Come H&M usa l'IA: domanda, allocazione e digital twin

IN SINTESI Sintesi della redazione

1. H&M ha descritto pubblicamente l'uso di IA e advanced analytics almeno dal 2018 per adattare gli assortimenti dei negozi e rendere più precise previsioni, quantificazione, allocazione e prezzi.
2. Nel 2018 H&M contava circa 200 data scientist, analisti e ingegneri interni ed esterni che analizzavano scontrini, resi e dati delle carte fedeltà, secondo Retail Dive.
3. Nel 2019 l'inventario di H&M era pari al 18,6% delle vendite a fronte di un obiettivo del 12-14%, un motivo centrale del suo investimento nell'IA per quantificazione e allocazione.
4. A marzo 2025 H&M ha annunciato digital twin generati con IA generativa di 30 modelle e modelli consenzienti, che mantengono il controllo sull'uso delle proprie repliche.
5. H&M non ha pubblicato risultati quantificati che attribuiscano all'IA miglioramenti di vendite, ribassi o inventario.

H&M usa l'IA soprattutto per decidere quanto acquistare e dove inviarlo: almeno dal 2018 ha descritto modelli che analizzano dati di vendita, resi e fedeltà per adattare gli assortimenti dei negozi e migliorare previsioni, quantificazione, allocazione e prezzi. Dal 2025 utilizza inoltre l'IA generativa per creare digital twin di modelle e modelli consenzienti per le immagini delle campagne. Per nessuno dei due ambiti H&M ha pubblicato risultati quantificati.

Che cosa ha sviluppato H&M?

Le fonti pubbliche descrivono due filoni distinti. Il primo è analitico e riguarda il merchandising. A maggio 2018 Retail Dive riferiva che H&M personalizzava gli assortimenti dei negozi con algoritmi che analizzano scontrini, resi e dati delle carte fedeltà, con circa 200 data scientist, analisti e ingegneri interni ed esterni impegnati a esaminare i comportamenti d'acquisto nei vari negozi. A marzo 2019 l'allora amministratore delegato Karl-Johan Persson dichiarava che H&M stava investendo molto nell'IA per diventare più precisa nella previsione di tendenze, domanda dei clienti, quantificazione, allocazione e prezzi.

Il secondo filone è generativo e riguarda il marketing. A marzo 2025 H&M ha annunciato che avrebbe creato digital twin con IA di 30 modelle e modelli che avevano dato il loro consenso, tra cui Mathilda Gvarliani. Secondo FashionUnited, le modelle e i modelli mantengono il controllo sull'uso delle proprie repliche digitali e sono retribuiti con compensi paragonabili a quelli di uno shooting tradizionale; le prime immagini avrebbero dovuto riportare filigrane che le identificano come generate dall'IA. Le prime immagini, dedicate al denim, sono state pubblicate il 2 luglio 2025.

Sotto la guida dell'amministratore delegato Daniel Ervér, l'ambizione dichiarata è che H&M risponda più rapidamente alle tendenze dei consumatori grazie all'IA, come riportato da Fortune a gennaio 2025.

Perché H&M ha investito nell'IA?

Il fattore scatenante è stato l'inventario. Nel 2018 H&M cercava di porre fine a un calo delle vendite durato dieci trimestri e di ridurre i ribassi, secondo Retail Dive. Nel primo trimestre del 2019 le sue scorte equivalevano al 18,6% delle vendite, a fronte di un obiettivo del 12-14%, e Persson dichiarava di ritenere che l'obiettivo sarebbe stato raggiunto, senza però poter dire quando. Per un'azienda che acquista grandi volumi con mesi di anticipo, piccoli miglioramenti nella profondità degli acquisti e nell'allocazione ai negozi si traducono direttamente in meno merce da scontare.

Il motivo dei digital twin è diverso: velocità e flessibilità nella produzione di contenuti. Il chief creative officer di H&M, Jörgen Andersson, ha presentato il progetto come un'esplorazione dell'IA generativa per amplificare la creatività e reinventare il modo in cui la moda viene presentata.

Leggi anche

Come Stitch Fix usa l'IA: algoritmi più stylist in carne e ossa

Come funziona (dati, modelli, processo)?

H&M non ha pubblicato le architetture dei modelli. Ciò che è stato riportato sono i dati. Secondo Retail Dive, gli algoritmi si basavano su:

• scontrini e resi dei negozi;
• dati delle carte fedeltà del programma membership di H&M;
• dati di circa 5 miliardi di visite ai suoi negozi e siti web nell'anno precedente;
• fonti esterne come post di blog e motori di ricerca;
• andamento dei cambi valutari, di cui gli algoritmi tenevano conto.

L'applicazione meglio documentata è stata il clustering dei negozi. Il test dell'approccio nel quartiere di Östermalm a Stoccolma ha evidenziato una clientela prevalentemente femminile con una forte domanda di articoli alla moda e di prezzo più elevato; secondo lo stesso articolo, H&M ha adattato l'assortimento, ridotto del 40% il numero di prodotti nel negozio ed eliminato gran parte dell'abbigliamento maschile, e le vendite sono migliorate. Analisi: si tratta di una classica pianificazione dell'assortimento localizzata, in cui i modelli propongono e i merchandiser decidono; H&M non ha descritto in che misura la decisione finale sia automatizzata.

Quali risultati ha comunicato H&M?

H&M non ha pubblicato dati che attribuiscano all'IA miglioramenti di vendite, margine lordo, ribassi o inventario. L'unico risultato agli atti è qualitativo: le vendite del negozio test di Östermalm sono migliorate dopo la modifica dell'assortimento basata sui dati. Per i digital twin non sono stati resi noti dati su efficienza o costi.

I dati di inventario del gruppo non possono fungere da indicatore indiretto, perché sono influenzati da molti fattori. A gennaio 2025, ad esempio, Fortune riferiva che l'inventario di H&M era stato condizionato dalle perturbazioni nel Mar Rosso e da un Black Friday tardivo, due fattori che nessun modello di previsione controlla.

Quali sono i limiti e le questioni aperte?

Quanto segue è un'analisi della redazione. In primo luogo, l'attribuzione: senza risultati prima e dopo resi noti, è impossibile dire quanta parte della performance di inventario di H&M derivi dall'IA anziché da riduzioni della gamma, cambiamenti nel sourcing o condizioni di mercato. In secondo luogo, la dipendenza dai dati: i dati fedeltà sono centrali per la localizzazione, ma coprono solo i membri, per cui negozi e mercati con pochi iscritti sono più difficili da modellare. In terzo luogo, la governance dei contenuti generativi: le condizioni di H&M su consenso, compenso e filigrana affrontano le questioni etiche più evidenti, ma il progetto ha suscitato critiche per la perdita di lavoro di fotografi e troupe di produzione. In quarto luogo, la velocità: rispondere più rapidamente alle tendenze con l'IA conviene solo se i lead time di sourcing e produzione consentono una risposta più rapida.

Un'ulteriore questione è la continuità. I dirigenti citati nel 2019 hanno nel frattempo lasciato i loro incarichi, e le fonti pubbliche non mostrano come si sia evoluto il lavoro su allocazione e quantificazione sotto la nuova leadership, al di là dell'obiettivo dichiarato di rispondere più rapidamente alle tendenze.

Leggi anche

Come adidas usa l'IA: dagli archivi di design ai contenuti generativi

Che cosa possono imparare le altre aziende della moda?

1. Indirizzare l'IA verso un problema di bilancio. H&M ha legato il suo programma a un obiettivo esplicito di rapporto tra inventario e vendite.
2. Usare dati fedeltà e dati dei resi, non solo le vendite, per capire che cosa vogliono davvero i clienti di ciascun negozio.
3. Testare a livello locale prima di scalare: un pilota in un singolo negozio ha reso l'effetto visibile e spiegabile ai merchandiser.
4. Per le immagini generative, definire consenso, proprietà, compenso ed etichettatura prima dell'avvio della produzione.
5. Pubblicare, o almeno monitorare internamente, metriche di risultato; senza di esse, l'investimento nell'IA diventa difficile da difendere.

Domande frequenti

Come usa H&M l'IA per l'allocazione?

H&M ha dichiarato di usare l'IA per rendere più precise previsioni, quantificazione, allocazione e prezzi. Tra i dati di input riportati figurano scontrini, resi e dati delle carte fedeltà, che aiutano a decidere quali prodotti riceve ciascun negozio.

Che cosa sono i digital twin con IA di H&M?

Sono repliche generate dall'IA di modelle e modelli reali, usate nelle immagini delle campagne. H&M ha annunciato i digital twin di 30 modelle e modelli consenzienti a marzo 2025; questi mantengono il controllo sul loro utilizzo e sono retribuiti con compensi paragonabili a quelli di uno shooting tradizionale.

L'IA ha ridotto l'inventario di H&M?

H&M non ha pubblicato dati che attribuiscano all'IA le variazioni di inventario. L'inventario è inoltre influenzato da fattori esterni come le perturbazioni nelle spedizioni e la tempistica degli eventi promozionali, per cui i dati di gruppo non possono essere letti come prova in un senso o nell'altro.

Quali dati usa H&M per la previsione della domanda?

Secondo l'articolo di Retail Dive del 2018, gli algoritmi di H&M utilizzavano scontrini, resi, dati delle carte fedeltà, dati sulle visite a siti web e negozi e segnali esterni provenienti da blog e motori di ricerca, tenendo conto dell'andamento dei cambi valutari.

GuidaLa guida completa all’IA nel merchandising e nel buying della modaLeggi la guida completa