Os compradores de moda há muito são os criadores de tendências silenciosos do setor — aqueles que conseguem identificar um desejo antes mesmo de ele se concretizar. Mas agora, com margens de lucro mais apertadas e a necessidade de precisão absoluta, eles estão recorrendo à inteligência artificial para enfrentar esses desafios.

Ao processar enormes quantidades de dados que antes ficavam presos em sistemas separados — como comportamento de busca, padrões de clique, preferências regionais e desempenho de produtos em diferentes mercados — a IA está rapidamente indo além da simples previsão de vendas. Compradores e merchandisers afirmam que ela agora está mudando a forma como constroem, ajustam e escalam suas seleções de produtos, à medida que as decisões se tornam mais orientadas por dados do que nunca.

Em vez de depender apenas de vendas passadas ou intuição, os compradores podem acessar sinais em tempo real sobre o que os consumidores estão pesquisando, clicando e salvando ao redor do mundo. "A IA é mais uma ferramenta que amplia o alcance deles", diz Rich Shepherd, vice-presidente de produto da Lyst. "Os melhores compradores ainda lideram com instinto — a IA apenas lhes dá uma imagem mais clara de onde esse instinto pode funcionar melhor."

De marcas de luxo a plataformas globais de e-commerce, uma nova abordagem está tomando forma: sistemas de recomendação e ferramentas baseados em IA que identificam padrões nos dados, enquanto compradores humanos interpretam esses insights e tomam decisões estratégicas. Equilibrar os dois está se tornando uma vantagem competitiva fundamental.

Insights de demanda em tempo real

A Tapestry, empresa controladora da Coach, Kate Spade e Stuart Weitzman, usa IA nos bastidores para ajudar os compradores a tomar decisões mais inteligentes sobre o que pedir, quanto estocar e para onde enviar o estoque.

"Sempre soubemos que, para digitalizar esse processo e escalar rapidamente, precisávamos construir uma maneira de compartilhar dados facilmente em toda a empresa", diz Fabio Luzzi, diretor de dados e análise da Tapestry. A empresa investiu em um hub central de dados — o que Luzzi chama de "tecido de dados proprietário" — que torna simples modelar dados sobre clientes, locais e cadeias de suprimentos. "Isso facilita a digitalização de processos, bem como o uso de IA em muitas etapas da cadeia de valor."

"Os melhores compradores ainda lideram com instinto — a IA apenas lhes dá uma imagem mais clara de onde esse instinto pode funcionar melhor."

As equipes de compras da Coach já estão usando conjuntos de dados compartilhados para comparar padrões de compra regionais em tempo real, ajustando quanto pedem e para onde enviam os produtos antes que eles cheguem às lojas. Esses insights revelam a demanda mais cedo e com mais precisão do que apenas olhar para vendas passadas.

Em termos práticos, um membro da equipe pode abrir um painel compartilhado ao vivo que mostra que um determinado estilo está vendendo bem no sudoeste dos EUA, mas não no nordeste — informações que costumavam chegar semanas depois por meio de relatórios de vendas. Esse sinal permite que eles ajustem para onde o estoque vai antes que ele seja bloqueado, em vez de deixá-lo parado no armazém errado. Luzzi vê a IA como um sistema de suporte a decisões integrado para design, estoque e preços, acelerando a análise e a interação, enquanto deixa as escolhas finais de produto e merchandising para as equipes humanas. Ele diz que isso libera tempo para as equipes de compras e merchandising se concentrarem em trabalhos mais estratégicos.

Na Coach, artigos de couro essenciais e básicos sazonais — categorias com anos de dados de vendas por trás — são cada vez mais gerenciados por meio de modelos automatizados de reabastecimento. O sistema sinaliza quando reabastecer, ajusta as quantidades por loja e move o estoque entre regiões sem entrada manual. O tempo economizado é significativo: comerciantes que costumavam passar a maior parte do ciclo de compras gerenciando as partes previsíveis de seu sortimento agora podem se concentrar em categorias onde os dados oferecem menos certeza e o julgamento humano é mais importante.

Mais tempo para merchandising e tendências

Para itens sazonais ou novos, a história é diferente. Suas vendas dependem do timing cultural, do burburinho da mídia e de sinais precoces que os dados históricos sozinhos ainda não conseguem prever. Na prática, isso significa que os compradores estão gastando menos tempo tomando decisões sobre produtos familiares e mais tempo lidando com a questão mais difícil do que os clientes ainda não sabem que querem — a parte do trabalho que exige gosto, não apenas análise, de acordo com Luis Carvalho, diretor de tecnologia da Farfetch.

"Acreditamos em capacitar o estilo individual de nossos clientes, não em ditá-lo", diz Carvalho. O mecanismo de personalização da Farfetch refina o que os compradores veem com base em sinais de estilo, em vez de apenas popularidade. "Os avanços em IA — desde o processamento de dados até a modelagem preditiva — nos ajudam a navegar por enormes quantidades de informações e conectar cada cliente aos produtos mais personalizados em nossa rede."

Esses avanços incluem a capacidade da IA de processar bilhões de sinais — como comportamento de busca, padrões de clique, metadados de produtos e diferenças regionais de compra — a uma velocidade que as equipes humanas não conseguem igualar. À medida que as capacidades da IA cresceram, o marketplace agregador de moda Lyst passou de rankings amplos de catálogo para recomendações em nível de estilo, combinando produtos a compradores individuais com base em gosto, sensibilidade a preço e ocasião.

O lenço de caveira da McQueen recentemente voltou às tendências da moda, após várias aparições de celebridades e Charli XCX usando um durante sua apresentação no Glastonbury 2025.
Foto: Shoot Digital for Style.com/ Getty Images

"Antes, o merchandising era apenas sobre decidir os primeiros seis produtos que você veria em um feed", diz Miyon Im, vice-presidente de design de produto e editorial da Lyst. "Mas com a IA, podemos ser mais sofisticados — em torno de estilo, looks ou até sugestões baseadas em eventos. Se podemos usar IA para criar algo como uma recomendação para festa de escritório, onde cada peça parece certa porque entendemos seu gosto, preferências e sensibilidade a preço, esse é o futuro."

Na prática, isso significa que os merchandisers da Lyst recebem briefings regulares de dados, incluindo itens que estão ganhando tração incomum em pesquisas ou salvamentos. Eles então examinam esses itens em busca de contexto de moda antes de fazer qualquer recomendação. Quando os dados mostram picos em certas cores ou texturas, isso não é imediatamente publicado como uma tendência. Um humano tem que perguntar por quê: foi um momento de passarela, uma aparição de celebridade ou uma referência cultural? Só então é adicionado ao merchandising.

Equilibrando dados com intuição

Executivos dizem que, por enquanto, o potencial da IA vem com limites estruturais. Os modelos de aprendizado de máquina são tão confiáveis quanto os dados com os quais são treinados, e os vieses históricos da moda — em tamanhos, representação, geografia e hierarquias de gosto — podem ser facilmente reforçados em vez de corrigidos. Se as vendas passadas foram distorcidas para faixas de tamanho estreitas ou demografias específicas, essas exclusões não desaparecem nos modelos de aprendizado de máquina — elas escalam. Especialistas dizem que a IA ainda não pode substituir a inteligência cultural, a intuição e os instintos de contar histórias que moldam a moda.

"A IA está aqui, e é uma ferramenta incrível para aprimorar seu trabalho", diz Julie Gilhart, consultora de moda que passou 18 anos supervisionando decisões de compras na Barneys New York. "Mas a mágica real vem da intuição humana — o senso instintivo que os dados sozinhos não conseguem replicar. As marcas que acertarem deixarão a criatividade liderar, com a IA aprimorando a visão em vez de substituir o toque humano."

À medida que as marcas adotam ferramentas mais orientadas por dados, Gilhart diz que um novo papel está surgindo: merchandisers que podem transformar sinais analíticos em estratégias criativas. "Você tem que ser curioso", diz Shepherd. "Você não precisa de formação em ciência da computação, mas precisa entender como a tecnologia funciona para resolver problemas para usuários e parceiros."



Perguntas Frequentes
Aqui está uma lista de perguntas frequentes sobre como compradores e merchandisers de moda estão se adaptando à era da IA



Perguntas de Nível Iniciante



1 O que exatamente a IA está fazendo na compra e no merchandising de moda

A IA está analisando enormes quantidades de dados como vendas passadas tendências de mídia social e previsões do tempo para prever o que os clientes vão querer comprar Ela ajuda a decidir quanto estoque pedir quais estilos promover e quando colocar itens em promoção



2 A IA vai substituir compradores e merchandisers de moda

Não A IA é uma ferramenta para facilitar o trabalho deles não para substituí-los Ela lida com tarefas repetitivas de análise de números e identificação de padrões liberando compradores e merchandisers para se concentrarem em decisões criativas negociação com fornecedores e construção de histórias de marca



3 Como a IA ajuda a prever tendências da moda

A IA escaneia milhões de imagens de mídia social desfiles de moda e fotos de estilo de rua Ela identifica cores silhuetas e padrões emergentes muito mais rápido do que uma equipe humana poderia dando aos compradores uma vantagem inicial na previsão de tendências



4 Qual é o principal benefício de usar IA para um merchandiser

O maior benefício é a precisão A IA pode prever a demanda por tamanhos cores e lojas específicas com muito menos desperdício Isso significa menos remarcações em roupas não vendidas e menos avisos de falta de estoque em itens populares



5 Preciso ser um especialista em tecnologia para trabalhar com IA como comprador

De forma alguma A maioria das ferramentas de IA é projetada com painéis fáceis de usar Você precisa entender as perguntas a fazer à IA não como programá-la A habilidade principal é aprender a interpretar as recomendações da IA e confiar nelas com base no seu conhecimento de mercado



Perguntas de Nível Avançado



6 Como a IA está mudando o calendário tradicional de compras

A IA permite compras ágeis Em vez de fazer todos os pedidos com meses de antecedência os compradores agora podem usar a IA para testar pequenos lotes em tempo real e depois reordenar os best-sellers instantaneamente com base em dados de vendas ao vivo Isso muda o calendário de lançamentos sazonais rígidos para um fluxo contínuo e responsivo de novos produtos



7 A IA pode ajudar com metas de sustentabilidade no merchandising

Sim significativamente A IA otimiza os níveis de estoque para reduzir a superprodução o maior problema de desperdício da indústria da moda Ela também pode prever quais materiais terão