Maisa Benatti, Amministratore Delegato AIUTA – Serie di interviste

Maísa Benatti CEO di AIUTA è una leader visionaria nel campo della tecnologia della moda e dell'intelligenza artificiale generativa, attualmente alla guida della missione dell'azienda di rivoluzionare le esperienze di moda digitale da Londra da dicembre 2024. Nel suo ruolo di Amministratore Delegato, si concentra sulla creazione di soluzioni di intelligenza artificiale scalabili che aiutino i marchi a produrre contenuti visivi premium, migliorare i percorsi dei clienti e sbloccare opportunità di crescita, attingendo alla sua profonda esperienza in product design, ricerca UX e intelligenza artificiale, maturata nel suo precedente ruolo di Chief Product Officer presso AIUTA e in ruoli di senior product leadership in aziende come FARFETCH e Amazon. Il suo background spazia dall'intelligenza artificiale generativa per la personalizzazione e la scoperta, ai modelli linguistici di grandi dimensioni e all'innovazione dell'e-commerce, promuovendo costantemente applicazioni di intelligenza artificiale che rendono lo shopping di moda più intuitivo e coinvolgente.

AIUTA è una piattaforma di innovazione AI modulare che trasforma il modo in cui i marchi e i rivenditori di moda interagiscono con gli acquirenti online integrando tecnologie avanzate come la prova virtuale, lo styling personalizzato e la creazione di contenuti basati sull'intelligenza artificiale direttamente nelle vetrine digitali. La suite di soluzioni dell'azienda consente esperienze di acquisto immersive e interattive che aumentano le conversioni e riducono i resi, consentendo ai consumatori di visualizzare i capi su se stessi in tempo reale, consentendo al contempo ai marchi di scalare immagini di qualità professionale e suggerimenti di outfit con modelli AI proprietari che gestiscono rendering realistici, vestibilità virtuali che preservano il corpo e un'integrazione perfetta con il catalogo.

La tua carriera è iniziata nel fashion design e nella ricerca di tendenze, prima di passare a ruoli di customer relationship management e product leadership presso Farfetch e Amazon Fashion. In che modo queste prime esperienze nel mondo della moda hanno influenzato la tua prospettiva su dove l'intelligenza artificiale può avere l'impatto più significativo nel commercio?

Non sono entrata nel mondo della moda perché volevo disegnare cose belle, ma perché ero curiosa di sapere come funziona realmente il settore. Fin dall'inizio, ero molto più interessata a domande come: come si sviluppa questo prodotto? Perché è costoso? Perché si rompe una volta arrivato al cliente?

Quando sono passata a ricoprire ruoli di customer e product manager presso Farfetch e successivamente Amazon Fashion, quella curiosità si è trasformata in qualcosa di molto concreto. Ho potuto constatare quanto l'esperienza di acquisto online dipenda dalle immagini, e quanto poco queste immagini indichino effettivamente come un capo si adatterà o si comporterà sul corpo.

È qui che l'intelligenza artificiale ha iniziato a sembrarmi significativa, non come un trucco creativo, ma come un modo per colmare il divario tra ciò che i marchi mostrano e ciò che i clienti ricevono effettivamente. Se l'intelligenza artificiale potesse aiutare a rappresentare l'abbigliamento in modo più onesto e su larga scala, potrebbe aumentare la fiducia, ridurre gli sprechi e migliorare il commercio per tutti i soggetti coinvolti.

L'intelligenza artificiale nel settore della moda è spesso circondata da clamore. Quali sono i principali equivoci che i marchi hanno sull'applicazione della visione artificiale e dell'intelligenza artificiale generativa al retail, e in cosa la maggior parte delle iniziative fallisce?

L'equivoco più grande è che se qualcosa appare impressionante in una demo, sia pronto per la produzione. In realtà, si tratta di due cose molto diverse.

La moda è piena di casi limite: diverse tipologie di corpo, tessuti, costruzioni e standard di marca. Molti strumenti di intelligenza artificiale non sono progettati per gestire questa complessità in modo coerente. Potrebbero generare qualcosa che sembra bello una volta, ma che crolla quando si cerca di applicarlo a un intero catalogo.

Un altro problema è che la moda viene spesso trattata come un generico problema visivo. Non lo è. L'abbigliamento è un oggetto fisico e se il sistema non comprende il comportamento dei capi nel mondo reale, il risultato potrebbe sembrare accattivante, ma non affidabile. L'impatto di questa lacuna è significativo: circa il 40% degli ordini online di moda viene restituito, il che danneggia sia il conto economico dei rivenditori che l'ambiente. Quando le immagini travisano la vestibilità o l'aspetto, l'incertezza aumenta, ed è qui che solitamente le iniziative di intelligenza artificiale si bloccano.

Molti rivenditori citano l'incertezza su vestibilità e aspetto come uno dei principali fattori che determinano i resi. Dalla tua esperienza di lavoro su taglie e vestibilità sia per Farfetch che per Amazon, cosa serve effettivamente all'intelligenza artificiale per ridurre i resi in modo misurabile?

Ridurre i resi non significa aggiungere una funzionalità, ma aumentare la fiducia al momento dell'acquisto.

Anche taglia e vestibilità hanno significati diversi a seconda delle regioni. Le aspettative di vestibilità sono culturali. Una "vestibilità perfetta" in un mercato può risultare troppo stretta o troppo ampia in un altro. L'intelligenza artificiale può mappare questi modelli e personalizzare le raccomandazioni in base al comportamento regionale e alle preferenze individuali, non solo alle misure.

C'è anche un problema strutturale nelle immagini di moda. La maggior parte dei prodotti viene fotografata su una taglia campione, spesso ritagliata in studio per renderla più valorizzante. Questo crea aspettative irrealistiche. Riprodurre ogni capo su diverse corporature sarebbe l'ideale, ma per la maggior parte delle aziende è un'operazione complessa e proibitiva dal punto di vista operativo.

È qui che l'intelligenza artificiale diventa trasformativa. Permette ai brand di mostrare su larga scala e con realismo il comportamento dei capi di abbigliamento su diverse corporature e tonalità di pelle.

Il realismo è fondamentale. Se ciò che i clienti vedono è veritiero e coerente in tutto il catalogo, la fiducia aumenta. Quando la fiducia aumenta, i resi diminuiscono.

Le demo di prova virtuale possono essere efficaci se prese singolarmente, ma estenderle a migliaia di SKU è una sfida diversa. Quali ostacoli tecnici o operativi emergono su scala di catalogo e come li ha affrontati AIUTA?

Su larga scala, ci si rende presto conto che una buona demo non basta. Dalla mia esperienza nella gestione di iniziative di prova e vestibilità virtuali presso Farfetch e Amazon, le sfide più grandi non riguardavano solo la precisione. Erano costi, velocità e complessità operativa. I sistemi che funzionavano nei progetti pilota diventavano troppo costosi, troppo lenti o troppo manuali quando si cercava di implementarli su un catalogo reale.

La latenza è un fattore determinante. Se una prova virtuale impiega troppo tempo a caricarsi, i clienti semplicemente non la utilizzeranno, indipendentemente dalla sua accuratezza. Ecco perché le prestazioni sono state per noi un vincolo progettuale fondamentale fin dall'inizio. Oggi, la prova virtuale di AIUTA si carica in circa 4-7 secondi in produzione, un tempo significativamente più rapido rispetto alla maggior parte delle soluzioni sul mercato.

La complessità operativa è altrettanto importante. Molte soluzioni richiedono una preparazione approfondita, input dettagliati o un lavoro manuale continuo da parte dei team dei brand. AIUTA è progettata per funzionare a partire da input molto semplici, con il minimo sforzo richiesto ai rivenditori, pur preservando l'accuratezza dei capi. Di conseguenza, possiamo passare dalla generazione di centinaia di immagini a settimana a migliaia di immagini al giorno, consentendo ai brand di estendere la prova virtuale su cataloghi di grandi dimensioni senza aggiungere costi operativi.

Infine, c'è la coerenza. Molti sistemi iniziano a distorcere tessuti o proporzioni man mano che si scala. Controllando l'intera pipeline, dall'acquisizione e annotazione dei capi all'addestramento e all'implementazione dei modelli, siamo in grado di mantenere l'identità e il realismo dei capi alla scala in cui operano effettivamente i rivenditori aziendali.

AIUTA combina pipeline di visione artificiale con modelli generativi. Come garantire realismo e accuratezza dei capi, pur continuando a fornire output sufficientemente rapidi per i flussi di lavoro aziendali?

Siamo molto attenti a ciò che ottimizziamo. La velocità è importante, ma la precisione viene prima di tutto.

I nostri sistemi sono addestrati specificamente sui dati di moda, e questa distinzione è importante. Non ci affidiamo a set di dati standard per l'e-commerce che tendono a replicare ripetutamente le stesse corporature strette: parliamo di modelle tipicamente alte e magre. Invece, possediamo e abbiamo creato sinteticamente un set di dati altamente diversificato, costruito attorno a rappresentazioni umane realistiche, con diverse forme del corpo, proporzioni e modelli di abbigliamento.

Poiché i modelli sono addestrati su questa diversità, comprendono aspetti come la consistenza del tessuto, il drappeggio e la costruzione in modo molto più realistico. Di conseguenza, non dobbiamo "correggere" i risultati a posteriori. Il realismo è intrinseco nel sistema fin dall'inizio.

Dal punto di vista infrastrutturale, abbiamo investito molto anche nelle prestazioni. Il risultato è che i brand possono generare output di alta qualità in pochi secondi, non in minuti, il che rende la tecnologia utilizzabile in ambienti di produzione reali, piuttosto che in mera sperimentazione.

Quali sono le maggiori sfide che le aziende devono affrontare quando integrano gli strumenti di intelligenza artificiale nei flussi di lavoro esistenti di produzione creativa, di merchandising e di contenuti?

La maggior parte delle aziende dispone già di sistemi e processi complessi. La sfida più grande è che molti strumenti di intelligenza artificiale sono concepiti come prodotti autonomi, non come parte di un flusso di lavoro più ampio.

Affinché l'IA venga effettivamente adottata, deve integrarsi in modo pulito, sia dal punto di vista tecnico che operativo. Ciò significa API, conformità alla sicurezza, qualità prevedibile e responsabilità chiara in caso di problemi.

C'è anche un fattore di fiducia. I brand sono comprensibilmente cauti nel lasciare che i sistemi generativi influenzino i loro asset visivi principali. Ecco perché affidabilità e controllo qualità sono importanti tanto quanto l'innovazione.

Hai guidato iniziative di intelligenza artificiale e personalizzazione all'interno di grandi marketplace. In che modo sviluppare l'intelligenza artificiale all'interno di una grande piattaforma differisce dalla creazione di un'azienda deep-tech focalizzata esclusivamente sull'infrastruttura di intelligenza artificiale per il settore della moda?

All'interno di una piattaforma di grandi dimensioni, l'intelligenza artificiale è una delle tante componenti in movimento. Spesso si cerca di ottimizzare i processi nel rispetto dei vincoli esistenti e di bilanciare priorità contrastanti.

Costruire AIUTA è molto diverso perché l'intera azienda è focalizzata su un unico problema: la grafica per la moda. Questa attenzione ci permette di approfondire il processo, sia tecnicamente che creativamente, e di intervenire più rapidamente quando notiamo un problema in produzione.

Ci consente inoltre di costruire infrastrutture a lungo termine anziché funzionalità a breve termine. Non ci limitiamo a risolvere i casi d'uso attuali, ma progettiamo sistemi in grado di evolversi di pari passo con la tecnologia.

Come si bilanciano personalizzazione e privacy quando si lavora con dati sulle taglie, rappresentazioni del corpo e segnali comportamentali degli acquirenti?

La privacy deve essere integrata nel sistema fin dall'inizio. Non può essere considerata un'aggiunta successiva.

In AIUTA, ci concentriamo sul miglioramento della rappresentazione piuttosto che sulla raccolta di ulteriori dati personali. Grazie a una migliore comprensione dei capi e della diversità corporea nel loro insieme, possiamo offrire esperienze più pertinenti senza basarci su informazioni individuali sensibili.

Questo equilibrio è fondamentale, soprattutto nel mondo della moda, dove la fiducia gioca un ruolo fondamentale nelle decisioni di acquisto.

Le immagini generate dall'intelligenza artificiale sollevano preoccupazioni riguardo a corpi abbelliti o capi di abbigliamento travisati. Come si affrontano l'autenticità e l'integrità del marchio quando si implementano sistemi generativi su larga scala?

È qualcosa a cui pensiamo costantemente e per me è diventato anche molto personale.

Durante la gravidanza, ho preso consapevolezza di quanto siano limitati la maggior parte dei sistemi di intelligenza artificiale nel rappresentare corpi che esulano da standard ristretti. La gravidanza è temporanea, ma è uno stato fisico molto reale, eppure spesso è completamente assente dai dati di addestramento. Ho potuto constatare in prima persona quanto facilmente l'intelligenza artificiale fallisca quando i corpi cambiano, anche di poco, rispetto a ciò che il sistema considera "standard".

Molti sistemi generativi sono progettati per far apparire le cose "migliori", il che, per molti, può erroneamente significare più morbide, più snelle o più idealizzate. Ma nella moda, questo approccio tradisce rapidamente la fiducia. Se il corpo viene abbellito o il capo viene leggermente modificato, i clienti si ritrovano con un prodotto che non corrisponde a ciò che è stato loro mostrato.

In AIUTA, progettiamo consapevolmente per il realismo. Il nostro obiettivo è mostrare abiti su corpi reali, compresi quelli che non soddisfano le rigide aspettative del settore, che si tratti di taglie, proporzioni o anatomie più complesse come quelle premaman. Inoltre, abbiniamo l'intelligenza artificiale al controllo qualità umano per individuare casi limite e garantire che ogni output sia in linea con gli standard del marchio.

L'autenticità non è solo un valore per noi, è essenziale per un'adozione a lungo termine. Se clienti e brand non si fidano di ciò che vedono, la tecnologia semplicemente non funzionerà.

Guardando al futuro, come pensi che l'intelligenza artificiale generativa rimodellerà l'ecosistema della moda in senso più ampio, compresi i gemelli digitali, i modelli di monetizzazione e il futuro della produzione creativa?

Penso che ci stiamo muovendo verso un mondo in cui le immagini non sono più risorse statiche, ma sistemi viventi.

I gemelli digitali, sia per gli abiti che per le modelle, diventeranno molto più comuni. Questo aprirà la strada a nuovi modelli di monetizzazione e consentirà al lavoro creativo di espandersi in modi prima impensabili.

Più in generale, la produzione creativa diventerà più veloce, più flessibile e più reattiva. In definitiva, i marchi che avranno successo saranno quelli che utilizzeranno l'intelligenza artificiale in modo ponderato e la implementeranno come infrastruttura a supporto di precisione, creatività e fiducia.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare AIUTA.