Capi 3D e immagini generate dall'IA possono sostituire gli shooting per l'e-commerce nel 2026?

In parte, e più velocemente di quanto molti si aspettassero. Nel 2026 grandi retailer online come Zalando e About You dichiarano di aver sostituito la maggior parte della fotografia di prodotto in studio con immagini generate dall'IA, con About You che indica una riduzione della spesa di circa il 90 percento. Ma il sostituto è per lo più l'IA generativa che lavora a partire da foto reali del prodotto, non capi 3D basati sulla fisica. Il 3D conta ancora dove un'immagine deve mostrare con precisione un prodotto prima che esista, ed entrambi gli approcci sollevano questioni di accuratezza, lavoro e diritto.

Che cosa è cambiato nelle immagini per l'e-commerce dal 2025?

Le evidenze più chiare arrivano dalle grandi piattaforme. Nel marzo 2026 FashionUnited ha riferito che nel 2025 Zalando ha portato i propri contenuti di prodotto generati dall'IA da quasi zero al 90 percento nell'arco di un anno, ha ridotto i tempi di creazione delle campagne da sei settimane a pochi giorni e ha aumentato del 70 percento il numero di contenuti. Al Partner Day di Zalando del settembre 2026, WWD ha riferito che About You ha ridotto di circa il 90 percento la spesa per la presentazione dei prodotti utilizzando l'IA generativa al posto della fotografia, risparmiando circa 6 milioni di euro su un budget di circa 7 milioni di euro l'anno.

WWD ha inoltre riferito che Zalando e About You hanno entrambi eliminato quasi completamente gli studi dedicati che gestivano in precedenza per i contenuti e le foto di prodotto in stile catalogo. Secondo Tarek Mueller di About You, il lavoro era iniziato circa 18 mesi prima, e una svolta avvenuta circa sei mesi prima dell'evento ha fatto sì che l'IA non solo riducesse i costi ma aumentasse anche la conversione. I contenuti con talent reali, come l'ambassador del brand Zalando, sono stati indicati come una delle poche aree in cui l'IA non viene utilizzata.

Si tratta di 3D o di IA generativa?

La distinzione conta per la pianificazione. I capi 3D basati sulla fisica sono costruiti a partire da cartamodelli e tessuti digitali misurati e simulano vestibilità e cadenza. Le immagini generate dall'IA generativa partono tipicamente da foto del prodotto reale e lo collocano su modelli, pose o sfondi che non sono mai stati fotografati insieme. Il confine si sta sfumando man mano che i software di sviluppo prodotto aggiungono la generazione di immagini: AI Studio di Centric Software, lanciato nel maggio 2026, crea immagini pronte per il commerce collegate ai dati di prodotto aggiornati del PLM e ai flussi di approvazione. Per gli acquirenti la domanda utile è meno quale tecnica venga utilizzata e più da che cosa derivi ciascuna immagine, e se tale fonte sia una versione di prodotto approvata.

Questa tracciabilità è ciò che distingue una pipeline di contenuti operativa dagli esperimenti. Un'immagine generata dalla foto di un campione di pre-produzione, o da un file 3D modificato in seguito, può mostrare dettagli che non esistono più nel prodotto finale.

Leggi anche

Quanto fa davvero risparmiare la campionatura 3D? Costi dei campioni, lead time e CO2

Dove hanno ancora senso i capi 3D per le immagini?

• Pre-lancio e pre-order: mostrare i modelli nelle line sheet wholesale o nelle pagine di pre-order prima che esistano campioni di produzione.
• Moltiplicazione delle varianti colore: renderizzare ogni colore di un modello da un unico capo 3D invece di fotografarli tutti.
• Viste dei dettagli tecnici: primi piani coerenti, viste con manichino invisibile o viste rotanti generati dallo stesso file.
• Brand con una pratica 3D già esistente: dove i file 3D esistono già dallo sviluppo, riutilizzarli per le immagini ha un costo marginale basso.

Dove i prodotti vengono già fotografati per altri motivi, o dove texture e cadenza sono difficili da simulare (maglieria, tessuti trasparenti, decorazioni complesse), gli approcci generativi basati su foto reali sono attualmente più facili da scalare.

Quali sono i rischi della sostituzione degli shooting fotografici?

Il primo rischio è l'accuratezza. Un'immagine che modifica in modo sottile uno scollo, la scala di una stampa o un colore crea proprio quello scarto rispetto alle aspettative che genera i resi. Il controllo qualità dovrebbe confrontare le immagini generate con il prodotto approvato, verificando il colore rispetto a riferimenti fisici.

Il secondo riguarda le persone. L'approccio di H&M mostra una strada possibile: nel marzo 2025 ha annunciato l'intenzione di creare gemelli digitali di modelli e nel luglio 2025 ha pubblicato le prime immagini, lavorando insieme alla modella e al fotografo e descrivendo il processo come collaborativo e trasparente. I diritti sulle sembianze di un modello, il compenso e i posti di lavoro di fotografi, stylist e team di studio sono questioni reali che i brand devono affrontare apertamente.

Il terzo è la regolamentazione. In base all'articolo 50 dell'AI Act dell'UE, i fornitori di sistemi di IA generativa devono contrassegnare le immagini sintetiche prodotte in formato leggibile dalle macchine, con una scadenza al 2 dicembre 2026 per i sistemi già immessi sul mercato prima del 2 agosto 2026, e i contenuti che somigliano in modo apprezzabile a persone reali devono essere dichiarati come generati dall'IA. I brand dovrebbero chiarire con i fornitori degli strumenti come funziona la marcatura e quando è necessaria un'etichettatura sul sito.

Come dovrebbero valutare i brand il ritorno sull'investimento?

Il lato dei costi è il più facile da misurare: costi di studio, campioni, modelli e post-produzione per modello rispetto ai costi di strumenti, calcolo e revisione. Il lato dei ricavi richiede test controllati, perché gli effetti sulla conversione riportati dalle grandi piattaforme potrebbero non valere per brand più piccoli con un traffico diverso. Un business case sobrio comprende:

1. Costo attuale e tempi delle immagini per modello, per categoria.
2. Quota di modelli per cui le immagini generate superano il controllo qualità senza rilavorazioni.
3. Tassi di conversione e di reso delle immagini IA o 3D rispetto alla fotografia in test A/B.
4. Costi della governance: tempi di revisione, gestione dei diritti ed etichettatura.
5. Effetti sui partner wholesale, che potrebbero avere requisiti propri per le immagini.

Leggi anche

ROI dello showroom digitale: come costruire il business case su costi e sell-in

Che cosa dovrebbero fare ora i brand?

Iniziare da una categoria in cui i prodotti sono semplici e oggi ben fotografati, affiancare le immagini generate alle foto esistenti e misurare accuratezza, conversione e resi. Mantenere la fotografia reale per i contenuti di punta e per i prodotti in cui è la texture a vendere. E costruire la governance (consenso, etichettatura, approvazione) prima di scalare, non dopo.