Искусственный интеллект стремительно входит в моду и ритейл, но вместе с обещанием ускорения и роста приходит и более приземлённый вопрос: сколько это стоит и что именно компании получают взамен. Как показывает материал WWD, отрасль вкладывает в ИИ не только деньги, но и заметные управленческие ресурсы — от внимания топ-менеджеров до перестройки внутренних процессов.
По оценке Goldman Sachs, ведущие игроки в ближайшие годы могут потратить на ИИ и дата-центры 5,3 трлн долларов к 2030 году. Для моды и ритейла это часть более широкой технологической гонки, в которой компании пытаются понять, как встроить ИИ в уже существующую бизнес-модель — и не потерять контроль над операциями.
WWD изучил годовые отчёты 17 американских розничных и fashion-компаний, которые раскрывают капитальные расходы. В этих документах часто повторяется пункт «information technology», но приоритеты отрасли по-прежнему остаются традиционными: прежде всего компании инвестируют в магазины, а технологии обычно следуют следующим блоком расходов. Отдельно и регулярно упоминаются omnichannel и supply chain. 
Самым крупным инвестором в выборке остаётся Walmart Inc., который планирует направить на capex от 25 млрд до 27 млрд долларов в текущем году после 25,6 млрд долларов в 2025-м. Остальные 16 ритейлеров из исследования, по оценке WWD, увеличат совокупные расходы на 25% — до 13,9 млрд долларов на медианной базе прогнозов на 2026 год.
Среди компаний, делающих ставку на операционную эффективность, WWD приводит Dick’s Sporting Goods Inc. Ритейлер планирует направить 1,5 млрд долларов, или 8,5% выручки, на капитальные вложения. В компании это объясняют инвестициями в supply chain и технологии, которые должны улучшить store fulfillment, in-store pickup и другие базовые возможности для повышения эффективности.
Эксперты, которых цитирует WWD, подчёркивают: сегодня большинство компаний используют ИИ довольно широко, но пока поверхностно. Консультант и специалист по high-growth strategy Ребекка Хомкс назвала текущий подход «broad, but shallow»: сотрудники в основном применяют ИИ для личной продуктивности, а измеримые эффекты на уровне всей организации или между командами пока ограничены.
Проблема в том, что локальное ускорение одного участка не всегда даёт системный эффект. Если, например, ИИ помогает команде разработки быстрее создавать новые варианты одежды, но процесс отбора моделей не меняется, часть возможностей теряется. Если товары поступают в магазины быстрее, но маркетинг не успевает выстроить коммуникацию, результат также оказывается неполным. По словам Хомкс, компании добавляют новые узкие места, потому что по-прежнему сохраняют множество протоколов человеческого контроля над ИИ — и это оправдано, поскольку технологии всё ещё могут ошибаться.
Чтобы действительно извлечь пользу из ИИ, бизнесу, по её словам, нужно не просто внедрять инструменты, а заново проектировать саму работу. Хомкс предлагает подход parallel pathing, при котором ключевые элементы изменений идут одновременно: governance, capability, tech platform и связь с результатами. Она подчёркивает, что адаптация должна быть параллельной, поскольку технологическая среда меняется слишком быстро для линейного планирования.
При этом, как отмечает Хомкс, эффективность организации не сводится к её размеру. Новые компании могут перестраиваться быстрее, а у крупных игроков есть устоявшаяся клиентская база и другие преимущества, но решающим фактором остаётся скорость адаптации. Agile, по её словам, определяется методологией, а не числом сотрудников.
Похожую мысль развивает Greg Portell из Kearney. Он считает, что ИИ нельзя просто «подключить» к процессу без понимания, где именно должен оставаться человек. Даже при наличии хороших planning tools компании часто принимают решения иначе, опираясь на опыт планировщика. Для apparel-компаний, по его словам, недостаточно знать, что авокадо-зелёный будет цветом сезона; нужно понять, помогает ли это закупить нужный объём товара и подобрать корректную размерную сетку. Иначе ИИ может быть интересным, но бесполезным с точки зрения бизнеса.
Portell также обращает внимание, что обсуждение ИИ быстро переходит к следующему технологическому циклу: после него, вероятно, последуют квантовые вычисления и другие решения. Именно поэтому, по его мнению, компаниям важно развивать не только технологии, но и управленческую дисциплину, способную превращать эти технологии в действие.
Отдельная линия материала WWD — вопрос о том, где именно fashion-компаниям выгоднее всего внедрять ИИ. По мнению Achim Berg из FashionSights, многие бренды и ритейлеры уже понимают, что ИИ больше не является бесплатным ресурсом: за него нужно платить, а значит, бюджеты должны учитывать и разработку, и сопровождение, и управление агентами. Он считает, что значительная часть возможностей лежит не на фронт-энде, где идут маркетинг, персонализация и подбор предложений, а в back end — в тех областях, которые долгое время оставались без серьёзной цифровой перестройки.
Берг напоминает, что fashion-индустрия по-прежнему работает с длинными циклами: lead times на 9–12 месяцев, закупки, sourcing и товарные процессы у многих компаний почти не менялись в течение 15–20 лет. Именно здесь, а не только в витрине для покупателя, ИИ может оказать наиболее заметное влияние.
Показательный пример готовности к таким изменениям WWD приводит на уровне Levi Strauss & Co. Компания, одна из старейших в американской моде, активно включает ИИ в свою трансформацию из мужского wholesale bottoms бизнеса в полноценного denim-ритейлера. Президент и CEO Мишель Гасс говорит, что компания видит в ИИ инструмент для поддержки роста и более эффективного управления SG&A. По её словам, идёт автоматизация legacy-процессов, а в работе уже задействовано около 1000 agents.
Эти агенты используются в supply chain, planning и в обработке заказов от оптовых клиентов. Гасс также отмечает, что компания почти завершила крупную ERP-трансформацию, благодаря которой удалось укрепить базу данных, а затем уже надстроить над ней ИИ-возможности.
Но даже при расширении автоматизации ключевой вопрос остаётся прежним: кто именно принимает решение. Основатель и CEO Parabola Алекс Ясеен, чья компания создаёт AI-agents для operations и finance teams и работает со Skims, Faherty и другими брендами, говорит, что многие команды испытывают трудности не из-за недостатка технологии, а из-за человеческих процессов. По его словам, реальные изменения начинаются тогда, когда команды детально разбирают, как именно работает процесс, и устраняют сложные участки по шагам.
Parabola помогает компаниям не только использовать ИИ для принятия решений, но и отслеживать, как эти решения формируются и насколько корректны входные данные. Для этого у компании есть команда automation engineers, которые погружаются в задачи клиентов и подстраивают решение под конкретный бизнес. Ясеен считает, что рынок уже создаёт новые роли, связанные не столько с кодингом, сколько с глубоким пониманием процессов и умением быстро разбираться в сложных системах.
Главный вывод материала WWD достаточно ясен: ИИ в моде и ритейле уже не является экспериментом, но и не даёт автоматического преимущества. Компании вкладывают миллиарды, внедряют agents, перестраивают цифровую базу и заново описывают рабочие процессы. Однако без пересмотра управления, ролей и последовательности принятия решений даже самые дорогие технологии могут остаться набором локальных улучшений. В fashion-индустрии это, похоже, только начало более масштабной перестройки.
Источник: wwd
