Sviluppare, acquistare o collaborare? Come le aziende di moda dovrebbero procurarsi capacità di IA

Di norma le aziende di moda dovrebbero acquistare l'IA per attività comuni come copywriting, traduzione, servizio clienti ed elaborazione di documenti, svilupparla solo dove i propri dati e processi creano un vantaggio reale, come le previsioni per il proprio specifico assortimento, e collaborare con fornitori di tecnologia quando servono sia scala sia una personalizzazione profonda. La maggior parte finisce per adottare un mix, per cui la vera decisione si prende caso d'uso per caso d'uso.

Quali sono le opzioni per procurarsi l'IA?

Che cosa dicono le evidenze su sviluppare o acquistare?

Le evidenze recenti più chiare provengono dall'iniziativa NANDA del MIT. Secondo Fortune, il suo rapporto del 2025 The GenAI Divide, basato su interviste, un sondaggio tra i dipendenti e un'analisi di implementazioni pubbliche, ha rilevato che l'acquisto di strumenti di IA da fornitori specializzati e la costruzione di partnership hanno avuto successo in circa il 67 per cento dei casi, mentre gli sviluppi interni hanno avuto successo solo circa un terzo delle volte. I ricercatori hanno collegato i fallimenti soprattutto a strumenti non adattati ai flussi di lavoro reali.

Allo stesso tempo, per alcune attività sviluppare è diventato più economico. Il sondaggio State of AI 2026 di McKinsey ha rilevato che il 32 per cento degli intervistati ha dichiarato che la propria organizzazione ha rinunciato ad acquistare almeno un prodotto o una funzionalità software perché poteva sviluppare la funzionalità internamente con strumenti di coding agentico. Ciò suggerisce che l'opzione dello sviluppo interno stia diventando praticabile per applicazioni più piccole e ben definite, anche se i grandi sistemi di IA su misura restano rischiosi.

Leggi anche

Tendenze della tecnologia nella moda 2026: che cosa è reale e che cosa è hype

Quando ha senso per un'azienda di moda acquistare l'IA?

Acquistare ha senso quando l'attività è simile tra le aziende e la scala del fornitore gli consente di disporre di dati, modelli o manutenzione migliori di quanto un singolo brand potrebbe ottenere. Nella moda ciò riguarda tipicamente:

• Traduzione e prime bozze delle descrizioni prodotto.
• Assistenza al servizio clienti e smistamento dei ticket.
• Elaborazione di documenti, come la lettura di fatture, bolle di consegna o ordini ricevuti via e-mail.
• Editing di immagini, rimozione dello sfondo e tagging visivo di base.
• Assistenti di produttività per il lavoro d'ufficio, le riunioni e la posta elettronica.

Le funzionalità di IA sono inoltre sempre più integrate nei software che le aziende di moda già utilizzano per pianificazione, informazioni di prodotto, e-commerce ed ERP. Attivare queste funzionalità è spesso la via più rapida, a condizione che possano essere testate rispetto a una baseline come qualsiasi altro investimento.

Quando un'azienda di moda dovrebbe sviluppare la propria IA?

Sviluppare ha senso quando il caso d'uso dipende da dati o processi specifici dell'azienda che rappresentano un vantaggio competitivo: previsioni per un particolare assortimento e mix di canali, raccomandazioni di taglia basate sulle vestibilità e sui resi del brand, o logiche di pricing legate a un modello commerciale distintivo. Richiede inoltre le competenze per mantenere la soluzione, perché i modelli si degradano al cambiare di prodotti, clienti e mercati.

Sviluppare raramente significa addestrare modelli da zero. Più spesso significa combinare un foundation model o metodi standard di machine learning con dati, regole e interfacce proprie dell'azienda. La differenziazione risiede nei dati e nel flusso di lavoro, non nell'algoritmo.

Come funziona in pratica una collaborazione?

Le grandi aziende di moda sviluppano sempre più spesso soluzioni insieme ai principali fornitori di tecnologia. Secondo OpenAI, Zalando ha sviluppato il proprio assistente allo shopping con OpenAI e lo ha esteso a 25 mercati nelle lingue locali. Secondo Microsoft, Levi Strauss & Co. ha annunciato nel novembre 2025 una partnership con Microsoft per realizzare un superagente IA in Microsoft Teams, un assistente di orchestrazione che risponde alle domande dei dipendenti attingendo a diversi agenti operanti dietro le quinte, destinato al personale delle sedi centrali, dei negozi e dei magazzini. Entrambi i casi combinano la piattaforma di un fornitore con i dati e i processi propri dell'azienda.

La collaborazione è adatta ai casi d'uso strategici su larga scala, ma richiede chiarezza su chi detiene ciò che viene sviluppato, chi può riutilizzarlo e come si ripartiscono le responsabilità quando qualcosa va storto.

Come dovrebbero valutare i fornitori di IA le aziende di moda?

Le dichiarazioni dei fornitori vanno verificate con attenzione. Gartner stima che solo circa 130 delle migliaia di fornitori che dichiarano di offrire IA agentica dispongano di reali capacità agentiche; molti ribattezzano assistenti esistenti, robotic process automation o chatbot, una pratica che Gartner chiama agent washing. Domande utili per qualsiasi fornitore di IA:

1. Potete mostrare lo strumento in funzione sui nostri dati, e non solo in una dimostrazione?
2. Quali modelli utilizzate e come gestite i cambi di modello e gli errori?
3. I nostri dati vengono usati per addestrare modelli per altri clienti, ed è possibile rifiutare?
4. Come si integra lo strumento con i nostri sistemi ERP, di informazioni di prodotto ed e-commerce?
5. Quanto costa a pieno regime e come viene tariffato l'utilizzo?
6. Come possiamo esportare i nostri dati e le nostre configurazioni se decidiamo di cambiare?

Leggi anche

Come condurre una selezione software (RFP) senza perdere una stagione

Come evitare il lock-in e proteggere i propri dati?

Il rischio di lock-in cresce man mano che uno strumento di IA diventa parte integrante del lavoro quotidiano. I contratti dovrebbero stabilire chi detiene i dati di input, i risultati e gli eventuali modelli sottoposti a fine-tuning, se i dati aziendali possono essere usati per l'addestramento, dove vengono trattati i dati, che cosa accade ai dati alla scadenza del contratto e come possono variare i prezzi. Mantenere i dati di prodotto, inventario e clienti ben strutturati in sistemi controllati dall'azienda è la protezione più efficace, perché rende il cambio di fornitore un progetto gestibile anziché una ripartenza da zero.

La risposta pragmatica alla scelta tra sviluppare, acquistare o collaborare è quindi un portafoglio: acquistare per le attività comuni, sviluppare in modo selettivo dove i dati dell'azienda creano un vantaggio, collaborare per i grandi programmi strategici e mantenere il controllo dei dati da cui dipendono tutte e tre le opzioni.