لایه خارجی»، بلکه درون خود عاملها و فرآیندهای AI جاسازی کرده است.
این مدل شامل:
- موتورهای امنیتی مبتنی بر AI Foundry
- عاملهای امنیتی برای سیاستگذاری، تشخیص و پاسخ
- مدیریت متمرکز سختافزار با Microsoft Intune
- پیادهسازی Zero-Touch برای دستگاههای Surface Copilot+
بهگفته کارکنان، دستگاههای Copilot+ باعث بهبود سرعت پردازش، مدیریت داده و یافتن اطلاعات شده است—نشاندهندهی مزیت سختافزار نسل جدید در کنار نرمافزار هوشمند.
یک نقشهراه برای برندهای سنتی
بهگفته کیت مرسر از مایکروسافت، این پروژه نشان میدهد که «چگونه برندهای نمادین میتوانند خود را با فناوری هوش مصنوعی و ابر بازآفرینی کنند».
لیوای استراوس با پیادهسازی یک اکوسیستم کامل هوش مصنوعی—شامل عاملها، ابزارهای توسعه، سختافزارهای جدید و زیرساخت ابری مشترک—به نمونهای قابل تکرار برای سایر برندها تبدیل شده است.
این تجربه نشان میدهد که گذار به مدل DTC، تنها با ابزارهای هوشمند ممکن نیست؛ بلکه نیازمند یک معماری متحد، مبتنی بر ابر و پیوندخورده با هوش مصنوعی است.
مهدی بخشی نژاد
سعید خانهگیر
مهدی بخشی نژاد
رضا حاتمی
رضا حاتمی
ابزارهای هوش مصنوعی که در زمان قطعی اینترنت و با نت ملی در دسترساند
چت جی پی تی و سایر مدلهای پیشرفته در یک پلتفرم واحد
