可解释性对 Palo Alto 来说尤为重要，因为他们正在用更复杂、更难解释的 ML 模型取代现有的基于规则的系统（这些系统通常很容易解释）。对于这些新模型，Lionel 的团队使用 SHAP 等模型提供了解释，以阐明模型输出的得出方式。
这种透明度和可解释性对于维持利益相关者的信任以及通过反馈循环和持续改进确保成功采用人工智能工具至关重要。
普洛斯是全球最大的物流地产公司，目前管理着超过12亿平方英尺的物流地产，在供应链中发挥着独特的作用，为各种规模的企业提供服务。
普洛斯的 AI 之旅
Prologis 数据与分析副 玻利维亚 WhatsApp 号码列表 总裁Luke Slotwinski和 Luke 团队首席 AI/ML 工程师Jennifer Garcia深入介绍了 Prologis 的 AI 之旅，该之旅从传统的数据仓库设置开始，演变为复杂的基于云的环境，使用 Snowflake 进行数据仓库，使用 Dataiku 进行 AI/ML 开发。
从优先级角度来看，普洛斯将其 AI 用例与公司的业务战略相结合。这些包括提高运营效率、增强决策能力和推动业务增长。每个 AI 用例的主要考虑因素是战略一致性、技术契合度以及对业务决策的潜在影响。
例如，随着公司继续多元化发展，数据和分析团队随后通过 Snowflake 将数据堆栈迁移到云端。他们希望自己的数据和 AI 工作始终能够准确反映公司的定位和身份。