ジェネレーティブ AI: ファッション業界の未来を拓く

もう、おそらく OpenAI の ChatGPT について聞いたことがあるでしょう。これは、一夜にしてセンセーションを巻き起こし、競合製品を開発して発売するためのデジタル競争を引き起こした人工知能チャットボットです。 ChatGPT は、音声、コード、画像、テキスト、シミュレーション、ビデオなどの新しいコンテンツを作成するために使用できるアルゴリズムで構成されるテクノロジーである生成 AI の消費者に優しい一例にすぎません。生成 AI は、単に情報を識別して分類するのではなく、基礎となるモデル (GPT-3.5 や DALL-E など、複数の複雑なタスクを同時に処理できる深層学習モデル) を活用して新しい情報を作成します。

ファッション業界は、メタバース、代替不可能なトークン (NFT)、デジタル ID、拡張現実 (AR) など、基本的な AI やその他の最先端のテクノロジーを実験してきました。または仮想現実 (VR) – しかし、これまでのところ、生成 AI の経験はほとんどありません。確かに、この新興テクノロジーは最近広く利用可能になったばかりで、依然として懸念すべき癖やバグを抱えていますが、すべての兆候は、このテクノロジーが電光石火のスピードで改善し、ビジネスの多くの分野でゲームチェンジャーになる可能性があることを示しています。

マッキンゼーの分析によると、控えめに見積もっても、生成 AI は今後 3 ～ 5 年間で 1,500 億米ドル増加し、アパレル、ファッション、高級品業界の営業利益は 275 米ドル増加するとされています。十億。共同デザインからコンテンツ開発プロセスの加速まで、生成 AI は創造性のための新しいスペースを開きます。生のテキスト、画像、ビデオなど、あらゆる形式の「非構造化」データを入力し、完全なスクリプトから 3D デザイン、ビデオ イベントの実物そっくりの仮想モデルに至るまで、新しいメディア形式を出力できます。

まだ初期段階ではありますが、ファッションにおける生成 AI の明確なユースケースがすでにいくつか現れています。 （これらのユースケースの多くは美容業界や高級品業界にも当てはまります）特に製品イノベーション、マーケティング、販売、顧客体験において、このテクノロジーはファッションバリューチェーンの他の分野と比べて大きな成果を生み出す可能性があり、より実現可能性が高いと考えられます。短期。この記事では、最も有望なユースケースのいくつかを概説し、経営者が実行できる手順と、その際に注意すべきリスクについて説明します。

私たちの見解では、生成 AI は単なる自動化ではなく、機能強化と高速化でもあります。それは、ファッションの専門家やクリエイターに、特定のタスクをより迅速に完了するためのテクノロジー ツールを提供し、人間にしかできないことを行う時間を増やすことを意味し、より良い顧客サービス システムを構築することも意味します。

ユースケースを理解する

基礎となるモデルと生成 AI は、ファッション バリュー チェーン全体にわたって使用できます。

販売と製品:

• スケッチ、ムードボード、説明を忠実度の高いデザインに変換します (例: 家具や宝石の 3D モデル);
• 充実AI エージェントと連携してデータ (例: 過去の製品ライン、インスピレーションを与えるイメージやスタイル) から創造的なオプション (例: 新しいアイデア、バリエーション) を生成することによる製品アイデア;
• 個々の消費者向けの製品の大量カスタマイズ (例:顔の動きに基づくメガネ）。

サプライ チェーンと物流:

• 調査をまとめることでサプライヤーとの交渉をサポート;
• リアルタイム分析 (拡張現実など) によってサポートされる洞察強み) 倉庫業務と在庫管理のロボットによる自動化を強化します。
• 個々の消費者に基づいて製品の返品オファーをカスタマイズします。

マーケティング:

• 非構造化データ (消費者感情、店内消費者行動、オムニチャネル データなど) から傾向を特定して予測し、ターゲットを絞ったマーケティングを改善します。
• マーケティング プログラムをカスタマイズするための大規模な自動消費者セグメンテーション;
• 消費者プロファイルとコミュニティの洞察からの非構造化データに基づいてパーソナライズされたマーケティング コンテンツを生成;
# AI エージェンシーと協力してコンテンツ開発をスピードアップし、社内マーケティング チームのクリエイティブな障害を軽減します。

デジタル コマースと消費者エクスペリエンス:

過去の成功した営業職に基づいて販売説明を構築および生成;
• 個々の消費者のプロファイルに基づいてパーソナライズされる オンライン消費者ジャーニーとオファー (例: Web ページ、製品説明);
• 個々の消費者に合わせた仮想製品フィッティングとデモンストレーション (例: 衣服のフィッティング、スタイリングのアドバイス);
• インテリジェント AI エージェントの強化 (例:会話型チャットボット、仮想アシスタントなど）と消費者の高度な問い合わせをサポートするセルフサービス（多言語サポートなど）。

店舗運営:

さまざまなパラメーター (例: 客足、地元の消費者層、規模) の下でレイアウト プランを生成およびテストすることにより、店舗レイアウト プランを最適化します。
• リアルタイムのモニタリングビデオデータを通じて、店内の従業員を最適化し、従業員の配置ギャップや盗難検出などのボトルネックを解消します。
• AR 支援デバイスをサポートして、従業員に製品情報 (状態、状態など) をより適切に知らせます。分類、目録、推奨事項）。
• 組織およびサポート機能:

• リアルタイムの推奨事項、フィードバックレポート、価値の高い消費者プロフィールを通じて、良好な「顧客」関係を維持できるように販売員を指導します。
• 従業員の役割とパフォーマンスに基づいてパーソナライズされたトレーニングコンテンツを開発します。
• セルフサービスおよび自動化されたサポート タスクを有効にします (例: 人事チケット、大量の文書の会計処理、法的文書のレビュー)。

生成 AI は、ファッション エコシステム全体に影響を与える可能性があります。ファッション企業はこのテクノロジーを使用して、より市場性の高いデザインを作成し、マーケティング コストを削減し、顧客とのコミュニケーションを高度にパーソナライズし、プロセスをスピードアップすることができます。また、サプライチェーンや物流、店舗運営、組織やサポート機能も再構築される可能性がある。

製品開発とイノベーション

量販店のファッション小売店と高級ブランドのクリエイティブ ディレクターは同様に、トレンドだけに頼るのではなく、生成 AI を使用してさまざまなタイプの非構造化データをリアルタイムで分析できます。次のシーズンのコレクションデザインを知らせるためのレポートと市場分析。たとえば、生成 AI は、ソーシャル メディア上のビデオから感情分析を迅速に集約して実行したり、複数の消費者データ ソースから傾向をモデル化したりできます。

クリエイティブ ディレクターとそのチームは、スケッチと、ファブリック、カラー パレット、パターンなどの必要な詳細を、生成 AI を活用したプラットフォームに入力できます。これにより、一連のデザインが自動的に作成され、デザイナーはさまざまなスタイルや外観をデザインできるようになります。 。次に、チームはそれらの出力に基づいて新しい製品をデザインし、各ルックにファッションハウスの特徴的な要素を追加します。これにより、革新的な限定版製品ラインの作成への扉が開かれます。生成 AI 駆動の顔認識テクノロジーを使用することで、メガネなどの製品を個人向けに設計し、顔の地形をスキャンして顧客のサイズやスタイルの好みに合わせて調整することができます。

このシナリオは、AI Design Lab (AiDLab) の香港のファッション デザイナーのグループが「Generative AI-Supported Design」をテーマにしたファッション ショーを開催した 2022 年 12 月に現実になりました。 Cala、Designovel、Fashable などのテクノロジー企業のツールを通じて、ファッション デザイナーはすでに生成 AI の力を活用して、新しいアイデアを発想し、高価なサンプルを作成せずに無数のデザインのバリエーションを試し、プロセスを劇的にスピードアップしています。 (美容業界の場合、生成 AI はブランドに新製品の適合性を特定する機会も提供し、臨床検査コストの削減に役立つ可能性があります。)

マーケティング

マーケティング幹部や代理店は生成 AI を使用して、次のことを行うことができます。キャンペーン戦略、製品キャンペーン コンテンツ、さらには各マーケティング チャネルのアバターについても迅速にブレインストーミングできます。

マーケティングの黄金律を見つけるのは、多くの場合数字勝負です。 TikTok を例に挙げると、このプラットフォームではバイラル性を高める唯一の勝利の方程式はありません。逆に、生産すればするほどヒットする可能性が高まり、ブランドの認知度が高まり、売上が増加します。 AI 生成のビデオ プラットフォームを通じて TikTok またはその他のソーシャル メディア プラットフォーム用の短いビデオを作成すると、ソーシャル メディア コンテンツの出力に関連する時間とコストを節約できます。生成 AI は、バイラル コンテンツのパターンと傾向を特定し、マーケターの仕様に基づいて新しいコンテンツを作成できます。

これらの演習は、社内のマーケティング チームがクリエイティブ エージェンシーへの作業のアウトソーシングへの依存を軽減しながら、取り組みを管理するのに役立ちます。ただし、マーケティング担当者がこのアプローチを使用する場合は注意が必要です。他のブランドが行っていることをコピーして消費者を引き付けようとすると、ブランドの独自のアイデンティティや、何年もかけて構築してきた価値提案が損なわれる可能性があります。

生成 AI は、パーソナライズされた顧客コミュニケーションにも適用できます。マッキンゼーの調査によると、パーソナライゼーションに優れた企業は、パーソナライゼーションを利用していない企業に比べて収益が 40% 増加しています。

copyai、Jasper AI、Writesonic などのいくつかのスタートアップ企業は、生成 AI を通じて大規模なパーソナライズされたマーケティングの開拓を支援しています。これらのツールを使用すると、マーケティング担当者の毎日のタスクは次のようになります: 電子メール、長文のブログ投稿など、作成したいコンテンツの種類を選択でき、内容を説明するプロンプトを追加できます。ターゲット ユーザーや、ブランドと一貫したマーケティング コミュニケーションを作成するのに役立つ声のトーンなどのその他のパラメーターを含めます。 AI ツールは、マーケティング担当者が選択できるいくつかのオプションを提供します。

これらのツールは、より有名なブランド構築コミュニケーションではなく、ローファネルのマーケティング チャネル (主に販売転換を促すために使用される) に適用すると最も役立ちます。

セールスおよび消費者エクスペリエンス

今日の AI 生成チャットは、より強力な自然言語処理 (NLP) を使用して人間をよりよく理解し、対話するため、既存の AI チャットよりもすでに優れており、目に見える改善が見られます。 。とはいえ、確実な AI チャットボットはまだ存在せず、現在のチャットボットやその他のテキスト生成ツールは依然として、重大な顧客サービス障害につながる可能性のある間違いを犯すことがあります。ただし、このテクノロジーは最終的には、チャットボットを使用して複数の言語でパーソナライズされた応答を提供するなど、カスタマー サポート エージェントが複雑なクエリをアウトソーシングするのに役立つ可能性があります。

現在、電子メール、チャット、テキストメッセージ、およびブランド独自のプラットフォームを介して顧客サービスの問い合わせに対応する生成 AI の「担当者」をブランドに割り当てるサービスがあります。これらのサービスは、顧客サービスの待ち時間を短縮し、応答時間を短縮するのに役立ちます。

ジェネレーティブ AI エージェントは、高級ブランド、特に「クライアント」側で、販売アシスタントがブランドの高額支出者と長期的な関係を構築して購入を促し、ブランド ロイヤルティを高める小売戦略にもサービスを提供できます。 （たとえば、高級ブティックでは、アポイントメント ショッピングを通じて、ハイエンド ブランドは 60% ～ 70% の売上転換率を達成できます。）このプロセスは依然としていくぶんアナログで手動であり、さまざまなメッセージを通じてコミュニケーションするブランドの販売アシスタントに依存しています。販売員が勤務している間のみ、プラットフォームまたは SMS を使用して顧客に連絡します。 AI を活用したツールは、買い物客が店を出た後も会話を続けたり、スタイリングの提案をしたり、顧客との関わり方について販売員を指導したり、特定の顧客向けにコミュニケーションをパーソナライズしたり、消費者のプロフィールやオンラインでのリアルタイムのやり取りを分析したりすることができます。

2022 年 7 月、衣料品小売業者の Stitch Fix は、より良いスタイリング サービスを通じて売り上げを伸ばし、売り上げを伸ばすために GPT-3 と DALL-E 2 (テキストから画像への AI ジェネレーター) を実験していると発表しました。 。これらの生成モデルは、スタイリストが顧客からの大量のフィードバックを迅速かつ正確に解釈し、顧客が購入する可能性が高い製品を厳選できるようにするためにテストされています。たとえば、AI ツールは、数百ものテキスト コメント、電子メール リクエスト、製品評価、オンライン投稿など、すべての顧客フィードバックを分析できます。顧客が、特定のパンツが「とてもよくフィットする」、「楽しい色」であると頻繁にコメントする場合、DALL-E は、顧客が購入したいと思われる類似のパンツの画像を生成できます。スタイリストは、Stitch Fix の在庫から同様の製品を見つけて、その顧客に推奨できます。

仮想トライアウトは、販売と消費者エクスペリエンスを向上させる生成 AI のもう 1 つの例です。パリに本拠を置く Veesual は、電子商取引のファッション ブランドに仮想試着統合機能を提供しています。これは、顧客が試着するモデルや服を自分で選択できることを意味します。

実践上のアドバイス

生成 AI テクノロジはエキサイティングですが、企業は依然として、核となるタスクを生成 AI に完全に委任する前に、慎重になる必要があります。ただし、このテクノロジーの開発速度とユーザーベースの爆発的な増加を考えると、このテクノロジーが提供する可能性の探求を怠ることは、同様に危険である可能性があります。経営者は今すぐ、自社のビジネスで生成 AI をどのように活用できるかを検討し始めることができます。リーダーはいくつかのステップから始めることができます。

自分の「北極星」を大切にしましょう

ファッション リーダーは、生成 AI がビジネスに最大の価値を提供できる場所を概説する必要があります。まず、クリエイティブ デザイン、マーチャンダイジング、ファッション ショーのプロモーション、顧客など、どの分野が生成 AI から最も恩恵を受けることができるかに注目します。リーダーは、ユースケースがビジネスにどれだけ影響を与えるかに基づいて、どの生成 AI ユースケースを追求する必要があるかを優先できます。効果測定には、顧客満足度スコアの向上や顧客サービスの待ち時間の短縮などがあります。

価値が決定されたら、実装の実現可能性に基づいてユースケースに優先順位を付ける必要があります。生成 AI をシームレスに使用する方法の決定は、チームの技術スキルなどの要素に依存します。その後、チームはこれらのユースケースをテストおよび検証するための短期ロードマップを構築する必要があります。同時に、デザイナーがシーズンごとに更新して使用できるジェネレーティブ デザイン プラットフォームを構築する方法など、長期的な目標に何が含まれるかを検討することもできます。

生成 AI を楽しみたいと思うかもしれませんが、その能力を活用するには特別な努力が必要です。ファッション業界の幹部は、既存のツールを無差別に実験するのではなく、価値を提供するツールを意図的に構築する必要があります。

リスクを理解し、リスクを軽減する計画を立てましょう

前回の記事では、生成 AI を使用するリスクのいくつかをリストしました。 1 つは、生成 AI の使用を取り巻く法的パラメータがまだ解決されていないことです。デザイナーは、派生作品や模倣デザインを作成したとして批判されることがあります。 AI によって生成された作品の知的財産権と創造的権利は誰が所有しますか? これらの作品は、他のデザイナーの過去のコレクションなどのマルチモーダル データ ソースに基づいている場合があり、強力な法的判例が確立されるまでケースバイケースで決定されます。が現れます。 （生成AIは関与していないが、メタ・バーキンNFTをめぐるエルメスとアーティストのメイソン・ロスチャイルドとの間の注目を集めた争いは、裁判官がNFTがエルメスの商標を侵害しているとの判決を下したことは、新しいテクノロジーが出現したときにファッションブランドが法的困難に直面する可能性があることを示している） .)

もう 1 つのリスクは、生成された AI システム、特に偏ったデータセットに関する偏見と公平性であり、テクノロジーの課題に依存するブランドに評判に悪影響を及ぼす可能性があります。たとえば、画像生成ツールが不適切または攻撃的な画像を使用して広告キャンペーンを作成し、それが世界中で共有された場合、ブランドの評判が損なわれる可能性があります。ダメージコントロールに関してAI企業を非難しても、消費者の怒りを鎮めることはできないかもしれない。

また、生成 AI を使用している従業員がその欠点を十分に認識しておらず、テクノロジーによって導入されたエラーをチェックできない可能性があるというリスクもあります。この場合、企業は従業員を定期的にトレーニングし、テクノロジーの使用方法を理解するために必要なリソースを提供する必要があります。

リスクは避けられませんが、管理者はリスク、倫理、品質保証に対処するプロセスを確立することで、その潜在的な影響を軽減できます。

既存の従業員のスキルアップ

生成 AI ツールはビジネスのさまざまな分野に価値を付加できるため、デザイナー、マーケティング担当者、販売員、顧客サービス担当者などの従業員を教育し、トレーニングすることで、このテクノロジーを使用できるようになります。とても重要なことです。

一部の企業は、AI に焦点を当てたトレーニングを開始しました。たとえば、Levi Strauss は 2021 年に機械学習ブートキャンプを立ち上げ、企業の設計プロセスで機械学習を使用する方法を非技術系従業員に訓練しました。プロジェクトを完了した従業員は、自分の仕事に関連した新しい AI ツールを作成しました。 Levi がこのプログラムを立ち上げる際の目標の 1 つは、技術的な知識を持つ従業員の多様性を高め、従来の技術的背景を持つ従業員が見落としがちな問題を同社が発見できるようにすることでした。このプロジェクトは、設計チームやエンジニアリング チームなど、さまざまな分野のチームがより適切にコミュニケーションを図り、共通点を見つけるのにも役立ちます。さらに、リーバイスは、このプログラムが従業員の定着率向上に役立つことを発見しました。

AI に精通した従業員がいると、コラボレーションは新たな意味を持つようになります。リーダーは次のことを考慮する必要があります: 責任をどのように定義し、技術的役割と非技術的役割の間で連携するにはどうすればよいですか? 設計チームとソフトウェア エンジニアリング チームは、毎週のリーダーシップ会議を確立して、四半期ごとのロードマップとチーム間の作業セッションを作成できます。設計リーダーは、特定の洞察やツール (おそらくスケッチから設計変更を生成するツール) に対するニーズを共有でき、エンジニアリング チームがそれらのツールを提供します。

適切な技術サポーターと協力する

ファッション企業が生成 AI を活用する場合、従業員に投資する必要があることに疑問の余地はありませんが、アプリケーションを構築したり、財団自身のモデル。代わりに、ファッションリーダーはAI企業や専門家と協力して迅速に行動を起こすことができます。ファッション幹部は、Microsoft や OpenAI などの新しいテクノロジーを提供する企業や、クラウド コンピューティングや API などの実現機能を提供するパートナーと協力する場合があります。

生成 AI の潜在的なユースケースが急速に出現していますが、アパレルおよび高級品業界におけるテクノロジーの将来はまだ模索されています。しかし、今日新しいツールを試すことは、明日には無限の可能性があることを意味します。

以上がジェネレーティブ AI: ファッション業界の未来を拓くの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。