El primer director de IA de Target pone a prueba su estrategia minorista y las acciones de TGT
Según informes, Target ha nombrado a su primer director de IA, convirtiendo un titular de Google News en una seria prueba de la recuperación del minorista impulsada por la tecnología.
Según informes, Chandhu Nair, anteriormente un alto directivo de IA y tecnología en Lowe’s, supervisará la estrategia de inteligencia artificial empresarial de Target. El nombramiento otorga a un ejecutivo la responsabilidad de conectar modelos, datos, productos y prioridades de negocio en toda la empresa.
Esa centralización importa porque Target ya no está experimentando con la IA en los márgenes. Ya utiliza aprendizaje automático en la planificación de inventario, la personalización, la publicidad, las herramientas para empleados y la preparación de pedidos digitales. La tarea más difícil es demostrar que esos sistemas mejoran los resultados minoristas.
El nombramiento también intensifica la competencia de Target con Walmart. Walmart ha conectado su catálogo de productos y su red de preparación de pedidos con Google Gemini, al tiempo que amplía las herramientas de IA en las compras y las operaciones. Target ahora debe demostrar que un líder de IA dedicado puede cerrar brechas de ejecución sin debilitar su experiencia de compra distintiva.
Los inversores deberían considerar el nombramiento como un cambio de rendición de cuentas, no como un catalizador inmediato de beneficios. Un nuevo título ejecutivo no aumenta automáticamente el tráfico, mejora los márgenes ni hace que el merchandising sea más relevante.
La verdadera pregunta para las acciones de TGT es más simple. ¿Puede Target convertir un liderazgo centralizado de IA en mejores decisiones que los clientes perciban y en resultados financieros que los inversores puedan medir?
Target ha situado a un ejecutivo en el centro de su estrategia de IA
El nombramiento cambia quién es responsable de la agenda de IA de Target, aunque la empresa lleva años utilizando inteligencia artificial.
Los informes identifican a Chandhu Nair como el primer director de IA de Target. Anteriormente fue vicepresidente sénior de Lowe’s para tiendas, datos, inteligencia artificial e innovación.
En Lowe’s, Nair lideró la estrategia de IA junto con datos, análisis, tecnología para tiendas y la organización de innovación de la empresa. Su trayectoria ejecutiva también incluye comercio digital, interacción con clientes y transformación tecnológica.
Esa experiencia ofrece una pista importante sobre las intenciones de Target. El minorista no parece estar contratando a un ejecutivo de investigación centrado en desarrollar modelos fundacionales.
Target necesita a un operador que pueda aplicar modelos existentes a sistemas minoristas. Esos sistemas incluyen la previsión de demanda, la planificación de surtido, la publicidad, la asistencia a empleados y las experiencias de compra orientadas al cliente.
La distinción importa. Los minoristas rara vez obtienen una ventaja por entrenar el mayor modelo de propósito general. Sus activos defendibles son los historiales de transacciones, los datos de productos, las señales de la cadena de suministro, las redes de tiendas, las relaciones de fidelización y la experiencia operativa.
Un director de IA puede coordinar esos activos bajo una estrategia común. El puesto puede establecer prioridades, aprobar plataformas, definir gobernanza y conectar a los equipos técnicos con los ejecutivos de negocio.
Sin esa coordinación, los departamentos individuales suelen adquirir herramientas superpuestas o construir sistemas incompatibles. Un equipo puede optimizar los clics publicitarios mientras otro se centra en la rotación de inventario. Ambos pueden informar de éxito sin mejorar la experiencia completa del cliente.
El liderazgo centralizado también puede obligar a Target a decidir qué problemas merecen inversión. Una función de compra conversacional atrae atención, pero una mejor previsión de demanda puede generar un valor más duradero.
El nombramiento reportado llega junto con otro cambio de liderazgo. Según informes, Purvi Shah está pasando a un puesto más sénior de experiencia de usuario, acercando el diseño y el liderazgo de IA.
Esa combinación podría cobrar importancia. Un modelo preciso sigue fallando si los empleados desconfían de sus recomendaciones o los clientes no pueden entender su interfaz.
La experiencia de usuario abarca cómo las personas se encuentran con un sistema digital, lo interpretan y actúan a partir de él. En el comercio minorista, conecta la salida del modelo con acciones como descubrir un artículo, seleccionar una talla o encontrar inventario cercano.
Target ya ha presentado Store Companion, un chatbot de IA generativa orientado a empleados. La empresa lo diseñó para ayudar a los trabajadores de tienda a responder preguntas sobre procesos y atender a los clientes de forma más eficiente.
Target también ha utilizado IA para la personalización, la ubicación de inventario, la publicidad y las decisiones de cadena de suministro. Su anterior visión general de IA describía aplicaciones que abarcaban el pago, su sitio web, su aplicación y la gestión de inventario.
Por tanto, el nuevo puesto representa una consolidación, no un primer contacto con la IA. Target está colocando una capa ejecutiva sobre una cartera que ya alcanza partes importantes del negocio.
Ese cambio crea una rendición de cuentas más clara. Si los proyectos siguen fragmentados, el director de IA es responsable del problema de coordinación. Si la adopción se estanca, el liderazgo cuenta con una organización específica responsable de abordarlo.
También eleva las expectativas. Una vez que una empresa crea un puesto sénior de IA, los inversores pueden exigir razonablemente más que programas piloto y demostraciones pulidas.
El nombramiento debe acabar produciendo un conjunto más reducido de sistemas medibles y escalados. De lo contrario, el puesto corre el riesgo de convertirse en una señal organizativa sin consecuencias operativas.
Por qué el titular de Google News importa para las acciones de TGT
El titular de Google News importa porque Target está vinculando la rendición de cuentas de IA a una recuperación que los inversores ya pueden medir.
Target entró en 2026 con un nuevo director ejecutivo, Michael Fiddelke, y un plan para recuperar el crecimiento. La empresa organizó ese plan en torno al merchandising, la experiencia del cliente, la tecnología y su plantilla.
También planeó aproximadamente 5.000 millones de dólares en inversión de capital para 2026. Target dijo que esos fondos respaldarían tiendas, remodelaciones, tecnología y capacidades de cadena de suministro a través de su estrategia de crecimiento más amplia.
Esa cifra no es un presupuesto de IA. Cubre varias categorías, por lo que describirla como un compromiso de IA de miles de millones de dólares exageraría la evidencia disponible.
Sin embargo, la inversión establece la escala del esfuerzo de modernización de Target. El liderazgo de IA ahora se sitúa dentro de un programa de capital en el que la tecnología debe competir con las tiendas físicas y otras necesidades operativas.
Los resultados del primer trimestre de Target dieron cierto impulso a la recuperación. Las ventas comparables aumentaron un 5,6%, mientras que el tráfico creció un 4,4%.
Las ventas digitales comparables crecieron un 8,9%. La entrega el mismo día aumentó más del 27%, y las ventas no relacionadas con mercancías crecieron casi un 25%.
Esas cifras proceden de los resultados trimestrales de Target. Ofrecen un punto de partida más sólido que el entorno de ventas en descenso al que Target se enfrentó durante gran parte de 2025.
Sin embargo, el trimestre no demuestra que la IA haya producido la mejora. El merchandising, el tráfico, la ejecución en tienda, las promociones y las condiciones económicas influyen en las ventas minoristas.
Este problema de atribución configurará el debate sobre la acción. Las empresas pueden describir decenas de implementaciones de IA y, aun así, ofrecer a los inversores poca evidencia sobre ingresos incrementales o ahorros.
Para las acciones de TGT, el nombramiento solo es valioso si mejora la probabilidad de una ejecución sostenida. Por sí solo no modifica el flujo de caja.
Los inversores deberían buscar tres formas de valor.
Primero, la IA puede reducir costes operativos evitables. Una mejor previsión puede reducir el exceso de inventario, las ventas perdidas, el transporte de emergencia y las rebajas innecesarias.
Segundo, la IA puede mejorar la calidad de los ingresos. La personalización puede aumentar la conversión, mientras que un descubrimiento de productos más sólido puede ayudar a los clientes a encontrar artículos relevantes sin depender por completo de descuentos.
Tercero, la IA puede respaldar decisiones más rápidas. Los equipos de merchandising pueden identificar tendencias antes, probar surtidos y ajustar el inventario antes de que desaparezca una demanda efímera.
Estos resultados importan más que el número de funciones de IA que anuncie Target. También requieren tiempo, datos limpios, adopción por parte de los empleados y una medición disciplinada.
Las casi 2.000 tiendas de Target le dan una amplia superficie operativa. Una mejora modesta desplegada en toda esa red puede importar, pero una recomendación defectuosa también puede propagarse rápidamente.
Esa escala explica por qué la gobernanza debe acompañar al desarrollo de productos. La gobernanza se refiere a las políticas y controles utilizados para aprobar, supervisar y corregir sistemas de IA.
Los modelos minoristas pueden gestionar mal los datos de los clientes, reforzar supuestos sesgados o recomendar acciones incorrectas. Los sistemas generativos también pueden producir respuestas inventadas cuando carecen de un contexto fiable.
Los informes anuales de Target reconocen varios riesgos relacionados. La empresa depende de terceros para partes de su infraestructura tecnológica, incluidos ciertos servicios de IA generativa.
Sus divulgaciones de riesgos también advierten que una adopción limitada por parte de los empleados o una gestión ineficaz del cambio pueden impedir que los esfuerzos de modernización generen los beneficios previstos.
Un director de IA puede reducir la ambigüedad organizativa en torno a esos riesgos. El puesto no puede eliminarlos.
Por ello, para los accionistas, el nombramiento debería influir en la narrativa de ejecución más que en un modelo de beneficios. Otorga a Target un responsable más claro de convertir datos y modelos en mejoras operativas.
El efecto sobre el precio de la acción dependerá de los resultados comunicados. Los inversores acabarán queriendo evidencia en productividad de ventas, márgenes, eficiencia de inventario, interacción digital o crecimiento de medios minoristas.
Cualquier cosa menor deja la historia de Google News como un titular de liderazgo sin un puente financiero.
La apuesta de IA de Target choca de frente con la escala de Walmart
El principal desafío de Target no es adoptar IA primero, sino aplicarla mejor que un rival más grande con alianzas tecnológicas más profundas.
Walmart lleva años combinando datos, automatización, comercio electrónico, publicidad y preparación de pedidos. Su escala genera más transacciones, más retroalimentación operativa y más oportunidades para distribuir los costes de desarrollo.
En enero de 2026, Walmart y Google anunciaron planes para conectar Gemini con las compras de Walmart y Sam’s Club. Su alianza con Gemini se dirige al descubrimiento de productos y al comercio liderado por agentes.
El comercio liderado por agentes permite que el software ayude a completar partes de un recorrido de compra, en lugar de limitarse a devolver resultados de búsqueda. El agente puede interpretar la intención, comparar opciones y coordinar acciones.
Target está explorando un terreno similar. Ha probado publicidad contextual en ChatGPT a través de Target y su negocio de medios minoristas Roundel.
Ese experimento sitúa productos patrocinados junto a conversaciones de compra relevantes. También reconoce que el descubrimiento de productos está avanzando más allá de los sitios web de minoristas y los motores de búsqueda tradicionales.
El riesgo competitivo es claro. Si los clientes empiezan a comprar a través de ChatGPT, Gemini u otros asistentes, los minoristas pierden el control sobre el primer paso del descubrimiento.
El asistente puede decidir qué productos aparecen, cómo se comparan las alternativas y qué minorista recibe la transacción. Esa interfaz puede convertirse en un nuevo guardián entre Target y sus clientes.
Por tanto, Target debe seguir dos estrategias a la vez. Necesita participar en plataformas externas de IA mientras hace que su propia aplicación, sitio web y tiendas sean más útiles.
Esas prioridades pueden entrar en conflicto. Dar a asistentes de terceros un acceso más amplio al catálogo puede generar demanda incremental, pero también puede debilitar la relación directa de Target con sus clientes.
Walmart enfrenta la misma disyuntiva, aunque su escala le otorga mayor poder de negociación. Target necesita diferenciarse más allá de la disponibilidad del catálogo.
Su respuesta más sólida sigue siendo la curaduría. Target construyó su reputación en torno al diseño, las marcas propias, las ideas estacionales y productos que parecen más cuidadosamente seleccionados que un surtido básico de productos básicos.
La IA puede reforzar esa identidad si ayuda a los clientes a descubrir combinaciones relevantes y estilos emergentes. Puede debilitarla si la personalización simplemente repite compras anteriores.
Esa distinción debería guiar al nuevo director de IA. Un sistema de optimización entrenado únicamente con conversiones históricas puede favorecer productos conocidos y la demanda a corto plazo.
Las categorías de moda y hogar en el comercio minorista requieren un enfoque diferente. Los compradores a menudo buscan novedad, inspiración o un producto que no sabían que debían buscar.
El trabajo reportado de Target en Trend Brain aborda parte de ese desafío. Un sistema de este tipo puede combinar señales para identificar demanda emergente y respaldar las decisiones de comercialización.
Sin embargo, detectar tendencias no es lo mismo que crearlas. Los algoritmos pueden reconocer un interés en aceleración, pero los responsables de comercialización siguen decidiendo qué ideas encajan con la marca de Target.
Esta combinación de personas y máquinas es la vía más creíble de Target. La IA puede procesar más señales, mientras que equipos experimentados aplican criterio estético, contexto y juicio comercial.
La comparación con Lowe’s también ayuda a explicar la posible contribución de Nair. La mejora del hogar implica catálogos amplios, relaciones complejas entre productos y clientes que a menudo necesitan asesoramiento antes de comprar.
Lowe’s presentó Mylow, un asesor generativo de IA para mejoras del hogar diseñado para responder preguntas sobre proyectos. Nair fue uno de los ejecutivos tecnológicos asociados con ese lanzamiento.
Las categorías de Target son diferentes, pero la lección subyacente se traslada. La IA para el comercio minorista resulta útil cuando conecta una solicitud incompleta de un cliente con productos, disponibilidad y próximos pasos prácticos.
Target no puede copiar la estrategia de Walmart función por función. Tampoco debería tratar cada plataforma externa de IA como un experimento de marketing independiente.
El director de IA necesita una arquitectura común para los datos de productos, los permisos de clientes, la evaluación y la medición. Sin ella, cada alianza puede crear otro sistema aislado.
Ese trabajo arquitectónico recibirá menos atención que una demostración de compras conversacionales. También es más importante para la ejecución a largo plazo.
La cuestión competitiva es si Target puede construir una vez y distribuir a través de muchas interfaces. Esas interfaces incluyen su aplicación, tiendas, herramientas para empleados, ChatGPT, Gemini y futuros agentes de compra.
Si tiene éxito, Target puede preservar su identidad de comercialización mientras se encuentra con los clientes en plataformas cambiantes. Si fracasa, la escala de Walmart y los guardianes externos de IA darán forma a la experiencia.
Un Director de IA No Puede Corregir por Sí Solo una Ejecución Minorista Débil
La nueva estructura de IA de Target aumenta la rendición de cuentas, pero la tecnología no puede sustituir productos relevantes, tiendas ordenadas, inventario preciso ni empleados de confianza.
Las reestructuraciones minoristas suelen atraer explicaciones tecnológicas porque el software parece más fácil de estandarizar que las operaciones humanas. Los problemas centrales de Target siguen siendo más amplios.
Los clientes evalúan si los productos parecen atractivos, los precios justos, los estantes abastecidos y los pedidos llegan según lo prometido. Un modelo contribuye a esos resultados sin sustituirlos.
La previsión ilustra la limitación. La IA puede estimar la demanda probable utilizando ventas históricas, clima, patrones locales, promociones y comportamiento en línea.
La previsión sigue dependiendo de datos de entrada fiables. También necesita que los equipos de negocio actúen antes de que venzan los plazos de compra, asignación o reposición.
Una previsión técnicamente precisa genera poco valor si la mercancía llega tarde. También falla cuando las tiendas no pueden colocar el inventario disponible donde los clientes puedan encontrarlo.
La adopción por parte de los empleados crea otra limitación. Store Companion puede responder preguntas operativas, pero los trabajadores necesitan confiar en que sus respuestas sean precisas y estén actualizadas.
Una respuesta incorrecta puede hacer perder tiempo o confundir a un cliente. Los errores repetidos enseñan a los empleados a ignorar la herramienta, incluso después de que mejore su calidad.
Target debe medir más que inicios de sesión o consultas. Las métricas útiles incluyen el tiempo de resolución, la precisión de las respuestas, las tasas de preguntas repetidas, la finalización de tareas y la confianza de los empleados.
La IA orientada al cliente requiere una disciplina similar. Un asistente de compras debe mejorar el descubrimiento de productos sin generar sugerencias irrelevantes ni ocultar limitaciones importantes.
Las recomendaciones también deben tener en cuenta el inventario. Sugerir un artículo no disponible genera frustración y puede reducir la confianza en toda la experiencia.
La privacidad presenta otro riesgo. La personalización se vuelve más eficaz cuando un sistema conoce el historial de compras, el comportamiento de navegación, la ubicación y las preferencias declaradas.
Esa combinación de datos puede parecer invasiva cuando los clientes no entienden cómo se utiliza. Target necesita controles de permisos claros y un uso moderado de señales sensibles.
Los proveedores de modelos externos añaden dependencia operativa. Un minorista puede no controlar cada actualización del modelo, interrupción, regla de seguridad o cambio de costos.
Las propias declaraciones regulatorias de Target reconocen la dependencia de terceros para partes de su entorno tecnológico. El liderazgo centralizado puede gestionar esa exposición mediante diversidad de proveedores, contratos, evaluaciones y sistemas de respaldo.
La evaluación de modelos es especialmente importante. Significa probar si un sistema de IA funciona de forma fiable en las tareas previstas y para distintos grupos de clientes.
Las puntuaciones de referencia genéricas revelan poco sobre un empleado de tienda que busca una política o un comprador que busca un atuendo. Target necesita evaluaciones vinculadas a situaciones reales de comercio minorista.
La nueva estructura ejecutiva también puede generar fricción interna. Los sistemas de IA abarcan comercialización, tecnología, marketing, asuntos legales, cadena de suministro y operaciones de tienda.
Un director de IA necesita suficiente autoridad para establecer estándares sin convertirse en un cuello de botella. Los líderes de negocio deben conservar la responsabilidad por los resultados producidos en sus áreas.
También existe el riesgo de perseguir funciones visibles. Las interfaces conversacionales atraen cobertura mediática, mientras que la limpieza de datos de inventario rara vez lo hace.
El trabajo menos visible suele determinar si la interfaz tiene éxito. Los atributos de los productos deben ser precisos, las fuentes de inventario deben estar actualizadas y las políticas deben ser accesibles para el modelo.
Target debería resistirse a medir el progreso por el número de pilotos. Un indicador mejor es el porcentaje de flujos de trabajo prioritarios que utilizan sistemas evaluados a una escala significativa.
Los inversores también deberían evitar atribuir cada mejora a la IA. El repunte de Target en el primer trimestre siguió a cambios en comercialización y operaciones, junto con la inversión tecnológica.
Separar esos efectos es difícil. La dirección aún puede aportar evidencia mediante pruebas controladas, cohortes de adopción, medidas de productividad e informes consistentes.
También ocurre lo contrario. Un trimestre débil no demostraría automáticamente que la estrategia de IA fracasó.
El desempeño minorista responde a la demanda del consumidor, aranceles, costos de combustible, competencia, clima y calendario promocional. La IA es un componente de un sistema operativo complejo.
Por eso, el nombramiento del director de IA no debería desencadenar una conclusión simplemente alcista o bajista. Mejora la estructura para la ejecución, pero amplía la carga de la prueba.
Ahora Target tiene que demostrar que el liderazgo centralizado de IA produce una mejor priorización. También debe demostrar que esas prioridades respaldan la marca del minorista en lugar de distraerla.
Para los trabajadores del conocimiento que evalúan transformaciones similares, una base de conocimiento con búsqueda ofrece un paralelismo útil. Los resultados de la IA mejoran cuando la información subyacente está actualizada, organizada y disponible en contexto.
El mismo principio se aplica a la escala de Target. Mejores modelos no pueden compensar indefinidamente datos fragmentados o una responsabilidad operativa poco clara.
Qué Deberían Observar los Inversores Tras el Nombramiento de IA de Target
Tres señales mostrarán si el primer director de IA de Target está creando una ventaja operativa o gestionando una costosa colección de experimentos.
La primera señal es el progreso medible en inventario y comercialización.
Target debería vincular la inversión en IA con menos episodios de falta de existencias, un inventario más saludable, menor presión por descuentos o respuestas más rápidas a la demanda. Estas medidas están cerca de la economía central del minorista.
Los sistemas relacionados con tendencias merecen especial atención. La dirección debería explicar si mejoran la precisión de las previsiones o acortan el tiempo entre detectar la demanda y colocar los productos.
La evidencia en este aspecto reforzaría la tesis de que la IA respalda la identidad de comercialización de Target. Referencias vagas a mejores conocimientos dejarían la tesis sin demostrar.
La segunda señal es la adopción en los flujos de trabajo de empleados y clientes.
Target debería informar si Store Companion y las herramientas relacionadas logran un uso amplio y recurrente. La evidencia más sólida combinaría la adopción con resultados de precisión, productividad o servicio al cliente.
Las experiencias orientadas al cliente necesitan medidas igualmente concretas. Los inversores deberían observar la conversión, la interacción, el uso repetido y la finalización de pedidos, en lugar de la calidad de las demostraciones.
La expansión a ChatGPT, Gemini u otros asistentes mostraría avances en distribución. No demostraría valor sin evidencia de que esos canales generan demanda incremental y rentable.
Esta señal también revelará cómo Target equilibra las relaciones directas con las plataformas externas. Unas mayores ventas impulsadas por asistentes pueden ser positivas, pero la dependencia de interfaces externas merece escrutinio.
La tercera señal es la traducción financiera en los informes trimestrales.
El crecimiento de las ventas comparables de Target en el primer trimestre creó una base favorable. Los próximos trimestres deberán mostrar si el tráfico y el impulso digital persisten después del repunte inicial.
Los inversores deberían monitorear el margen bruto, los gastos de venta y administración, el inventario, el crecimiento digital y el desempeño de Roundel. Con el tiempo, la IA debería influir al menos en algunas de esas áreas.
La dirección no necesita revelar cada modelo u objetivo interno. Debería explicar qué resultados de negocio importan y cómo contribuye la tecnología.
Roundel merece especial atención porque la IA puede mejorar la relevancia y la medición publicitarias. El crecimiento en ese ámbito puede generar ingresos de mayor calidad sin depender únicamente del volumen de mercancía.
Sin embargo, la personalización agresiva puede generar inquietudes entre los clientes. Target debe proteger la confianza mientras amplía el uso de datos de compras y publicidad.
El propio lenguaje de los informes ofrecerá pistas. Los anuncios repetidos sobre pilotos sugieren experimentación, mientras que la discusión de flujos de trabajo escalados señala madurez operativa.
Los cambios organizativos también importarán. El nuevo director de IA necesita autoridad estable, acceso a los líderes de negocio y responsabilidad sobre la gobernanza.
Si la IA sigue dispersa entre equipos sin métricas comunes, el título habrá cambiado más que el modelo operativo.
Los próximos informes de resultados de Target deberían ofrecer los primeros puntos de control prácticos. El nombramiento se produjo demasiado recientemente como para atribuirle efectos financieros inmediatos.
Ese retraso no debería convertirse en una exención indefinida. Los inversores pueden esperar hitos antes de esperar una contribución completa a las ganancias.
Para las acciones de TGT, el caso alcista es que el liderazgo centralizado ayuda a Target a avanzar más rápido, reducir el desperdicio operativo y extender su experiencia de compra curada a las interfaces de IA.
El caso bajista es que el gasto en IA crece más rápido que los beneficios medibles. Walmart conservaría entonces su ventaja de escala mientras los asistentes de terceros debilitan la relación directa de Target con sus clientes.
El resultado más probable se situará entre esos extremos. Algunas aplicaciones escalarán, otras fracasarán y la cartera necesitará depuraciones repetidas.
Por eso importa la calidad del liderazgo. El director de IA debe detener los proyectos débiles con la misma determinación con la que la empresa pone en marcha los prometedores.
La palabra clave original de Google News aporta poca información sobre estas cuestiones operativas. Refleja dónde apareció la noticia, no por qué importa este avance.
El supuesto nombramiento de Target importa porque establece un responsable identificado para la IA durante una recuperación seguida de cerca. También hace más difícil mantener futuras excusas.
Observe las siguientes tres señales en este orden: resultados de inventario, adopción real y traducción financiera. En conjunto, mostrarán si Target creó un título ejecutivo o una capacidad minorista duradera.
Para los accionistas, la paciencia debe ir acompañada de verificación. Siga las divulgaciones trimestrales de Target, compare los objetivos de IA declarados con las métricas reportadas y pregúntese si los clientes perciben una mejor experiencia de compra.
Esa evidencia, más que el nombramiento por sí solo, determinará lo que finalmente significa para las acciones de TGT el primer jefe de IA de Target.
