Come Inditex usa IA e dati: RFID e una supply chain guidata dalla domanda

IN SINTESI Sintesi della redazione

1. Il modello guidato dalla domanda di Inditex si basa più sull'infrastruttura dati che su un'IA dichiarata: RFID a livello di articolo, piena integrazione delle scorte, consegne ai negozi due volte a settimana e produzione in gran parte vicina alla sede centrale in Spagna.
2. Entro il 2016 Inditex aveva l'RFID operativo in 1.542 negozi in 64 mercati e prevedeva di completarne l'introduzione in Zara entro la fine dello stesso anno, con chip inseriti in placche antitaccheggio riutilizzabili.
3. Nel 2019 Inditex ha registrato scorte in calo del 5% in nove mesi a fronte di vendite in crescita del 7,5%, risultato che il suo presidente ha attribuito all'RFID e alla piena integrazione delle scorte.
4. Zara Try-on, una funzione di IA generativa lanciata a dicembre 2025, aveva registrato entro marzo 2026 oltre 7 milioni di sessioni in 43 mercati.
5. Inditex non ha pubblicato come, o se, il machine learning guidi le sue decisioni di riassortimento o di produzione, e non ha attribuito risultati finanziari all'IA.

Inditex gestisce una supply chain guidata dalla domanda raccogliendo dati granulari su che cosa si vende, dove e in quale taglia, e producendo e spedendo in lotti piccoli e frequenti. La sua base documentata è l'RFID a livello di articolo, la piena integrazione delle scorte e una produzione in gran parte vicina alla Spagna; l'IA compare più di recente in funzioni per i clienti come Zara Try-on. Inditex non ha reso noto come venga utilizzato il machine learning nelle sue decisioni di riassortimento o di produzione.

Che cosa ha sviluppato Inditex?

La risorsa principale sono i dati, non un singolo sistema di IA. Le fonti pubbliche mostrano quattro livelli:

• RFID a livello di articolo: a marzo 2016 l'RFID era operativo in 1.542 negozi in 64 mercati, con l'introduzione in Zara da completare entro la fine del 2016. Il chip è inserito nella placca antitaccheggio riutilizzabile, che può essere impiegata più di 100 volte.
• Scorte integrate: nel 2019 l'allora presidente Pablo Isla attribuiva alla piena integrazione delle scorte, insieme all'RFID, il merito di consentire all'azienda di operare con un inventario ancora più basso.
• Antitaccheggio invisibile e automazione: all'assemblea generale di luglio 2026 Inditex ha dichiarato che un sistema di allarme invisibile era presente in oltre il 90% dei suoi prodotti, consentendo il self-checkout e processi automatizzati che collegano i camerini con i magazzini.
• IA generativa per i clienti: Zara Try-on, lanciato a dicembre 2025, consente ai clienti di creare un avatar a partire da foto e di vederlo indossare i prodotti.

All'assemblea generale 2026 Inditex si è inoltre impegnata a introdurre nuove soluzioni basate sull'intelligenza artificiale nell'ambito del suo pilastro dedicato all'innovazione, senza fornire dettagli.

Perché Inditex ha investito in dati e IA?

Il modello di Inditex si fonda sul mantenere basso l'inventario e vendere a prezzo pieno. Un'analisi di Walter Scott, pubblicata da Macquarie a novembre 2024, descrive una produzione che avviene per lo più vicino alla sede centrale (Spagna, Portogallo, Marocco e Turchia), con consegne ai negozi due volte a settimana che consentono di vendere di più a prezzo pieno. Questo funziona solo se l'azienda sa con precisione che cosa ha in stock e che cosa vende ogni negozio. L'ex presidente Pablo Isla lo ha sintetizzato nel 2019: il modello di business si è sempre basato su un inventario molto basso, e l'RFID con la piena integrazione delle scorte ha permesso all'azienda di operare con ancora meno.

La prevenzione delle perdite era un secondo motivo. Nel 2016 FashionNetwork riferiva che le differenze inventariali costavano a Inditex quasi 170 milioni di euro all'anno, circa lo 0,8% delle vendite, e il chip RFID è stato integrato nella placca antitaccheggio proprio per affrontare sia l'accuratezza delle scorte sia i furti.

Leggi anche

Come Uniqlo e Fast Retailing usano IA e dati nel Progetto Ariake

Come funziona (dati, modelli, processo)?

Quanto segue descrive ciò che è documentato e, dove indicato, la nostra analisi. Ogni capo porta un identificativo RFID che viene letto nei centri di distribuzione e nei negozi. Ciò offre una visibilità in tempo reale delle scorte per articolo e per luogo che, combinata con la piena integrazione delle scorte, supporta il riassortimento e gli inventari. Insieme a consegne frequenti e a una produzione in piccole serie vicina alla Spagna, i dati consentono all'azienda di reagire al sell-through durante la stagione invece di impegnare tutto in anticipo.

Analisi: è la base di dati di cui ha bisogno qualsiasi modello di demand sensing o di allocazione. Scorte accurate a livello di articolo eliminano una delle principali fonti di errore nelle previsioni, perché un modello non può apprendere la domanda reale dalle vendite se non sa quando gli articoli erano esauriti. Inditex non ha indicato quali metodi di previsione o di ottimizzazione si basino su questi dati.

Quali risultati ha comunicato Inditex?

I dati più specifici riguardano l'infrastruttura dati più che l'IA. A dicembre 2019 Fortune riferiva che le scorte di Inditex erano calate del 5% nei nove mesi fino a ottobre mentre le vendite erano cresciute del 7,5%, e che un nuovo flagship a Bilbao vendeva più di quattro boutique precedenti messe insieme con il 20% di inventario in meno. Per l'IA generativa, Inditex ha dichiarato a marzo 2026 che Zara Try-on era attivo in 43 mercati e aveva registrato oltre 7 milioni di sessioni; non ha riportato effetti su conversione o resi.

Inditex rende noti anche i livelli di investimento: secondo la copertura della sua assemblea generale 2026, gli investimenti ordinari sono stati pari a 1,8 miliardi di euro all'anno nel 2024 e nel 2025, e nello stesso periodo 900 milioni di euro all'anno sono stati destinati al rafforzamento della logistica, con 2,3 miliardi di euro stanziati per il 2026. Non è stata pubblicata alcuna ripartizione della spesa per l'IA.

Quali sono i limiti e le questioni aperte?

Analisi della redazione: Inditex viene spesso citata come caso di successo dell'IA, ma le fonti pubbliche supportano un'affermazione più circoscritta: è un caso di successo di dati e operations. Le questioni aperte sono:

• in che misura acquisti e riassortimento siano guidati dal machine learning anziché da team commerciali esperti che utilizzano i dati RFID;
• se funzioni generative come Try-on riducano i resi o aggiungano semplicemente engagement;
• quanta parte del vantaggio dipenda dal sourcing di prossimità, che i concorrenti con supply chain più lunghe non possono replicare tramite software.

Leggi anche

Come Levi Strauss & Co. usa l'IA: il programma sui dati e le sue lezioni

Che cosa possono imparare le altre aziende della moda?

1. Risolvere l'accuratezza delle scorte prima di acquistare software di previsione. La visibilità a livello di articolo è il presupposto di qualsiasi modello di domanda affidabile.
2. Progettare progetti sui dati con un doppio ritorno. La placca RFID di Inditex è servita contemporaneamente all'accuratezza delle scorte e alla prevenzione delle perdite.
3. Accorciare il ciclo tra sell-through e approvvigionamento; i dati creano valore solo se produzione e logistica sono in grado di reagire.
4. Integrare i dati sulle scorte tra le diverse sedi, in modo che segnali di domanda e riassortimento si basino su un'unica visione dell'inventario.
5. Essere precisi nelle affermazioni: distinguere ciò che offre l'infrastruttura dati da ciò che aggiungono i modelli di IA.

Domande frequenti

Zara usa l'IA per prevedere la domanda?

Inditex non ha descritto pubblicamente i modelli di previsione alla base degli acquisti e del riassortimento di Zara. Ciò che è documentato è la base di dati: RFID a livello di articolo, piena integrazione delle scorte e consegne ai negozi due volte a settimana.

Come usa Inditex l'RFID?

Ogni capo porta un chip RFID, originariamente inserito nella placca antitaccheggio riutilizzabile, che viene letto nei centri di distribuzione e nei negozi. Ciò offre una visibilità in tempo reale della posizione di ogni articolo e aiuta anche a ridurre i furti, che nel 2016 costavano a Inditex quasi 170 milioni di euro all'anno.

Che cos'è Zara Try-on?

Zara Try-on è una funzione di IA generativa lanciata a dicembre 2025 che consente ai clienti di creare un avatar a partire da foto e di generare immagini in cui l'avatar indossa prodotti Zara. A marzo 2026 era attiva in 43 mercati con oltre 7 milioni di sessioni.

Perché la supply chain di Inditex viene definita guidata dalla domanda?

Inditex produce una quota consistente dei suoi articoli vicino alla sede centrale in Spagna e rifornisce i negozi due volte a settimana, per cui può adattare l'offerta a ciò che si vende durante la stagione invece di impegnare tutto lo stock con mesi di anticipo.

GuidaLa guida completa all’IA nella supply chain e nella sostenibilità della modaLeggi la guida completa