Come Under Armour usa dati, IA e 3D nella creazione dei prodotti e negli insight sui consumatori
In passato Under Armour ha descritto social listening, dati delle scarpe connesse e stampa 3D, e oggi cita l'IA soprattutto come rischio. Che cosa è documentato e che cosa no.
IN SINTESI Sintesi della redazione
- A una conferenza di analytics del 2018, il vice president of enterprise transformation di Under Armour ha descritto l'uso del natural language processing in SAP HANA sui dati dei social media per orientare una scarpa stampata in 3D, anziché chiedere direttamente ai consumatori.
- Lo stesso intervento ha riferito che le scarpe connesse hanno rivelato che i clienti usavano spesso le scarpe da cross-training per correre, un esempio di dati d'uso del prodotto che alimentano le decisioni di prodotto.
- Under Armour ha classificato i propri dati in base all'affidabilità: dati SAP ERP al livello più alto, poi i dati che paga per acquisire e, al livello più basso, i dati dei social media, usati con cautela.
- Il bilancio annuale di Under Armour per l'esercizio chiuso il 31 marzo 2026 afferma che l'azienda sta aggiornando il proprio sistema tecnologico di pianificazione end-to-end e descrive come rischi gli strumenti di shopping abilitati dall'IA e la governance dell'IA.
- I documenti esaminati non descrivono IA nel design o nella creazione di prodotti 3D, quindi l'uso attuale di design generativo o strumenti 3D in Under Armour non è documentato pubblicamente in essi.
Gli atti pubblici di Under Armour su dati e creazione dei prodotti si dividono tra un intervento più datato e dettagliato e documenti ufficiali più recenti e cauti. Nel 2018 un dirigente ha spiegato come social listening e dati di prodotti connessi abbiano orientato una scarpa stampata in 3D. Nei bilanci annuali 2025 e 2026 l'IA compare come rischio competitivo e di governance, accanto a un aggiornamento della tecnologia di pianificazione dell'azienda. Nessuna fonte esaminata documenta flussi di lavoro attuali di IA o di design 3D.
Questo caso di studio riporta entrambi i livelli e segnala il divario tra di essi, perché i lettori non diano per scontato che un esempio del 2018 descriva le operazioni di oggi.
Come ha usato Under Armour i dati per orientare una scarpa stampata in 3D?
ASUG ha riportato una sessione della conferenza BI and Analytics del 2018 in cui David Roberts, allora vice president of enterprise transformation di Under Armour, ha descritto una scarpa con intersuola stampata in 3D venduta direttamente ai consumatori, realizzata dopo un ordine online. L'ha contrapposta al modello convenzionale, in cui la maggior parte delle scarpe vendute negli Stati Uniti è prodotta in Asia con un ciclo dal design alla vendita di circa sei mesi che, a suo dire, era lo stesso da decenni.
Per gli input di design, il team ha analizzato i social media con il natural language processing in SAP HANA anziché cercare un feedback diretto dai consumatori. Roberts ha inoltre detto che Under Armour aveva acquisito diverse aziende di app di fitness tracking e le aveva collegate alle proprie scarpe per raccogliere dati di Internet of Things, e che uno degli insight era che i clienti usano spesso le scarpe da cross-training per correre.
Quanta fiducia riponeva Under Armour in ciascuna fonte di dati?
Un dettaglio utile dell'intervento è la gerarchia dei dati. Secondo ASUG, Roberts ha classificato i dati SAP ERP come i più affidabili, poi i dati che l'azienda paga per acquisire, con i dati dei social media meno affidabili e usati con cautela. Ha detto: «La tecnologia ti porta al tavolo, ma sei tu a dover decidere come scomporre i dati.»
| Fonte | Uso descritto | Livello di fiducia dichiarato |
|---|---|---|
| Dati SAP ERP | Operazioni principali e reporting | Massimo |
| Dati acquisiti | Aggiunti alle fonti interne | Secondo |
| Dati di scarpe e app connesse | Insight su come vengono usati i prodotti | Non classificati |
| Social media | Natural language processing per orientare il design | Minimo, usati con cautela |
L'articolo di ASUG fornisce anche cifre di costo per le scarpe stampate in 3D rispetto a quelle prodotte in fabbrica che sono incoerenti al proprio interno nel testo, quindi non vengono riprese qui. Il punto per i pianificatori è il modello di approvvigionamento, la produzione su richiesta dopo un ordine, non i costi unitari citati.
Che cosa dicono sull'IA i bilanci annuali recenti di Under Armour?
Il Form 10-K per l'esercizio chiuso il 31 marzo 2025 afferma che i sistemi di inventario di Under Armour, compreso il sistema globale operativo e di reporting finanziario, sono progettati per migliorare previsioni e pianificazione della fornitura. Elenca l'uso di data analytics, intelligenza artificiale, machine learning ed esperienza digitale del consumatore tra gli ambiti in cui i concorrenti potrebbero avere un vantaggio.
Il documento per l'esercizio chiuso il 31 marzo 2026 fa riferimento all'aggiornamento del sistema tecnologico di pianificazione end-to-end, alla necessità di adattarsi all'uso di strumenti di shopping abilitati dall'IA e alla necessità di ottimizzare i dati disponibili sui consumatori. Cita inoltre tra i rischi di conformità i controlli sull'uso di tecnologie di IA e di machine learning e l'AI Act dell'Unione europea. Sulla creazione dei prodotti dice soltanto che i prodotti sono sviluppati da team interni di sviluppo prodotto.
Che cosa è documentato e che cosa no su IA e 3D nel design?
- Documentato: l'uso nel 2018 del natural language processing su dati social e dati di prodotti connessi per orientare una scarpa.
- Documentato: un aggiornamento della tecnologia di pianificazione e l'IA indicata come tema competitivo e di governance nei documenti recenti.
- Non documentati in queste fonti: design generativo, previsione dei trend con l'IA, campionatura 3D dell'abbigliamento o creazione digitale di prodotto su scala attuale.
- Non documentati: effetti misurati su tempi di consegna, numero di campioni o tasso di successo.
Lezioni per i team di prodotto. Primo, la qualità del segnale conta più del volume del segnale. Under Armour ha classificato apertamente i dati social come l'input meno affidabile e li ha usati con cautela. Secondo, i dati d'uso del prodotto possono rivelare comportamenti che i sondaggi non colgono, come scarpe usate per un'attività diversa da quella prevista. Terzo, gli aggiornamenti della tecnologia di pianificazione, anche senza IA, sono un prerequisito per qualsiasi successivo uso del machine learning sulle previsioni.
Perché i casi di studio datati vanno trattati con attenzione?
L'esempio di Under Armour del 2018 è ancora molto citato perché è specifico, con strumenti nominati e una sequenza chiara dai dati al prodotto. Ma cinque anni o più sono molti negli analytics. I metodi di natural language processing, l'accesso ai dati social e gli strumenti 3D sono tutti cambiati, e anche l'attività di Under Armour è stata ristrutturata da allora. Citare l'esempio come pratica attuale sarebbe fuorviante.
Il suo valore oggi è come schema. L'azienda ha combinato tre tipi di segnale: conversazione pubblica, dati di dispositivo dai prodotti connessi e dati transazionali interni. Ha poi applicato a ciascuno livelli di fiducia diversi. Questa struttura, una gerarchia delle evidenze, è altrettanto rilevante per uno strumento di IA generativa che riassume il feedback dei clienti quanto lo era per l'analisi originale.
Come potrebbe un team di prodotto applicare lo stesso approccio con gli strumenti attuali?
- Elencare i segnali. Social listening, recensioni, motivi di reso, dati d'uso del prodotto e storico delle vendite.
- Classificarli. Decidere in anticipo quali fonti possono prevalere su quali, come Under Armour faceva in modo informale.
- Testare prima di fare affidamento. Confrontare gli insight con gli esiti di vendita delle stagioni passate per vedere quali fonti hanno previsto bene.
- Mantenere un punto di decisione umano. Designer e merchandiser dovrebbero rivedere qualsiasi insight generato dall'IA prima che influenzi un brief.
Qualsiasi programma di questo tipo richiede anche regole sui dati dei consumatori. L'analisi dei social media e i dati dei prodotti connessi rientrano nella normativa sulla privacy in molti mercati, e i bilanci annuali esaminati elencano tra i rischi di conformità dell'azienda la protezione dei dati e la regolamentazione dell'IA.
Che cosa cambia la produzione su richiesta per la pianificazione?
Un prodotto realizzato su ordinazione inverte la consueta logica di pianificazione. Anziché prevedere la domanda con mesi di anticipo e impegnarsi su quantità, il marchio attende un ordine e produce dopo. Ciò elimina l'errore di previsione per quell'articolo, ma sposta la sfida su capacità produttiva, tempi di consegna e costo unitario. L'intervento del 2018 presentava la scarpa come alternativa al ciclo convenzionale, non come sostituto, e i documenti attuali dell'azienda descrivono ancora previsioni e pianificazione della fornitura come centrali.
Per la maggior parte dei marchi di abbigliamento, la produzione su richiesta resta una nicchia perché i capi richiedono molto lavoro e i materiali variano. La lezione rilevante è il principio che i dati dei primi clienti possano orientare ciò che si produce dopo, un principio che i marchi possono applicare tramite drop in piccoli lotti, preordini e riassortimento rapido anche senza stampa 3D.
I marchi che valutano passi simili dovrebbero registrare gli esiti, come il sell-through delle serie limitate rispetto alle previsioni, così che i futuri strumenti di IA abbiano uno storico affidabile da cui apprendere.
Domande frequenti
Under Armour usa l'IA nel design dei prodotti?
Le fonti esaminate non documentano IA nel processo di design di Under Armour. Un intervento del 2018 ha descritto il natural language processing su dati dei social media per orientare una scarpa, ma i bilanci annuali recenti menzionano l'IA solo come rischio e fattore competitivo.
Che cos'è la scarpa stampata in 3D di Under Armour?
È una scarpa con intersuola stampata in 3D che, come descritto a una conferenza del 2018, era venduta direttamente ai consumatori e realizzata dopo un ordine online. È stata presentata come alternativa al ciclo convenzionale dal design alla vendita di circa sei mesi.
Come usa Under Armour i dati dei consumatori?
Il suo bilancio annuale afferma che la capacità di rispondere alle preferenze dei consumatori dipende in parte dall'ottimizzazione dei dati disponibili sui consumatori. Nel 2018 ha descritto l'analisi dei social media e i dati delle scarpe connesse e delle app di fitness.
Under Armour sta aggiornando i propri sistemi di pianificazione?
Il suo documento per l'esercizio chiuso il 31 marzo 2026 fa riferimento all'aggiornamento del sistema tecnologico di pianificazione end-to-end. Il documento non nomina il fornitore né dice se l'IA faccia parte dell'aggiornamento.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.
