Maisa Benatti, AIUTAのCEO – インタビュー・シリーズ

マイサ・ベナッティ は、AIUTAのCEOであり、ファッション・テックと生成AIの分野における先見の明のあるリーダーです。現在、ロンドンを拠点に、デジタルファッション体験を革命的に変える会社のミッションを推進しています。CEOとして、彼女は、ブランドがプレミアムな視覚コンテンツを制作し、顧客の体験を向上させ、成長の機会を解放するためのスケーラブルなAIソリューションを構築することに焦点を当てています。これは、彼女の前の役割であるAIUTAのチーフ・プロダクト・オフィサーおよびFARFETCHとAmazon (AMZN ) などの企業でのシニア・プロダクト・リーダーシップ・ロールでの豊富な製品デザイン、UXリサーチ、AIに関する専門知識に基づいています。彼女の背景には、パーソナライゼーションと発見のための生成AI、ラージ・ランゲージ・モデル、ECイノベーションが含まれており、常にファッション・ショッピングをより直感的で魅力的になるようにAIアプリケーションを推進しています。

AIUTA は、モジュラーなAIイノベーション・プラットフォームであり、ファッション・ブランドと小売業者がオンラインで消費者と関わる方法を変革しています。バーチャル・トライ・オン、パーソナライズド・スタイリング、AI駆動のコンテンツ・クリエーションなどの高度なテクノロジーを直接デジタル・ストアフロントに統合することで、没入感のあるインタラクティブなショッピング・エクスペリエンスを可能にし、コンバージョンを向上させ、返品を減らします。同社のソリューションのスイートは、消費者がリアルタイムに服を自分自身に重ねて見ることができるようにし、ブランドがスタジオ・グレードのビジュアルとアウトフィットのレコメンデーションをスケールアップできるようにすることで、ブランドがプロプライエタリー・AIモデルを使用してリアルなレンダリング、ボディー・プレスerving・バーチャル・フィット、シームレスなカタログ統合を行うことができます。

あなたのキャリアはファッション・デザインとトレンド・リサーチから始まり、FARFETCHとAmazon Fashionでのカスタマー・フェイシングとプロダクト・リーダーシップ・ロールに移りました。ファッションでの初期の経験は、コマースにおけるAIの最も有意義な影響を与える場所についてのあなたの視点をどのように形作ったのか。

私はファッションに入るために美しいものを作りたいと思ったのではなく、業界が実際にどのように機能するのかを知りたかったのです。初期の頃から、私は「これはどのようにスケールするのか」とか「なぜこれは高価なのか」とか「なぜこれは顧客に届いたときに壊れるのか」というような質問に興味がありました。

FARFETCHとAmazon Fashionでのカスタマーとプロダクトの役割に移ってからは、その好奇心が具体的なものになりました。私はオンライン・ショッピング・エクスペリエンスがどれほど視覚に依存しているか、そしてそれらの視覚が実際にどれほど商品のフィットや動作について伝える情報を提供しているかを知ることができました。

その時点で、AIは私にとって意味のあるものになりました。創造的なトリックとしてではなく、ブランドが示すものと顧客が実際に受け取るものの間のギャップを埋める手段としてです。AIが服をより正確に表現するのを助けることができれば、信頼を高め、廃棄を減らし、コマースをすべての関係者にとってより良くすることができます。

ファッションにおけるAIはしばしばハイプに囲まれています。ブランドが小売業界でコンピューター・ビジョンと生成AIを適用する際に最も大きな誤解は何ですか。また、どのような点で多くのイニシアチブが失敗していますか。

最も大きな誤解は、デモで印象的なものを見せたからと言って、それが本番で使えるということです。実際には、それらは非常に異なるものです。

ファッションにはエッジ・ケースが多くあります。さまざまな体の型、生地、構造、ブランドの基準があります。多くのAIツールは、それらの複雑さを一貫して処理することができません。何かを生成することができても、カタログ全体に適用しようとすると崩壊してしまいます。

別の問題は、ファッションが一般的なビジュアル問題として扱われることです。そうではありません。服は物理的な物体であり、システムが服が現実世界でどのように動作するかを理解していない場合、出力は魅力的かもしれませんが、信頼性はありません。そのギャップの影響は大きいです。オンライン・ファッション・オーダーの約40%が返品されていますが、それは小売業者のP&Lと環境に悪影響を与えます。視覚がフィットや外見を誤って表現すると、不確実性が増し、それがAIイニシアチブが失速するところです。

多くの小売業者は、フィットと外見の不確実性を返品の主要な要因として挙げています。FARFETCHとAmazonでのサイズとフィットに関するあなたの経験から、AIが返品を実際に減らすには何が必要か。

返品を減らすには、購入時の信頼を高める必要があります。

サイズとフィットは地域によって異なります。フィットの期待は文化的です。ある市場では「完璧なフィット」は別の市場では狭すぎるか広すぎるかもしれません。AIはそれらのパターンをマッピングし、地域の行動や個人の好みに基づいてパーソナライズされたレコメンデーションを提供できますが、測定値だけではありません。

ファッション・イメージには構造的な問題があります。ほとんどの製品は1つのサンプル・サイズで撮影され、スタジオでより魅力的になるようにクリッピングされています。その結果、現実と異なる期待が生まれます。すべての服をさまざまな体の型で撮影することは理想的ですが、多くのビジネスにとっては運用的に複雑で高価です。

そこでAIが変革的な役割を果たします。ブランドが服をさまざまな体の型や肌の色でリアルに表現できるようにします。スケーラビリティを実現します。

リアリズムが重要です。顧客が見るものが真実で一貫性があると、信頼が高まり、返品が減ります。

バーチャル・トライ・オンのデモは分離して見ると印象的ですが、数千のSKUにスケールするのは別の課題です。カタログ・スケールでは、どのような技術的または運用的な障壁が生じますか。AIUTAはそれらをどのように解決しましたか。

スケールアップすると、デモが良くても十分ではありません。FARFETCHとAmazonでのバーチャル・トライ・オンとフィットのイニシアチブを運営した経験から、精度に関する課題だけではありませんでした。コスト、スピード、運用の複雑さが大きな課題でした。パイロットで機能したシステムが本番でロールアウトしようとすると、高すぎるか遅すぎるか手動で作業する必要があるシステムになってしまいました。

待ち時間が大きな部分です。バーチャル・トライ・オンが読み込むのに時間がかかりすぎると、顧客は使用しません。正確性に関係なくです。そこで、パフォーマンスが私たちにとって最初から重要な設計制約でした。現在、AIUTAのバーチャル・トライ・オンは約4〜7秒で読み込むことができ、これは市場のほとんどのソリューションよりもはるかに速いです。

運用の複雑さも同様に重要です。多くのソリューションでは、詳細な入力、継続的な手動作業、またはブランド・チームからの重い準備が必要です。AIUTAは、非常にシンプルな入力から動作し、リテーラーからの労力は最小限に抑えられています。結果として、数百の画像を1週間で生成するのではなく、1日に数千の画像を生成することができ、ブランドは大規模なカタログにバーチャル・トライ・オンをスケールアップすることができますが、運用のオーバーヘッドは追加されません。

最後に、一貫性があります。多くのシステムはスケールアップすると、生地やプロポーションが歪んでしまいます。ガーメントのキャプチャとアノテーションからモデル・トレーニングとデプロイまで、パイプラインを完全に制御することで、実際に大規模なカタログで運用するエンタープライズ・リテーラーが動作するスケールでガーメントのアイデンティティとリアリズムを維持することができます。

AIUTAはコンピューター・ビジョン・パイプラインと生成モデルを組み合わせています。エンタープライズ・ワークフローで十分な速さで出力する同时に、リアリズムとガーメントの精度を確保するために、どのようにアプローチしていますか。

私たちは最適化することに非常に意図的です。スピードは重要ですが、精度が第一です。

私たちのシステムはファッション・データに特化してトレーニングされています。その違いは重要です。私たちは、典型的なECデータセットに頼るのではなく、リアルな人間の表現を中心に構築された非常に多様なデータセットを所有し、合成しています。さまざまな体の型、プロポーション、ガーメントの構造があります。

モデルはその多様性に基づいてトレーニングされているため、生地のテクスチャー、ドレープ、構造をよりリアルに理解しています。結果として、出力を事後に「修正」する必要はありません。リアリズムはシステムに最初から組み込まれています。

インフラの側面では、パフォーマンスに多大な投資を行ってきました。結果として、ブランドは高品質の出力を秒単位で生成することができ、実験ではなく実際の生産環境でテクノロジーを使用できるようになりました。

エンタープライズは、既存のクリエイティブ、商品、コンテンツ・プロダクション・ワークフローにAIツールを統合する際に直面する最大の課題は何ですか。

ほとんどのエンタープライズにはすでに複雑なシステムとプロセスが存在しています。最大の課題は、多くのAIツールがスタンドアロン・プロダクトとして構築されていることです。ワークフローの一部としてではありません。

AIが実際に採用されるためには、クリーンに統合され、技術的にも運用的にも統合されなければなりません。つまり、API、セキュリティ・コンプライアンス、予測可能な品質、そして何かが間違ったときの明確な所有権が必要です。

信頼という要素もあります。ブランドは、ジェネレーティブ・システムがコアの視覚的アセットに触れることを当然ながら慎重に考えています。したがって、信頼性と品質管理がイノベーションの同等に重要です。

あなたは大きなマーケット・プレイス内でAIとパーソナライゼーションのイニシアチブを率いてきました。ファッションAIインフラにのみ焦点を当てたディープ・テック・カンパニーを構築することは、どのように異なりますか。

大きなプラットフォーム内では、AIは多くの動く部分の1つです。既存の制約内で最適化し、競合する優先順位をバランスさせています。

AIUTAを構築することは非常に異なります。会社全体がファッション・ビジュアルの1つの問題に焦点を当てています。その焦点により、技術的にも創造的にしてもっと深く、より速く進むことができます。生産で何かが壊れたときに、すぐに対応できます。

長期的なインフラを構築することもできます。今日のユースケースだけを解決するのではなく、テクノロジーが進化するにつれてシステムを設計しています。

サイズ・データ、体の表現、ショッパー・ビヘイビア・シグナルを扱う際に、パーソナライゼーションとプライバシーのバランスをどのようにとっていますか。

プライバシーはシステムに最初から組み込まれている必要があります。後から追加するものではありません。

AIUTAでは、個人情報を収集するのではなく、表現を改善することに焦点を当てています。ガーメントと体の多様性を集団的に理解することで、より関連性の高いエクスペリエンスを提供できますが、デリケートな個々の情報に頼る必要はありません。

そのバランスは重要です。特にファッションでは、信頼が購入決定に大きな役割を果たします。

AI生成のビジュアルは、美化された体や誤って表現されたガーメントに関する懸念を引き起こします。スケールでジェネレーティブ・システムを展開する際に、オーセンティシティとブランドの完全性をどのようにアプローチしていますか。

これは私にとって非常に重要なことです。

私が妊娠中だったとき、ほとんどのAIシステムが、狭い基準から外れた体の場合にどれほど限界があるかを実感しました。妊娠は一時的なものですが、非常にリアルな身体的状態であり、それはほとんどのトレーニング・データから欠けていることがわかりました。AIは、体がわずかに基準から外れたときに簡単に失敗するのを見てきました。

多くのジェネレーティブ・システムは、ものを「より良く」見せるように設計されていますが、ファッションでは、そのアプローチはすぐに信頼を損ないます。体が美化されたり、ガーメントが微妙に変更されたりすると、顧客は表示されたものと異なる製品を受け取ります。

AIUTAでは、リアリズムを意図的に設計しています。目標は、現実の体、狭い業界の期待から外れた体、サイズ、プロポーション、より複雑な解剖学的な体、妊娠体など、服を現実的に表現することです。また、AIと人間の品質管理を組み合わせて、エッジ・ケースをキャッチし、出力がブランドの基準と一致することを保証します。

オーセンティシティは私たちにとっての価値観であり、長期的な採用のために不可欠です。顧客とブランドが見ているものを信頼しなければならないのです。

将来、生成AIはどのようにしてより広いファッション・エコシステム、デジタル・ツイン、収益化モデル、クリエイティブ・プロダクションの未来を変革するでしょうか。

私は、視覚が静的なアセットではなく、生きているシステムになる世界に向かっていると考えています。

デジタル・ツイン、ガーメントとモデルに対して、より一般的になるでしょう。これにより、新しい収益化モデルが可能になり、創造的な作業が以前考えられなかったスケールで拡大することができます。

より広く見ると、クリエイティブ・プロダクションはより速く、より柔軟で、より反応性が高くなります。最終的に、成功するブランドは、AIを慎重に使用し、精度、創造性、信頼をサポートするインフラストラクチャとして展開するものです。

素晴らしいインタビュー、詳しく知りたい読者はAIUTAを訪問してください。