Майса Бенатти, генеральный директор AIUTA – Интервью

Майса Бенатти генеральный директор AIUTA – видный лидер в области fashion-tech и генеративного ИИ, в настоящее время руководящий миссией компании по революционизации цифровых модных trải nghiệm в Лондоне с декабря 2024 года. В своей роли генерального директора она сосредоточена на создании масштабируемых решений ИИ, которые помогают брендам производить премиальный визуальный контент, улучшать опыт клиентов и открывать возможности для роста, опираясь на свой глубокий опыт в области дизайна продукта, исследований UX и ИИ из своего предыдущего опыта работы в качестве главного офицера по продукту в AIUTA и старших руководящих должностей в компаниях như FARFETCH и Amazon. Ее опыт охватывает генеративный ИИ для персонализации и открытия, большие языковые модели и инновации в электронной коммерции, последовательно продвигая вперед применения ИИ, которые делают модное шоппинг более интуитивным и увлекательным.

AIUTA – модульная платформа инноваций ИИ, преобразующая то, как модные бренды и ритейлеры взаимодействуют с покупателями в Интернете, интегрируя передовые технологии, такие как виртуальная примерка, персонализированная стилизация и создание контента на основе ИИ, непосредственно в цифровые витрины. Система решений компании позволяет создавать иммерсивные, интерактивные trải nghiệm шоппинга, которые повышают конверсию и снижают возвраты, позволяя потребителям визуализировать одежду на себе в режиме реального времени, а также наделяя бренды возможностью масштабировать студийные визуальные эффекты и рекомендации нарядов с помощью проприетарных моделей ИИ, которые обрабатывают реалистичную отрисовку, сохранение тела и бесшовную интеграцию каталога.

Ваша карьера началась в модном дизайне и исследовании трендов, прежде чем вы перешли на клиенто-ориентированные и руководящие должности в Farfetch и Amazon Fashion. Как эти ранние trải nghiệm в моде сформировали ваше представление о том, где ИИ может создать наиболее значимое влияние на коммерцию?

Я не пришла в моду, потому что хотела создавать красивые вещи – я пришла в нее, потому что была любопытна о том, как эта индустрия на самом деле работает. Даже в начале я была намного больше интересована вопросами: Как это масштабируется? Почему это дорого? Почему это ломается, когда оно достигает клиента?

Когда я перешла на клиентские и руководящие должности в Farfetch и позже Amazon Fashion, эта любопытство превратилось в что-то очень конкретное. Я могла увидеть, как много онлайн-шоппинга зависит от визуальных эффектов и как мало эти визуальные эффекты на самом деле рассказывают о том, как одежда будет сидеть или вести себя на теле.

Именно там ИИ начал чувствоваться значимым для меня, не как творческий трюк, а как способ закрыть разрыв между тем, что бренды показывают, и тем, что клиенты на самом деле получают. Если ИИ может помочь представить одежду более честно и в масштабе, он может улучшить доверие, снизить отходы и сделать коммерцию работать лучше для всех участников.

ИИ в моде часто окружен хайпом. Какие самые большие заблуждения брендов о применении компьютерного зрения и генеративного ИИ в рознице, и где большинство инициатив терпят неудачу?

Самое большое заблуждение заключается в том, что если что-то выглядит впечатляюще в демонстрации, оно готово к производству. На самом деле, это два очень разных вещи.

Мода полна исключительных случаев: разных типов тела, тканей, конструкций и брендовых стандартов. Многие инструменты ИИ не предназначены для обработки этой сложности последовательно. Они могут сгенерировать что-то, что выглядит хорошо один раз, но разваливается, когда вы пытаетесь применить его к整个 каталогу.

Другой проблемой является то, что мода часто рассматривается как общая визуальная проблема. Это не так. Одежда – физический объект, и если ваша система не понимает, как одежда ведет себя в реальном мире, выход может выглядеть привлекательно, но не будет заслуживать доверия. Влияние этого разрыва значимо – около 40% онлайн-заказов модной одежды возвращаются, что наносит вред как розничным торговцам, так и окружающей среде. Когда визуальные эффекты неправильно представляют посадку или внешний вид, неопределенность увеличивается, и это обычно то место, где инициативы ИИ застревают.

Многие ритейлеры цитируют неопределенность размера и внешнего вида как основной фактор возврата. Из вашего опыта работы с размером и посадкой в Farfetch и Amazon, что на самом деле необходимо для того, чтобы ИИ снизил возвраты в измеримой степени?

Снижение возвратов не о том, чтобы добавить функцию, а о том, чтобы увеличить уверенность на момент покупки.

Размер и посадка также означают разные вещи в разных регионах. Ожидания посадки культурны. “Идеальная посадка” на одном рынке может показаться слишком тесной или слишком свободной на другом. ИИ может сопоставить эти закономерности и персонализировать рекомендации на основе регионального поведения и индивидуальных предпочтений, а не только измерений.

Также существует структурная проблема в модных изображениях. Большинство продуктов снимаются на одном образце, часто обрезаются в студии, чтобы выглядеть более привлекательно. Это создает нереалистичные ожидания. Съемка каждой одежды на нескольких типах тела будет идеальной, но для большинства бизнесов это операционно сложно и дорого.

Именно там ИИ становится трансформирующим. Он позволяет брендам показать, как одежда ведет себя на разных типах тела и тонах кожи в масштабе, с реализмом.

Реализм – ключ. Если то, что видят покупатели, кажется правдивым и последовательным на протяжении всего каталога, уверенность увеличивается. Когда уверенность увеличивается, возвраты снижаются.

Виртуальная примерка в демонстрации может выглядеть впечатляюще в изоляции, но масштабирование ее на тысячи SKU – это другая задача. Какие технические или операционные препятствия возникают при масштабе каталога, и как AIUTA решает их?

В масштабе вы быстро понимаете, что хорошая демонстрация недостаточна. Из моего опыта запуска виртуальной примерки и инициатив по посадке в Farfetch и Amazon, самыми большими проблемами не были только точность. Они были стоимостью, скоростью и операционной сложностью. Системы, которые работали в пилотных проектах, становились слишком дорогими, слишком медленными или слишком ручными, когда вы пытались развернуть их на реальном каталоге.

Задержка – это большая часть этого. Если виртуальная примерка загружается слишком долго, клиенты просто не будут использовать ее, независимо от того, насколько она точна. Поэтому производительность была основным ограничением для нас с самого начала. Сегодня виртуальная примерка AIUTA загружается примерно за 4-7 секунд в производстве, что значительно быстрее, чем большинство решений на рынке.

Операционная сложность столь же важна. Многие решения требуют тщательной подготовки, подробных входных данных или постоянной ручной работы от брендовых команд. AIUTA предназначена для работы с очень простыми входными данными, с минимальными усилиями, необходимыми от розничных торговцев, сохраняя при этом точность одежды. В результате мы можем перейти от генерации сотен изображений в неделю к генерации тысяч изображений в день, позволяя брендам масштабировать виртуальную примерку на больших каталогах без добавления операционных накладных расходов.

Наконец, есть последовательность. Многие системы начинают искажать ткани или пропорции, когда вы масштабируете. Контролируя полую трубу от захвата и аннотации одежды до обучения и развертывания моделей, мы можем поддерживать идентичность и реализм одежды в масштабе, в котором работают розничные торговцы.

AIUTA объединяет компьютерные зрительные трубы с генеративными моделями. Как вы обеспечиваете реализм и точность одежды, сохраняя при этом быструю доставку для рабочих процессов предприятия?

Мы очень намеренно оптимизируем то, для чего мы оптимизируем. Скорость имеет значение, но точность стоит на первом месте.

Наши системы обучены специально на модных данных, и это различие важно. Мы не полагаемся на стандартные наборы данных электронной коммерции, которые склонны реплицировать одни и те же узкие типы тела снова и снова – мы говорим о типичных высоких, худых моделях. Вместо этого мы владеем и синтетически создали очень разнообразный набор данных, построенный вокруг реалистичных представлений человека, с разными формами тела, пропорциями и конструкциями одежды.

Поскольку модели обучены на этом разнообразии, они понимают вещи, такие как текстура ткани, драпировка и конструкция в гораздо более реалистичной форме. В результате мы не должны “исправлять” выходные данные после факта. Реализм встроен в систему с самого начала.

На стороне инфраструктуры мы также инвестировали много в производительность. Результатом является то, что бренды могут генерировать высококачественные выходные данные за секунды, а не минуты, что делает технологию пригодной для реальных производственных сред, а не только для экспериментов.

Какие самые большие проблемы предприятия сталкиваются при интеграции инструментов ИИ в существующие творческие, мерчандайзинговые и производственные рабочие процессы?

Большинство предприятий уже имеют сложные системы и процессы на месте. Самой большой проблемой является то, что многие инструменты ИИ разрабатываются как самостоятельные продукты, а не как часть более широкого рабочего процесса.

Для того чтобы ИИ на самом деле был принят, он должен интегрироваться чисто, технически и операционно. Это означает API, соблюдение требований безопасности, предсказуемое качество и ясную принадлежность, когда что-то идет не так.

Также есть элемент доверия. Бренды вполне обоснованно осторожны, когда позволяют генеративным системам касаться своих основных визуальных активов. Поэтому надежность и контроль качества имеют столь же большое значение, как и инновации.

Вы вели инициативы ИИ и персонализации внутри крупных рынков. Как построение ИИ внутри крупной платформы отличается от построения глубокой технологической компании, ориентированной исключительно на модную инфраструктуру ИИ?

Внутри крупной платформы ИИ – это одна из многих движущих частей. Вы часто оптимизируете в рамках существующих ограничений и балансируете конкурирующие приоритеты.

Построение AIUTA очень khác, потому что вся компания сосредоточена на одной проблеме: модных визуальных эффектах. Этот фокус позволяет нам идти глубже, технически и творчески, и двигаться быстрее, когда мы видим, что что-то ломается в производстве.

Это также позволяет нам строить долгосрочную инфраструктуру, а не краткосрочные функции. Мы не только решаем сегодняшние варианты использования, но и проектируем системы, которые могут эволюционировать по мере развития технологии.

Как вы балансируете персонализацию с конфиденциальностью при работе с данными о размере, представлениях тела и сигналах поведения покупателей?

Конфиденциальность должна быть встроена в систему с самого начала. Вы не можете относиться к этому как к добавлению позже.

В AIUTA мы фокусируемся на улучшении представления, а не на сборе большего количества личных данных. Благодаря лучшему пониманию одежды и разнообразия тела в целом, мы можем предоставить более актуальные trải nghiệm без опоры на чувствительную индивидуальную информацию.

Этот баланс критичен – особенно в моде, где доверие играет такую большую роль в процессах принятия решений.

ИИ-генерируемые визуальные эффекты вызывают опасения по поводу идеализированных тел или неправильно представленных одежды. Как вы подходите к аутентичности и целостности бренда при развертывании генеративных систем в масштабе?

Это то, о чем мы постоянно думаем, и для меня это также стало очень личным.

Во время моей беременности я стала намного более осведомленной о том, насколько ограничены большинство систем ИИ, когда речь идет о представлении тел, которые выходят за рамки узких норм. Беременность – это временное состояние, но это очень реальное физическое состояние, и все же оно часто полностью отсутствует в обучающих данных. Я могла увидеть лично, насколько легко ИИ терпит неудачу, когда тела меняются, даже немного, от того, что система считает “стандартным”.

Многие генеративные системы предназначены для того, чтобы сделать вещи “лучше”, что для многих может означать более гладкие, худые или идеализированные. Но в моде этот подход быстро разрушает доверие. Если тело идеализировано или одежда незаметно изменена, клиенты в итоге получают продукт, который не соответствует тому, что им было показано.

В AIUTA мы намеренно проектируем для реализма. Наша цель – показать одежду на реальных телах, включая тела, которые не соответствуют узким отраслевым ожиданиям, будь то разные размеры, пропорции или более сложные анатомии, такие как материнство. Мы также сочетаем ИИ с человеческим контролем качества, чтобы поймать исключительные случаи и обеспечить, чтобы каждый выход соответствовал стандартам бренда.

Аутентичность не только ценность для нас, но и необходимость для долгосрочного принятия. Если клиенты и бренды не доверяют тому, что они видят, технология просто не будет работать.

Глядя вперед, как вы видите генеративный ИИ, преобразующий более широкую модную экосистему, включая цифровые двойники, модели монетизации и будущее творческого производства?

Я думаю, мы движемся к миру, где визуальные эффекты больше не являются статичными активами, а живыми системами.

Цифровые двойники, как для одежды, так и для моделей, станут намного более распространенными. Это открывает новые модели монетизации и позволяет творческой работе масштабироваться способами, которые ранее были невозможны.

Более широко, творческое производство станет быстрее, более гибким и более отзывчивым. В конечном итоге, бренды, которые преуспеют, будут теми, которые используют ИИ вдумчиво и развертывают его как инфраструктуру, поддерживающую точность, творчество и доверие.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить AIUTA.