Target ví, že to bez AI nepůjde: Jak mu OpenAI a Anthropic mění strategii?

Target přiznal něco, co si velká část firem zatím nechává pro sebe - AI se mu přesunula z „nice to have“ do infra vrstvy, ale účet začíná být dost bolestivý. Podle šéfky indické pobočky Andrey Zimmermanové se řetězec posunul z fáze, kdy „AI někde používá“, do stavu, kdy „na AI plně běží“, jenže změna cenových modelů u velkých poskytovatelů (OpenAI, Anthropic a spol.) donutila firmu brzdit a mnohem přísněji vybírat, kam AI opravdu pustí.

Pro investory jde o zajímavý paradox: Target měl za sebou tři roky klesajících tržeb, nový CEO Michael Fiddelke plánoval utratit další 2 miliardy dolarů za prodejny, rekonstrukce a AI - a současně mu rostly variabilní náklady na samotnou „mozkovnu“, která má ten obrat doručit. AI se tak z marketingového buzzword stala položkou, kterou řeší architektonické týmy i nejvyšší vedení na úrovni „co nám to přesně dělá s marží a capexem“.

Od „AI někde máme“ k „fungujeme s AI“

Zimmermanová popisovala dvě klíčové posuny:

• Target $TGT přešel od pilotních AI projektů k tomu, aby AI byla zabudovaná v core procesech - plánování zásob, pricing, personalizace, řízení promo akcí, logistika.

• zároveň ale začal tlačit na „intentional use“ - tedy ne AI všude, ale AI tam, kde má jasný byznysový dopad: rychlejší obrat zásob, menší odpisy, lepší produktový mix, vyšší koš na zákazníka.

Pro retail řetězec to dává smysl:

• AI ti může vychytat, co přesně naskladnit v konkrétní lokaci

• kdy přecenit sezonní zboží, aby se neprodávalo pod náklady

• nebo kde má smysl poslat vlastní značku do přímého souboje s diskontem

Ale každá taková „chytrá“ funkce teď znamená konkrétní spotřebu tokenů a účet vůči poskytovateli modelu.

Tokenové AI: proč to Target začalo bolet

Druhá rovina je čistě nákladová. OpenAI, Anthropic a další přecházejí na model: zaplatíš za to, co skutečně využiješ - počty tokenů při spuštění modelů, šířku kontextu, typ modelu. To je pro velký enterprise:

• flexibilnější (neplatíš za kapacitu, kterou nevyužiješ)

• ale zároveň rizikovější (závislost na objemu požadavků, které ti utečou, pokud nemáš dobrý governance)

Zimmermanová řekla přímo, že tento posun „nutil Target přehodnotit strategii“. Debata o AI tak probíhá na dvou rovinách:

• v architektonických fórech (jak navrhnout systémy, aby tokeny používaly co nejefektivněji)

• na úrovni senior leadershipu (kolik AI iniciativ si letos reálně můžeme dovolit, aniž by sežraly rozpočet)

Pro investora je to důležitý signál: AI adopce už není binární (máme / nemáme), ale o tom, jestli má firma v ruce i finanční páku - rozumný cost management kolem modelů.

Indie jako páteř: 40 % tech lidí, fokus na analytiku

Target India už není backoffice, ale centrum, kde se AI a data překlápí do reality.

• V Bengalúru pracuje zhruba 5 600 lidí, z toho kolem 40 % celé technologické pracovní síly Targetu.

• Týmy pokrývají merchandising, digitál, prodejny i supply chain.

• Firma tam chce ještě víc posílit analytiku - hlavně schopnost proměnit obrovský objem dat do rychlých insightů: co se prodává, kde, za jakou cenu, jak reaguje zákazník na promo, jakým tempem se mění sentiment.

Cílem je zkrátit smyčku: data → insight → akce. V retailu rozhodují týdny: jestli přeceníme zboží, když už zákazník odešel ke konkurenci, je pozdě. AI a analytika v Indii mají být přesně tím „rychlostním převodem“.

Byznysový kontext: tři roky poklesu tržeb, 2 mld. dolarů do AI a obchodů

Target přitom není v situaci, kdy by mohl „bezbolestně experimentovat“.

• Tržby firmy poslední tři roky klesaly - tlak na cenu, odklon části zákazníků k levnějším alternativám, slabší poptávka po diskrečním zboží.

• Nový CEO Michael Fiddelke nastavil plán navýšit capex o cca 2 miliardy dolarů - kombinace nových prodejen, remodelů a AI iniciativ.

• Firma tedy navýší investice ve chvíli, kdy top line stagnuje nebo klesá - což z ní dělá klasickou „turnaround + tech“ story.

Z pohledu akcie:

• AI není jen cool téma na výsledkový call

• ale nástroj, kterým si Target musí vybojovat zpět růst tržeb a marží

• zároveň však právě AI (přes tokenové pricing modely) dokáže ten plán prodražit

Co by měl řešit investor

Místo otázky „kolik AI Target používá“ je zajímavější ptát se:

1. Kde přesně AI přidává EBIT

   • konkrétní use‑case: řízení zásob, cenotvorba, personalizace promo?

   • jaké mají očekávané dopady (menší markdowns, nižší stock‑outs, vyšší konverze online)?

2. Jak Target řídí AI náklady

   • má interní metriky typu „tokeny / objednávka“ nebo „AI náklad / ušetřený markdown“?

   • dává smysl víc stavět na vlastních modelech vs čistý reliance na velké poskytovatele?

3. Kapacita doručit změnu

   • 40 % tech lidí v Indii je výhoda na nákladové straně, ale i organizační test: jak dobře zvládnou remote alignment mezi US byznys týmy a indickým engineeringem?