Branża modowa od lat boryka się z tym samym problemem: produkuje za dużo. Szacuje się, że nawet 40% całej odzieży wytworzonej globalnie trafia na wysypiska lub do pieca, zanim ktokolwiek ją założy. AI wchodzi do gry z obietnicą odwrócenia tej tendencji – ale czy algorytmy naprawdę uratują modę od samej siebie?
Kluczowe fakty:
- Szacuje się, że 40% całej odzieży produkowanej globalnie trafia na wysypiska lub do pieca, zanim ktokolwiek ją założy. Wartość nadmiarowych zapasów w branży modowej w 2023 roku wynosiła od 70 do 140 miliardów dolarów.
- Szybka moda odpowiada za 85% odzieży wyrzucanej każdego roku. Mikrotrendy z TikToka trwają zaledwie kilka tygodni lub miesięcy, pozostawiając marki z niesprzedanymi zapasami.
- Shein wykorzystuje AI do wykrywania trendów w czasie rzeczywistym i dodaje około 300 000 nowych artykułów do swojej witryny każdego miesiąca. Paradoksalnie, AI w fast fashion intensyfikuje problem nadprodukcji zamiast go rozwiązywać.
Skala problemu, której nikt nie lubi liczyć
Nadprodukcja to nie jest nowy temat. Mówi się o niej od lat, a kolejne sezony przynoszą te same raporty. Business of Fashion szacował, że w 2023 roku wartość nadmiarowych zapasów w branży modowej wynosiła od 70 do 140 miliardów dolarów. Tyle pieniędzy zamrożonych w towarze, który albo leży na półkach, albo trafia do utylizacji.
Dlaczego to się nie zmienia? Bo marki boją się niedosprzedania. Wolą wyprodukować za dużo i przecenić, niż przegapić potencjalną sprzedaż. Do tego dochodzą minimalne zamówienia u producentów, presja na ciągłe nowości i coraz szybszy cykl trendów, nakręcany przez TikToka. Szybka moda odpowiada za 85% odzieży wyrzucanej każdego roku.
TikTok i tyrania mikrotrendów
Tu leży sedno całego problemu. Część trendów – baggy jeans, kardigany, pompy – utrzymuje się latami. Ale „mob wife aesthetic”, „tomato girl” czy kolejny estetyczny buzzword z TikToka? Trwa kilka tygodni, góra kilka miesięcy. Marki, które postawiły na te mikrotrendy, zostają z magazynami pełnymi niesprzedanego towaru.
Shein używa własnego AI do wykrywania wschodzących trendów w czasie rzeczywistym, co pozwala mu natychmiast uruchamiać małoseryjną produkcję. Tysiące indywidualnych dostawców marki mają dostęp do technologii, która analizuje preferencje klientów i przewiduje popyt, co pozwala Sheinowi dodawać około 300 000 nowych artykułów do swojej witryny każdego miesiąca.
Paradoks jest oczywisty: AI w rękach fast fashion nie rozwiązuje problemu nadprodukcji – wręcz go intensyfikuje. Szybsza analiza trendów to szybsza produkcja. Więcej SKU, więcej odpadów.
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
AI w zapleczu marek – gdzie faktycznie działa
Ciekawiej robi się, gdy AI trafia do back office. Tu wyniki są bardziej obiecujące i mniej kontrowersyjne. Platformy hurtowe takie jak Joor czy NuOrder (należący do Lightspeed) uruchomiły narzędzia pomagające markom zbilansować zapasy i optymalizować zakupy.
Największą uwagę przyciąga jednak WGSN, uznana platforma do prognozowania trendów, której klientami są między innymi Coach i Adidas. Platforma WGSN Fashion Buying łączy 27 lat doświadczenia firmy z analityką predykcyjną TrendCurve AI, pomagając kupcom i specjalistom od merchandisingu tworzyć skuteczne komercyjnie kolekcje poprzez wskazanie, które trendy warto popierać, kiedy i w jakiej skali.
Model TrendCurve AI osiąga ponad 90% dokładność prognoz dla tysięcy kluczowych artykułów, sylwetek, nadruków, kolorów i detali projektowych. Co ważne, platforma zawiera też sekcję „TikTok Trading” – narzędzie pomagające markom przepakowywać istniejące zapasy tak, by wpisywały się w wiralowe trendy, zamiast produkować nowe.
Francesca Muston, Chief Forecasting Officer w WGSN, tak opisuje potrzebę rynkową: „The universal experience we find buyers have is a need to answer the question, 'How much money is really on the table?'” / „Wszystkich kupców łączy jedno: potrzeba odpowiedzi na pytanie – ile pieniędzy tak naprawdę leży na stole?”
Sklepy fizyczne też dostają swój algorytm
Inny ciekawy gracz to Flagship – startup oferujący AI do optymalizacji układu ekspozycji w sklepach stacjonarnych. Pracuje już z takimi markami jak Vuori, Mejuri i Madhappy, a pozornie losowe ułożenie produktów w każdym ze sklepów jest w rzeczywistości wynikiem połączenia danych o produktach, stanach magazynowych i sprzedaży, dostosowanych do preferencji klientów w danej lokalizacji geograficznej.
Simon Molnar, założyciel i CEO Flagship, opisuje problem, który rozwiązuje: „The brands that we’re about to go live with [usually] have three visual merchandisers for nearly 400 stores. They just don’t have the resourcing or manpower to effectively get down to the level of granularity that they need.” / „Marki, z którymi zaczynamy współpracę, mają zazwyczaj trzech specjalistów od visual merchandisingu na blisko 400 sklepów. Po prostu nie mają zasobów ani ludzi, by zejść do wymaganego poziomu szczegółowości.”
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl: Modowa branża i AI to ciekawy związek – pełen napięcia i sprzeczności. Z jednej strony mamy realne narzędzia: prognozowanie trendów z 90-procentową dokładnością, optymalizacja zapasów, lepszy matching produktu z klientem – to brzmi jak odpowiedź na chroniczny problem nadprodukcji. Z drugiej jednak – patrząc na to, co robi Shein – AI może być równie dobrze turbodoładowaniem dla fast fashion, a nie jego lekarstwem. Narzędzie jest neutralne. Liczy się to, w czyich rękach się znajdzie i z jakim celem. Pytanie, które warto zadać na głos: czy większość marek sięgnie po AI, żeby produkować mądrzej, czy żeby produkować szybciej?
Klient też dostaje swojego asystenta AI
AI coraz śmielej wychodzi też przed ekran sklepu, trafiając bezpośrednio do klientów. Około 60% konsumentów używa już AI przy robieniu zakupów – i ta liczba będzie rosła, bo OpenAI uruchomił możliwość zakupów bezpośrednio w ChatGPT, a Google intensywnie rozbudowuje swoje funkcje zakupowe oparte na AI.
Ralph Lauren uruchomił asystenta „Ask Ralph”, który pomaga klientom dobrać produkty. Depict AI, szwedzki startup z dziedziny visual merchandisingu, wdrożył wyszukiwarkę opartą na GPT. W tradycyjnej wyszukiwarce 10-15% zapytań nie zwraca żadnych wyników. Depict obniża ten współczynnik do poniżej 2% – pozwalając szukać „sukienki na wrześniowe wesele w stylu boho” zamiast wpisywać „sukienka zielona midi”.
Jakie z tego korzyści dla marki? Esme Lampard, Senior Digital Content and UX Manager w Joseph, celnie to podsumowuje: „It’s going to help us in a way we haven’t thought about – which is [identifying] the end use of what our customers are shopping for, rather than literally the item they’re looking for.” / „Pomoże nam to w sposób, o którym jeszcze nie myśleliśmy – pozwoli zidentyfikować cel zakupu klienta, a nie tylko dosłownie szukany produkt.”
Projektanci – ostatni bastion oporu
Tam, gdzie AI radzi sobie najsłabiej, to właśnie w procesie twórczym. Maison Meta, agencja generatywnego AI pracująca z domami mody takimi jak Dolce & Gabbana, współpracuje z projektantami, by zachować tożsamość marki i proces twórczy, wzbogacając je jednak o AI. Norma Kamali, Alice + Olivia, Moncler – kilka marek próbuje. Ale anonimowy dyrektor cytowany w branżowej prasie jest sceptyczny: wyniki AI są wciąż daleko w tyle za tym, co potrafią ludzcy projektanci.
Na dziś AI w modzie sprawdza się w operacjach, nie w kreacji. To ważne rozróżnienie.
Co dalej?
Kierunek jest jasny. AI przesuwa się z etapu pilotażu do roli standardowego narzędzia roboczego. Badanie McKinsey z sierpnia 2024 roku pokazało, że 64% liderów retail przeprowadziło pilotaże AI, a dane Salesforce z 2025 roku wskazują, że 75% detalistów uważa AI za niezbędne narzędzie do utrzymania konkurencyjności.
Branża modowa stoi przed wyborem:
- Używać AI do ograniczenia nadprodukcji i mądrzejszego planowania
- Albo użyć jej do jeszcze szybszego kręcenia kołowrotka trendów i zapasów
Odpowiedź na to pytanie rozstrzygnie się w ciągu najbliższych kilku lat. I zależy nie od algorytmów, ale od decyzji zarządów marek.
