Генеративный ИИ: раскрытие будущего моды

В то время как в Лондоне, Милане, Нью-Йорке и Париже завершаются недели моды этого сезона, бренды работают над производством и продажей моделей, которые они только что продемонстрировали на подиумах, и приступают к созданию коллекций следующего сезона. Вполне возможно, что в будущем эти дизайны будут сочетать в себе мастерство креативного директора и мощь генеративного искусственного интеллекта (ИИ), помогая быстрее выводить одежду и аксессуары на рынок, эффективнее продавать их и улучшать потребительский опыт.

Вы уже наверняка слышали о чатботе ИИ ChatGPT от OpenAI, который в одночасье стал сенсацией и вызвал цифровую гонку по созданию и выпуску конкурентов. ChatGPT - это лишь один из примеров генеративного ИИ, технологии, включающей алгоритмы, которые могут быть использованы для создания нового контента, включая аудио, код, изображения, текст, симуляции и видео. Вместо того чтобы просто идентифицировать и классифицировать информацию, генеративный ИИ создает новую информацию, используя фундаментные модели, которые представляют собой модели глубокого обучения, способные решать несколько сложных задач одновременно. В качестве примеров можно привести GPT-3.5 и DALL-E.

Хотя индустрия моды уже экспериментировала с базовым ИИ и другими передовыми технологиями - на ум приходят метаверсия, неиграбельные токены (NFTs), цифровые идентификаторы, дополненная или виртуальная реальность - у нее до сих пор было мало опыта с генеративным ИИ. Правда, эта зарождающаяся технология стала широко доступной совсем недавно и все еще изобилует тревожными перегибами и ошибками, но все указывает на то, что она может совершенствоваться с молниеносной скоростью и стать переломным моментом во многих аспектах бизнеса. Согласно анализу McKinsey, в ближайшие три-пять лет генеративный ИИ может увеличить операционную прибыль в секторах одежды, моды и роскоши на $150 млрд, а в консервативном плане - до $275 млрд. Генеративный ИИ создает новое пространство для творчества - от кодирования до ускорения процессов разработки контента. Он может вводить все формы "неструктурированных" данных - сырой текст, изображения и видео - и выдавать новые формы медиа, начиная от полностью написанных сценариев и заканчивая трехмерными проектами и реалистичными виртуальными моделями для видеокампаний.

Это еще только начало, но уже появились некоторые явные примеры использования генеративного ИИ в моде. (Многие из этих примеров также применимы к смежным секторам красоты и роскоши). В частности, в области инноваций, маркетинга, продаж и клиентского опыта технология может принести значительные результаты и может быть более целесообразной для внедрения в краткосрочной перспективе по сравнению с другими областями в цепочке создания стоимости в моде. В этой статье мы описываем некоторые из наиболее перспективных вариантов использования и предлагаем шаги, которые руководители могут предпринять, чтобы начать работу, а также риски, о которых следует помнить при этом.

На наш взгляд, генеративный ИИ - это не просто автоматизация, это расширение и ускорение. Это означает предоставление профессионалам в области моды и творческим работникам технологических инструментов для выполнения определенных задач значительно быстрее, освобождая их от необходимости тратить больше своего времени на то, что под силу только людям. Это также означает создание систем, позволяющих лучше обслуживать клиентов. Вот с чего следует начать.

Генеративный ИИ может повлиять на всю экосистему моды. Компании fashion индустрии могут использовать эту технологию для создания более продаваемых моделей, снижения затрат на маркетинг, гиперперсонализированного общения с клиентами и ускорения процессов. Он также может изменить цепочку поставок и логистику, работу магазинов, а также функции организации и поддержки.

• Мерчандайзинг и продукция:

• Преобразование эскизов, мудбордов и описаний в высокоточные проекты (например, в 3D-модели мебели и украшений).Обогащение идеи продукта путем сотрудничества с агентами ИИ, которые генерируют креативные варианты (например, новые идеи, вариации) на основе данных (например, прошлые линейки продуктов, вдохновляющие образы и стиль).Кастомизация продуктов для отдельных потребителей в масштабе (например, очки на основе рельефа лица).

• Цепочка поставок и логистика:

• Поддержка переговоров с поставщиками путем сбора информации.Дополнение роботизированной автоматизации складских операций и управления запасами и аналитикой в реальном времени (например, с помощью дополненной реальности, или AR).Разрабатка предложений по возврату продукции с учетом индивидуальных особенностей потребителей.

• Маркетинг:

• Выявление и прогнозирование тенденций для улучшения целевого маркетинга на основе неструктурированных данных (например, настроения потребителей, поведение покупателей в магазине, данные омниканального маркетинга)..Автоматизация сегментации потребителей в нужном масштабе для адаптации маркетинговых инициатив.Генерация персонализированного маркетингового контента на основе неструктурированных данных из профилей потребителей и мнений сообщества.Сотрудничество с агентами ИИ, чтобы ускорить разработку контента и уменьшить творческие препятствия для внутренних маркетинговых групп.

• Цифровая коммерция и потребительский опыт:

• Структурирование и создание описания продаж на основе прошлых успешных продаж.Персонализация путей потребителя в Интернете и предложения (например, веб-страницы, описания продуктов) на основе индивидуальных профилей потребителей.Адаптация виртуальной примерки и демонстрации продуктов для отдельных потребителей (например, примерка одежды, рекомендации по стилю).Совершенствование интеллектуальных агентов ИИ (например, разговорных чат-ботов, виртуальных помощников) и самообслуживания для решения сложных вопросов потребителей (например, многоязычная поддержка).

• Работа магазина:

• Оптимизация планирования планировки магазина путем создания и тестирования планов планировки по различным параметрам (например, пешеходный трафик, местная потребительская аудитория, размер).Оптимизация труда в магазине, чтобы избежать узких мест, таких как пробелы в распределении персонала и обнаружение краж, благодаря мониторингу видеоданных в режиме реального времени.Поддержка AR-устройств для лучшего информирования персонала в режиме реального времени о товаре (например, о состоянии, ассортименте, запасах, рекомендациях).

• Организационные и вспомогательные функции::

• Обучение продавцов поддерживать успешные «клиентские» отношения с помощью рекомендаций в режиме реального времени, отчетов с обратной связью и ценных профилей потребителей.Разработка индивидуального учебного контента для сотрудников в зависимости от их роли и результатов работы.Обеспечение самообслуживание и автоматизация задач поддержки (например, тикеты HR, учет больших документов, обзор юридических документов).

Вместо того чтобы полагаться только на отчеты о тенденциях и анализ рынка для разработки дизайна коллекции следующего сезона, как розничные продавцы одежды массового спроса, так и креативные директора брендов класса люкс могут использовать генеративный ИИ для анализа различных типов неструктурированных данных в режиме реального времени. Генеративный ИИ может, например, быстро собрать и провести анализ настроений из видеороликов в социальных сетях или смоделировать тенденции из нескольких источников потребительских данных.

Креативные директора и их команды могут вводить эскизы и желаемые детали - например, ткани, цветовую палитру и узоры - в платформу на базе генеративного ИИ, которая автоматически создает множество вариантов дизайна, позволяя дизайнерам играть с огромным разнообразием стилей и образов. Затем команда может разработать новые вещи на основе этих результатов, привнося в каждый образ фирменный штрих модного дома. Это открывает возможности для создания инновационных, лимитированных выпусков продукции, которые также могут быть сотрудничеством между двумя брендами. Такие продукты, как очки, могут быть разработаны для отдельных людей с помощью технологии распознавания лиц на основе генеративного ИИ для сканирования рельефа лица и адаптации к размерам и стилевым предпочтениям клиента.

Этот сценарий стал реальностью в декабре 2022 года, когда группа гонконгских модельеров из Лаборатории искусственного интеллекта в дизайне (AiDLab) провела показ мод с использованием генеративного ИИ. Используя инструменты таких технологических компаний, как Cala, Designovel и Fashable, модельеры уже используют возможности генеративного ИИ, чтобы зародить новые идеи, попробовать множество вариантов дизайна без необходимости изготовления дорогостоящих образцов и значительно ускорить свои процессы. (Для косметических компаний генеративный ИИ также дает возможность брендам определять новые формулы продуктов, что потенциально помогает сократить расходы на лабораторные испытания).

Руководители и агентства по маркетингу могут использовать генеративный ИИ для мозгового штурма стратегий кампаний, контента продуктовых кампаний и даже виртуальных аватаров для каждого маркетингового канала - и делать это быстро.

Золото маркетинга часто может быть игрой чисел. Вспомните TikTok: на этой платформе нет единой формулы победы, чтобы стать вирусным. Наоборот, чем больше вы производите, тем выше ваши шансы стать трендовой темой, повысить узнаваемость бренда и увеличить продажи. Привлечение видеоплатформы на базе генеративного ИИ для создания коротких видеороликов для TikTok или других социальных медиаплатформ может помочь сэкономить время и затраты, связанные с созданием контента для социальных медиа. Генеративный ИИ может распознавать закономерности и тенденции в вирусном контенте и создавать новый контент, который также следует спецификациям маркетолога.

Эти упражнения могут помочь внутренним маркетинговым командам справиться со своей рабочей нагрузкой и снизить зависимость от передачи работы на аутсорсинг креативным агентствам. Однако маркетологам следует быть осторожными с таким подходом: попытки привлечь внимание потребителей, копируя то, что сделали другие бренды, могут свести на нет уникальную индивидуальность и ценностное предложение, на создание которых бренд потратил годы.

Генеративный ИИ также может применяться для персонализированных коммуникаций с клиентами. По данным исследования McKinsey, компании, которые преуспели в персонализации, увеличивают доходы на 40% по сравнению с компаниями, которые не используют персонализацию.4

Несколько стартапов - CopyAI, Jasper AI и Writesonic, и это лишь некоторые из них, - помогают внедрять масштабный персонализированный маркетинг с помощью генеративного ИИ. При использовании этих инструментов ежедневные задачи маркетолога могут выглядеть следующим образом: он может выбрать тип контента, который он хочет создать, будь то электронное письмо, длинный пост в блоге или что-то еще; добавить подсказку, описывающую, что он ищет; указать целевую аудиторию и другие параметры, например, тон, которые помогут создать маркетинговые коммуникации, соответствующие бренду. Затем инструмент искусственного интеллекта предлагает несколько вариантов, из которых маркетолог может сделать выбор.

Эти инструменты наиболее полезны при применении к маркетинговым каналам с более низкой воронкой (те, которые в основном используются для стимулирования конверсии продаж), в отличие от более престижных коммуникаций, направленных на создание бренда. Маркетологи по-прежнему должны подсказывать и редактировать работу.

Сегодняшние чаты на основе генеративного ИИ, которые используют более мощную обработку естественного языка для лучшего понимания людей и взаимодействия с ними, уже являются заметным улучшением по сравнению с существующими чатами ИИ. Тем не менее, (пока) не существует надежного чат-бота с генеративным искусственным интеллектом для бизнеса — текущие чат-боты и другие инструменты для генерации текста все еще время от времени допускают ошибки, которые могут привести к серьезным проблемам с обслуживанием клиентов. Однако в конечном итоге эта технология может помочь агентам службы поддержки клиентов передавать сложные запросы на аутсорсинг, например, используя чат-ботов для предоставления персонализированных ответов на многих языках.

Сегодня существуют сервисы, которые назначают бренду «представителя» генеративного ИИ для обработки запросов обслуживания клиентов по электронной почте, чату, текстовым сообщениям и на собственных платформах бренда. Эти услуги помогают сократить время ожидания обслуживания клиентов и улучшить время отклика.

Агенты с генеративным искусственным интеллектом также могут обслуживать люксовые бренды, особенно когда речь идет о «клиентелинге» — стратегии розничной торговли, в соответствии с которой продавцы развивают долгосрочные отношения с самыми высокооплачиваемыми клиентами бренда, чтобы поощрять покупки и повышать лояльность к бренду. (Например, в бутиках класса люкс, где покупки совершаются только по предварительной записи, коэффициент конверсии продаж может достигать 60-70%). Этот процесс остается в некоторой степени аналоговым и ручным, полагаясь на торговых агентов брендов, которые обращаются к клиентам через различные платформы обмена сообщениями или смс, и ограничивается только тем временем, когда эти агенты работают. Инструменты на базе генеративного ИИ могут поддерживать разговор или давать рекомендации по стилю после того, как покупатель покидает магазин, обучать продавцов, как взаимодействовать с покупателями, персонализировать коммуникации для конкретных клиентов, анализировать профили потребителей и онлайн-взаимодействие в режиме реального времени.

В июле 2022 года компания Stitch Fix, занимающаяся розничной продажей одежды, заявила, что экспериментирует с GPT-3 и DALL-E 2, генератором ИИ "текст-изображение", чтобы увеличить продажи и повысить удовлетворенность клиентов за счет улучшения качества услуг стилистов. Эти генеративные модели тестируются, чтобы помочь стилистам быстро и точно интерпретировать большое количество отзывов клиентов и подбирать товары, которые клиенты охотнее покупают. Например, инструмент ИИ может анализировать все отзывы клиентов, которые могут включать сотни текстовых комментариев, запросы по электронной почте, оценки продукции и сообщения в Интернете. Если клиент регулярно комментирует, например, "отличную посадку" и "забавный цвет" брюк определенного фасона, DALL-E может сгенерировать изображения похожих брюк, которые клиент, скорее всего, захочет приобрести. Затем стилист может найти похожие вещи в каталоге Stitch Fix и порекомендовать их клиенту.

Виртуальные примерки - еще один пример того, как генеративный ИИ может улучшить продажи и потребительский опыт. Парижская компания Veesual обеспечивает интеграцию виртуальных примерок для модных брендов электронной коммерции, то есть клиенты могут выбрать модель и примерить одежду.

Какой бы интересной ни была технология генеративного ИИ, компаниям все же стоит проявлять осторожность, прежде чем полностью доверить генеративному ИИ выполнение своих основных задач. Но пренебрежение изучением возможностей, которые открывает эта технология, может быть не менее рискованным, учитывая темпы ее развития и взрывной рост пользовательской базы. Руководители могут уже сейчас начать думать о том, как их компании могут использовать генеративный ИИ. Для этого руководители могут предпринять несколько шагов.

Руководители индустрии моды должны определить, где генеративный ИИ может принести наибольшую пользу их бизнесу. Начните с определения того, в каких областях - креативный дизайн, мерчандайзинг, подиумные кампании или работа с клиентами - генеративный ИИ может принести наибольшую пользу. Затем руководители могут расставить приоритеты в отношении вариантов использования генеративного ИИ, которые они должны реализовать, исходя из степени влияния этих вариантов на их бизнес. Некоторые показатели влияния включают повышение уровня удовлетворенности клиентов и сокращение времени ожидания обслуживания клиентов.

После определения ценности следует также определить приоритетность вариантов использования в зависимости от того, насколько они осуществимы; определение того, насколько легко можно использовать генеративный ИИ, зависит от таких факторов, как технические навыки команды. После этого команды должны составить краткосрочную дорожную карту для тестирования и проверки этих вариантов использования. В то же время они могут рассмотреть и долгосрочные цели, например, как создать платформу генеративного дизайна, которую дизайнеры смогут обновлять и использовать в каждом сезоне.

Может быть заманчиво немного поразвлечься с генеративным ИИ, но использование его возможностей потребует дополнительного усердия. Руководители индустрии моды должны целенаправленно создавать инструменты, способные принести пользу, а не экспериментировать с существующими инструментами без разбора.

В предыдущей статье мы перечислили некоторые риски использования генеративного ИИ. Один из них заключается в том, что юридические параметры использования генеративного ИИ все еще находятся в стадии согласования. Дизайнеров иногда критикуют за создание производных работ и подражание дизайну. Вопрос о том, кому принадлежит интеллектуальная собственность и творческие права на произведения, созданные ИИ, которые могут быть основаны на мультимодальных источниках данных, таких как прошлые коллекции других дизайнеров, будет решаться в каждом конкретном случае, пока не будет создан убедительный юридический прецедент. (Хотя это и не связано с генеративным ИИ, громкая битва между Hermès и художником Мейсоном Ротшильдом вокруг NFT MetaBirkin, в которой судья постановил, что NFT нарушают торговую марку Hermès, показывает, как модные бренды могут оказаться втянутыми в юридическую путаницу при появлении новых технологий).

Еще один риск - предвзятость и справедливость в системах генеративного ИИ, особенно в отношении предвзятых наборов данных, что может создать репутационные проблемы для брендов, которые полагаются на эту технологию. Например, если инструмент, генерирующий изображения, создает рекламную кампанию с неуместными или оскорбительными изображениями, которые затем распространяются по всему миру, репутация бренда может пострадать. И если в попытке устранить ущерб компания будет указывать пальцем на искусственный интеллект, это мало поможет успокоить гнев потребителей.

Существует также риск того, что сотрудники, использующие генеративный ИИ, не полностью осознают его недостатки и могут не проверить ошибки, вносимые технологией. В этом случае предприятия должны регулярно обучать сотрудников и предоставлять им ресурсы, необходимые для понимания того, как использовать технологию.

Хотя риски неизбежны, руководители компаний могут уменьшить их потенциальное влияние, создав процесс для решения вопросов риска, этики и обеспечения качества.

Инструменты генеративного ИИ могут повысить ценность множества различных областей бизнеса, поэтому важно обучать и тренировать сотрудников, включая дизайнеров, маркетологов, продавцов и представителей службы поддержки клиентов, использованию этой технологии.

Некоторые компании уже ввели обучение, ориентированное на ИИ. Например, компания Levi Strauss запустила в 2021 году учебный лагерь машинного обучения, чтобы обучить сотрудников, не являющихся специалистами в области технологий, тому, как использовать машинное обучение в процессе проектирования. Сотрудники, прошедшие программу, создают новые инструменты ИИ, которые имеют отношение к их работе. Одна из целей программы Levi's - увеличить разнообразие сотрудников, обладающих техническими знаниями, чтобы компания могла обнаружить проблемы, которые сотрудники с традиционным технологическим образованием могли бы не заметить. Программа также помогает командам с разной специализацией - например, командам дизайнеров и инженеров - лучше общаться и находить общий язык. Кроме того, компания Levi's обнаружила, что программа помогает повысить уровень удержания сотрудников.

С появлением сотрудников, обладающих искусственным интеллектом, сотрудничество приобретет новое значение. Руководителям следует задуматься: Как мы определим обязанности и будем коллективно работать между техническими и нетехническими ролями? Команды дизайнеров и разработчиков программного обеспечения могут проводить еженедельные совещания руководства для разработки стратегий квартальных дорожных карт и рабочих сессий между командами. Ведущие дизайнеры могут поделиться своими потребностями в определенных знаниях и инструментах (например, в инструменте, который генерирует варианты дизайна на основе эскиза), в то время как инженерные команды предоставляют эти инструменты.

Предприятиям индустрии моды, несомненно, придется инвестировать в свой персонал, когда дело дойдет до использования генеративного ИИ, но им не придется самостоятельно создавать приложения или базовые модели. Вместо этого руководители модных компаний могут сотрудничать с компаниями и экспертами в области генеративного ИИ, чтобы быстро продвигаться вперед. Руководитель отдела моды может сотрудничать с компанией (например, Microsoft или OpenAI), которая предоставляет новые технологии, или с партнером, который предоставляет вспомогательные возможности (например, облачные вычисления или API).

В статье использованы материалы исследований отчётов McKinsey & Company