Maisa Benatti, CEO của AIUTA – Loạt phỏng vấn

Maísa Benatti CEO tại AIUTA là một nhà lãnh đạo có tầm nhìn trong lĩnh vực fashion-tech và trí tuệ nhân tạo tạo sinh, hiện đang dẫn đầu sứ mệnh của công ty nhằm cách mạng hóa trải nghiệm thời trang kỹ thuật số từ London kể từ tháng 12 năm 2024. Trong vai trò của mình với tư cách là Giám đốc điều hành, cô ấy tập trung vào việc xây dựng các giải pháp AI có thể mở rộng giúp các thương hiệu sản xuất nội dung hình ảnh chất lượng cao, nâng cao hành trình của khách hàng và mở ra cơ hội tăng trưởng, dựa trên chuyên môn sâu sắc của cô ấy về thiết kế sản phẩm, nghiên cứu UX và AI từ vị trí trước đây của cô ấy với tư cách là Giám đốc sản phẩm tại AIUTA và các vai trò lãnh đạo sản phẩm cấp cao tại các công ty như FARFETCH và Amazon (AMZN ). Kinh nghiệm của cô ấy bao gồm trí tuệ nhân tạo tạo sinh cho cá nhân hóa và khám phá, mô hình ngôn ngữ lớn và đổi mới thương mại điện tử, liên tục thúc đẩy các ứng dụng AI giúp việc mua sắm thời trang trở nên trực quan và hấp dẫn hơn.

AIUTA là một nền tảng đổi mới AI mô-đun biến đổi cách các thương hiệu thời trang và nhà bán lẻ tương tác với người mua sắm trực tuyến bằng cách tích hợp các công nghệ tiên tiến như thử nghiệm ảo, tạo phong cách cá nhân hóa và tạo nội dung do AI điều khiển trực tiếp vào các cửa hàng kỹ thuật số. Bộ giải pháp của công ty cho phép tạo ra trải nghiệm mua sắm trực quan, tương tác giúp tăng cường chuyển đổi và giảm trả hàng bằng cách cho phép người tiêu dùng hình dung quần áo trên cơ thể họ trong thời gian thực, đồng thời cho phép các thương hiệu mở rộng hình ảnh và khuyến nghị trang phục với các mô hình AI độc quyền xử lý kết xuất giống như đời thực, vừa vặn ảo và tích hợp danh mục mịn màng.

Sự nghiệp của bạn bắt đầu trong thiết kế thời trang và nghiên cứu xu hướng trước khi chuyển sang các vai trò lãnh đạo sản phẩm và khách hàng tại Farfetch và Amazon. Làm thế nào những kinh nghiệm ban đầu trong thời trang đã định hình quan điểm của bạn về nơi AI có thể tạo ra tác động có ý nghĩa nhất trong thương mại?

Tôi không vào thời trang vì tôi muốn thiết kế những thứ đẹp — tôi vào thời trang vì tôi tò mò về cách ngành công nghiệp thực sự hoạt động. Ngay từ đầu, tôi quan tâm nhiều hơn đến những câu hỏi như: Làm thế nào để điều này có thể mở rộng? Tại sao điều này lại đắt? Tại sao nó lại hỏng khi đến tay khách hàng?

Khi tôi chuyển sang các vai trò khách hàng và sản phẩm tại Farfetch và sau đó là Amazon Fashion, sự tò mò đó trở nên cụ thể. Tôi có thể thấy được cách trải nghiệm mua sắm trực tuyến phụ thuộc vào hình ảnh, và làm thế nào những hình ảnh đó thực sự không nói lên nhiều về cách một món đồ sẽ vừa vặn hoặc hoạt động trên cơ thể.

Đó là nơi AI bắt đầu cảm thấy có ý nghĩa với tôi, không phải như một thủ thuật sáng tạo, mà như một cách để đóng khoảng cách giữa những gì các thương hiệu hiển thị và những gì khách hàng thực sự nhận được. Nếu AI có thể giúp đại diện cho quần áo một cách trung thực và có thể mở rộng, nó có thể cải thiện niềm tin, giảm lãng phí và giúp thương mại hoạt động tốt hơn cho tất cả các bên liên quan.

AI trong thời trang thường bị bao quanh bởi sự cường điệu. Những quan niệm sai lầm lớn nhất mà các thương hiệu có về việc áp dụng tầm nhìn máy tính và trí tuệ nhân tạo tạo sinh cho bán lẻ là gì, và các sáng kiến thường thất bại ở đâu?

Quan niệm sai lầm lớn nhất là nếu một điều gì đó trông ấn tượng trong một bản demo, nó đã sẵn sàng cho sản xuất. Trên thực tế, đó là hai điều rất khác nhau.

Thời trang đầy rẫy các trường hợp ngoại lệ: các loại cơ thể khác nhau, vải, cấu trúc và tiêu chuẩn thương hiệu. Nhiều công cụ AI không được xây dựng để xử lý sự phức tạp đó một cách nhất quán. Chúng có thể tạo ra một cái gì đó trông tốt một lần, nhưng bị phá vỡ khi bạn cố gắng áp dụng nó trên toàn bộ danh mục.

Vấn đề khác là thời trang thường được đối xử như một vấn đề hình ảnh chung chung. Nó không phải như vậy. Quần áo là một vật thể vật lý, và nếu hệ thống của bạn không hiểu cách các món đồ hoạt động trong thế giới thực, đầu ra có thể trông hấp dẫn nhưng sẽ không đáng tin cậy. Tác động của khoảng cách đó là đáng kể — khoảng 40% đơn đặt hàng thời trang trực tuyến được trả lại, điều này ảnh hưởng đến cả lợi nhuận và môi trường của các nhà bán lẻ. Khi hình ảnh không chính xác về vừa vặn hoặc ngoại hình, sự không chắc chắn tăng lên, và đó thường là nơi các sáng kiến AI bị kẹt lại.

Nhiều nhà bán lẻ trích dẫn sự không chắc chắn về vừa vặn và ngoại hình là một yếu tố chính dẫn đến việc trả lại hàng. Từ kinh nghiệm của bạn khi làm việc về kích cỡ và vừa vặn tại cả Farfetch và Amazon, điều gì thực sự cần thiết để AI giảm trả hàng một cách có thể đo lường được?

Giảm trả hàng không phải là về việc thêm một tính năng, mà là về việc tăng cường sự tự tin vào thời điểm mua hàng.

Kích cỡ và vừa vặn cũng có nghĩa khác nhau trên các khu vực. Kỳ vọng về vừa vặn là văn hóa. Một “vừa vặn hoàn hảo” trong một thị trường có thể cảm thấy quá chật hoặc quá lỏng lẻo trong một thị trường khác. AI có thể lập bản đồ những mẫu đó và cung cấp các khuyến nghị được cá nhân hóa dựa trên hành vi khu vực và sở thích cá nhân, không chỉ dựa trên các phép đo.

Cũng có một vấn đề cấu trúc trong hình ảnh thời trang. Hầu hết các sản phẩm được chụp trên một kích cỡ mẫu, thường được cắt trong studio để trông đẹp hơn. Điều đó tạo ra những kỳ vọng không thực tế. Việc chụp mỗi món đồ trên nhiều loại cơ thể sẽ là lý tưởng, nhưng đối với hầu hết các doanh nghiệp, điều đó là phức tạp về mặt hoạt động và chi phí cao.

Đó là nơi AI trở nên biến đổi. Nó cho phép các thương hiệu hiển thị cách các món đồ hoạt động trên nhiều loại cơ thể và màu da tại quy mô lớn, với sự chân thực.

Sự chân thực là chìa khóa. Nếu những gì người mua thấy cảm giác trung thực và nhất quán trên toàn bộ danh mục, sự tự tin sẽ tăng lên. Khi sự tự tin tăng lên, việc trả hàng sẽ giảm xuống.

Demo thử nghiệm ảo có thể trông ấn tượng khi tách biệt, nhưng việc mở rộng chúng trên hàng nghìn SKU là một thách thức khác. Những rào cản kỹ thuật hoặc hoạt động nào xuất hiện ở quy mô danh mục, và AIUTA đã giải quyết chúng như thế nào?

Ở quy mô lớn, bạn nhanh chóng nhận ra rằng một bản demo tốt không đủ. Từ kinh nghiệm của tôi khi chạy các sáng kiến thử nghiệm ảo và vừa vặn tại Farfetch và Amazon, những thách thức lớn nhất không chỉ liên quan đến độ chính xác. Chúng là chi phí, tốc độ và sự phức tạp về hoạt động. Các hệ thống hoạt động trong các thử nghiệm trở nên quá tốn kém, quá chậm hoặc quá thủ công một khi bạn cố gắng triển khai chúng trên toàn bộ danh mục thực sự.

Độ trễ là một phần lớn của điều đó. Nếu thử nghiệm ảo mất quá nhiều thời gian để tải, khách hàng đơn giản sẽ không sử dụng nó, bất kể nó chính xác đến đâu. Đó là lý do tại sao hiệu suất là một yếu tố thiết kế cốt lõi đối với chúng tôi từ đầu. Hiện tại, thử nghiệm ảo của AIUTA tải trong khoảng 4 đến 7 giây trong sản xuất, điều này nhanh hơn đáng kể so với hầu hết các giải pháp trên thị trường.

Sự phức tạp về hoạt động cũng quan trọng không kém. Nhiều giải pháp yêu cầu sự chuẩn bị nặng, đầu vào chi tiết hoặc công việc thủ công liên tục từ các đội thương hiệu. AIUTA được thiết kế để hoạt động từ các đầu vào rất đơn giản, với nỗ lực tối thiểu cần thiết từ các nhà bán lẻ, đồng thời vẫn duy trì độ chính xác của trang phục. Kết quả là, chúng tôi có thể chuyển từ tạo ra hàng trăm hình ảnh mỗi tuần sang hàng nghìn hình ảnh mỗi ngày, cho phép các thương hiệu mở rộng thử nghiệm ảo trên các danh mục lớn mà không thêm gánh nặng hoạt động.

Cuối cùng, có sự nhất quán. Nhiều hệ thống bắt đầu làm biến dạng vải hoặc tỷ lệ một khi bạn mở rộng quy mô. Bằng cách kiểm soát toàn bộ đường ống từ việc thu thập và chú thích trang phục đến đào tạo mô hình và triển khai, chúng tôi có thể duy trì bản sắc và sự chân thực của trang phục ở quy mô mà các nhà bán lẻ doanh nghiệp thực sự hoạt động.

AIUTA kết hợp các đường ống tầm nhìn máy tính với các mô hình tạo sinh. Bạn làm thế nào để đảm bảo sự chân thực và độ chính xác của trang phục đồng thời vẫn cung cấp đầu ra đủ nhanh cho các quy trình làm việc doanh nghiệp?

Chúng tôi rất có chủ đích về những gì chúng tôi tối ưu hóa. Tốc độ quan trọng, nhưng độ chính xác đứng đầu.

Các hệ thống của chúng tôi được đào tạo cụ thể trên dữ liệu thời trang, và sự khác biệt đó là quan trọng. Chúng tôi không dựa vào các tập dữ liệu thương mại điện tử tiêu chuẩn có xu hướng nhân rộng các loại cơ thể hẹp trong một lần — chúng tôi đang nói về các mô hình thường cao và gầy. Thay vào đó, chúng tôi sở hữu và đã tạo ra một tập dữ liệu đa dạng cao được xây dựng xung quanh các đại diện con người thực tế, với các hình dạng cơ thể, tỷ lệ và cấu trúc trang phục khác nhau.

Bởi vì các mô hình được đào tạo trên sự đa dạng đó, chúng hiểu được các khía cạnh như kết cấu vải, cách rũ và xây dựng một cách thực tế hơn. Kết quả là, chúng tôi không cần phải “sửa” đầu ra sau khi thực tế. Sự chân thực được xây dựng vào hệ thống từ đầu.

Về mặt cơ sở hạ tầng, chúng tôi cũng đã đầu tư mạnh mẽ vào hiệu suất. Kết quả là các thương hiệu có thể tạo ra đầu ra chất lượng cao trong vài giây, không phải vài phút, điều này làm cho công nghệ có thể sử dụng được trong các môi trường sản xuất thực tế chứ không chỉ là thí nghiệm.

Thử thách lớn nhất mà các doanh nghiệp phải đối mặt khi tích hợp các công cụ AI vào các quy trình làm việc sáng tạo, hàng hóa và sản xuất nội dung hiện có là gì?

Hầu hết các doanh nghiệp đã có các hệ thống và quy trình phức tạp sẵn có. Thử thách lớn nhất là nhiều công cụ AI được xây dựng như các sản phẩm độc lập, không phải là một phần của một quy trình làm việc rộng lớn hơn.

Để AI thực sự được áp dụng, nó phải tích hợp một cách sạch sẽ, cả về mặt kỹ thuật và hoạt động. Điều đó có nghĩa là API, tuân thủ bảo mật, chất lượng dự đoán và quyền sở hữu rõ ràng khi có điều gì đó xảy ra sai.

Cũng có một yếu tố tin cậy. Các thương hiệu hợp lý khi thận trọng về việc cho phép các hệ thống tạo sinh chạm vào các tài sản hình ảnh cốt lõi của họ. Đó là lý do tại sao độ tin cậy và kiểm soát chất lượng quan trọng không kém so với sự đổi mới.

Bạn đã dẫn đầu các sáng kiến AI và cá nhân hóa trong các thị trường lớn. Làm thế nào việc xây dựng AI trong một nền tảng lớn khác với việc xây dựng một công ty công nghệ sâu về cơ sở hạ tầng AI thời trang?

Trong một nền tảng lớn, AI là một trong nhiều bộ phận chuyển động. Bạn thường tối ưu hóa trong các ràng buộc hiện có và cân bằng các ưu tiên cạnh tranh.

Xây dựng AIUTA rất khác vì toàn bộ công ty tập trung vào một vấn đề: hình ảnh thời trang. Sự tập trung đó cho phép chúng tôi đi sâu hơn, cả về mặt kỹ thuật và sáng tạo, và di chuyển nhanh hơn khi chúng tôi thấy điều gì đó bị hỏng trong sản xuất.

Nó cũng cho phép chúng tôi xây dựng cơ sở hạ tầng lâu dài chứ không chỉ là các tính năng ngắn hạn. Chúng tôi không chỉ giải quyết các trường hợp sử dụng hiện tại, mà còn thiết kế các hệ thống có thể phát triển khi công nghệ phát triển.

Làm thế nào bạn cân bằng cá nhân hóa với quyền riêng tư khi làm việc với dữ liệu kích cỡ, đại diện cơ thể và tín hiệu hành vi người mua?

Quyền riêng tư phải được xây dựng vào hệ thống từ đầu. Bạn không thể đối xử với nó như một bổ sung sau này.

Ở AIUTA, chúng tôi tập trung vào việc cải thiện đại diện thay vì thu thập thêm dữ liệu cá nhân. Bằng cách hiểu rõ hơn về trang phục và sự đa dạng của cơ thể ở mức tổng hợp, chúng tôi có thể cung cấp các trải nghiệm liên quan hơn mà không dựa vào thông tin cá nhân nhạy cảm.

Sự cân bằng đó là quan trọng — đặc biệt là trong thời trang, nơi niềm tin đóng vai trò lớn trong quyết định mua hàng.

Các hình ảnh được tạo ra bởi AI gây ra lo ngại về việc làm đẹp cơ thể hoặc đại diện sai lệch trang phục. Bạn tiếp cận tính xác thực và tính toàn vẹn của thương hiệu như thế nào khi triển khai các hệ thống tạo sinh ở quy mô lớn?

Đây là điều chúng tôi suy nghĩ liên tục, và đối với tôi, nó cũng trở nên rất cá nhân.

Trong thời kỳ mang thai, tôi trở nên nhận thức rõ hơn về cách hầu hết các hệ thống AI bị hạn chế khi nói đến việc đại diện cho các cơ thể nằm ngoài các tiêu chuẩn hẹp. Việc mang thai là tạm thời, nhưng đó là một trạng thái thể chất rất thực, và thế nhưng nó thường hoàn toàn không có trong dữ liệu đào tạo. Tôi có thể thấy rõ ràng cách dễ dàng AI thất bại khi cơ thể thay đổi, ngay cả khi chỉ là một chút, so với những gì hệ thống coi là “tiêu chuẩn”.

Nhiều hệ thống tạo sinh được thiết kế để làm cho mọi thứ “trông đẹp hơn”, điều này, đối với nhiều người, có thể sai lầm có nghĩa là mịn màng hơn, gầy hơn hoặc lý tưởng hơn. Nhưng trong thời trang, cách tiếp cận đó nhanh chóng phá vỡ niềm tin. Nếu cơ thể được làm đẹp hoặc trang phục được thay đổi tinh vi, khách hàng sẽ nhận được một sản phẩm không khớp với những gì họ đã được hiển thị.

Ở AIUTA, chúng tôi cố ý thiết kế cho sự chân thực. Mục tiêu của chúng tôi là hiển thị quần áo trên cơ thể thực, bao gồm cả cơ thể không phù hợp với các tiêu chuẩn hẹp của ngành công nghiệp, cho dù đó là kích cỡ, tỷ lệ hoặc các giải phẫu phức tạp hơn như mang thai. Chúng tôi cũng kết hợp AI với kiểm soát chất lượng của con người để bắt các trường hợp ngoại lệ và đảm bảo mọi đầu ra đều phù hợp với tiêu chuẩn của thương hiệu.

Sự xác thực không chỉ là một giá trị đối với chúng tôi, mà còn là điều cần thiết cho việc áp dụng lâu dài. Nếu khách hàng và thương hiệu không tin vào những gì họ nhìn thấy, công nghệ đơn giản sẽ không hoạt động.

Nhìn về tương lai, bạn thấy trí tuệ nhân tạo tạo sinh biến đổi hệ sinh thái thời trang rộng lớn hơn như thế nào, bao gồm các bản sao kỹ thuật số, mô hình kiếm tiền và tương lai của sản xuất sáng tạo?

Tôi nghĩ chúng ta đang di chuyển đến một thế giới nơi hình ảnh không còn là tài sản tĩnh, mà là các hệ thống sống.

Các bản sao kỹ thuật số, cho cả trang phục và người mẫu, sẽ trở nên phổ biến hơn. Điều đó mở ra các mô hình kiếm tiền mới và cho phép công việc sáng tạo mở rộng theo những cách trước đây không thể.

Phổ biến hơn, sản xuất sáng tạo sẽ trở nên nhanh hơn, linh hoạt hơn và phản ứng hơn. Cuối cùng, các thương hiệu thành công sẽ là những thương hiệu sử dụng AI một cách khôn ngoan và triển khai nó như một cơ sở hạ tầng hỗ trợ độ chính xác, sáng tạo và niềm tin.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập AIUTA.