Ecco la traduzione del testo dall'inglese all'italiano:

Gli acquirenti di moda sono da tempo i trendsetter silenziosi del settore, quelli capaci di individuare un desiderio ancora prima che prenda forma. Ma ora, con margini di profitto più ridotti e la necessità di una precisione millimetrica, si stanno rivolgendo all'IA per affrontare queste sfide.

Elaborando enormi quantità di dati che un tempo erano bloccati in sistemi separati, come comportamenti di ricerca, pattern di clic, preferenze regionali e performance dei prodotti in diversi mercati, l'IA sta rapidamente superando la semplice previsione delle vendite. Acquirenti e merchandiser affermano che ora sta cambiando il modo in cui costruiscono, perfezionano e scalano le loro selezioni di prodotto, poiché le decisioni diventano più guidate dai dati che mai.

Invece di affidarsi solo alle vendite passate o all'intuito, gli acquirenti possono attingere a segnali in tempo reale su cosa gli acquirenti stanno cercando, cliccando e salvando in tutto il mondo. "L'IA è più uno strumento che estende la loro portata", afferma Rich Shepherd, VP del prodotto di Lyst. "I migliori acquirenti si affidano ancora all'istinto: l'IA dà loro solo un quadro più chiaro di dove quell'istinto potrebbe funzionare meglio."

Dai marchi di lusso alle piattaforme globali di e-commerce, sta prendendo forma un nuovo approccio: sistemi di raccomandazione basati sull'IA e strumenti che individuano pattern nei dati, mentre gli acquirenti umani interpretano queste intuizioni e prendono decisioni strategiche. Bilanciare i due sta diventando un vantaggio competitivo chiave.

**Insight sulla domanda in tempo reale**

Tapestry, la società madre di Coach, Kate Spade e Stuart Weitzman, utilizza l'IA dietro le quinte per aiutare gli acquirenti a prendere decisioni più intelligenti su cosa ordinare, quanto stock tenere e dove inviare l'inventario.

"Abbiamo sempre saputo che per digitalizzare questo processo e scalare rapidamente, avevamo bisogno di costruire un modo per condividere facilmente i dati in tutta l'azienda", afferma Fabio Luzzi, chief data and analytics officer di Tapestry. L'azienda ha investito in un hub dati centrale, quello che Luzzi chiama il suo "tessuto dati proprietario", che rende semplice modellare i dati su clienti, sedi e catene di approvvigionamento. "Rende facile digitalizzare i processi, così come utilizzare l'IA in molti passaggi della catena del valore."

"I migliori acquirenti si affidano ancora all'istinto: l'IA dà loro solo un quadro più chiaro di dove quell'istinto potrebbe funzionare meglio."

I team di acquisto di Coach stanno già utilizzando set di dati condivisi per confrontare i pattern di acquisto regionali in tempo reale, regolando quanto ordinano e dove inviare i prodotti prima che arrivino nei negozi. Queste intuizioni rivelano la domanda prima e in modo più accurato rispetto alla semplice osservazione delle vendite passate.

In termini pratici, un membro del team potrebbe aprire una dashboard condivisa in tempo reale che mostra che un certo stile sta vendendo bene negli Stati Uniti sudoccidentali ma non nel nordest, informazioni che un tempo arrivavano settimane dopo tramite report di vendita. Quel segnale permette loro di regolare dove va lo stock prima che venga bloccato, invece di farlo rimanere nel magazzino sbagliato. Luzzi vede l'IA come un sistema di supporto decisionale integrato per design, inventario e prezzi, accelerando l'analisi e l'interazione, lasciando le scelte finali di prodotto e merchandising ai team umani. Dice che questo libera tempo per i team di acquisto e merchandising per concentrarsi su un lavoro più strategico.

Da Coach, i prodotti principali in pelle e i basic stagionali, categorie con anni di dati di vendita alle spalle, sono sempre più gestiti tramite modelli di riassortimento automatici. Il sistema segnala quando riordinare, regola le quantità per negozio e sposta lo stock tra le regioni senza input manuale. Il tempo risparmiato è significativo: i merchandiser che un tempo passavano la maggior parte del ciclo di acquisto a gestire le parti prevedibili del loro assortimento possono ora concentrarsi sulle categorie in cui i dati offrono meno certezza e il giudizio umano conta di più.

**Più tempo per merchandising e tendenze**

Per gli articoli guidati dalle tendenze o nuovi, la storia è diversa. Le loro vendite dipendono dai tempi culturali, dal buzz mediatico e dai segnali precoci che i dati storici da soli non possono ancora prevedere. In pratica, questo significa che gli acquirenti passano meno tempo a prendere decisioni su prodotti familiari e più tempo ad affrontare la domanda più difficile di cosa i clienti non sanno ancora di volere, la parte del lavoro che richiede gusto, non solo analisi, secondo Luis Carvalho, chief technology officer di Farfetch.

"Crediamo nel potenziare lo stile individuale dei nostri clienti, non nel dettarlo", afferma Carvalho. Il motore di personalizzazione di Farfetch perfeziona ciò che gli acquirenti vedono in base a segnali di stile piuttosto che solo alla popolarità. "I progressi nell'IA, dall'elaborazione dei dati alla modellazione predittiva, ci aiutano a navigare enormi quantità di informazioni e a collegare ogni cliente ai prodotti più personalizzati nella nostra rete."

Questi progressi includono la capacità dell'IA di elaborare miliardi di segnali, come comportamento di ricerca, pattern di clic, metadati dei prodotti e differenze di acquisto regionali, a una velocità che i team umani non possono eguagliare. Con la crescita delle capacità dell'IA, il marketplace aggregatore di moda Lyst è passato da ampi cataloghi di classificazione a raccomandazioni a livello di stile, abbinando i prodotti ai singoli acquirenti in base al gusto, alla sensibilità al prezzo e all'occasione.

La sciarpa teschio di McQueen è recentemente tornata in auge nelle tendenze della moda, dopo diverse apparizioni di celebrità e dopo che Charli XCX ne ha indossata una durante la sua performance al Glastonbury 2025.
Foto: Shoot Digital per Style.com/ Getty Images

"Prima, il merchandising riguardava solo la decisione dei primi sei prodotti che si vedevano in un feed", afferma Miyon Im, VP del product design e editoriale di Lyst. "Ma con l'IA, possiamo diventare più sofisticati, riguardo allo styling, agli outfit o persino ai suggerimenti basati sugli eventi. Se possiamo usare l'IA per creare qualcosa come una raccomandazione per una festa in ufficio, dove ogni pezzo sembra giusto perché capiamo il tuo gusto, le tue preferenze e la sensibilità al prezzo, questo è il futuro."

In pratica, questo significa che i merchandiser di Lyst ricevono regolarmente briefing sui dati, inclusi articoli che stanno guadagnando una trazione insolita nelle ricerche o nei salvataggi. Poi li esaminano per il contesto della moda prima di fare qualsiasi raccomandazione. Quando i dati mostrano picchi in certi colori o texture, non vengono immediatamente pubblicati come tendenza. Un umano deve chiedersi perché: è stato un momento di sfilata, un'avvistamento di celebrità o un riferimento culturale? Solo allora viene aggiunto al merchandising.

**Bilanciare dati e intuizione**

I dirigenti affermano che, per ora, il potenziale dell'IA arriva con limiti strutturali. I modelli di machine learning sono affidabili tanto quanto i dati su cui sono addestrati, e i pregiudizi storici della moda, in termini di taglie, rappresentazione, geografia e gerarchie di gusto, possono essere facilmente rafforzati piuttosto che corretti. Se le vendite passate erano distorte verso fasce di taglie ristrette o dati demografici specifici, quelle esclusioni non scompaiono nei modelli di machine learning: si amplificano. Gli esperti affermano che l'IA non può ancora sostituire l'intelligenza culturale, l'intuizione e l'istinto narrativo che plasmano la moda.

"L'IA è qui, ed è uno strumento incredibile per migliorare il tuo lavoro", afferma Julie Gilhart, consulente di moda che ha trascorso 18 anni a supervisionare le decisioni di acquisto da Barneys New York. "Ma la vera magia viene dall'intuizione umana, il senso istintivo che i dati da soli non possono replicare. I marchi che ci azzeccano lasceranno che sia la creatività a guidare, con l'IA che migliora la visione piuttosto che sostituire il tocco umano."

Con l'adozione di strumenti più guidati dai dati da parte dei marchi, Gilhart afferma che sta emergendo un nuovo ruolo: merchandiser in grado di trasformare i segnali analitici in strategie creative. "Devi essere curioso", dice Shepherd. "Non hai bisogno di una laurea in informatica, ma devi capire come funziona la tecnologia per risolvere i problemi per utenti e partner."

**Domande Frequenti**

Ecco un elenco di FAQ su come acquirenti e merchandiser di moda si stanno adattando all'era dell'IA.

**Domande di livello base**

1. Cosa fa esattamente l'IA nell'acquisto e merchandising di moda?
L'IA analizza enormi quantità di dati, come vendite passate, tendenze dei social media e previsioni meteorologiche, per prevedere cosa i clienti vorranno acquistare. Aiuta a decidere quanto stock ordinare, quali stili promuovere e quando mettere gli articoli in saldo.

2. L'IA sostituirà gli acquirenti e i merchandiser di moda?
No, l'IA è uno strumento per rendere il loro lavoro più facile, non per sostituirli. Gestisce la ripetitiva elaborazione dei numeri e l'individuazione di pattern, liberando acquirenti e merchandiser per concentrarsi su decisioni creative, negoziazioni con i fornitori e costruzione di storie di marca.

3. In che modo l'IA aiuta a prevedere le tendenze della moda?
L'IA scansiona milioni di immagini da social media, sfilate e foto di street style. Identifica colori, silhouette e pattern emergenti molto più velocemente di quanto potrebbe fare un team umano, dando agli acquirenti un vantaggio nella previsione delle tendenze.

4. Qual è il principale vantaggio dell'uso dell'IA per un merchandiser?
Il vantaggio più grande è l'accuratezza. L'IA può prevedere la domanda per taglie, colori e negozi specifici con molti meno sprechi. Questo significa meno ribassi su capi invenduti e meno esaurimenti scorte su articoli popolari.

5. Devo essere un esperto di tecnologia per lavorare con l'IA come acquirente?
Per niente. La maggior parte degli strumenti di IA sono progettati con dashboard facili da usare. Devi capire quali domande porre all'IA, non come programmarla. L'abilità chiave è imparare a interpretare le raccomandazioni dell'IA e fidarsi di esse in base alla tua conoscenza del mercato.

**Domande di livello avanzato**

6. In che modo l'IA sta cambiando il calendario tradizionale degli acquisti?
L'IA consente acquisti agili. Invece di effettuare tutti gli ordini con mesi di anticipo, gli acquirenti possono ora utilizzare l'IA per testare piccoli lotti in tempo reale, poi riordinare i bestseller istantaneamente in base ai dati di vendita in tempo reale. Questo sposta il calendario da drop stagionali rigidi a un flusso continuo e reattivo di nuovi prodotti.

7. L'IA può aiutare con gli obiettivi di sostenibilità nel merchandising?
Sì, in modo significativo. L'IA ottimizza i livelli di inventario per ridurre la sovrapproduzione, il più grande problema di spreco dell'industria della moda. Può anche prevedere quali materiali avranno