Γιατί υπήρχαν τόσα πολλά μπλουζάκια πόλο στην πασαρέλα αυτή τη σεζόν; Και όλα αυτά τα διαφανή φορέματα στο Instagram; Γιατί οι σιλουέτες αλλάζουν από αδύνατες σε φαρδιές και πάλι πίσω; Και πώς έγιναν τα παπούτσια μπαλέτου Έτσι δημοφιλής?
Είναι ωραίο να πιστεύουμε ότι όλες αυτές οι τάσεις είναι το υποπροϊόν μιας αυθόρμητης συνοχής των γούστων μεταξύ των ανθρώπων σε όλο τον κόσμο, αλλά στην πραγματικότητα, η δημοτικότητα αυτών των στυλ –ιδιαίτερα όταν μετατοπίζονται από το διάδρομο στο λιανοπωλητή– είναι το αποτέλεσμα μιας μελετημένης διαδικασίας συγκέντρωση και ανάλυση δεδομένων γνωστών ως πρόβλεψη τάσεων. Από τότε που ξεκίνησε η πρόβλεψη των τάσεων, όπως ξέρουμε, γύρω στη δεκαετία του 1960, οι άνθρωποι παρακολουθούσαν επιδείξεις μόδας, έψαχναν περιοδικά, μελέτησαν street style, έκαναν έρευνα σε καταστήματα και, πιο πρόσφατα, έκαναν κύλιση στα μέσα κοινωνικής δικτύωσης για να πουλήσουν πληροφορίες επωνυμιών σχετικά με το τι αγόραζαν οι άνθρωποι τώρα και τι θα έκαναν πιθανή αγορά στο μέλλον.
Αλλά πρόκειται να εισέλθουμε στο 2024 (μέχρι να διαβάσετε αυτό το άρθρο μπορεί να είστε ήδη σε αυτό) και η πρόβλεψη τάσεων δεν είναι πλέον μια πρακτική που γίνεται μόνο από επιμελείς μετεωρολόγους – μάλλον, καθώς οι βιομηχανίες σε όλο τον κόσμο παλεύουν με την τεχνολογία, είναι η τεχνητή νοημοσύνη που αναδιαμορφώνει το μέλλον της πρόβλεψης τάσεων. Πάρτε, για παράδειγμα, τον οργανισμό πρόβλεψης τάσεων Heuritech με έδρα το Παρίσι.
Heuritech: μια μελέτη περίπτωσης στην πρόβλεψη τάσεων AI
Η Heuritech ιδρύθηκε για πρώτη φορά το 2013 και έκτοτε ανέπτυξε πολύπλοκη ιδιόκτητη τεχνολογία αναγνώρισης εικόνων που επιτρέπει στην ομάδα της να αναλύει περίπου τρία εκατομμύρια εικόνες μόδας στα μέσα κοινωνικής δικτύωσης κάθε μέρα. Αυτές οι εικόνες προέρχονται από λογαριασμούς που δημοσιεύουν τακτικά περιεχόμενο που σχετίζεται με τη μόδα – με ιδιαίτερη έμφαση στο χρώμα, την υφή και τη σιλουέτα – χρησιμοποιώντας τεχνολογία που αναπτύχθηκε από τους Γάλλους ιδρυτές της, Tony Pinville και Charles Ollion, οι οποίοι και οι δύο έχουν διδακτορικό στη μηχανική μάθηση (Pinville είναι τώρα ο Διευθύνων Σύμβουλος της Heuritech).
Η Heuritech επικεντρώνεται σε μεγάλο βαθμό στη διαίρεση των δεδομένων της μέσω τριών πάνελ κοινού. Υπάρχουν οι «διεγερτικοί» καταναλωτές «που τείνουν να υιοθετούν νωρίς [of trends], συχνά ελκύονται από μικρότερες ή αναδυόμενες μάρκες και αγκαλιάζουν ένα στυλ ή ένα προϊόν πολύ πριν αποκτήσει δημοτικότητα», λέει στο Wallpaper* η Julie Pont, διευθύντρια μόδας και δημιουργικής μόδας της Heuritech. Στη συνέχεια, υπάρχουν οι «μοντέρνοι» καταναλωτές που «παραμένουν ενημερωμένοι με τις πιο πρόσφατες και πιο επιθυμητές μάρκες, στυλ και προϊόντα και συνήθως αγκαλιάζουν τις τάσεις στο απόγειό τους». Τέλος, υπάρχουν οι «κύριοι» καταναλωτές που ασχολούνται με μεγάλα στυλ και προϊόντα «αφού αποκτήσουν ευρεία δημοτικότητα και συνήθως παίρνουν έναν πιο παθητικό ρόλο στη μόδα».
Οι τάσεις που ανιχνεύονται σε αυτούς τους λογαριασμούς – που μπορεί να είναι ένα συγκεκριμένο στοιχείο, όπως «υπερμεγέθη μπλουζάκι ποδοσφαίρου» ή ένα ευρύτερο θέμα, όπως «κίτρινο», «μεταλλικό» ή «fleece» – υποδιαιρούνται περαιτέρω από την τεχνολογία αναγνώρισης εικόνας της Heuritech ανάλογα με τη γεωγραφία και εποχιακή δημοτικότητα, έτσι ώστε οι επωνυμίες (που επιλέγουν τυπικές ή προσαρμοσμένες αναφορές) να μπορούν να βλέπουν ακριβώς πότε και πού συγκεκριμένα στυλ είναι πιθανό να είναι πιο δημοφιλή.
Από τα τρία πάνελ κοινού της Heuritech, το «νευρικό» είναι μακράν το πιο σημαντικό, καθώς εκεί ο αλγόριθμος Heuritech εντοπίζει τα «πρώιμα σήματα» του ή «ελαφριές αλλαγές στη δραστηριότητα μεταξύ νευρικών επιρροών που είναι συχνά εκείνοι που αναπνέουν ζωή στις τάσεις». Χρησιμοποιώντας αυτά τα πρώιμα σήματα, ο αλγόριθμος Heuritech εντοπίζει τις αναδυόμενες τάσεις προτού γίνουν mainstream και φτάσουν τις υψηλότερες δυνατότητές τους στην αγορά. Μάρκες όπως η Dior, η οποία χρησιμοποίησε τα δεδομένα της Heuritech για να βοηθήσει στην ανάπτυξη μιας νέας επανάληψης της κλασικής τσάντας Miss Dior. Rabanneη οποία συνεργάστηκε με τη Heuritech για να κατανοήσει πώς ανταποκρίνονταν οι πελάτες στην τσάντα του 1969 της μάρκας, καθώς και η Prada, η Louis Vuitton και η New Balance, χρησιμοποιούν τις πληροφορίες που προέρχονται από τη Heuritech για να διαμορφώσουν τα επερχόμενα έργα τους και, κατά συνέπεια, να διαμορφώσουν την εμφάνιση που επεξεργάζεται εκ νέου η υψηλή – καταστήματα στο δρόμο σε ρούχα για ένα μαζικό κοινό.
‘[It’s an approach] που επιτρέπει στις επωνυμίες να προχωρήσουν πέρα από τα περιοριστικά δεδομένα όπως οι προηγούμενες πωλήσεις, τα τυπικά πάνελ μάρκετινγκ και οι προβλέψεις που βασίζονται στη διαίσθηση», λέει ο Pont. «Η λύση της Heuritech προωθεί την τεκμηριωμένη λήψη αποφάσεων».
Πώς θα διαμορφώσει το μέλλον της μόδας η πρόβλεψη των τάσεων της τεχνητής νοημοσύνης;
Η πρόβλεψη τάσης AI, λοιπόν, καθοδηγεί τα ρούχα που βλέπουμε στις πασαρέλες και στους δρόμους. Σε κάποιους, αυτή η απαιτητική, μηχανοκίνητη διαδικασία ψηφιοποίησης και κατηγοριοποίησης μπορεί να ακούγεται τρομακτική (σε άλλους, συναρπαστική). Αλλά συμβαίνει. Και, κατά κάποιο τρόπο, απλώς συνεχίζει τη μακρά κυριαρχία των προγνωστών τάσεων στην καθοδήγηση των ρούχων που αγοράζουμε και φοράμε.
Όπως γράφουν η ιστορικός Regina Lee Blaszczyk και ο οικονομολόγος Ben Wubs στο βιβλίο τους που εκδόθηκε το 2018 The Fashion Forecasters: A Hidden History of Color and Trend Prediction«δεν είναι καθόλου τυχαίο ότι παρόμοια στυλ βρίσκουν το δρόμο τους στις πασαρέλες του Παρισιού και στα ράφια γρήγορης μόδας των Primark και Zara σχεδόν ταυτόχρονα… αυτό το υψηλό επίπεδο συντονισμού καθίσταται δυνατό από αναφορές τάσεων από το σύστημα πληροφοριών σκιών της βιομηχανίας της μόδας. κρυφή αναγνωριστική επιχείρηση που συλλέγει και αναλύει δεδομένα και τα ανακυκλώνει ως προβλέψεις στυλ».
Καθώς η τεχνολογία έχει γίνει πιο γρήγορη και πιο εξελιγμένη στην ανάλυση δεδομένων, το ίδιο συμβαίνει και με τις προβλέψεις τάσεων. Γενικά, τα μοντέλα πρόβλεψης τάσεων εμπίπτουν σε δύο κατηγορίες: μικρο-τάσεις, που τείνουν να διαρκούν από μερικούς μήνες έως ένα χρόνο και μακρο-τάσεις, που διαρκούν πολύ περισσότερο. Στις πρώτες μέρες της, η πρόβλεψη των τάσεων αφορούσε κυρίως τις μακρο- τάσεις. Για παράδειγμα, η δεκαετία του 1970 ορίστηκε από φουσκωτά παντελόνια, γήινες αποχρώσεις και σαθρές μπότες. Η δεκαετία του 1980 ήταν power κοστούμια και έντονα χρώματα, κ.λπ. Αλλά οι μικρο-τάσεις έγιναν πιο εμφανείς τη δεκαετία του 2010, καθώς άνθησαν τα μέσα κοινωνικής δικτύωσης και τα εργαλεία ανάλυσης δεδομένων έγιναν πιο προηγμένα. Το Normcore, το Health goth και το athleisure ήταν κοινή γλώσσα μέχρι το 2014 και τώρα, το 2023, μια νέα μικρο-τάση φαίνεται να εμφανίζεται κάθε μήνα, με Μπάρμπι-πυρήνας, πυρήνας μπαλέτου και «παράκτια καουμπόισσα» μόνο μερικά από τα τελευταία.
Η επικράτηση της τεχνητής νοημοσύνης στην πρόβλεψη των τάσεων – σύμφωνα με την οποία εκατομμύρια εικόνες μπορούν να ανασυρθούν καθημερινά – φαίνεται ότι αναπόφευκτα θα αυξήσει μόνο την ταχύτητα με την οποία εμφανίζονται οι μικρο-τάσεις. Αυτή είναι μια ανησυχητική εξέλιξη από την άποψη της βιωσιμότητας, καθώς όσο πιο γρήγορα οι τάσεις μπαίνουν και βγαίνουν από τη μόδα, τόσο πιο γρήγορα αγοράζονται και απορρίπτονται τα ρούχα. Αλλά οι προβλέψεις που βασίζονται στην τεχνητή νοημοσύνη, όπως η Heuritech, ισχυρίζονται ότι η τεχνολογία τους προωθεί τη βιωσιμότητα επειδή αφαιρεί τις εικασίες από το τι θέλουν οι καταναλωτές και, κατά συνέπεια, σημαίνει ότι οι επωνυμίες παράγουν λιγότερα ρούχα που δεν αγοράζονται.
Το αν η πρόβλεψη της τεχνητής νοημοσύνης ενθαρρύνει ή αναστέλλει τη σπάταλη κατανάλωση είναι αντικείμενο συζήτησης. όπως και το ερώτημα αν ενθαρρύνει ή αναστέλλει τη δημιουργικότητα. Φαίνεται σχεδόν αναπόφευκτο ότι η τεχνητή νοημοσύνη θα παρακάμψει την καινοτομία σε κάποιο βαθμό ενθαρρύνοντας τις επωνυμίες να παράγουν μόνο ό,τι προβλέπεται αλγοριθμικά ότι θα πετύχει. Ωστόσο, όταν τέθηκε αυτή η ερώτηση, η Heuritech μας είπε ότι, εάν χρησιμοποιηθεί με καινοτόμο πρόθεση, πιστεύει ότι η τεχνολογία της μπορεί να οδηγήσει σε πιο ευφάνταστες δημιουργίες.
«Παρέχοντας στις επωνυμίες αξιόλογες πληροφορίες, μπορεί να βελτιώσει τις τάσεις της αγοράς που συνάδουν με το DNA της επωνυμίας και τους εμπορικούς στόχους τους, αντί να επιδιώκουν τυφλά τις μαζικές τάσεις», λέει ο Pont. «Η Heuritech παρέχει τα δεδομένα, αλλά εναπόκειται στις επωνυμίες να λάβουν τεκμηριωμένες αποφάσεις. Ορισμένοι πελάτες χρησιμοποιούν ακόμη και τα δεδομένα μας για να αψηφήσουν τις συμβατικές τάσεις, στοχεύοντας εξειδικευμένες αγορές για να διαφοροποιηθούν με αυθεντικά προϊόντα».
«Η αυξημένη αποτελεσματικότητα επιτρέπει στους ανθρώπους να επικεντρωθούν στη μοναδική τους προστιθέμενη αξία που η τεχνητή νοημοσύνη δεν μπορεί να αντικαταστήσει – την εφευρετικότητα και τη δημιουργικότητα», συνεχίζει.
Σύμφωνα με την ανάλυση της McKinsey, η γενετική τεχνητή νοημοσύνη θα μπορούσε να προσθέσει 150 δισεκατομμύρια δολάρια, συντηρητικά, και έως και 275 δισεκατομμύρια δολάρια στους τομείς της μόδας και της πολυτέλειας τα επόμενα τρία έως πέντε χρόνια. Με αυτά τα χρήματα που έρχονται, δεν χρειάζεστε έναν προγνωστικό για τις τάσεις για να σας πει ότι η τεχνητή νοημοσύνη θα είναι στη μόδα για μεγάλο χρονικό διάστημα. Το πραγματικό ερώτημα είναι τι μπορεί να αλλάξει. Μέχρι στιγμής, υπάρχουν κάποιες υποδείξεις για το τι θα μπορούσε να φέρει η πρόβλεψη τάσεων της τεχνητής νοημοσύνης – περισσότερες μικρο-τάσεις, συλλογές που καθορίζονται από τις επιθυμίες συγκεκριμένων αγορών, δυνατότητα καινοτόμων σχεδίων που ανατρέπουν τις τάσεις που καθορίζονται από την τεχνητή νοημοσύνη και περισσότερος χρόνος για τους σχεδιαστές να δημιουργήσουν. παρά να ανησυχείτε για τα logistics.
Η εταιρεία πρόβλεψης τάσεων WGSN με έδρα το Λονδίνο, η οποία χρησιμοποιεί ένα μείγμα τεχνητής νοημοσύνης και ανθρώπινης ανάλυσης στις αναφορές της, απηχεί την ιδέα της Heuritech ότι είναι ευθύνη των ανθρώπων να καινοτομούν με βάση τις πληροφορίες που παρέχονται από την τεχνητή νοημοσύνη. «Η τεχνητή νοημοσύνη αναδιαμορφώνει ήδη τον τρόπο με τον οποίο προβλέπουμε», λέει στο Wallpaper* η Francesca Muston, αντιπρόεδρος μόδας του WGSN. «Αλλά η κατανόηση του πώς να το συνδυάσετε με την ανθρώπινη τεχνογνωσία, το ευρύτερο πλαίσιο τομέα και τη δημιουργικότητα είναι πραγματικά το κλειδί για τη μελλοντική του επιτυχία».