McKinsey: l'IA generativa potrebbe aggiungere 150-275 miliardi di dollari ai profitti della moda in 3-5 anni

L'intelligenza artificiale generativa potrebbe aggiungere tra 150 miliardi e 275 miliardi di dollari al profitto operativo dell'industria della moda globale entro i prossimi tre-cinque anni, secondo le proiezioni pubblicate da McKinsey e The Business of Fashion nel loro rapporto State of Fashion 2025. La previsione riflette guadagni di produttività e nuove opportunità di ricavi concentrate in design, marketing, merchandising e coinvolgimento dei clienti, sebbene l'acquisizione di valore sia prevista a favore dei grandi operatori con la scala e l'infrastruttura tecnica per integrare la tecnologia rapidamente.

Quali casi d'uso genereranno i maggiori guadagni di profitto?

Il rapporto identifica cinque domini principali in cui si prevede che l'intelligenza artificiale generativa produca un impatto misurabile. Design e sviluppo prodotto guidano l'elenco, con strumenti che accelerano l'ideazione, la generazione di pattern e le specifiche tecniche, comprimendo i cicli di sviluppo e riducendo i costi dei campioni. Marketing e creazione di contenuti seguono da vicino, dove la generazione di testo-immagine e video può ridurre i budget di produzione e abilitare la personalizzazione su larga scala. Le applicazioni di merchandising e previsione della domanda utilizzano modelli generativi per migliorare la pianificazione dell'assortimento e l'allocazione dell'inventario, riducendo gli sconti e le rotture di stock.

Il servizio clienti e il coinvolgimento rappresentano una quarta categoria, con l'IA conversazionale che gestisce richieste di routine, raccomandazioni di stile e elaborazione dei resi. Infine, le funzioni di supply chain e sourcing stanno applicando modelli generativi per ottimizzare la selezione dei materiali, l'abbinamento dei fornitori e la programmazione della produzione. In questi domini, la tecnologia è valutata meno per la novità che per il suo potenziale di automatizzare compiti ripetitivi, sintetizzare grandi dataset e generare opzioni rapidamente.

Chi è posizionato per acquisire il valore?

L'analisi di McKinsey suggerisce che la concentrazione di valore sarà pronunciata. Grandi marchi e rivenditori con infrastrutture di dati consolidate, team tecnici interni e il capitale per licenziare o costruire modelli proprietari sono previsti per acquisire una quota sproporzionata dei guadagni previsti. La scala conta perché le applicazioni di IA generativa migliorano con il volume di dati di addestramento, e perché l'integrazione richiede investimenti sostenuti in sistemi, flussi di lavoro e gestione del cambiamento.

Gli operatori di medio mercato e più piccoli affrontano svantaggi strutturali. Tipicamente mancano della cronologia delle transazioni, dei dati dei clienti e delle relazioni con i fornitori che alimentano modelli efficaci, e devono fare affidamento su piattaforme di terze parti o fornitori di software-as-a-service i cui strumenti potrebbero non differenziare le loro offerte in mercati competitivi. Il rapporto avverte che il divario di produttività tra leader e ritardatari potrebbe allargarsi, con implicazioni per il consolidamento del mercato e le dinamiche competitive nel medio termine.

Quali sono le principali barriere all'adozione?

Nonostante le previsioni ottimistiche, McKinsey identifica diversi punti di attrito. La complessità di integrazione si colloca in alto, poiché le aziende di moda devono connettere gli strumenti di IA generativa con sistemi legacy di pianificazione delle risorse aziendali, gestione del ciclo di vita del prodotto e relazioni con i clienti, molti dei quali non sono stati progettati per lo scambio di dati in tempo reale. La carenza di talenti limita anche l'implementazione, con una concorrenza feroce per ingegneri e data scientist che comprendono sia la tecnologia che i requisiti del settore della moda.

Le preoccupazioni relative al marchio e alla creatività presentano una terza barriera. I dirigenti esprimono cautela riguardo all'eccessiva dipendenza dall'output algoritmico nel design e nel marketing, temendo l'omologazione e la perdita della voce creativa. Le questioni di proprietà intellettuale rimangono irrisolte, in particolare riguardo alla proprietà dei design generati dall'IA e all'uso di immagini protette da copyright nei dataset di addestramento. L'incertezza normativa, specialmente nell'Unione Europea, aggiunge un ulteriore livello di esitazione per le aziende che pianificano investimenti pluriennali.

Come si confronta questo con i precedenti cicli tecnologici?

La stima di 150-275 miliardi di dollari di profitto operativo è sostanziale nel contesto storico. In confronto, le precedenti ondate di trasformazione digitale nella moda, incluse le piattaforme di e-commerce negli anni 2000 e il commercio mobile negli anni 2010, hanno fornito valore più gradualmente e con meno concentrazione. L'IA generativa differisce per l'ampiezza dell'applicazione e la velocità con cui i principali utilizzatori possono scalare, abilitati dall'infrastruttura cloud e dai modelli fondamentali pre-addestrati.

Tuttavia, l'intervallo della previsione riflette un'incertezza significativa. Il limite inferiore assume un'adozione più lenta, venti contrari normativi e successo di integrazione limitato. Il limite superiore richiede un'implementazione diffusa, guadagni di produttività sostenuti e monetizzazione riuscita di nuove capacità come raccomandazioni di prodotti iper-personalizzate e prezzi dinamici. La metodologia di McKinsey non è completamente divulgata nel sommario pubblico, rendendo difficile la verifica indipendente, ma il track record della società nelle valutazioni dell'impatto tecnologico conferisce peso alla stima.

Cosa dovrebbero dare priorità ora i dirigenti della moda?

Il rapporto consiglia un approccio graduale. I dirigenti sono incoraggiati a iniziare con progetti pilota contenuti in domini ad alto impatto e basso rischio come la generazione di asset di marketing o l'automazione del servizio clienti, dove un ROI misurabile può essere dimostrato rapidamente. I progetti pilota di successo dovrebbero quindi informare roadmap di integrazione più ampie, con budget dedicati per infrastrutture di dati, sviluppo API e formazione del personale.

Le questioni strategiche si concentrano sulle decisioni di costruire o acquistare. I gruppi più grandi possono giustificare l'investimento in modelli proprietari addestrati sui propri dati, mentre i player più piccoli faranno probabilmente affidamento su piattaforme commerciali. In entrambi i casi, i framework di governance per il controllo di qualità, il monitoraggio dei bias e la gestione della proprietà intellettuale sono essenziali. Il vantaggio competitivo, suggerisce McKinsey, non verrà dalla tecnologia stessa ma da quanto efficacemente viene incorporata nei processi decisionali e nei flussi di lavoro creativi.

• Testare l'IA generativa nel marketing, design o servizio clienti prima di scalare
• Investire in infrastrutture di dati e connettività API per abilitare l'integrazione
• Costruire framework di governance per gestione di proprietà intellettuale, qualità e bias
• Valutare costruire o acquistare in base a scala, asset di dati e capacità tecnica
• Monitorare gli sviluppi normativi, specialmente nell'UE e negli USA

Le proiezioni di State of Fashion 2025 arrivano mentre le aziende di moda affrontano pressione sui margini da costi di input in aumento, spesa dei consumatori in cambiamento e frammentazione dei canali. L'IA generativa è presentata come una leva per ripristinare la redditività, ma il rapporto rende chiaro che realizzare i guadagni previsti richiederà un'esecuzione disciplinata, investimenti sostenuti e la volontà di ristrutturare i flussi di lavoro creativi e operativi attorno alle nuove capacità.