Definizioni chiare dei termini che plasmano wholesale, retail, tecnologia e sostenibilità nella moda.
Rappresentante commerciale indipendente che vende la collezione di un brand ai retailer di un territorio in cambio di una provvigione.
Gli agenti rappresentano di solito più brand non concorrenti e gestiscono showroom propri. Apportano relazioni consolidate con i rivenditori locali, il che aiuta i brand a entrare in nuovi mercati senza costruire un proprio team commerciale. L'agente raccoglie gli ordini, ma è il brand a fatturare e spedire direttamente al retailer.
Sistema di IA in grado di pianificare ed eseguire attività in più passaggi, utilizzando strumenti e dati, con istruzioni umane limitate.
Nella moda, un agente IA potrebbe monitorare il sell-through di un retailer, proporre re-order e predisporre l'ordine in un portale B2B per l'approvazione da parte di un buyer. Gli agenti combinano tipicamente un modello linguistico con l'accesso ai sistemi aziendali tramite API. Autorizzazioni chiare e revisione umana sono salvaguardie importanti.
Il regolamento dell'Unione europea sull'intelligenza artificiale, che stabilisce obblighi in base al livello di rischio di un sistema di IA.
L'AI Act vieta determinate pratiche, impone requisiti rigorosi ai sistemi ad alto rischio e stabilisce regole di trasparenza per elementi come chatbot e media sintetici. Si applica per fasi e riguarda le aziende che immettono l'IA sul mercato dell'UE o la utilizzano al suo interno, compresi i brand extra UE. Le aziende della moda dovrebbero mappare i propri utilizzi dell'IA, dagli strumenti di selezione del personale alle immagini generate, rispetto alle sue categorie.
Situazione in cui un modello di IA generativa produce contenuti plausibili ma falsi o non supportati.
I modelli linguistici generano testo probabile, non fatti verificati. Un assistente interpellato sulla composizione fibrosa di un modello potrebbe inventare una percentuale se il dato manca. Grounding, guardrail e revisione umana riducono il rischio, soprattutto per le informazioni regolamentate come le etichette di manutenzione o i passaporti di prodotto.
Utilizzo di dati e di modelli statistici o di machine learning per stimare ciò che probabilmente accadrà.
L'analisi predittiva risponde a domande come quali clienti ridurranno probabilmente i propri ordini o quali modelli verranno probabilmente resi. Un team commerciale potrebbe utilizzare questi punteggi per stabilire le priorità delle chiamate prima di una campagna vendite. Le previsioni sono probabilità, non certezze, e vanno lette nel loro contesto.
Analisi che raccomanda azioni specifiche, spesso ponderando i risultati previsti rispetto a obiettivi e vincoli.
Se l'analisi predittiva indica che cosa potrebbe accadere, l'analisi prescrittiva suggerisce come intervenire. Potrebbe raccomandare la tempistica di ribasso che bilancia al meglio margine e sell-through, o come ripartire una produzione limitata tra i key account. Le raccomandazioni si basano sulle regole e sugli obiettivi di business integrati nel modello.
Individuazione di dati o eventi che si discostano nettamente dagli schemi abituali, come ordini insoliti o errori.
L'anomaly detection aiuta a individuare tempestivamente i problemi. Può segnalare un riordino pari a dieci volte la quantità abituale di un retailer, un improvviso picco di resi per una taglia o un file EDI con prezzi non plausibili. I casi segnalati vengono di solito esaminati da una persona anziché bloccati automaticamente.
Application Programming Interface: modalità definita con cui i sistemi software scambiano dati e attivano funzioni in modo automatico.
Le API consentono a un portale B2B di leggere lo stock in tempo reale dall'ERP o di restituire gli ordini confermati senza esportazioni e importazioni manuali. Sono anche alla base della maggior parte delle integrazioni con marketplace e retailer. Rispetto allo scambio basato su file, le API consentono flussi di dati quasi in tempo reale.
Advance Shipping Notice: messaggio elettronico che comunica a un retailer che cosa viene spedito, in quali colli e quando arriverà.
L'ASN viene inviato prima dell'arrivo della merce, in modo che il magazzino ricevente possa pianificare il personale e controllare rapidamente le consegne. Quando si scansiona il codice a barre di un collo, il contenuto viene confrontato con l'ASN anziché essere contato a mano. ASN inaccurati possono comportare addebiti da parte del retailer.
La gamma di prodotti offerta da un retailer o da un brand, definita per categorie, modelli, colori, taglie e fasce di prezzo.
La pianificazione dell'assortimento bilancia ampiezza (quanti modelli diversi) e profondità (quante unità per modello). Un flagship store potrebbe trattare l'intero assortimento mentre un partner più piccolo ne prende una selezione curata. Un buon assortimento riflette il cliente target, il formato del negozio e la stagione.
Distorsione sistematica negli output dell'IA, spesso causata da dati di addestramento sbilanciati o da scelte di progettazione.
Il bias può emergere quando un modello riflette lacune o stereotipi presenti nei dati. Un generatore di immagini potrebbe proporre per impostazione predefinita una gamma ristretta di corporature o carnagioni, e uno strumento di raccomandazione delle taglie potrebbe funzionare peggio per le taglie meno comuni. Dati diversificati, test su gruppi diversi e revisione umana contribuiscono a ridurlo.
La funzione responsabile della selezione dei prodotti e dell'invio degli ordini a brand e fornitori per un'azienda retail.
I buyer frequentano showroom e fiere, valutano le collezioni e negoziano prezzi, minimi e finestre di consegna. Lavorano entro budget definiti con il merchandising, spesso espressi come open-to-buy. Le scelte di un buyer determinano in gran parte ciò che i clienti vedranno in negozio ogni stagione.
Piccola collezione mirata, costruita attorno a un tema, una collaborazione o un'occasione, venduta accanto alla linea principale.
Le capsule consentono ai brand di testare idee, rispondere alle tendenze o collaborare con designer senza impegnarsi in una collezione completa. Un brand potrebbe lanciare una capsule di dieci capi per il periodo delle feste. Poiché i volumi sono ridotti, le capsule hanno spesso un sell-through rapido e attirano l'attenzione dei media.
Modello che prosegue invariato, o con aggiornamenti minimi, da una stagione alla successiva.
I carry-over offrono continuità ai retailer e riducono i costi di sviluppo per il brand. Un pantalone best seller potrebbe essere riproposto per diverse stagioni, magari in nuove varianti colore. I carry-over si collocano tra gli articoli moda stagionali e i prodotti NOS permanenti.
Approccio che mantiene in uso prodotti e materiali il più a lungo possibile attraverso durabilità, riparazione, riutilizzo e riciclo.
In un modello di moda circolare, una giacca viene progettata per durare, riparata quando si danneggia, rivenduta quando non è più desiderata e infine riciclata in nuova fibra. Ciò si contrappone a un modello lineare basato su estrazione, produzione e smaltimento. La circolarità richiede cambiamenti nel design, nei modelli di business e nelle infrastrutture.
Compito di machine learning che assegna ciascun elemento a una tra più categorie predefinite.
I modelli di classificazione rispondono a domande come 'è un abito, una gonna o un top?' oppure 'questo ordine rischia di essere annullato?'. L'assegnazione automatica di attributi alle immagini di prodotto è un uso comune della classificazione nella moda. Il suo equivalente per i valori numerici continui, come la previsione di una quantità venduta, si chiama regressione.
Metodo di machine learning che raggruppa elementi simili senza categorie predefinite.
Il clustering individua una struttura nei dati che nessuno ha etichettato in anticipo. Un brand potrebbe raggruppare i propri clienti retail in base al comportamento d'acquisto e scoprire gruppi come le boutique orientate ai trend e i department store focalizzati sul riassortimento. Questi gruppi possono poi orientare assortimento, condizioni e approccio commerciale.
Metodo di raccomandazione che suggerisce elementi in base alle scelte di utenti simili, anziché agli attributi di prodotto.
L'idea di fondo è che le persone che in passato hanno fatto scelte simili continueranno a farle. Se i retailer che hanno acquistato un determinato modello di maglieria tendevano a ordinare anche un certo pantalone, il sistema suggerirà quel pantalone a un nuovo acquirente della maglia. Il metodo ha difficoltà con i prodotti nuovi che nessuno ha ancora acquistato, il cosiddetto problema del cold start.
IA che interpreta immagini e video, ad esempio riconoscendo capi, colori, fantasie o difetti.
La computer vision comprende il riconoscimento delle immagini, che identifica ciò che un'immagine mostra, e compiti più dettagliati come la localizzazione degli elementi al suo interno. I brand la utilizzano per assegnare automaticamente alle foto prodotto attributi come scollo o lunghezza della manica. Nei magazzini può verificare che sia stato imballato l'articolo corretto.
Spazio all'interno di un negozio retail che un brand gestisce in proprio, occupandosi dello stock e spesso del personale, in cambio di una quota delle vendite.
Le concessioni sono diffuse nei department store, dove un brand gestisce un proprio spazio brandizzato nell'area vendita. Il brand controlla presentazione, prezzi e assortimento, mentre il negozio trattiene una commissione sul fatturato. Il modello offre ai brand più controllo rispetto al wholesale classico, ma anche più costi e rischi.
Metadati a prova di manomissione, basati sullo standard C2PA, che registrano chi ha creato un contenuto multimediale e se è stata utilizzata l'IA.
Le content credentials funzionano come un'etichetta di provenienza associata a un'immagine o a un video, che ne descrive origine e modifiche. Un brand può applicarle alle immagini delle campagne, in modo che retailer e media possano verificare l'autenticità dei file e vedere se è stata coinvolta l'IA. Sono spesso utilizzate insieme al watermarking invisibile, che inserisce un segnale nel contenuto stesso.
Accordo in cui un brand colloca lo stock presso un retailer ma ne mantiene la proprietà finché la merce non viene venduta ai consumatori.
Nel conto vendita il retailer paga solo ciò che vende e restituisce il resto, per cui il rischio di inventario resta in capo al brand. Può aiutare i nuovi brand a ottenere spazio espositivo presso rivenditori prudenti. I brand hanno bisogno di una buona visibilità sui dati di vendita del retailer per gestire lo stock in conto vendita.
Acquisto e vendita tramite dialogo, ad esempio chat, app di messaggistica o voce, spesso con il supporto di assistenti IA.
Il conversational commerce consente a un cliente o a un buyer di descrivere in linguaggio naturale ciò di cui ha bisogno. Un retailer potrebbe chiedere all'assistente di un brand 'tutte le giacche leggere consegnabili a marzo sotto un determinato prezzo wholesale' e ricevere una shortlist da ordinare. Dipende da dati di prodotto accurati e dall'integrazione con i sistemi di ordine e di stock.
Assistente IA integrato in uno strumento software che aiuta l'utente nelle attività, lasciandogli il controllo.
Un copilot suggerisce, redige o sintetizza, ma è la persona a decidere. In un sistema PLM un copilot potrebbe redigere la descrizione di una scheda tecnica; in un portale B2B potrebbe suggerire un ordine basato sugli acquisti precedenti di un negozio. Il termine descrive un modello di progettazione ed è usato in senso generico per molti prodotti.
La distribuzione pianificata delle unità tra le taglie per un modello, che riflette come varia tipicamente la domanda per taglia.
Anziché acquistare quantità uguali in ogni taglia, i buyer utilizzano curve taglie basate sulle vendite passate. Un negozio di abbigliamento donna potrebbe acquistare più taglie M che XS per un top in maglia. Una curva taglie poco adeguata lascia i negozi con scale taglie incomplete e taglie estreme invendute.
Archivio centrale che conserva grandi volumi di dati grezzi nei loro formati originali finché non servono.
Un data lake può raccogliere in un unico luogo esportazioni dai sistemi di cassa, log web, immagini e file dei fornitori senza doverli prima adattare a una struttura fissa. Questa flessibilità si presta alle sperimentazioni con l'IA, ma senza responsabilità e documentazione chiare può diventare disordinata. Molte aziende combinano un data lake con un data warehouse.
Database strutturato ottimizzato per reporting e analisi, che contiene dati puliti e integrati provenienti da più sistemi.
Un data warehouse riunisce in formati coerenti i dati dei sistemi ERP, e-commerce e wholesale. I report su sell-through, margine e rotazione delle scorte si basano tipicamente su di esso. È di solito la base affidabile sia per la business intelligence sia per molti modelli di previsione.
Database progettato per memorizzare embedding e trovare rapidamente gli elementi più simili a una query.
I database tradizionali cercano valori esatti; i database vettoriali cercano i vicini più prossimi. Un brand potrebbe memorizzare gli embedding di ogni modello del proprio archivio, così che i designer possano cercare 'silhouette simili a questo schizzo'. I database vettoriali sono un componente comune dei sistemi RAG.
Gli esempi da cui un modello apprende, come immagini di prodotto etichettate, storici degli ordini o testi.
Un modello può apprendere solo ciò che i dati di addestramento gli mostrano. Se un modello di ricerca visiva è stato addestrato soprattutto su foto di abbigliamento donna su sfondo bianco, potrebbe avere difficoltà con l'abbigliamento uomo fotografato su modelli all'aperto. I diritti di utilizzo di immagini e testi per l'addestramento sono una questione legale sempre più rilevante per brand ed editori.
I dati fondamentali e autorevoli che descrivono ciascun prodotto, come identificativi, attributi, taglie, prezzi e composizioni.
Dati master puliti sono il fondamento per EDI, marketplace, showroom digitali e rendicontazione di conformità. Errori come una composizione fibrosa sbagliata o un GTIN mancante si propagano a ogni sistema collegato. Molti brand nominano responsabili dei dati che governano la creazione e la manutenzione dei dati master.
Dati generati artificialmente che imitano gli schemi dei dati reali, utilizzati per addestrare o testare modelli.
I dati sintetici sono utili quando i dati reali sono scarsi, sensibili o costosi da raccogliere. Un team potrebbe generare immagini renderizzate di capi in molte varianti colore e pose per addestrare un modello di riconoscimento. Vanno verificati con attenzione, perché possono trasferire o amplificare i difetti dei dati o del modello che li ha prodotti.
Machine learning che utilizza reti neurali con molti strati per apprendere schemi complessi, in particolare in immagini, testi e audio.
Il deep learning è alla base della maggior parte dell'IA moderna per immagini e linguaggio. È ciò che consente a un sistema di distinguere un trench da un parka in una foto prodotto, o di redigere una descrizione di prodotto a partire da pochi attributi. Richiede di solito più dati e più potenza di calcolo rispetto ai metodi di machine learning più semplici.
Video, immagine o audio sintetico realistico che ritrae una persona mentre dice o fa qualcosa che non ha detto o fatto.
I deepfake comportano rischi di frode e di danno reputazionale, ad esempio un video falso in cui un designer o un manager promuove un prodotto. L'uso delle sembianze di una persona reale per contenuti generati dall'IA richiede il suo consenso e contratti chiari. L'AI Act dell'UE stabilisce obblighi di trasparenza per i contenuti deepfake.
Previsione a breve termine che utilizza segnali molto recenti, come le vendite giornaliere o il traffico web, per correggere le stime della domanda nel breve periodo.
Il demand sensing integra la previsione della domanda a più lungo termine. Se un modello inizia a vendere più rapidamente del previsto nella prima settimana, il demand sensing può segnalarlo con sufficiente anticipo da avviare un riassortimento o riallocare lo stock tra i punti vendita. Dipende da dati tempestivi e puliti provenienti dai sistemi di cassa e di e-commerce.
Rappresentazione virtuale di un prodotto, processo o luogo fisico, mantenuta sincronizzata con i dati del mondo reale.
Nella moda un digital twin può essere una versione 3D precisa di un capo, collegata ai suoi materiali e alle sue misure, oppure un modello di un magazzino o di una supply chain. Un brand può utilizzare il gemello digitale di un capo per la campionatura, le immagini e-commerce e i dati del passaporto di prodotto. Il valore deriva dal mantenerlo aggiornato man mano che l'articolo o il processo reale cambia.
Azienda che acquista i prodotti di un brand e li rivende ai retailer in un territorio definito, assumendosi i rischi di stock e di credito.
A differenza di un agente, il distributore possiede la merce e fattura direttamente ai retailer. I brand ricorrono spesso ai distributori per entrare in mercati lontani in cui logistica, lingua e normative locali sono complesse. Il compromesso è un margine più basso per il brand e un contatto meno diretto con i retailer.
Lancio di nuovi prodotti in negozio o online in un momento stabilito, spesso come una di più consegne all'interno di una stagione.
Suddividere una stagione in drop mantiene fresca l'area vendita e offre ai clienti motivi per tornare. Un brand potrebbe consegnare la collezione autunnale in tre drop tra luglio e ottobre. Alcuni brand utilizzano drop limitati per creare scarsità e urgenza attorno a prodotti specifici.
Electronic Data Interchange: lo scambio strutturato di documenti commerciali, come ordini e fatture, tra i sistemi aziendali.
L'EDI sostituisce carta ed email con formati di messaggio standard che i sistemi possono elaborare automaticamente. Un department store potrebbe inviare ordini di acquisto a un brand tramite EDI e ricevere in cambio documenti di trasporto e fatture. Molti grandi retailer richiedono ai propri fornitori la capacità di gestire l'EDI.
Rappresentazioni numeriche di testi, immagini o prodotti che collocano gli elementi simili vicini tra loro in uno spazio matematico.
Gli embedding consentono al software di misurare la somiglianza in base al significato anziché alle parole esatte. Un'immagine di prodotto e l'espressione 'giacca di jeans corta' possono essere convertite in embedding e abbinate anche se il titolo del prodotto dice qualcosa di diverso. Sono alla base della ricerca visiva, della RAG e di molti sistemi di raccomandazione.
Extended Producer Responsibility (responsabilità estesa del produttore): politica che rende i produttori responsabili della raccolta e del trattamento a fine vita dei prodotti che immettono sul mercato.
Nell'ambito dei regimi EPR per i tessili, brand e retailer pagano contributi in base al volume dei prodotti venduti in un paese. Il denaro finanzia raccolta, cernita, riutilizzo e riciclo. I contributi possono essere modulati per premiare i prodotti più durevoli o più facili da riciclare.
Enterprise Resource Planning: software gestionale centrale che gestisce finanza, ordini, inventario, acquisti e logistica.
Il sistema ERP è di solito l'unica fonte di verità per stock, prezzi e stato degli ordini in un'azienda della moda. Gli ordini wholesale raccolti in un'app per showroom o in un portale B2B vengono tipicamente trasferiti all'ERP per allocazione, spedizione e fatturazione. Gli ERP per la moda devono gestire matrici di modello, colore e taglia.
Ecodesign for Sustainable Products Regulation (regolamento sulla progettazione ecocompatibile dei prodotti sostenibili): il quadro UE che fissa requisiti di sostenibilità per i prodotti venduti nell'UE.
L'ESPR consente all'UE di fissare norme su durabilità, riciclabilità, contenuto riciclato e obblighi di informazione per gruppi di prodotti, tessili compresi. Introduce inoltre il passaporto digitale del prodotto e restrizioni alla distruzione dei prodotti di consumo invenduti. Le norme dettagliate per ciascun gruppo di prodotti sono fissate in atti di esecuzione separati.
Aggiunta di tag o annotazioni ai dati grezzi, ad esempio indicando le tipologie di capo nelle immagini, affinché i modelli possano apprendere da essi.
Il machine learning supervisionato richiede esempi etichettati. Qualcuno, o uno strumento con controlli umani, deve indicare quali foto mostrano uno scollo a V o quali motivi di reso riguardano la vestibilità. Regole di etichettatura coerenti sono fondamentali: se i team usano 'navy' e 'blu scuro' in modo intercambiabile, il modello apprende confusione.
Selezione e trasformazione di dati grezzi in input che aiutano un modello di machine learning a fare previsioni migliori.
Le feature sono le variabili utilizzate da un modello. Per un modello di previsione della domanda, le date d'ordine grezze potrebbero essere trasformate in feature come le settimane mancanti all'inizio della stagione, i periodi festivi o la quota di un modello già venduta. Le feature efficaci riflettono spesso le conoscenze di settore di buyer e merchandiser.
Ulteriore addestramento di un modello pre-addestrato su un dataset più piccolo e specifico, per adattarlo a un determinato compito, stile o lessico.
Il fine-tuning consente a un'azienda di adattare un modello generico senza addestrarne uno da zero. Un brand potrebbe applicare il fine-tuning a un modello linguistico sui propri testi di prodotto approvati, in modo che le descrizioni generate rispettino il suo tone of voice e la sua terminologia delle taglie. Modifica il modello stesso, a differenza della RAG, che fornisce informazioni al momento dell'utilizzo.
Il periodo concordato entro il quale un brand deve spedire la merce ordinata a un retailer.
Ogni ordine wholesale è legato a una finestra di consegna, ad esempio le prime due settimane di agosto per un drop autunnale. I retailer pianificano spazi espositivi e marketing in base a queste date. Le consegne in ritardo possono dare al retailer il diritto di annullare l'ordine o di chiedere uno sconto.
La quantità massima di testo, misurata in token, che un modello linguistico può considerare contemporaneamente.
Tutto ciò che si trova al di fuori della finestra di contesto è invisibile al modello durante quella richiesta. Un contratto lungo o il piano di assortimento di un'intera stagione potrebbero non rientrarvi, per cui i sistemi suddividono i documenti o utilizzano la RAG per selezionare le parti pertinenti. Finestre di contesto più ampie aiutano, ma non garantiscono che il modello utilizzi correttamente ogni dettaglio.
Grande modello di IA addestrato su dati ampi e adattabile a molti compiti, come un modello generico per il linguaggio o le immagini.
I foundation model sono costosi da sviluppare, per cui la maggior parte delle aziende utilizza modelli esistenti e li adatta. Un'azienda della moda potrebbe utilizzare lo stesso foundation model per copywriting, traduzione e customer service, ciascuno con prompt o fine-tuning diversi. Ai sensi dell'AI Act dell'UE, molti di questi modelli sono considerati IA per finalità generali.
Generative adversarial network (rete generativa avversaria): due reti neurali competono, una generando contenuti e l'altra valutandoli, finché gli output appaiono realistici.
Le GAN sono state uno dei primi metodi importanti per generare immagini realistiche, compresi volti e motivi tessili. Per la creazione di immagini sono state in larga parte superate dai modelli di diffusione, ma vengono ancora utilizzate in alcuni compiti specialistici. Sono inoltre associate alle prime tecniche di deepfake.
Utilizzo dell'IA per proporre numerose opzioni di design a partire da un brief o da vincoli, che i designer poi selezionano e perfezionano.
Il generative design sposta parte del lavoro del designer dal disegno alla direzione e alla rielaborazione. Un team potrebbe richiedere varianti di stampa entro una palette di colori o silhouette alternative per un modello continuativo. Titolarità, originalità e rischio di somiglianza con design esistenti richiedono particolare attenzione.
Generative engine optimisation: rendere i contenuti facili da trovare, comprendere e citare per gli assistenti IA e gli strumenti di ricerca basati sull'IA.
Man mano che le persone chiedono consiglio agli assistenti IA invece di scorrere i risultati di ricerca, brand ed editori vogliono comparire in quelle risposte. La GEO richiede contenuti chiari, fattuali e ben strutturati, dati di prodotto coerenti e fonti affidabili. La guida alle taglie di un brand, ad esempio, ha maggiori probabilità di essere utilizzata se è precisa e facile da interpretare.
Gross Margin Return on Inventory Investment: il margine lordo guadagnato per ogni unità di denaro investita nello stock medio.
Il GMROI combina redditività ed efficienza dello stock in un unico valore. Una categoria con un margine più basso ma che vende molto rapidamente può offrire un GMROI più elevato di una categoria ad alto margine che resta sugli scaffali. Buyer e merchandiser lo utilizzano per allocare il budget tra brand e categorie.
Le policy, i ruoli e i controlli con cui un'organizzazione gestisce la selezione, lo sviluppo, l'utilizzo e il monitoraggio dell'IA.
La governance dell'IA stabilisce chi può utilizzare quali strumenti, con quali dati, e chi risponde dei risultati. Un brand potrebbe tenere un inventario dei sistemi di IA, richiedere una revisione prima della pubblicazione di immagini generate dall'IA e definire regole per la condivisione dei dati dei clienti. Prepara inoltre l'azienda ai requisiti normativi come l'AI Act dell'UE.
General-purpose AI: ai sensi dell'AI Act dell'UE, modelli in grado di svolgere un'ampia gamma di compiti e di essere integrati in molti sistemi.
I fornitori di modelli GPAI hanno obblighi come la documentazione tecnica e la trasparenza sui contenuti utilizzati per l'addestramento. Un'azienda della moda che utilizza un modello per finalità generali tramite API è di norma un deployer anziché un fornitore, con obblighi più leggeri. Il fine-tuning o una modifica sostanziale di un modello può cambiare tale ruolo.
Collegamento dell'output di un modello di IA a fonti verificate, come i dati master di prodotto o documenti approvati.
Un sistema dotato di grounding risponde sulla base dei fatti forniti anziché di ciò che il modello ha appreso. Ad esempio, un assistente per il customer service è ancorato alle fonti quando cita la politica di reso dalle condizioni attualmente in vigore del brand. Il grounding opera di solito insieme alla RAG e alla citazione delle fonti.
Global Trade Item Number, spesso chiamato EAN in Europa: numero di codice a barre univoco che identifica una specifica variante di prodotto.
Ogni combinazione di modello, colore e taglia riceve il proprio GTIN, per cui una T-shirt in cinque taglie e tre colori richiede quindici numeri. I retailer scansionano i GTIN al ricevimento merci e in cassa. GTIN accurati sono essenziali per EDI, marketplace e tracciamento dell'inventario.
Regole e controlli tecnici che limitano ciò che un sistema di IA può dire o fare, per mantenere gli output sicuri, accurati e coerenti con il brand.
I guardrail possono bloccare determinati argomenti, imporre formati di output, limitare i dati a cui un assistente può accedere o richiedere un'approvazione per determinate azioni. A un assistente B2B potrebbe essere impedito di indicare prezzi diversi da quelli del listino del buyer. Riducono, ma non eliminano, il rischio di errori e usi impropri.
Architettura che separa il front end rivolto al cliente dal back end commerciale, collegandoli tramite API.
Con un'impostazione headless, un brand può riprogettare il proprio negozio online, aggiungere un'app o lanciare un nuovo punto di contatto senza ricostruire la logica di prezzi, stock e checkout. Lo stesso back end può servire front end per i consumatori e per il wholesale. L'approccio offre flessibilità ma richiede più lavoro di integrazione.
Impostazione in cui le persone esaminano, correggono o approvano gli output dell'IA in punti definiti, prima che abbiano effetto.
Mantenere l'essere umano nel ciclo bilancia automazione e responsabilità. Un'IA può redigere conferme d'ordine o descrizioni di prodotto, ma un membro del team le approva prima che arrivino ai retailer. È particolarmente importante quando gli errori sono costosi o quando la normativa richiede la supervisione umana.
IA che crea nuovi contenuti come testi, immagini, video o design sulla base di schemi appresi dai dati di addestramento.
Le aziende della moda utilizzano l'IA generativa per produrre immagini di prodotto su modelli virtuali, esplorare varianti di design e creare testi di marketing. Può accorciare i cicli creativi e ridurre i costi degli shooting fotografici. Restano importanti le questioni di proprietà intellettuale, trasparenza e controllo qualità.
IA in grado di elaborare e combinare più tipi di input o output, come testo, immagini, audio e video.
I modelli multimodali possono analizzare una foto prodotto e scriverne la descrizione, oppure partire da un brief testuale e produrre un'immagine. Un buyer potrebbe fotografare la vetrina di un concorrente e chiedere quali modelli della collezione attuale siano simili. Questa combinazione è particolarmente rilevante per la moda, dove gran parte delle informazioni è visiva.
Metodi che rendono comprensibile perché un sistema di IA ha prodotto un determinato output o una determinata decisione.
La spiegabilità crea fiducia e favorisce la responsabilità. Un planner accetterà più facilmente una previsione se il sistema mostra che l'aumento è stato determinato da una recente variazione di prezzo e da un forte sell-through iniziale. Alcune normative, tra cui parti dell'AI Act dell'UE, richiedono un certo grado di trasparenza sull'uso dell'IA.
Immagini create in tutto o in parte dall'IA generativa, come foto prodotto, foto con modelli o visual per le campagne.
I brand utilizzano immagini generate dall'IA per produrre sfondi lifestyle, mostrare i prodotti su modelli diversi o creare rapidamente visual di concept. Le immagini devono rappresentare fedelmente il prodotto reale, in particolare colore e vestibilità, per non trarre in inganno buyer e consumatori. Etichettatura e content credentials sono sempre più attese ai fini della trasparenza.
La fase in cui un modello addestrato viene utilizzato per produrre un output, come una previsione, una risposta o un'immagine.
L'addestramento avviene una volta o di tanto in tanto; l'inferenza avviene ogni volta che il modello viene utilizzato. Ogni volta che un portale B2B suggerisce a un buyer modelli complementari, il modello di raccomandazione esegue un'inferenza. Costi e velocità dell'inferenza contano quando le funzionalità di IA vengono utilizzate migliaia di volte al giorno.
Cliente di importanza strategica, tipicamente un grande retailer, che riceve una gestione dedicata e condizioni personalizzate.
I key account rappresentano spesso una quota rilevante dei ricavi wholesale di un brand. Possono ricevere modelli esclusivi, calendari di consegna speciali, supporto sui ribassi e condivisione dei dati. Un key account manager coordina per quel partner ogni aspetto, dalla pianificazione degli ordini alla presentazione in negozio.
Il costo completo di un prodotto al suo arrivo in magazzino, comprensivo di prezzo d'acquisto, trasporto, dazi, assicurazione e movimentazione.
Il landed cost offre un quadro reale di quanto costa un prodotto prima di essere venduto. Una giacca acquistata da una fabbrica può sembrare redditizia finché non si aggiungono spedizione, dazi all'importazione ed effetti valutari. I brand utilizzano il landed cost per fissare i prezzi all'ingrosso e confrontare le opzioni di sourcing.
Il tempo che intercorre tra l'invio di un ordine e il ricevimento della merce, dalla fabbrica al brand o dal brand al retailer.
Nella moda i lead time di produzione possono variare da poche settimane per i produttori locali a diversi mesi per il sourcing all'estero. Lead time lunghi costringono i brand a impegnarsi presto sulle quantità, aumentando il rischio di eccedenze o carenze. Ridurre i lead time è un obiettivo frequente dei progetti di supply chain.
Documento che elenca ogni modello di una collezione con immagini, codici modello, colori, taglie e prezzi all'ingrosso e al dettaglio.
I buyer utilizzano i line sheet per esaminare una collezione e redigere gli ordini, durante un appuntamento in showroom o successivamente. A differenza di un lookbook, il line sheet è uno strumento di vendita pratico incentrato sui dati di prodotto anziché sullo styling. Molti brand oggi generano automaticamente i line sheet dal proprio sistema di informazioni di prodotto.
Large Language Model: modello di IA addestrato su grandi quantità di testo, in grado di comprendere e generare linguaggio naturale.
Gli LLM alimentano assistenti conversazionali, redazione di descrizioni di prodotto, traduzione e ricerca. Un brand potrebbe utilizzarne uno per redigere testi di prodotto in più lingue a partire dagli attributi strutturati del proprio PIM. I risultati vanno verificati per accuratezza, poiché i modelli possono produrre affermazioni sicure ma errate.
Raccolta di immagini con styling che presenta i look e le atmosfere di una collezione, utilizzata per vendite e marketing.
Un lookbook mostra come i capi si combinano negli outfit e comunica la direzione creativa di una stagione. I team commerciali inviano i lookbook ai buyer prima della settimana di mercato per suscitare interesse. Integra il line sheet, che contiene i dettagli commerciali necessari per effettuare un ordine.
Branca dell'IA in cui il software apprende schemi dai dati anziché seguire regole scritte a mano.
I modelli di machine learning migliorano grazie agli esempi che vengono loro mostrati, anziché essere programmati passo dopo passo. Un brand potrebbe addestrare un modello su più stagioni di storico ordini, in modo che suggerisca le quantità di riordino per punto vendita. La qualità del risultato dipende in larga misura dalla qualità e dalla pertinenza dei dati utilizzati.
La differenza tra prezzo di vendita e costo, espressa come percentuale del prezzo di vendita.
Il margine indica quanto di ogni vendita resta per coprire i costi generali e il profitto. Se un retailer acquista una camicia a 40 e la vende a 100, il suo margine lordo è del 60 per cento. Margine e ricarico descrivono la stessa differenza ma utilizzano basi diverse, il che genera spesso confusione.
Piattaforma online in cui più brand o venditori offrono prodotti ai clienti, con il gestore della piattaforma che facilita la vendita.
I brand possono vendere sui marketplace rivolti ai consumatori con un modello wholesale, in cui la piattaforma acquista lo stock, oppure con un modello partner, in cui il brand mantiene la proprietà e spedisce o alloca lo stock in proprio. Esistono anche marketplace wholesale, che mettono in contatto retailer indipendenti e brand. Ogni piattaforma ha i propri requisiti di dati e contenuti.
Processi e strumenti che mantengono accurati e coerenti i dati aziendali fondamentali, come prodotti, clienti e fornitori.
Il master data management definisce chi è responsabile di ciascun campo, come viene validato e come le modifiche si propagano tra i sistemi. Per un brand della moda ciò potrebbe significare un unico processo per creare un nuovo modello, assegnare i GTIN e pubblicarlo su tutti i canali. Dati master puliti sono un presupposto per un'IA affidabile.
La pianificazione e la gestione di livelli di stock, allocazione e prezzi per massimizzare vendite e margine.
Nel retail di moda, i merchandiser traducono gli obiettivi finanziari in budget per categoria e monitorano la performance nel corso della stagione. Decidono quali negozi ricevono quali prodotti, quando riordinare e quando ribassare. Il termine si usa anche per il visual merchandising, che riguarda il modo in cui i prodotti vengono esposti.
Il valore o la quantità d'ordine più bassa che un brand accetta da un retailer, per ordine, modello o stagione.
I minimi proteggono i brand dal costo di gestione di ordini molto piccoli e contribuiscono a garantire una presentazione credibile in negozio. Un brand potrebbe richiedere un ordine di apertura di un determinato valore o un minimo di sei unità per modello. I minimi sono spesso più bassi per i re-order che per i primi ordini.
Pratiche e strumenti per mettere in produzione, monitorare, aggiornare e governare i modelli di machine learning.
L'MLOps applica all'IA la disciplina dell'ingegneria del software. Comprende il controllo delle versioni di modelli e dati, i test automatizzati, il monitoraggio del model drift e il riaddestramento controllato. Per un'azienda che utilizza modelli di previsione e di raccomandazione in molti mercati, ne garantisce l'affidabilità nel tempo.
Il progressivo calo di accuratezza di un modello man mano che i dati o i comportamenti reali si discostano da quelli su cui è stato addestrato.
La moda è particolarmente esposta al drift, perché trend, canali e comportamento dei clienti cambiano a ogni stagione. Un modello di raccomandazione delle taglie addestrato prima che un brand modificasse la propria base di vestibilità potrebbe iniziare a fornire consigli inadeguati. Il monitoraggio regolare e il riaddestramento sono i rimedi abituali.
Tipo di modello generativo che crea immagini rimuovendo gradualmente il rumore fino a ottenere un'immagine coerente.
I modelli di diffusione sono alla base della maggior parte degli attuali strumenti text-to-image. Un team di design può descrivere a parole l'idea di una stampa e ricevere in pochi secondi diverse bozze visive. Prima dell'uso commerciale gli output vanno comunque verificati quanto ad accuratezza, originalità e diritti.
Sistema che adatta contenuti, prodotti, prezzi o messaggi a ciascun utente in base ai dati che lo riguardano.
Un motore di personalizzazione decide che cosa vede ciascun visitatore. Nel B2B potrebbe mostrare a un retailer solo il listino prezzi, le finestre di consegna e l'assortimento pertinenti al suo account. Nel retail rivolto ai consumatori può riordinare le liste di prodotti in base all'interesse previsto, il che solleva questioni di trasparenza e di protezione dei dati.
Natural language processing: tecniche di IA che consentono al software di comprendere, analizzare e generare il linguaggio umano.
L'NLP comprende compiti che vanno dalla sentiment analysis delle recensioni alla traduzione e alla sintesi. Un brand potrebbe utilizzarlo per analizzare migliaia di commenti dei retailer e raggruppare i reclami ricorrenti sulla vestibilità. I large language model rappresentano attualmente l'approccio dominante nell'NLP.
Never Out of Stock: prodotti continuativi che un brand mantiene sempre disponibili, in modo che i retailer possano riordinarli in qualsiasi momento.
Gli articoli NOS sono di solito basic come T-shirt in tinta unita, denim classico o intimo, che vendono in modo costante indipendentemente dalla stagione. I retailer possono ordinarli in piccole quantità ogni volta che serve, spesso in modo automatico. Per i brand, il NOS richiede una detenzione continua di stock ma garantisce ricavi affidabili e ripetibili.
Compito di computer vision che individua e localizza i singoli elementi all'interno di un'immagine, di solito con riquadri di delimitazione (bounding box).
L'object detection va oltre il dire che cosa c'è in un'immagine e mostra dove si trova ciascun elemento. In una foto di street style può separare la borsa, le scarpe e il cappotto, in modo che ciascuno possa essere abbinato a prodotti simili. Si usa anche per contare gli articoli sugli scaffali o su una linea di produzione.
Il budget di cui un retailer dispone ancora per acquistare stock per un determinato periodo, dopo aver considerato gli ordini esistenti e l'inventario.
L'open-to-buy si calcola a partire da vendite pianificate, stock finale pianificato, stock attuale e ordini già piazzati. Impedisce ai buyer di impegnarsi eccessivamente e lascia spazio alle opportunità in stagione. Un buyer con open-to-buy residuo a ottobre potrebbe utilizzarlo per re-order dei best seller.
Registro digitale associato a un prodotto, di solito tramite un vettore di dati come un codice QR, che contiene informazioni su origine, materiali e sostenibilità.
L'UE sta introducendo i passaporti digitali del prodotto per gruppi di prodotti prioritari, con i tessili tra i primi. Un passaporto potrebbe mostrare composizione fibrosa, luoghi di produzione, indicazioni su manutenzione e riparazione e opzioni di fine vita. I brand avranno bisogno di dati master di prodotto e dati della supply chain affidabili per crearli.
Product Information Management: software che centralizza e arricchisce i contenuti di prodotto come descrizioni, attributi e immagini.
Un PIM contiene le informazioni di marketing e di vendita necessarie per e-commerce, marketplace, cataloghi e ordini B2B. Garantisce che un abito abbia lo stesso nome, la stessa descrizione del tessuto e le stesse immagini su ogni canale. I PIM per la moda gestiscono spesso traduzioni e requisiti specifici dei canali.
Product Lifecycle Management: software che gestisce lo sviluppo di un prodotto dal concept e dal design fino alla campionatura e alla produzione.
I sistemi PLM conservano schede tecniche, distinte base, informazioni sui fornitori e flussi di approvazione. Lo schizzo di un designer diventa un record di prodotto strutturato su cui lavorano modellisti, team di sourcing e fabbriche. I dati del PLM confluiscono spesso nell'ERP e nel PIM una volta confermato un modello.
Il totale degli ordini wholesale confermati che un brand detiene per una determinata stagione o periodo.
Il portafoglio ordini mostra quanto i retailer si sono impegnati ad acquistare ed è un indicatore chiave della salute di un business wholesale. I brand lo monitorano durante il periodo di vendita per decidere le quantità di produzione. Un portafoglio ordini solido per la primavera/estate offre al management una visibilità anticipata dei ricavi di quella stagione.
Piattaforma online in cui i retailer possono visualizzare i prodotti di un brand, verificare la disponibilità, effettuare ordini e gestire il proprio account.
Un portale B2B trasferisce in self-service le attività wholesale di routine, come re-order, riassortimento NOS e download delle fatture. Dopo l'accesso, i retailer vedono i propri prezzi e le proprie condizioni. Integra, anziché sostituire, la relazione personale con i rappresentanti commerciali.
Ordine che un retailer effettua presso un brand in anticipo rispetto alla stagione, di solito sulla base dei campioni, prima che la merce venga prodotta.
I pre-order costituiscono la spina dorsale del modello wholesale stagionale. Un buyer visita uno showroom a gennaio, seleziona modelli dalla collezione autunno/inverno e si impegna su quantità che verranno consegnate mesi dopo. Il brand utilizza questi ordini per pianificare i volumi di produzione con i propri fornitori.
La previsione delle vendite future dei prodotti tramite dati storici, tendenze e altri segnali, sempre più spesso con il machine learning.
Le previsioni orientano quanto produrre, dove allocare lo stock e quando riassortire. La previsione nella moda è difficile perché molti prodotti sono nuovi a ogni stagione, per cui i modelli apprendono spesso da articoli simili del passato. Gli input possono includere meteo, prezzi, promozioni e primi dati di sell-through.
Previsione di valori futuri a partire da dati registrati nel tempo, come vendite settimanali, resi o visite web.
I modelli per serie storiche cercano trend, stagionalità e schemi ricorrenti. Per un articolo NOS possono proiettare le vendite settimanali in unità tenendo conto dei picchi stagionali. La moda aggiunge difficoltà perché molti prodotti sono nuovi a ogni stagione e hanno uno storico proprio scarso o nullo.
Il prezzo che un brand applica ai retailer per i propri prodotti, prima che il retailer aggiunga il proprio ricarico.
I prezzi all'ingrosso sono di solito fissati in modo che il retailer possa raggiungere il prezzo di vendita consigliato con il margine target. Possono variare per mercato, valuta o livello di cliente, e possono applicarsi sconti sui volumi. I prezzi vengono pubblicati nei line sheet e nei sistemi di ordine B2B.
Recommended Retail Price: il prezzo al consumatore che un brand suggerisce ai retailer di applicare a un prodotto.
I prezzi di vendita consigliati aiutano a mantenere prezzi coerenti tra i canali e a tutelare il posizionamento del brand. I retailer sono in genere liberi di fissare i propri prezzi, poiché in molti mercati il diritto della concorrenza vieta ai brand di imporre i prezzi di rivendita. I line sheet riportano normalmente sia il prezzo all'ingrosso sia il prezzo di vendita consigliato.
Progettazione e perfezionamento delle istruzioni fornite a un modello di IA generativa per ottenere output affidabili e utili.
Il prompt è l'input che un utente o un sistema invia a un modello generativo, e la sua formulazione incide fortemente sul risultato. Un team di merchandising potrebbe sviluppare un prompt collaudato che trasforma gli attributi del PIM in una descrizione di prodotto di lunghezza prefissata, con le istruzioni di manutenzione in un ordine stabilito. Un buon prompt engineering include esempi, vincoli e un formato di output chiaro.
Generazione aumentata dal recupero: un modello di IA ricerca prima i documenti pertinenti e li utilizza per fondare la propria risposta.
La RAG collega un modello linguistico alle conoscenze proprie di un'azienda senza doverlo riaddestrare. Un assistente per il wholesale potrebbe recuperare le condizioni di consegna e la line sheet aggiornate prima di rispondere alla domanda di un buyer su un modello. Poiché le risposte si basano sulle fonti recuperate, possono essere verificate e mantenute aggiornate più facilmente.
Ordine successivo per modelli che un retailer ha già acquistato, effettuato durante la stagione quando le prime vendite mostrano che cosa funziona.
I re-order consentono ai retailer di inseguire la domanda anziché indovinarla. Se una camicia vende bene nelle prime settimane, il negozio acquista altre unità nelle taglie più richieste. I brand possono evadere i re-order solo se detengono stock o dispongono di capacità produttiva flessibile.
Modello composto da strati di unità matematiche interconnesse che adeguano i propri pesi durante l'addestramento per riconoscere schemi.
Le reti neurali si ispirano vagamente al cervello, ma sono modelli statistici, non sistemi pensanti. Ogni strato trasforma leggermente il proprio input, per cui in un modello per immagini i primi strati possono rilevare i contorni e quelli successivi colletti o tasche. I large language model e i modelli di diffusione si basano entrambi su reti neurali.
Radio Frequency Identification: etichette che consentono di identificare e contare i prodotti senza fili e senza scansione a vista.
Le etichette RFID cucite o applicate ai capi consentono a un negozio di contare l'intero stock in pochi minuti con un lettore portatile. Ciò migliora l'accuratezza dello stock, essenziale per click and collect e riassortimento. L'RFID può supportare anche misure antitaccheggio e tracciabilità.
Il processo di rifornimento dei prodotti, tipicamente articoli NOS, per mantenere presso il retailer i livelli di stock concordati.
Il riassortimento può essere manuale o automatizzato tramite i dati di vendita condivisi dal retailer. Un department store potrebbe inviare settimanalmente i dati di vendita di una linea di jeans in modo che il brand spedisca esattamente le taglie vendute. Un riassortimento ben gestito riduce sia le rotture di stock sia l'inventario in eccesso.
Riduzione permanente del prezzo di vendita di un prodotto, di solito per smaltire stock a bassa rotazione o di fine stagione.
I ribassi tutelano la liquidità trasformando lo stock invenduto in ricavi, ma erodono il margine. Un retailer potrebbe ridurre di un terzo il prezzo di un cappotto dopo otto settimane di sell-through debole. I brand contribuiscono talvolta ai costi dei ribassi per gli account chiave, il cosiddetto supporto sui ribassi (markdown support).
L'importo aggiunto al costo per arrivare a un prezzo di vendita, espresso come percentuale del costo o come moltiplicatore.
I retailer di moda ragionano spesso in moltiplicatori: un ricarico di 2,5 significa che un prodotto acquistato a 40 viene prezzato a 100. Espresso come percentuale del costo, si tratta di un ricarico del 150 per cento, mentre il margine risultante è del 60 per cento. I brand fissano prezzi all'ingrosso e al dettaglio tenendo conto dei ricarichi attesi.
La vendita di prodotti usati, tramite piattaforme di terzi o tramite un programma di ritiro e rivendita gestito dal brand stesso.
La rivendita gestita dal brand consente alle aziende di catturare valore dal commercio dell'usato e di rafforzare le relazioni con i clienti. Un cliente potrebbe riportare in negozio un cappotto usato in cambio di un credito, che il brand poi pulisce, controlla e rivende online. La rivendita è un passo concreto verso la circolarità.
Quante volte un'azienda vende e sostituisce il proprio inventario medio in un periodo, di solito un anno.
La rotazione dello stock si calcola dividendo le vendite a costo per l'inventario medio a costo. Una rotazione più elevata significa meno denaro immobilizzato in inventario e prodotti più freschi. Basic e articoli NOS ruotano di solito più rapidamente delle linee moda stagionali.
Il volume o il valore della merce che un brand vende ai propri partner retail, a differenza di ciò che quei retailer vendono ai consumatori.
Il sell-in misura il successo con cui un brand ha collocato la propria collezione presso i rivenditori. Un sell-in elevato può apparire positivo nel breve periodo, ma se la merce non viene venduta ai consumatori, i retailer possono ridurre gli ordini futuri o chiedere supporto sui ribassi.
La quota di stock venduta ai consumatori in un periodo, di solito espressa come percentuale delle unità ricevute.
Il sell-through mostra quanto bene un prodotto si comporta nel punto vendita. Se un retailer riceve 100 giacche e ne vende 60 a prezzo pieno nelle prime otto settimane, ha raggiunto un sell-through del 60 per cento. I buyer utilizzano questo dato per valutare re-order, ribassi e acquisti della stagione successiva.
Per quante settimane durerà lo stock attuale al ritmo di vendita recente o previsto.
Le settimane di copertura si calcolano dividendo lo stock disponibile per le vendite settimanali medie. Se un negozio detiene 120 unità di un maglione e ne vende 20 a settimana, ha sei settimane di copertura. I merchandiser utilizzano questa misura per individuare gli articoli da riordinare o da ribassare.
Spazio fisico in cui brand o agenti presentano le collezioni ai buyer wholesale e raccolgono gli ordini.
Gli showroom possono essere spazi permanenti gestiti da un brand, agenzie multimarca o allestimenti temporanei durante settimane della moda e fiere. I buyer toccano i campioni, verificano vestibilità e tessuto e discutono le condizioni con il team commerciale. L'appuntamento si conclude di solito con una bozza d'ordine che viene confermata in seguito.
Software che presenta una collezione ai buyer wholesale online o su schermo, con dati di prodotto, immagini e funzioni di ordine.
Uno showroom digitale può supportare un appuntamento in presenza su un grande schermo oppure consentire ai buyer di consultare e ordinare a distanza. Mostra tipicamente immagini di alta qualità, video, prezzi, disponibilità e suggerimenti di outfit. I brand lo utilizzano per ridurre la produzione di campioni e per raggiungere i buyer che non possono recarsi in uno showroom fisico.
Software che modella come il tessuto di un capo cade, si allunga e veste su un corpo virtuale, sulla base dei cartamodelli e delle proprietà dei materiali.
La simulazione 3D consente a designer e tecnici di valutare vestibilità e proporzioni prima di tagliare un campione fisico. Una modifica al cartamodello può essere verificata in pochi minuti su avatar di diverse taglie. I risultati alimentano anche i digital showroom e il virtual try-on, ma per ottenere risultati realistici i dati sui tessuti devono essere accurati.
Un unico punto di riferimento concordato e autorevole per ciascun dato, in modo che tutti i sistemi e i team utilizzino gli stessi valori.
Senza una single source of truth, il prezzo o la composizione di un modello possono differire tra il PIM, il portale B2B e il sistema di un retailer. Per l'IA questo è cruciale, perché un modello o un assistente basato su dati contraddittori darà risposte contraddittorie. Realizzarla è spesso una questione più organizzativa che tecnica.
Ai sensi dell'AI Act dell'UE, un sistema di IA in un ambito sensibile, come la selezione del personale o il credito, che deve soddisfare requisiti rigorosi.
I sistemi ad alto rischio devono prevedere gestione dei rischi, dati di qualità, documentazione, supervisione umana e controlli di accuratezza. La maggior parte degli utilizzi nella moda, come le raccomandazioni di prodotto, non è ad alto rischio, mentre probabilmente lo sarebbe uno strumento di IA usato per selezionare i candidati per negozi o magazzini. La classificazione dipende dal caso d'uso, non dalla tecnologia in sé.
Software che suggerisce prodotti o contenuti a un utente in base al suo comportamento, alle sue preferenze o a utenti simili.
I sistemi di raccomandazione alimentano le funzioni 'potrebbe piacerti anche' sia nel retail sia nel wholesale. In un digital showroom possono suggerire modelli che completano l'assortimento di un buyer o che hanno registrato buone performance in punti vendita comparabili. Di norma combinano il collaborative filtering con gli attributi di prodotto e le regole di business.
Stock Keeping Unit: codice interno che un'azienda utilizza per identificare e tracciare ogni distinta variante di prodotto che detiene.
A differenza del GTIN, univoco a livello globale, lo SKU viene definito da ciascuna azienda per i propri sistemi. Un retailer potrebbe creare SKU combinando codice modello, codice colore e taglia. Il numero di SKU è una misura comune della complessità dell'assortimento.
Modello linguistico con meno parametri rispetto ai modelli di grandi dimensioni, progettato per essere più economico, più veloce o eseguibile su dispositivi locali.
Gli small language model sacrificano parte delle capacità generali a favore di efficienza e controllo. Un brand potrebbe eseguirne uno sui tablet dei negozi per rispondere alle domande del personale su stock e manutenzione dei prodotti, senza inviare dati a un servizio esterno. Spesso vengono sottoposti a fine-tuning per un compito circoscritto, in cui possono offrire buone prestazioni.
Piccola unità di testo, spesso una parte di parola, che i modelli linguistici leggono e scrivono; utilizzo e limiti si misurano in token.
I modelli linguistici non elaborano parole intere ma token, per cui il nome lungo di un prodotto può contarne diversi. Le tariffe di molti servizi di IA e la dimensione della finestra di contesto sono espresse in token. La traduzione di un'intera line sheet in più lingue può quindi consumare molti token.
La capacità di seguire un prodotto e i suoi materiali in ogni fase della supply chain, dalla fibra grezza al capo finito.
La tracciabilità aiuta i brand a verificare le dichiarazioni su origine e condizioni di lavoro e a rispettare le norme sulla due diligence. Un brand potrebbe tracciare il cotone dall'azienda agricola al filatore, alla tessitura e al confezionista utilizzando dati dei fornitori e certificati. Una tracciabilità completa oltre i fornitori diretti resta una sfida rilevante per il settore.
Una specifica combinazione di colori in cui un modello viene prodotto e offerto.
Un singolo modello di sneaker potrebbe essere offerto in una variante colore bianca, una nera e una verde stagionale. Ogni variante colore ha il proprio codice modello-colore e spesso le proprie immagini. I buyer scelgono quali varianti colore trattare in base ai propri clienti e al resto dell'assortimento.
Tecnologia che mostra come apparirebbe un capo, un accessorio o un make-up su una persona, utilizzando immagini, video o modelli 3D.
Il virtual try-on può funzionare su una foto, sul flusso live di una fotocamera o su un avatar corporeo. Un cliente potrebbe vedere una giacca su un'immagine di sé stesso, oppure un buyer potrebbe vedere un modello su diverse corporature. L'accuratezza di vestibilità e caduta varia, per cui viene spesso presentato come orientamento visivo anziché come garanzia sulla taglia.
Processo in cui agenti IA pianificano ed eseguono più passaggi, utilizzando strumenti e dati, con un intervento umano limitato.
Anziché rispondere a una singola domanda, un workflow agentico persegue un obiettivo. Ad esempio, un agente potrebbe controllare i dati di sell-through, redigere una proposta di riordino, verificare lo stock nell'ERP e inviarla per l'approvazione. Autorizzazioni chiare, registrazione delle attività e punti di controllo umani sono essenziali, perché gli errori possono sommarsi da un passaggio all'altro.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.