Trend-to-Product di Walmart: come l'IA ha accorciato i tempi di sviluppo della moda

Trend-to-Product di Walmart è uno strumento di IA proprietario che aiuta i team dei marchi privati del retailer a trasformare più rapidamente i segnali di tendenza online in capi finiti. Walmart afferma che può ridurre i tempi di produzione della moda fino a 18 settimane, portando un processo che tradizionalmente richiedeva circa sei mesi a sei-otto settimane. I dati sono dichiarati dall'azienda, ma il caso mostra chiaramente dove l'IA generativa si inserisce nello sviluppo prodotto e dove sono ancora le persone a decidere.

Che cos'è lo strumento Trend-to-Product di Walmart?

Secondo Axios, Walmart ha presentato pubblicamente Trend-to-Product durante l'incontro con la comunità finanziaria a Dallas il 9 aprile 2025. Il retailer lo descrive come uno strumento di design che intercetta le tendenze e usa IA e IA generativa per analizzare e sintetizzare dati e trend globali, comprese informazioni provenienti da internet e da tastemaker. Axios ha riferito che lo strumento è stato sviluppato internamente nei 18 mesi precedenti ed è proprietario, non un prodotto standard concesso in licenza.

Lo strumento è destinato a designer e merchandiser che lavorano sui marchi propri di Walmart. Axios ha riferito che era già stato usato per creare articoli per No Boundaries, un marchio privato che Axios ha definito un brand da 2 miliardi di dollari, con prodotti usciti nel febbraio 2025. Andrea Albright, executive vice president of sourcing di Walmart, ha descritto l'abbigliamento come una delle categorie più difficili da realizzare per l'azienda, motivo per cui è stata scelta come primo banco di prova.

Come funziona Trend-to-Product, passo dopo passo?

Just Style e Retail Brew, entrambi basandosi sull'annuncio di Walmart, descrivono un flusso di lavoro in più fasi in cui l'IA si occupa di ricerca e documentazione mentre le persone esercitano il giudizio:

1. Rilevazione dei trend. Il sistema raccoglie segnali dal web, compresi post sui social media e video di sfilate e red carpet, e li combina con i dati interni di Walmart.
2. Mood board. L'IA generativa produce mood board con nomi di collezione, colori, texture e idee, sostituendo gran parte della ricerca manuale che in precedenza svolgevano i designer.
3. Perfezionamento umano. Designer e merchandiser perfezionano i mood board, analizzano i dati di sell-through e mettono a frutto la propria esperienza per creare i capi finali.
4. Scheda tecnica. Lo strumento genera poi una scheda tecnica (tech pack) che indica ai fornitori come realizzare ciascun articolo.

Secondo Just Style, l'esecuzione dello strumento in sé richiede circa un'ora, e Retail Brew ha riportato l'affermazione di Walmart secondo cui oggi la fase di ideazione richiede meno di un'ora. Il CTO di Walmart International, Vinod Bidarkoppa, ha detto ad Axios che alcune fasi sono passate da giorni e settimane a pochi minuti.

Leggi anche

Come Nike usa l'IA: dati direct-to-consumer e creazione di prodotto generativa

Quanto è più veloce lo sviluppo della moda di Walmart con l'IA?

Il dato principale dichiarato da Walmart è una riduzione fino a 18 settimane. Just Style ha riferito che progettare e produrre una collezione di abbigliamento richiede tradizionalmente circa sei mesi e che, con lo strumento, le collezioni arrivano sugli scaffali e online in sei-otto settimane. Bidarkoppa lo ha riassunto ad Axios dicendo che sei mesi diventano sei settimane.

Due avvertenze sono importanti. Primo, Retail Brew ha osservato che questi dati sono dichiarazioni dell'azienda e che gli articoli non forniscono dettagli tecnici sull'accuratezza dei risultati. Secondo, la stessa Walmart ha presentato la velocità come un'opzione. Albright ha detto ad Axios che l'azienda non insegue la velocità fine a se stessa, che non tutto richiede una consegna ai negozi in sei settimane e che i Paesi di approvvigionamento variano in base alla categoria e alla velocità richiesta, con i dazi tra i fattori considerati. Ha inoltre affermato che l'approccio è diverso dal fast fashion e non scende a compromessi sull'approvvigionamento responsabile.

Che ruolo hanno ancora designer e merchandiser?

Walmart è esplicita nel dire che le decisioni principali restano in mano alle persone. Secondo Retail Brew e Just Style, Jen Jackson Brown, senior vice president for apparel brand and design di Walmart US, ha affermato che lo strumento consente ai collaboratori del design e dello sviluppo prodotto dei marchi privati di dedicare meno tempo a inseguire i trend. Il giudizio di design, la scelta di ciò che si addice al brand e al suo cliente e la verifica rispetto ai dati di sell-through restano compiti umani.

Questa divisione del lavoro riflette un limite più ampio sollevato da Retail Brew. Tucker Marion, professore associato alla Northeastern University, ha affermato che non esistono ancora pienamente modelli addestrati sui dati e sul DNA di design di un singolo brand. In pratica, l'IA che rileva i trend fa emergere ciò che accade sul mercato; non sa da sola che cosa dovrebbe produrre un determinato marchio.

Di quali dati ha bisogno un flusso di lavoro dal trend al prodotto?

La descrizione di Walmart indica gli input di cui qualsiasi retailer avrebbe bisogno per replicare l'approccio:

• Segnali di tendenza esterni: social media, immagini di sfilate e red carpet e contenuti web più ampi, raccolti nel rispetto del diritto d'autore e dei termini delle piattaforme.
• Dati interni di performance: storico del sell-through per modello, colore e taglia, così che i team possano confrontare i suggerimenti dell'IA con ciò che si è effettivamente venduto.
• Dati di prodotto strutturati: attributi coerenti per tessuti, colori e lavorazioni, così che le schede tecniche generate siano utilizzabili dai fornitori.
• Vincoli di approvvigionamento: lead time, capacità e costi per Paese, poiché la velocità dipende da dove e come viene realizzato un prodotto.

Walmart userà Trend-to-Product anche oltre la moda?

Sì, secondo l'azienda. Axios ha riferito che Walmart intende estendere lo strumento oltre l'abbigliamento, con priorità agli articoli stagionali di tendenza e alla merce generica. Albright ha detto a Just Style che l'azienda vuole portare l'IA nel "primo miglio" della creazione dei prodotti, suggerendo usi come le tonalità dei rossetti o le combinazioni di sapori alimentari.

Leggi anche

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

Che cosa possono imparare da Walmart gli altri retailer di moda?

Il caso offre lezioni pratiche per i team che gestiscono private label e marchi propri. L'IA viene applicata alla parte più lenta e più intensa di ricerca dello sviluppo, mentre le decisioni su che cosa produrre restano a designer e merchandiser. I risultati sono collegati ai dati interni di sell-through e non ai soli segnali di tendenza. E la velocità è trattata come una scelta di sourcing per categoria, non come un obiettivo universale.

I limiti sono altrettanto istruttivi. Walmart ha sviluppato lo strumento internamente in 18 mesi, il che presuppone notevoli capacità di ingegneria e accesso ai dati. I risultati pubblicati riguardano i tempi, non gli esiti commerciali, per cui i retailer che valutano strumenti simili dovrebbero definire le proprie metriche, come il sell-through a prezzo pieno, i tassi di ribasso e il numero di campioni, prima di dichiarare un successo.