**Oversettelse fra engelsk til norsk:**

Moteinnkjøpere har lenge vært bransjens stille trendsettere – de som kan oppdage et ønske før det i det hele tatt tar form. Men nå, med strammere fortjenestemarginer og behovet for presis nøyaktighet, henvender de seg til AI for å møte disse utfordringene.

Ved å behandle enorme mengder data som tidligere var låst inne i separate systemer – som søkeatferd, klikkmønstre, regionale preferanser og produktprestasjoner på tvers av ulike markeder – beveger AI seg raskt utover bare å forutsi salg. Innkjøpere og merchandisere sier at det nå endrer hvordan de bygger, finjusterer og skalerer produktsortimentene sine, ettersom beslutninger blir mer datadrevne enn noensinne.

I stedet for å kun stole på tidligere salg eller magefølelse, kan innkjøpere utnytte sanntidssignaler om hva shoppere søker etter, klikker på og lagrer rundt om i verden. "AI er mer et verktøy som utvider rekkevidden deres," sier Rich Shepherd, VP for produkt hos Lyst. "De beste innkjøperne leder fortsatt med instinkt – AI gir dem bare et klarere bilde av hvor det instinktet kan fungere best."

Fra luksusmerker til globale e-handelsplattformer, tar en ny tilnærming form: AI-drevne anbefalingssystemer og verktøy som oppdager mønstre i data, mens menneskelige innkjøpere tolker disse innsiktene og tar strategiske beslutninger. Å balansere de to blir en sentral konkurransefordel.

Sanntids innsikt i etterspørsel

Tapestry, morselskapet til Coach, Kate Spade og Stuart Weitzman, bruker AI bak kulissene for å hjelpe innkjøpere med å ta smartere beslutninger om hva de skal bestille, hvor mye de skal lagre, og hvor de skal sende inventar.

"Vi visste alltid at for å digitalisere denne prosessen og skalere raskt, trengte vi å bygge en måte å enkelt dele data på tvers av virksomheten," sier Fabio Luzzi, Chief Data and Analytics Officer hos Tapestry. Selskapet investerte i en sentral datahub – det Luzzi kaller sitt "proprietære datastoff" – som gjør det enkelt å modellere data rundt kunder, lokasjoner og forsyningskjeder. "Det gjør det enkelt å digitalisere prosesser, samt å bruke AI på mange trinn i verdikjeden."

"De beste innkjøperne leder fortsatt med instinkt – AI gir dem bare et klarere bilde av hvor det instinktet kan fungere best."

Coachs innkjøpsteam bruker allerede delte datasett for å sammenligne regionale kjøpsmønstre i sanntid, og justerer hvor mye de bestiller og hvor de sender produkter før de når butikkene. Disse innsiktene avslører etterspørsel tidligere og mer nøyaktig enn å bare se på tidligere salg.

I praktiske termer kan et teammedlem åpne et levende, delt dashbord som viser at en bestemt stil selger godt i det sørvestlige USA, men ikke i nordøst – informasjon som tidligere kom uker senere gjennom salgsrapporter. Det signalet lar dem justere hvor varelageret går før det er låst, i stedet for at det blir stående på feil lager. Luzzi ser på AI som et innebygd beslutningsstøttesystem for design, inventar og prising, som fremskynder analyse og interaksjon, samtidig som endelige produkt- og merchandisingvalg overlates til menneskelige team. Han sier dette frigjør tid for innkjøps- og merchandisingteam til å fokusere på mer strategisk arbeid.

Hos Coach håndteres kjernevarer i lær og sesongbaserte basisvarer – kategorier med år med salgsdata bak seg – i økende grad gjennom automatiserte etterfyllingsmodeller. Systemet flagger når det er tid for å bestille på nytt, justerer mengder per butikk, og flytter varelager mellom regioner uten manuell input. Tiden som spares er betydelig: handelsmenn som pleide å bruke mesteparten av innkjøpssyklusen på å administrere de forutsigbare delene av sortimentet, kan nå fokusere på kategorier der data gir mindre sikkerhet og menneskelig dømmekraft betyr mer.

Mer tid til merchandising og trender

For trenddrevne eller nye varer er det en annen historie. Salget deres avhenger av kulturell timing, medieomtale og tidlige signaler som historiske data alene ennå ikke kan forutsi. I praksis betyr dette at innkjøpere bruker mindre tid på å ta beslutninger om kjente produkter og mer tid på å takle det vanskeligere spørsmålet om hva kunder ennå ikke vet at de ønsker – den delen av jobben som krever smak, ikke bare analyse, ifølge Farfetch sin Chief Technology Officer Luis Carvalho.

"Vi tror på å styrke kundenes individuelle stil, ikke diktere den," sier Carvalho. Farfetch sin personaliseringsmotor foredler hva shoppere ser basert på stilsignaler snarere enn bare popularitet. "Fremskritt innen AI – fra databehandling til prediktiv modellering – hjelper oss å navigere i enorme mengder informasjon og koble hver kunde til de mest personlige produktene på tvers av nettverket vårt."

Disse fremskrittene inkluderer AI sin evne til å behandle milliarder av signaler – som søkeatferd, klikkmønstre, produktmetadata og regionale kjøpsforskjeller – med en hastighet som menneskelige team ikke kan matche. Etter hvert som AI-kapasiteten har vokst, har motesamler-markedsplassen Lyst gått fra brede katalograngeringer til stilnivåanbefalinger, og matcher produkter til individuelle shoppere basert på smak, prisfølsomhet og anledning.

McQueen-skjerfet med hodeskalle har nylig gjort et comeback i motetrender, etter flere kjendisobservasjoner og at Charli XCX hadde et på seg under sin Glastonbury-opptreden i 2025.
Foto: Shoot Digital for Style.com/ Getty Images

"Tidligere handlet merchandising bare om å bestemme de første seks produktene du ville se i en feed," sier Miyon Im, VP for produktdesign og redaksjonelt innhold hos Lyst. "Men med AI kan vi bli mer sofistikerte – rundt styling, antrekk, eller til og med hendelsesbaserte forslag. Hvis vi kan bruke AI til å lage noe som en kontorfest-anbefaling, hvor hvert plagg føles riktig fordi vi forstår din smak, preferanser og prisfølsomhet, det er fremtiden."

I praksis betyr dette at Lysts merchandisere mottar regelmessige databriefinger, inkludert varer som får uvanlig oppmerksomhet i søk eller lagringer. De undersøker deretter disse for motekontekst før de gir noen anbefaling. Når data viser topper i bestemte farger eller teksturer, publiseres det ikke umiddelbart som en trend. Et menneske må spørre hvorfor: var det et catwalk-øyeblikk, en kjendisobservasjon, eller en kulturell referanse? Først da legges det til i merchandisingen.

Å balansere data med intuisjon

Ledende sjefer sier at for øyeblikket kommer AI sitt potensial med strukturelle begrensninger. Maskinlæringsmodeller er bare så pålitelige som dataene de er trent på, og motens historiske skjevheter – i størrelser, representasjon, geografi og smakshierarkier – kan lett forsterkes snarere enn korrigeres. Hvis tidligere salg var skjevt mot smale størrelsesområder eller spesifikke demografier, forsvinner ikke disse ekskluderingene i maskinlæringsmodeller – de skaleres opp. Eksperter sier at AI fortsatt ikke kan erstatte den kulturelle intelligensen, intuisjonen og historiefortellingsinstinktene som former mote.

"AI er her, og det er et utrolig verktøy for å forbedre arbeidet ditt," sier Julie Gilhart, en motekonsulent som tilbrakte 18 år med å føre tilsyn med innkjøpsbeslutninger hos Barneys New York. "Men den virkelige magien kommer fra menneskelig intuisjon – den instinktive følelsen som data alene ikke kan gjenskape. Merkene som får det til, vil la kreativitet lede, med AI som forsterker visjonen snarere enn å erstatte den menneskelige touchen."

Etter hvert som merkevarer tar i bruk mer datadrevne verktøy, sier Gilhart at en ny rolle er i ferd med å dukke opp: merchandisere som kan gjøre analytiske signaler om til kreative strategier. "Du må være nysgjerrig," sier Shepherd. "Du trenger ikke en datavitenskapsbakgrunn, men du må forstå hvordan teknologien fungerer for å løse problemer for brukere og partnere."



Ofte stilte spørsmål
Her er en liste over vanlige spørsmål om hvordan moteinnkjøpere og merchandisere tilpasser seg AI-tidsalderen



Spørsmål på nybegynnernivå



1 Hva gjør AI egentlig innen moteinnkjøp og merchandising

AI analyserer enorme mengder data som tidligere salg sosiale medier-trender og værmeldinger for å forutsi hva kunder vil kjøpe Det hjelper med å bestemme hvor mye lager som skal bestilles hvilke stiler som skal fremmes og når varer skal settes på salg



2 Kommer AI til å erstatte moteinnkjøpere og merchandisere

Nei AI er et verktøy for å gjøre jobben deres enklere ikke for å erstatte dem Det håndterer repeterende tallknusing og mønstergjenkjenning og frigjør innkjøpere og merchandisere til å fokusere på kreative beslutninger forhandlinger med leverandører og bygging av merkevarehistorier



3 Hvordan hjelper AI med å forutsi motetrender

AI skanner millioner av bilder fra sosiale medier catwalk-show og street style-bilder Det identifiserer nye farger silhuetter og mønstre mye raskere enn et menneskelig team kunne og gir innkjøpere et forsprang på trendprediksjon



4 Hva er den største fordelen med å bruke AI for en merchandiser

Den største fordelen er nøyaktighet AI kan forutsi etterspørselen etter spesifikke størrelser farger og butikker med mye mindre avfall Dette betyr færre nedskrivninger på usolgte klær og færre utsolgte varsler på populære varer



5 Må jeg være teknologiekspert for å jobbe med AI som innkjøper

Overhodet ikke De fleste AI-verktøy er designet med brukervennlige dashbord Du må forstå hvilke spørsmål du skal stille AI-en ikke hvordan du koder Den viktigste ferdigheten er å lære å tolke AI-ens anbefalinger og stole på dem basert på din markedskunnskap



Spørsmål på avansert nivå



6 Hvordan endrer AI den tradisjonelle innkjøpskalenderen

AI muliggjør smidig innkjøp I stedet for å legge inn alle bestillinger måneder i forveien kan innkjøpere nå bruke AI til å teste små partier i sanntid og deretter bestille bestselgere på nytt umiddelbart basert på levende salgsdata Dette flytter kalenderen fra rigide sesongbaserte lanseringer til en kontinuerlig responsiv strøm av nye produkter



7 Kan AI hjelpe med bærekraftsmål innen merchandising

Ja betydelig AI optimaliserer lagernivåer for å redusere overproduksjon – moteindustriens største avfallsproblem Det kan også forutsi hvilke materialer som vil ha