到目前為止,你可能已經聽說過OpenAI的ChatGPT,這款人工智慧聊天機器人一夜之間引起了轟動,並引發了一場構建和發布競品的數位競賽。 ChatGPT只是生成式AI的一個消費者友善例子,這種技術由演算法組成,可用於創建新內容,包括音訊、程式碼、圖像、文字、模擬和視訊。生成式AI不是簡單地識別和分類訊息,而是透過利用基礎模型來創建新訊息,基礎模型是可以同時處理多個複雜任務的深度學習模型,例如GPT-3.5和DALL-E。
雖然時尚產業已經嘗試了基本的AI和其他前沿技術——元宇宙、不可替代代幣(NFTs)、數位ID和擴增實境(AR)或虛擬實境(VR)-但到目前為止,它在生成式AI方面的經驗仍然很少。誠然,這項新興技術直到最近才被廣泛應用,而且仍然充滿了令人擔憂的怪癖和漏洞,但所有跡像都表明,它可能會以閃電般的速度得到改進,並成為許多業務領域的遊戲規則改變者。
根據麥肯錫(McKinsey)的分析,保守估計,在未來三到五年內,生成式AI將增加1500億美元,服裝、時尚和奢侈品行業的營運利潤將增加2750億美元。從協同設計到加速內容開發過程,生成式AI為創造力開創了新的空間。它可以輸入所有形式的「非結構化」資料——原始文字、圖像和視訊——並輸出新的媒體形式,從完整的腳本到3D設計,再到視訊活動的逼真虛擬模型。
雖然目前還處於早期階段,但生成式AI在時尚領域的一些清晰用例已經出現。 (其中許多用例也適用於美容和奢侈品行業)特別是在產品創新、市場營銷、銷售和客戶體驗方面,與時尚價值鏈中的其他領域相比,這項技術可以產生重大成果,並且可能在短期內更可行。在本文中,我們概述了一些最有前途的用例,並提供了高階主管可以採取的步驟,以及在這樣做時需要注意的風險。
在我們看來,生成式AI不僅僅是自動化,它還涉及增強和加速。這意味著為時尚專業人士和創意人士提供技術工具,以更快的速度完成某些任務,讓他們有更多時間做只有人類才能做的事情,這也意味著建立更好地客戶服務系統。
基礎模型和生成式AI可以在整個時尚價值鏈中使用。
銷售與產品:
供應鏈與物流:
行銷:
數位商務與消費者體驗:
儲存操作:
組織與支援職能:
生成式AI有可能影響整個時尚生態系統。時尚公司可以利用這項技術來幫助創造更暢銷的設計,降低行銷成本,使客戶溝通高度個人化,並加快流程。它還可能重塑供應鏈和物流、商店營運、組織和支援功能。
大眾市場時尚零售商和奢侈品牌的創意總監都可以使用生成式AI來即時分析各種類型的非結構化數據,而不是僅僅依靠趨勢報告和市場分析來為下一季的系列設計提供資訊。例如,生成式AI可以從社群媒體上的影片中快速匯總和執行情緒分析,或從多個來源的消費者資料建模趨勢。
創意總監及其團隊可以將草圖和所需的細節(如面料、調色板和圖案)輸入一個由生成式AI驅動的平台,該平台會自動創建一系列設計,從而能夠使設計師設計各種風格和外觀。然後,團隊可能會根據這些輸出設計新產品,在每個外觀上添加時裝公司的標誌性元素。這為創造創新的限量版產品系列打開了大門。透過使用生成式AI驅動的臉部辨識技術,可以為個人設計眼鏡等產品,掃描臉部地形,並根據客戶的尺寸和風格偏好進行調整。
這種場景在2022年12月走向現實,當時一群來自AI設計實驗室(AiDLab)的香港時裝設計師舉辦了一場「以生成式AI支持的設計」為主題的時裝秀。透過Cala、Designovel和Fashable等科技公司的工具,時裝設計師們已經開始利用生成式AI的力量來激發新想法,在不生產昂貴樣品的情況下嘗試無數種設計變化,並大大加快了流程。 (對於美容產業來說,生成式AI也為品牌提供了一個識別新產品匹配的機會,這可能有助於降低實驗室測試成本。)
生成式AI代理還可以為奢侈品牌服務,特別是在「客戶」方面,這是一種零售策略,銷售助理與品牌最高消費額的客戶建立長期關係,以鼓勵購買,提高品牌忠誠度。 (例如,透過預約購物,高端品牌在奢侈品精品店的銷售轉換率可以達到60%到70%。)這個過程在某種程度上仍然是模擬和手工的,依靠品牌的銷售助理通過各種訊息平台或簡訊與客戶聯繫,而且僅限於這些銷售助理工作時。 AI驅動的工具可以在購物者離開商店後繼續對話或提出造型建議,指導銷售助理如何與客戶互動,為特定客戶進行個人化溝通,並分析消費者檔案和線上即時互動。
2022年7月,服裝零售商Stitch Fix表示,他們正在試驗GPT-3和DALL-E 2(文字到圖像的AI生成器),透過更好的造型服務來促進銷售,提高客戶滿意度。這些生成模型正在測試中,以幫助造型師快速準確地解釋大量的客戶回饋,並策劃客戶更有可能購買的產品。例如,AI工具可以分析客戶的所有回饋,其中可能包括數百個文字評論、電子郵件請求、產品評分和線上貼文。如果顧客經常評論某款褲子的“非常合身”和“顏色有趣”,DALL-E就可以產生該顧客可能想購買的類似褲子的圖像。然後,造型師可以在Stitch Fix的庫存中找到類似的產品,並推薦給該客戶。
虛擬試玩是生成式AI改善銷售和消費者體驗的另一個例子。總部位於巴黎的Veesual為電子商務時尚品牌提供了虛擬試穿整合功能,這意味著客戶可以選擇自己的模特兒和衣服來試穿。
儘管生成式AI技術可能令人興奮,但在將任何核心任務完全委託給生成式AI之前,企業仍希望謹慎行事。但是,考慮到這項技術的發展速度和用戶群的爆炸性增長,忽略探索這項技術提供的可能性可能同樣有風險。高階主管現在可以開始考慮他們的業務如何使用生成式AI。領導者可以從以下步驟開始。
時尚領導者應該概述生成式AI能夠在哪些方面為他們的業務提供最大價值。首先要注意哪些領域——創意設計、商品銷售、時裝秀宣傳或客戶——可以從生成式AI中受益最多。然後,領導者可以根據用例對業務的影響程度,優先考慮他們應該追求的生成式AI用例。一些影響措施包括提高客戶滿意度評分和減少客戶服務等待時間。
一旦價值被確定,用例也應該根據它們實現的可行性來進行優先排序;決定如何無縫地使用生成式AI將取決於團隊的技術技能等因素。之後,團隊應該建立一個短期的路線圖來測試和驗證這些用例。同時,他們也可以考慮長期目標可能包含什麼,例如如何建立一個可生成的設計平台,讓設計師在每一季都可以更新和使用。
從生成式AI中獲得一些樂趣可能很誘人,但利用它的力量需要額外的努力。時尚產業的高階主管必須有意識地打造能夠帶來價值的工具,而不是不加區別地對現有工具進行試驗。
在先前的文章中,我們列出了使用生成式AI的一些風險。其中之一是,圍繞生成式AI使用的法律參數仍在解決中。設計師有時會因為創作衍生作品和模仿設計而受到批評。誰擁有AI生成作品的智慧財產權和創造性權利?這些作品可能基於多模式資料來源,如其他設計師過去的系列,在出現強有力的法律先例之前,將根據具體情況來決定。 (雖然不涉及生成式AI,但Hermès和藝術家梅森·羅斯柴爾德圍繞MetaBirkin NFTs展開的引人注目的戰鬥,其中一名法官裁定NFTs侵犯了Hermès的商標,這表明當新技術出現時,時尚品牌可能會面臨法律難題。)
另一個風險是產生AI系統中的偏見和公平性,特別是圍繞有偏見的數據集,這可能會對依賴該技術的品牌帶來聲譽挑戰。例如,如果一個圖像生成工具使用不適當或具有攻擊性的圖像製作廣告活動,然後在全球範圍內共享,那麼品牌的聲譽可能會受到損害。為了控制損失而指責AI公司,可能無助於平息消費者的憤怒。
還有一種風險是,使用生成式AI的員工沒有完全意識到它的缺點,可能無法檢查該技術引入的錯誤。在這種情況下,企業必須定期培訓員工,並為他們提供了解如何使用科技所需的資源。
雖然風險是不可避免的,但管理人員可以透過建立處理風險、道德規範和品質保證的流程來減輕風險的潛在影響。
生成式AI工具可以為企業的許多不同領域增加價值,因此教育和培訓員工(包括設計師、行銷人員、銷售助理和客戶服務代表)使用這項技術將非常重要。
有些企業已經推出了以AI為重點的培訓。例如,李維斯(Levi Strauss)在2021年推出了一個機器學習訓練營,培訓非技術員工如何在公司的設計過程中使用機器學習。完成專案的員工創造了與他們的工作相關的新的AI工具。李維斯設立此計畫的目標之一是增加擁有技術知識的員工的多樣性,這樣公司就能發現那些擁有傳統技術背景的員工可能會忽略的問題。該專案還有助於擁有不同專業的團隊——例如設計團隊和工程團隊——更好地溝通並找到共同點。此外,李維斯也發現該計畫有助於提高員工留任率。
有了精通AI的員工,合作將具有新的意義。領導者應該考慮:我們如何定義責任,並在技術和非技術角色之間共同運作?設計和軟體工程團隊可以建立每週的領導會議來製定季度路線圖和團隊之間的工作會議。設計主管可以分享他們對某些見解和工具(可能是從草圖生成設計變化的工具)的需求,而工程團隊交付這些工具。
毫無疑問,在利用生成式AI方面,時尚企業將不得不投資於他們的勞動力,但他們不必自己建立應用程式或基礎模型。相反地,時尚領袖可以與人工智慧企業和專家合作,迅速採取行動。時尚主管可能會與提供新技術的企業(如微軟或OpenAI)合作,也可能與提供支援功能(如雲端運算或API)的合作夥伴合作。
雖然生成式AI的潛在用例正在迅速浮出水面,但這項技術在服裝和奢侈品行業的未來仍在探索中。但是今天嘗試新工具意味著明天會有無限的可能性。
以上是生成式AI:解鎖時尚產業的未來的詳細內容。更多資訊請關注PHP中文網其他相關文章!