IA nelle calzature: calzata, dati sulle taglie e creazione di prodotto più rapida

Nelle calzature l'IA viene usata soprattutto per raccomandare la taglia giusta a partire da scansioni del piede, storico acquisti e dati sui resi, per accelerare l'iterazione del design e per pianificare le curve taglie con maggiore precisione. Conta in modo diverso rispetto all'abbigliamento perché la calzata si misura in millimetri, larghezza e volume variano da modello a modello e una taglia sbagliata di solito significa un reso, per cui dati di calzata migliori hanno un effetto diretto su margine e sprechi.

Perché l'IA conta in modo diverso nelle calzature?

Le scarpe vengono costruite su forme, i modelli a forma di piede che definiscono il volume interno di un modello. Due scarpe con la stessa taglia indicata possono calzare in modo molto diverso, e i sistemi di taglie variano tra brand e regioni. I clienti lo sanno, per cui l'acquisto di scarpe online comporta spesso l'ordine di più taglie e la restituzione della maggior parte di esse. Ogni paio reso costa in spedizione, gestione e talvolta valore di rivendita.

Le calzature hanno inoltre cicli di sviluppo lunghi e costosi: forme, stampi per le suole e più giri di campionatura. Qualsiasi strumento che elimini un giro di campionatura o un cambio di stampo fa risparmiare denaro reale. Infine, le curve taglie (la quota di ciascuna taglia acquistata per un modello) sono più difficili che nell'abbigliamento perché ci sono più taglie e talvolta più larghezze, per cui lo stock si distribuisce in modo sottile.

Quali sono i principali casi d'uso dell'IA nelle calzature?

Leggi anche

IA nel denim: come cambiano finissaggio, tecnologia laser e consumo d'acqua

Come raccomanda l'IA la taglia di scarpe giusta?

Esistono due approcci principali. Il primo misura il piede. Secondo Just Style, Nike Fit, lanciato nel 2019, usa la fotocamera dello smartphone per scansionare entrambi i piedi e mappa in pochi secondi 13 punti dati della morfologia del piede, combinando computer vision, machine learning e algoritmi di raccomandazione. All'epoca Nike sosteneva che lunghezza e larghezza da sole non forniscono dati sufficienti per una calzata confortevole.

Il secondo approccio apprende dai comportamenti. Il resoconto di Zalando del giugno 2026 sul proprio lavoro su taglie e vestibilità descrive un machine learning applicato a dati di prodotto, feedback dei clienti e schemi di reso, combinato con profili di vestibilità personali e un camerino virtuale. Zalando ha dichiarato che nel 2025 le sue soluzioni hanno evitato complessivamente l'8 percento dei resi legati alla taglia. Il lavoro riguarda la moda in generale, non solo le scarpe, ma il metodo si applica direttamente alle calzature.

Le configurazioni più mature combinano entrambi: dati di scansione quando il cliente li fornisce e dati comportamentali per tutti gli altri. In ogni caso, la raccomandazione deve sapere come calza ciascun modello di scarpa rispetto agli altri, il che riporta il problema ai dati di prodotto.

Come sta cambiando l'IA la creazione di prodotto nelle calzature?

L'IA generativa viene usata all'inizio del processo di design. Nel 2024 Dezeen ha riferito che i designer di Nike hanno generato centinaia di immagini a partire da prompt basati sulle preferenze di 13 atleti d'élite, per poi perfezionare i concept con schizzi 3D e stampa 3D fino ad arrivare ai prototipi. L'articolo descriveva come questo comprimesse fasi che di solito richiedono settimane o mesi.

Più avanti nel processo, gli strumenti di design assistiti dall'IA possono proporre disegni della suola o costruzioni della tomaia, ma validazione ingegneristica, test dei materiali e fattibilità produttiva restano essenziali. Un flusso di lavoro pratico si presenta così:

1. Generare un'ampia gamma di direzioni di concept a partire da un brief, dall'input degli atleti o da riferimenti d'archivio.
2. Selezionare e perfezionare le direzioni negli strumenti di design 3D con designer e sviluppatori.
3. Verificare la producibilità rispetto a forme e stampi per suole esistenti, per evitare nuove attrezzature ove possibile.
4. Produrre campioni fisici solo per le opzioni più forti e testarne calzata e prestazioni.
5. Registrare i risultati dei test di calzata come dati strutturati per le future raccomandazioni di taglia.

Di quali dati ha bisogno l'IA nelle calzature?

L'IA per le calzature dipende da dati di prodotto, clienti e transazioni spesso dispersi. I dati di prodotto dovrebbero comprendere riferimenti della forma, dimensioni interne, larghezze, drop tacco-punta, stack height, materiale della tomaia e tipo di chiusura. I dati dei clienti possono includere misure da scansione, taglie preferite in altri brand e feedback sulla calzata, tutti elementi che richiedono consenso e un'attenta gestione della privacy. I dati di transazione devono registrare in modo strutturato le motivazioni del reso: troppo piccola, troppo grande, troppo stretta, troppo larga. Motivazioni in testo libero come non mi piaceva sono di utilità limitata per qualsiasi modello.

Quali rischi sono specifici delle calzature?

• Comfort e salute: una raccomandazione che spinge un cliente verso una scarpa che calza male può causare fastidi; i brand dovrebbero evitare dichiarazioni mediche.
• Dati di tipo biometrico: le scansioni dettagliate del piede sono dati personali e dovrebbero essere conservate e usate solo con un consenso chiaro.
• Incoerenza tra brand: le raccomandazioni basate sulle taglie di altri brand dipendono dalla calzata di quei brand, che cambia nel tempo.
• Falsa fiducia nei concept: i design generati possono ignorare i vincoli costruttivi e portare ad attrezzature costose.
• Stock invenduto: secondo la Commissione europea, nell'UE le grandi imprese non possono più distruggere le calzature invendute dal 19 luglio 2026, per cui curve taglie inadeguate comportano ora costi più elevati.

Leggi anche

IA nel fast fashion: velocità, segnali di domanda e il problema della sovrapproduzione

Cosa dovrebbe fare per prima cosa un brand di calzature?

Partire dai dati, non da uno scanner. Strutturare le motivazioni dei resi, registrare per forma e modello gli attributi di prodotto rilevanti per la calzata e analizzare quali modelli generano i resi legati alla taglia. Questa analisi da sola rivela spesso soluzioni rapide, come note sulla calzata più chiare nelle pagine prodotto. Poi testare la raccomandazione di taglia sui modelli con i tassi di reso per taglia più elevati e misurare resi, conversione e cambi.

Sul fronte del design, usare strumenti generativi per il lavoro iniziale sui concept con regole chiare sulla proprietà intellettuale e sul riutilizzo di forme e stampi esistenti. Nelle calzature ogni miglioramento dei dati di calzata ripaga due volte: una con meno resi e una con curve taglie migliori per l'acquisto successivo.