到目前为止，你可能已经听说过OpenAI的ChatGPT，这款人工智能聊天机器人一夜之间引起了轰动，并引发了一场构建和发布竞品的数字竞赛。ChatGPT只是生成式AI的一个消费者友好型例子，这种技术由算法组成，可用于创建新内容，包括音频、代码、图像、文本、模拟和视频。生成式AI不是简单地识别和分类信息，而是通过利用基础模型来创建新信息，基础模型是可以同时处理多个复杂任务的深度学习模型，例如GPT-3.5和DALL-E。
虽然时尚行业已经尝试了基本的AI和其他前沿技术——元宇宙、不可替代代币(NFTs)、数字ID和增强现实(AR)或虚拟现实(VR)——但到目前为止，它在生成式AI方面的经验仍然很少。诚然，这项新兴技术直到最近才被广泛应用，而且仍然充满了令人担忧的怪癖和漏洞，但所有迹象都表明，它可能会以闪电般的速度得到改进，并成为许多业务领域的游戏规则改变者。
根据麦肯锡(McKinsey)的分析，保守估计，在未来三到五年内，生成式AI将增加1500亿美元，服装、时尚和奢侈品行业的运营利润将增加2750亿美元。从协同设计到加快内容开发过程，生成式AI为创造力开创了新的空间。它可以输入所有形式的“非结构化”数据——原始文本、图像和视频——并输出新的媒体形式，从完整的脚本到3D设计，再到视频活动的逼真虚拟模型。
虽然目前还处于早期阶段，但生成式AI在时尚领域的一些清晰用例已经出现。(其中许多用例也适用于美容和奢侈品行业)特别是在产品创新、市场营销、销售和客户体验方面，与时尚价值链中的其他领域相比，这项技术可以产生重大成果，并且可能在短期内更加可行。在本文中，我们概述了一些最有前途的用例，并提供了高管可以采取的步骤，以及在这样做时需要注意的风险。
在我们看来，生成式AI不仅仅是自动化，它还涉及增强和加速。这意味着为时尚专业人士和创意人士提供技术工具，以更快的速度完成某些任务，让他们有更多时间做只有人类才能做的事情，这也意味着建立更好地客户服务体系。
了解用例
基础模型和生成式AI可以在整个时尚价值链中使用。
销售和产品：
- 将草图、情绪板(mood board)和描述转换成高保真的设计(例如，家具和珠宝的3D模型);
- 通过与AI代理合作，从数据(例如，过去的产品线，鼓舞人心的图像和风格)中生成创造性选项(例如，新想法，变体)，丰富产品创意;
- 为个人消费者大规模定制产品(例如，基于面部走势的眼镜)。
供应链与物流：
- 通过汇编研究支持与供应商的谈判;
- 通过实时分析(例如，增强现实支持的洞察力)增强仓库操作和库存管理的机器人自动化;
- 根据个人消费者定制产品退货优惠。
市场营销：
- 从非结构化数据(例如，消费者情绪、店内消费者行为、全渠道数据)中识别和预测趋势，以改善目标营销;
- 大规模自动化消费者细分以定制营销计划;
- 根据来自消费者档案和社区洞察的非结构化数据生成个性化营销内容;
- 与人工智能代理合作，加快内容开发，减少内部营销团队的创意障碍。
数字商务与消费者体验：
- 根据过去成功的销售岗位构建和生成销售描述;
- 根据个人消费者档案个性化在线消费者旅程和优惠(例如，网页，产品描述);
- 为个人消费者量身定制虚拟产品试衣和演示(例如，服装试衣，造型建议);
- 增强智能人工智能代理(例如会话聊天机器人、虚拟助手)和自助服务，以支持高级消费者咨询(例如多语言支持)。
存储操作：
- 通过生成和测试不同参数下的布局计划(例如，人流量、本地消费者受众、规模)来优化商店布局计划;
- 优化店内劳动力，通过实时监控视频数据消除员工分配差距和盗窃检测等瓶颈;
- 支持AR辅助设备，以便更好地实时告知员工产品信息(例如，状况、分类、库存、推荐)。
组织和支持职能：
- 指导销售助理通过实时推荐、反馈报告和高价值的消费者档案来维持成功的“客户”关系;
- 根据员工的角色和表现制定个性化的培训内容;
- 启用自助服务和自动化支持任务(例如，人力资源票据，大型文件核算，法律文件审查)。
生成式AI有可能影响整个时尚生态系统。时尚公司可以利用这项技术来帮助创造更畅销的设计，降低营销成本，使客户沟通高度个性化，并加快流程。它还可能重塑供应链和物流、商店运营、组织和支持功能。
产品开发与创新
大众市场时尚零售商和奢侈品牌的创意总监都可以使用生成式AI来实时分析各种类型的非结构化数据，而不是仅仅依靠趋势报告和市场分析来为下一季的系列设计提供信息。例如，生成式AI可以从社交媒体上的视频中快速汇总和执行情绪分析，或者从多个来源的消费者数据中建模趋势。
创意总监及其团队可以将草图和所需的细节(如面料、调色板和图案)输入一个由生成式AI驱动的平台，该平台会自动创建一系列设计，从而能够使设计师设计各种风格和外观。然后，一个团队可能会根据这些输出设计新产品，在每个外观上添加时装公司的标志性元素。这为创造创新的限量版产品系列打开了大门。通过使用生成式AI驱动的面部识别技术，可以为个人设计眼镜等产品，扫描面部地形，并根据客户的尺寸和风格偏好进行调整。
这种场景在2022年12月走向现实，当时一群来自AI设计实验室(AiDLab)的香港时装设计师举办了一场“以生成式AI支持的设计”为主题的时装秀。通过Cala、Designovel和Fashable等科技公司的工具，时装设计师们已经开始利用生成式AI的力量来激发新想法，在不生产昂贵样品的情况下尝试无数种设计变化，并大大加快了流程。(对于美容行业来说，生成式AI还为品牌提供了一个识别新产品匹配的机会，这可能有助于降低实验室测试成本。)
市场营销
营销主管和机构可以使用生成式AI来集思广益活动策略、产品活动内容，甚至每个营销渠道的虚拟形象，而且速度很快。
寻找营销的黄金法则往往是一场数字游戏。以TikTok为例：在这个平台上，病毒式传播没有单一的制胜公式。相反地，你生产的越多，你就越有可能成为热门话题，提高品牌知名度和销量。通过一个AI生成视频平台为TikTok或其他社交媒体平台创建短视频，有助于节省与输出社交媒体内容相关的时间和成本。生成式AI可以识别病毒式内容的模式和趋势，并根据营销人员的规范创建新内容。
这些练习可以帮助内部营销团队管理他们的工作，同时减少他们对外包工作给创意机构的依赖。然而，营销人员在使用这种方法时要谨慎：试图通过复制其他品牌的做法来吸引消费者，可能会损害一个品牌花费多年时间建立起来的独特身份和价值主张。
生成式AI也可以应用于个性化的客户沟通。麦肯锡的研究显示，与不利用个性化的公司相比，擅长个性化的公司的收入增加了40%。
几家初创公司——如copyai、Jasper AI和Writesonic——正在通过生成式AI帮助大规模开拓个性化营销。使用这些工具，营销人员的日常任务可能是这样的：他们可以选择想要创建的内容类型，无论是电子邮件、长篇博客文章还是其他内容;添加一个提示，描述他们在寻找什么;并包括目标受众和其他参数，如语气，这有助于创建符合品牌的营销传播。然后，AI工具提供了几个可供营销人员选择的选项。
这些工具在应用于低漏斗营销渠道(主要用于鼓励销售转换)而非更有声望的品牌建设传播时最有帮助。
销售与消费者体验
如今的AI生成式聊天，使用更强大的自然语言处理(NLP)来更好地理解人类并与人类互动，已经比现有的AI聊天有了可衡量的改进。也就是说，目前还没有一种万无一失的AI聊天机器人，目前的聊天机器人和其他文本生成工具仍然偶尔会犯错误，可能导致严重的客户服务灾难。不过，这项技术最终可以帮助客户支持代理外包复杂的查询，例如，使用聊天机器人帮助提供多种语言的个性化回复。
如今，有一些服务为品牌分配一个生成式AI“代表”，通过电子邮件、聊天、文本和品牌自己的平台处理客户服务查询。这些服务有助于减少客户服务等待时间并改善响应时间。
生成式AI代理还可以为奢侈品牌服务，特别是在“客户”方面，这是一种零售策略，销售助理与品牌最高消费额的客户建立长期关系，以鼓励购买，提高品牌忠诚度。(比如，通过预约购物，高端品牌在奢侈品精品店的销售转化率可以达到60%到70%。)这个过程在某种程度上仍然是模拟和手工的，依靠品牌的销售助理通过各种消息平台或短信与客户联系，而且仅限于这些销售助理工作时。AI驱动的工具可以在购物者离开商店后继续对话或提出造型建议，指导销售助理如何与客户互动，为特定客户进行个性化沟通，并分析消费者档案和在线实时互动。
2022年7月，服装零售商Stitch Fix表示，他们正在试验GPT-3和DALL-E 2(文本到图像的AI生成器)，通过更好的造型服务来促进销售，提高客户满意度。这些生成模型正在测试中，以帮助造型师快速准确地解释大量的客户反馈，并策划客户更有可能购买的产品。例如，AI工具可以分析客户的所有反馈，其中可能包括数百条文本评论、电子邮件请求、产品评级和在线帖子。如果顾客经常评论某款裤子的“非常合身”和“颜色有趣”，DALL-E就可以生成该顾客可能想购买的类似裤子的图像。然后，造型师可以在Stitch Fix的库存中找到类似的产品，并推荐给该客户。
虚拟试玩是生成式AI改善销售和消费者体验的另一个例子。总部位于巴黎的Veesual为电子商务时尚品牌提供了虚拟试穿集成功能，这意味着客户可以选择自己的模特和衣服来试穿。
实践建议
尽管生成式AI技术可能令人兴奋，但在将任何核心任务完全委托给生成式AI之前，企业仍希望谨慎行事。但是，考虑到这项技术的发展速度和用户群的爆炸性增长，忽视探索这项技术提供的可能性可能同样有风险。高管们现在可以开始考虑他们的业务如何使用生成式AI。领导者可以从以下几个步骤开始。
珍惜你的“北极星”
时尚领导者应该概述生成式AI能够在哪些方面为他们的业务提供最大价值。首先要注意哪些领域——创意设计、商品销售、时装秀宣传或客户——可以从生成式AI中受益最多。然后，领导者可以根据用例对业务的影响程度，优先考虑他们应该追求的生成式AI用例。一些影响措施包括提高客户满意度评分和减少客户服务等待时间。
一旦价值被确定，用例也应该根据它们实现的可行性来进行优先级排序;决定如何无缝地使用生成式AI将取决于团队的技术技能等因素。之后，团队应该建立一个短期的路线图来测试和验证这些用例。与此同时，他们也可以考虑长期目标可能包括什么，比如如何建立一个可生成的设计平台，让设计师在每一季都可以更新和使用。
从生成式AI中获得一些乐趣可能很诱人，但利用它的力量需要额外的努力。时尚行业的高管们必须有意识地打造能够带来价值的工具，而不是不加区别地对现有工具进行试验。
了解风险并计划减轻风险
在之前的文章中，我们列出了使用生成式AI的一些风险。其中之一是，围绕生成式AI使用的法律参数仍在解决中。设计师有时会因为创作衍生作品和模仿设计而受到批评。谁拥有AI生成作品的知识产权和创造性权利?这些作品可能基于多模式数据源，如其他设计师过去的系列，在出现强有力的法律先例之前，将根据具体情况来决定。(虽然并不涉及生成式AI，但Hermès和艺术家梅森·罗斯柴尔德围绕MetaBirkin NFTs展开的引人注目的战斗，其中一名法官裁定NFTs侵犯了Hermès的商标，这表明当新技术出现时，时尚品牌可能会面临法律难题。)
另一个风险是生成AI系统中的偏见和公平性，特别是围绕有偏见的数据集，这可能会对依赖该技术的品牌带来声誉挑战。例如，如果一个图像生成工具使用不适当或具有攻击性的图像制作广告活动，然后在全球范围内共享，那么一个品牌的声誉可能会受到损害。为了控制损失而指责AI公司，可能无助于平息消费者的愤怒。
还有一种风险是，使用生成式AI的员工没有完全意识到它的缺点，可能无法检查该技术引入的错误。在这种情况下，企业必须定期培训员工，并为他们提供了解如何使用技术所需的资源。
虽然风险是不可避免的，但管理人员可以通过建立处理风险、道德规范和质量保证的流程来减轻风险的潜在影响。
提高现有员工的技能
生成式AI工具可以为企业的许多不同领域增加价值，因此教育和培训员工(包括设计师、营销人员、销售助理和客户服务代表)使用这项技术将非常重要。
一些企业已经推出了以AI为重点的培训。例如，李维斯(Levi Strauss)在2021年推出了一个机器学习训练营，培训非技术员工如何在公司的设计过程中使用机器学习。完成该项目的员工创造了与他们的工作相关的新的AI工具。李维斯设立该项目的目标之一是增加拥有技术知识的员工的多样性，这样公司就能发现那些拥有传统技术背景的员工可能会忽略的问题。该项目还有助于拥有不同专业的团队——比如设计团队和工程团队——更好地沟通并找到共同点。此外，李维斯还发现该项目有助于提高员工留任率。
有了精通AI的员工，合作将具有新的意义。领导者应该考虑：我们如何定义责任，并在技术和非技术角色之间共同运作?设计和软件工程团队可以建立每周的领导会议来制定季度路线图和团队之间的工作会议。设计主管可以分享他们对某些见解和工具(可能是从草图生成设计变化的工具)的需求，而工程团队交付这些工具。
与正确的技术支持商合作
毫无疑问，在利用生成式AI方面，时尚企业将不得不投资于他们的劳动力，但他们不必自己构建应用程序或基础模型。相反地，时尚领袖可以与人工智能企业和专家合作，迅速采取行动。时尚高管可能会与提供新技术的企业(如微软或OpenAI)合作，也可能与提供支持功能(如云计算或API)的合作伙伴合作。
虽然生成式AI的潜在用例正在迅速浮出水面，但这项技术在服装和奢侈品行业的未来仍在探索中。但是今天尝试新工具意味着明天会有无限的可能性。
