Una dintre marile promisiuni ale tehnologiei este să permită comercianților să facă previziuni mult mai precise despre cât de mult să producă și în ce combinație de mărimi și culori.
Dar să știi ce vor dori consumatorii cu luni în avans nu este atât de simplu.
Dintre serviciile oferite clienților de către Sparkbox, o platformă de planificare a retailului axată pe AI, cel mai popular în prezent este serviciul care plasează comenzi rapide pe parcursul sezonului pentru produsele care se vând cel mai bine.
Un alt produs AI care capătă momentum folosește tehnologia pentru a optimiza prețurile.
Dintre produsele AI care încă nu au utilizatori este și previziunea cererii alimentată de AI pentru achizițiile inițiale, care prezice performanța unui produs cu săptămâni în avans: “Este ceva despre care mulți întreabă, dar nimeni nu vrea să facă primul pas”, a spus co-fondatorul Sparkbox, Lindsay Fisher.
Mărcile sunt încă sceptice cu privire la validitatea previziunilor AI, a spus ea, pentru că a lua decizii cu privire la achizițiile inițiale pe baza AI înseamnă premise clare și cuantificabile pe care să se poată baza modelelepentru a învăța, întâi de toate.
În prezent mulți se bazează încă pe intuiție. Previziunile avansate ale AI sunt încă o unealtă relativ nouă pentru modă și companiile nu au decis încă nivelul la care să se bazeze pe ele.
Mai mult, se confruntă cu faptul că achizițiile de modă sunt adesea conduse de emoție, de noutate și de forța produsului în sine, ceea ce înseamnă că vânzările anterioare, chiar și ale articolelor similare, sunt puncte de plecare nesigure. Cu toate acestea, comercianții umani trebuie să estimeze viitorul de fiecare dată când plasează comenzi inițiale de producție pentru hainele care le vor umple magazinele fizice și pe cele online.
Potrivit Boston Consulting Group, media afacerilor din industria modei operează cu termene de livrare de 37 până la 45 de săptămâni, ceea ce înseamnă că estimează fiecare stil, culoare și mărime pe care clienții le vor cumpăra cu până la 10 luni în avans. Estimările greșite se traduc prin pierderi de bani, care sunt și mai mari la articolele reduse și nevândute. În plus, crește și risipa.
În teorie, AI ar putea oferi previziuni mai precise decât metodele istorice, care combină modele matematice aplicate vânzărilor trecute și, poate, câteva variabile, cu instinctul pur. AI, în schimb, poate să preia mult mai multe date, de ordinea zecilor sau a sutelor de variabile, găsind relații și semnale neașteptate care permit previziuni mai bune. Dar nu toată lumea crede că AI este pregătită să preia complet rolul stabilirii achizițiilor inițiale: “Dacă încercați să preziceți viitorul, AI nu vă va ajuta”, a spus pentru BoF Ahmed Zaidi, co-fondator și director general al Hyran Technologies, o platformă de planificare și lanț de aprovizionare pentru modă. “AIeste probabil mai periculoasă decât ceea ce obișnuiam să facem înainte, pentru că se poziționează în a fi obiectivă.”
Limitele AI
Ceea ce este adesea omis în discuțiile despre AI, conform spuselor lui Zaidi, este faptul că este probabilistică. Prognozele ar trebui să vină cu marje de încredere, a spus el, deoarece o estimare ar putea avea doar 40%marjă de încredere.
Însă aceasta nu se întâmplă în mod obișnuit. Cercetătorii care au efectuat recent un sondaj asupra diferitelor metode de previzionare au remarcat că metodele AI pot fi dificil de implementat, că necesită multe date de înaltă calitate și că pot fi supuse idiosincraziilor precum “overfitting”, în care un model învață date irelevante în timpul antrenamentului său și nu poate face generalizări precise din datele noi. Este ca și cum sistemul ar învăța atât de bine performanța unei cămăși roșii, încât nu ar putea face predicții fiabile despre o nouă serie de cămăși similare.
Cercetătorii nu au comparat direct eficacitatea diferitelor metode, iar în acest stadiu orice metodă are provocări în a ghici cu precizie ce vor dori cumpărătorii peste câteva luni.
“Cu privire la planificarea achizițiilor inițiale, există mai multe variabile implicate, așa încât modelele de AI nu sunt utile în acest sens”, a spus Alex Ure, șeful diviziei de merchandising a Jaded London, care a avut un succesrăsunător la începutul anului, când Hailey Bieber a purtat la Coachella o pereche de pantaloni ai mărcii:”Întotdeauna va exista acel element de tendință și forță creativă pe care nu cred că o aplicație l-ar putea obține.”
Ure însăși a respins uneori achizițiile inițiale mai îndrăznețe pe care echipa creativă le-a susținut și s-a dovedit a fi luat decizie greșită, a recunoscut ea.
Jaded nu este împotriva AI. A început recent să folosească instrumentele Sparkbox pentru optimizarea prețurilor. S-ar putea să încerce și previziunile bazate pe AI pentru achizițiile inițiale la un moment dat, a adăugat Ure, dar acest moment nu a sosit încă.
În prezent, potrivit Business of Fashion, multe companii au început să folosească AI pentru a ajuta la achizițiile inițiale la nivel de categorie, dar nu și la nivel de mărime și culoare.
Însă există numeroase moduri în care companiile pot utiliza AI pentru previziuni în afara achizițiilor inițiale – un exemplu este rezervarea capacității de îndreptare cu fierul de călcat într-un centru de logistică. Când produsele ajung în depozitele europene din fabrici din Asia, adesea hainele trebuie călcate înainte de a putea fi expuse sau vândute. Companiile trebuie să rezerve dinainte această capacitate.
Optimizarea, în opoziție cu previziunea, este zona în care strălucește AI, în opinia lui Zaidi. AI folosește, așadar, mai degrabă la decizia de alocare a produselor la diferite magazine sau la determinarea celei mai bune decizii de producție dintr-o serie de scenarii diferite.
Tehnologia este o unealtă puternică care permite brandurilor să actualizeze constant scenariile pe care se bazează previziunile lor, ceea ce înseamnă mai puțin a prezice cererea și mai mult a permite brandurilor să se adapteze rapid la informații noi, pe măsură ce acestea apar.
Pentru a funcționa în acest fel, este necesară flexibilitatea în lanțul de aprovizionare, și acest lucru rămâne o prioritate-cheie pentru numeroase companii. Cu cât este mai scurt timpul de aprovizionare, cu atât AI este mai bine echipat să răspundă comportamentului real al cumpărătorilor în loc să se bazeze pe previziuni îndepărtate.
Cu toate acestea, la un moment dat, cineva – sau ceva – va trebui să ia o decizie: oamenii, arta, știința – cum le pui împreună?