Target melalui Senior Vice President Siobhán Mc Feeney menegaskan bahwa keunggulan kompetitif perusahaan dalam penerapan kecerdasan buatan tidak terletak pada model AI itu sendiri, melainkan pada seluruh lapisan arsitektur, tata kelola, dan proses yang dibangun di sekitarnya. Pernyataan ini disampaikan dalam konferensi VB Transform 2026, di mana Mc Feeney menjelaskan pendekatan Target yang sangat disiplin dalam mengembangkan agen AI.
Pendekatan tersebut dimulai sejak tahap awal evaluasi, yaitu dengan mempertanyakan apakah suatu masalah benar-benar memerlukan agen AI atau cukup diselesaikan melalui alat konvensional. Target menerapkan serangkaian pertanyaan terstruktur untuk menentukan jenis agen yang tepat, mulai dari orchestrator hingga agen spesifik domain, serta memastikan tidak terjadi duplikasi solusi yang sudah ada.
Setiap agen yang dikembangkan harus melalui proses registrasi dan sertifikasi yang ketat. Tim Target juga menetapkan trigger yang jelas, mekanisme pelacakan, serta tingkat otonomi yang diperoleh secara bertahap. Otonomi ini tidak diberikan secara otomatis, melainkan harus dibuktikan melalui performa yang terukur dan konsisten. Jika performa menurun, otonomi dapat ditarik kembali.
Contoh nyata penerapan ini terlihat pada simulasi digital twin yang memprediksi kebutuhan stok celana pendek pria di tiga toko Target di Long Beach. Sistem mendeteksi kebutuhan stok yang jauh lebih tinggi di salah satu toko karena kedekatannya dengan pantai, sebuah faktor yang tidak langsung terlihat oleh analis manusia. Rekomendasi tersebut terbukti akurat dan meningkatkan keyakinan tim terhadap kemampuan sistem.
Analisis lebih lanjut menunjukkan bahwa pendekatan Target ini berpotensi menjadi acuan bagi peritel lain yang ingin menghindari investasi AI yang tidak terarah. Dengan menekankan lineage data dan observabilitas berkelanjutan, perusahaan dapat meminimalkan risiko operasional saat agen beroperasi di luar jam kerja. Selain itu, kerangka kerja ini mendukung skalabilitas yang bertanggung jawab, di mana model AI dipilih berdasarkan keseimbangan antara kompleksitas tugas dan efisiensi biaya.
Selain aspek teknis, Target juga memperhatikan perubahan kompetensi yang diperlukan tenaga kerja. Engineer dan builder kini harus mampu mengawasi agen AI sekaligus membimbing tim manusia yang bekerja berdampingan dengan sistem otonom. Transisi ini menciptakan dinamika baru dalam pengelolaan proyek, di mana akuntabilitas tetap berada di tangan manusia meskipun agen telah mencapai tingkat otonomi tertinggi.
Dengan demikian, fondasi arsitektur dan tata kelola yang dibangun Target tidak hanya melindungi investasi AI, tetapi juga memastikan bahwa setiap keputusan tetap selaras dengan tujuan bisnis utama, yaitu menyediakan produk yang tepat di tempat dan waktu yang tepat bagi pelanggan.
