Maisa Benatti, generální ředitelka AIUTA – Interview Series

Maísa Benatti CEO at AIUTA je vizionářským lídrem v oblasti fashion-tech a generativní umělé inteligence, který v současné době stojí v čele mise společnosti na revoluci digitálních módních zkušeností z Londýna od prosince 2024. Ve své roli generálního ředitele se zaměřuje na budování škálovatelných řešení umělé inteligence, která pomáhají značkám produkovat prémiový vizuální obsah, zlepšovat zákaznické cesty a odemykat příležitosti k růstu, a to na základě své hluboké odbornosti v oblasti produktového designu, UX výzkumu a umělé inteligence ze své předchozí funkce chief product officer ve společnosti AIUTA a seniorních produktových vedoucích rolí ve společnostech jako FARFETCH a Amazon (AMZN ). Její zkušenosti sahají od generativní umělé inteligence pro personalizaci a objevování, velkých jazykových modelů a inovací v oblasti e-commerce, které neustále pohánějí dopředu aplikace umělé inteligence, které činí módní nákup více intuitivním a přitažlivým.

AIUTA je modulární platforma inovací umělé inteligence, která transformuje, jak módní značky a maloobchodníci zapojují zákazníky online integrováním pokročilých technologií, jako je virtuální vyzkoušení, personalizované styling a vytváření obsahu poháněné umělou inteligencí, přímo do digitálních obchodních prostorů. Společnost nabízí soubor řešení, která umožňují imerzivní a interaktivní nákupní zkušenosti, které zvyšují konverzi a snižují návraty, a to tím, že spotřebitelům umožňují vizualizovat oděv na sobě v reálném čase, a současně umožňují značkám škálovat studiové vizuální a doporučení outfitů s vlastními modely umělé inteligence, které zpracovávají realistické vykreslování, tělesné virtuální přizpůsobení a bezproblémovou integraci katalogu.

Vaše kariéra začala v módním designu a trendovém výzkumu, než jste přešli do zákaznických a produktových vedoucích rolí ve společnostech Farfetch a Amazon Fashion. Jak tyto rané zkušenosti v módě utvořily váš pohled na to, kde umělé inteligence může mít nejvýznamnější dopad v obchodu?

Nezačal jsem v módě, protože jsem chtěl navrhovat krásné věci — začal jsem v ní, protože jsem byl zvědavý, jak průmysl vlastně funguje. Už na začátku jsem byl mnohem více zvědavý na otázky, jako: Jak se to škáluje? Proč je to drahé? Proč se to rozbije, až se dostane ke zákazníkovi?

Když jsem přešel do zákaznických a produktových rolí ve společnostech Farfetch a později Amazon Fashion, tato zvědavost se proměnila ve něco velmi konkrétního. Mohl jsem vidět, jak moc online nákupní zkušenost závisí na vizuálech, a jak málo tyto vizuály vlastně říkají o tom, jak se oděv bude hodit nebo chovat na těle.

To je místo, kde umělé inteligence začala pro mě mít smysl, ne jako kreativní trik, ale jako způsob, jak uzavřít mezeru mezi tím, co značky ukazují, a tím, co zákazníci skutečně dostanou. Pokud by umělé inteligence mohla pomoci reprezentovat oděv více poctivě a ve velkém měřítku, mohla by zlepšit důvěru, snížit plýtvání a učinit obchod lepší pro všechny zúčastněné.

Umělé inteligence v módě je často obklopena hype. Jaké jsou největší mýty, které značky mají o aplikaci počítačového vidění a generativní umělé inteligence v maloobchodě, a kde většina iniciativ selhává?

Největší mýtus je, že pokud něco vypadá působivě v demo, je připraveno k produkci. Ve skutečnosti jsou to dvě velmi odlišné věci.

Móda je plná edge případů: různých tělesných typů, tkanin, konstrukcí a standardů značek. Mnoho nástrojů umělé inteligence není postaveno tak, aby zvládalo tuto složitost konzistentně. Mohou generovat něco, co vypadá dobře jednou, ale rozpadne se, když se pokusíte aplikovat jej na celý katalog.

Jinou otázkou je, že móda je často léčena jako obecný vizuální problém. Není. Oděv je fyzický objekt, a pokud váš systém nerozumí, jak se oděv chová ve skutečném světě, výstup může vypadat lákavě, ale nebude důvěryhodný. Dopad této mezery je významný — kolem 40 % online módních objednávek je vráceno, což poškozuje jak maloobchodníky, tak životní prostředí. Když vizuály nesprávně reprezentují fit nebo vzhled, nejistota se zvyšuje, a to je obvykle místo, kde iniciativy umělé inteligence selhávají.

Mnohé maloobchodníky citují nejistotu fitu a vzhledu jako hlavní příčinu návratů. Z vašich zkušeností s prací na velikosti a fitu ve společnostech Farfetch a Amazon, co vlastně vyžaduje, aby umělé inteligence snížila návraty měřitelným způsobem?

Snížení návratů není o přidání funkce, je o zvýšení důvěry v okamžiku nákupu.

Velikost a fit také znamenají různé věci v různých regionech. Očekávání fitu jsou kulturní. „Dokonalý fit“ v jednom trhu může cítit příliš těsně nebo příliš volně v jiném. Umělé inteligence může mapovat tyto vzorce a personalizovat doporučení na základě regionálního chování a individuálních preferencí, ne jen měření.

Existuje také strukturální problém v módní fotografii. Většina produktů je fotografována na jedné vzorové velikosti, často oříznutá v ateliéru, aby vypadala lépe. To vytváří nerealistické očekávání. Fotografování každého oděvu na různých tělesných typech by bylo ideální, ale pro většinu podniků je to operativně komplexní a prohibitivně drahé.

To je místo, kde umělé inteligence se stává transformační. Umožňuje značkám ukázat, jak se oděv chová na různých tělesných typech a barvách pleti ve velkém měřítku, s realistikou.

Realismus je klíčový. Pokud to, co zákazníci vidí, feels pravdivé a konzistentní napříč katalogem, důvěra se zvyšuje. Když důvěra se zvyšuje, návraty klesají.

Virtuální vyzkoušení demo může vypadat působivě v izolaci, ale škálování jej na tisíce SKU je jiná výzva. Jaké technické nebo operativní překážky vznikají ve velkém měřítku, a jak společnost AIUTA řeší tyto problémy?

Ve velkém měřítku si rychle uvědomíte, že dobrý demo není dostatečné. Z mé zkušenosti s virtuálním vyzkoušením a fit iniciativami ve společnostech Farfetch a Amazon, největšími výzvami nebyly pouze otázky související s přesností. Byly to náklady, rychlost a operativní komplexita. Systémy, které fungovaly v pilotních projektech, se staly příliš drahými, příliš pomalými nebo příliš manuálními, když se pokusily nasadit napříč skutečným katalogem.

Latence je velkou částí toho. Pokud virtuální vyzkoušení trvá příliš dlouho na načtení, zákazníci jej prostě nepoužijí, bez ohledu na to, jak přesné je. To je důvod, proč výkon byl pro nás od začátku základním designovým omezením. Dnes virtuální vyzkoušení společnosti AIUTA se načte za khoảng 4 až 7 sekund v produkci, což je výrazně rychlejší než většina řešení na trhu.

Operativní komplexita je stejně důležitá. Mnoho řešení vyžaduje rozsáhlou přípravu, podrobné vstupy nebo nepřetržitou manuální práci od týmů značek. Společnost AIUTA je navržena tak, aby fungovala z velmi jednoduchých vstupů, s minimálními úsilími vyžadovanými od maloobchodníků, a současně zachovává přesnost oděvu. Jako výsledek, můžeme přejít z generování stovek obrázků týdně na tisíce obrázků denně, umožňující značkám škálovat virtuální vyzkoušení napříč velkými katalogy bez přidání operativních nákladů.

Společnost AIUTA kombinuje počítačové vidění s generativními modely. Jak zajišťujete realistické a přesné výsledky, zatímco stále dodáváte výstupy dostatečně rychle pro podnikové pracovní postupy?

Jsme velmi záměrní o tom, co optimalizujeme. Rychlost je důležitá, ale přesnost má přednost.

Naše systémy jsou trénovány specificky na módních datech, a toto rozlišení je důležité. Nespoléháme se na standardní e-commerce datové sady, které tendují k replikaci stejného úzkého tělesného typu znovu a znovu — mluvíme o typicky vysokých, tenkých modelech. Místo toho vlastníme a jsme synteticky vytvořili vysoce diverzifikovanou datovou sadu postavenou kolem realistických lidských reprezentací, s různými tělesnými tvary, proporcemi a konstrukcemi oděvu.

Protože modely jsou trénovány na této diverzitě, rozumí věcem, jako je textura tkaniny, padnutí a konstrukce, mnohem realističtějším způsobem. Jako výsledek, nemusíme „opravit“ výstupy po faktu. Realismus je vestavěn do systému od začátku.

Na straně infrastruktury jsme také investovali značně do výkonu. Výsledkem je, že značky mohou generovat vysoce kvalitní výstupy v sekundách, ne v minutách, což činí technologii použitelnou v reálných produkčních prostředích, spíše než pouze v experimentech.

Jaké jsou největší výzvy, kterým čelí podniky při integraci nástrojů umělé inteligence do stávajících kreativních, merchandisingových a produktových pracovních postupů?

Většina podniků již má komplexní systémy a procesy na místě. Největší výzvou je, že mnoho nástrojů umělé inteligence je postaveno jako samostatné produkty, ne jako součást širšího pracovního postupu.

Pro umělé inteligence, aby byly skutečně přijaty, musí se integrovat čistě, technicky a operativně. To znamená API, bezpečnostní soulad, předvídatelnou kvalitu a jasnou odpovědnost, když něco jde špatně.

Existuje také důvěrný prvek. Značky jsou pochopitelně opatrné, když dovolí generativním systémům dotknout se jejich核心 vizuálních aktiv. To je důvod, proč spolehlivost a kontrola kvality jsou stejně důležité jako inovace.

Vy jste vedli iniciativy umělé inteligence a personalizace uvnitř velkých tržišť. Jak se budování umělé inteligence uvnitř velké platformy liší od budování hluboké technologické společnosti zaměřené pouze na infrastrukturu umělé inteligence pro módu?

Uvnitř velké platformy je umělé inteligence jednou z mnoha pohyblivých částí. Často optimalizujete uvnitř stávajících omezení a vyvažujete konkurenční priority.

Budování společnosti AIUTA je velmi odlišné, protože celá společnost je zaměřena na jeden problém: módní vizuály. Tento focus umožňuje jít hlouběji, technicky a kreativně, a pohybovat se rychleji, když něco selže v produkci.

Také umožňuje budovat dlouhodobou infrastrukturu, spíše než krátkodobé funkce. Není pouze o řešení dnešních případů použití, ale o navrhování systémů, které mohou evoluvovat, jakmile se technologie vyvíjí.

Jak vyvažujete personalizaci s ochranou osobních údajů, když pracujete se velikostními daty, tělesnými reprezentacemi a signály chování zákazníků?

Ochrana osobních údajů musí být vestavěna do systému od začátku. Nemůžete ji léčit jako doplněk později.

Ve společnosti AIUTA se zaměřujeme na zlepšení reprezentace, spíše než shromažďování více osobních dat. Rozuměním oděvu a tělesné diverzitě v agregátu, můžeme dodávat více relevantních zkušeností, aniž bychom se spoléhali na citlivé individuální informace.

Tento balance je kritický — zejména v módě, kde důvěra hraje tak velkou roli v rozhodování o nákupu.

Umělé inteligence generované vizuály vyvolávají obavy o zkrášlených tělech nebo nesprávně reprezentovaných oděvů. Jak přistupujete k autenticitě a integritě značek, když nasazujete generativní systémy ve velkém měřítku?

Toto je něco, o čem neustále přemýšlíme, a pro mě se to také stalo velmi osobním.

Během mého těhotenství jsem se stal mnohem více vědomým, jak omezené jsou meisten systémy umělé inteligence, když jde o reprezentaci těl, která spadají mimo úzké normy. Těhotenství je dočasné, ale je to velmi reálný fyzický stav, a přece je často zcela chybějící z trénovacích dat. Mohl jsem vidět přímo, jak snadno umělé inteligence selhává, když těla se změní, i jen mírně, od toho, co systém považuje za „standardní“.

Mnohé generativní systémy jsou navrženy tak, aby dělaly věci „lepší“, což pro mnoho lidí může špatně znamenat hladší, štíhlejší nebo idealizovanější. Ale v módě se tento přístup rychle rozpadá důvěru. Pokud tělo je zkrášleno nebo oděv je jemně upraven, zákazníci skončí s produktem, který neodpovídá tomu, co jim bylo ukázáno.

Ve společnosti AIUTA záměrně navrhujeme pro realistické. Naším cílem je ukázat oděv na skutečných tělech, včetně těl, která se nehodí do úzkých průmyslových očekávání, ať už se jedná o různé velikosti, proporce nebo složitější anatomie, jako je těhotenství. Také spojujeme umělé inteligence s lidskou kontrolou kvality, aby chytili edge případy a zajistili, že každý výstup odpovídá standardům značek.

Autenticita není pouze hodnotou pro nás, je to nezbytné pro dlouhodobou adopci. Pokud zákazníci a značky nevěří tomu, co vidí, technologie prostě nefunguje.

Pohledem do budoucnosti, jak vidíte generativní umělé inteligence, která mění širší módní ekosystém, včetně digitálních dvojníků, modelů monetizace a budoucnosti kreativní produkce?

Dumám, že se pohybujeme směrem k světu, kde vizuály nejsou již statickými aktivy, ale živými systémy.

Digitální dvojníci, pro oděv a pro modely, se stanou mnohem častějšími. To otevírá nové modely monetizace a umožňuje kreativní práci škálovat způsoby, které nebyly dříve možné.

Širším způsobem, kreativní produkce se stane rychlejší, flexibilnější a více reaktivní. Nakonec, značky, které uspějí, budou ty, které použijí umělé inteligence uvážlivě a nasadí ji jako infrastrukturu, která podporuje přesnost, kreativitu a důvěru.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit AIUTA.