„Co ubrać do tych spodni?” – Stylizacja AI przeszła długą drogę

Jeszcze trzy lata temu kto by pomyślał, że będziesz mogła zapytać aplikację: „Mam jutro spotkanie w stylu business casual i kolację z klientem – co powinnam założyć?”. Stylizacja AI wyszła już poza proste rekomendacje; weszła w etap, w którym naprawdę rozumie Twoją szafę i wchodzi z nią w interakcję.

Od rekomendacji do konwersacji, od konwersacji do wizualizacji

Ewolucję Stylizacji AI można podzielić na trzy główne etapy.

Era rekomendacji (2015–2020) – „Osoby, które kupiły ten przedmiot, kupiły również...”. Brzmi znajomo? Ta metoda, znana jako filtrowanie kolaboratywne, była wykorzystywana głównie przez sklepy internetowe. Problem był jednak oczywisty: AI nie miało pojęcia, jakie ubrania już posiadasz ani dokąd wybierasz się następnego dnia. Brakowało mu kontekstu.

Era konwersacji (2022–obecnie) – Zasady gry zmieniły się wraz z pojawieniem się dużych modeli językowych (LLM). „Rano mam spotkanie w kawiarni, a po południu wizytę u klienta – zaproponuj mi strój, którego bazą będą granatowe spodnie”. AI potrafi teraz zrozumieć takie prośby formułowane w języku naturalnym i tworzyć zestawienia, wykorzystując przedmioty, które już masz w swojej szafie. Stylizacja AI w Acloset, która generuje stroje w oparciu o Twoje rzeczywiste zasoby, jest tego doskonałym przykładem.

Era wirtualnych przymierzalni (2024–obecnie) – Idąc o krok dalej, generatywna sztuczna inteligencja potrafi teraz nałożyć ubrania na Twoje zdjęcie. Możesz zobaczyć podgląd tego, „jak ta bluzka będzie na mnie leżeć”, zanim jeszcze zaczniesz się ubierać.

Choć etapy te rozwijały się sekwencyjnie, obecnie łączą się w jedno spójne doświadczenie. Opisujesz sytuację, AI znajduje idealne połączenie z Twojej szafy, a następnie pokazuje, jak dany zestaw wygląda na Twojej sylwetce. Zaledwie trzy lata temu była to scena prosto z filmu science-fiction.

Należy jednak dokonać tutaj jednego kluczowego rozróżnienia.

AI dla Ciebie kontra AI dla platformy

Nawet jeśli dwa serwisy nazywają swoją usługę „rekomendacjami AI”, wyniki mogą się drastycznie różnić w zależności od tego, dla kogo to AI pracuje.

W przypadku AI w sklepie internetowym źródłem danych jest asortyment sklepu. Celem jest napędzenie sprzedaży. Dlatego im lepsza rekomendacja, tym więcej kupujesz. Z kolei w przypadku AI w cyfrowej szafie źródłem danych są ubrania, które już posiadasz. Celem jest maksymalizacja ich użyteczności. Im lepsza rekomendacja, tym częściej nosisz to, co już masz.

Nie oznacza to, że AI w sklepach jest złe. Warto jednak mieć świadomość konfliktu interesów. Ponieważ platformy zarabiają, gdy kupujesz więcej, ich algorytmy są naturalnie zoptymalizowane pod kątem kliknięcia przycisku „kup teraz”.

AI w cyfrowej szafie nie ma tego konfliktu. Jego jedynym celem jest pomoc w jak najlepszym wykorzystaniu Twojej istniejącej garderoby. Gdy zrozumiesz tę różnicę, będziesz mogła mądrze korzystać z obu rodzajów AI – sklepowego do zakupów i szafowego do stylizacji swojego OOTD.

W czym AI jest świetne (a czego wciąż nie potrafi)

Bądźmy szczerzy: Stylizacja AI to nie magia.

W czym jest świetna: Dopasowywanie oparte na regułach (np. granat + biel), wykrywanie schematów noszenia ubrań („Użytkowniczka w poniedziałki preferuje eleganckie stylizacje”), personalizacja poprzez wyuczone preferencje i dostępność 24/7.

Co wciąż stanowi wyzwanie: Kontekst emocjonalny, typu „Czuję się dziś trochę gorzej i potrzebuję stroju, który poprawi mi nastrój”. AI ma również trudności z niuansami tekstury materiału i tego, jak układa się on na ciele (co można poczuć tylko na żywo), czy subtelnymi ocenami kulturowymi, jak: „Czy ten strój nie jest zbyt odważny na tę konkretną okazję?”.

Kluczowe jest to: AI to narzędzie, ale ostateczna decyzja zawsze należy do Twojego poczucia stylu. Gdy AI sugeruje trzy stroje, to Ty wybierasz ten, który pasuje do „dzisiejszej Ciebie”. Zostawiając informację zwrotną za pomocą prostego kciuka w górę lub w dół, pomagasz AI sprawić, by kolejna rekomendacja była jeszcze trafniejsza.

Gdy odpowiednio zbudujesz tę relację, Stylizacja AI stanie się kimś więcej niż tylko narzędziem – stanie się partnerem, który pomaga rozwijać Twój styl. Aby jednak wycisnąć z niej jak najwięcej, potrzebujesz krótkiego przygotowania.

Jak w 10 minut w pełni wykorzystać potencjał AI

Aby AI mogło dawać dobre rekomendacje, musi znać Twoją szafę. Zgodnie z zasadą „garbage in, garbage out” – wysokiej jakości dane prowadzą do wysokiej jakości wyników.

Po pierwsze, zdigitalizuj co najmniej 80% swojej szafy. Jeśli wskaźnik rejestracji ubrań jest niski, opcje AI są ograniczone, a jakość strojów nieuchronnie spadnie.

Po drugie, dokładnie taguj swoje przedmioty. Kolor, Kategoria, materiał i sezon. Samo poprawne określenie tych czterech cech zauważalnie zwiększy dokładność AI.

Po trzecie, loguj swoje OOTD przez co najmniej 30 dni. AI uczy się na podstawie Twoich nawyków. Bez danych może dawać jedynie ogólne porady. Gdy zgromadzi dane z 30 dni, zacznie generować rekomendacje naprawdę dostosowane do „Ciebie”.

I co najważniejsze – bądź precyzyjna w kwestii Okazji (TPO). Prośba „Zaproponuj mi strój” nigdy nie będzie tak skuteczna jak „Spotkanie w kawiarni jutro rano, business casual, bazą mają być granatowe spodnie”. Im więcej szczegółów przekażesz AI na temat swojej sytuacji, tym lepszy będzie efekt.

❓ FAQ

P: Ile przedmiotów muszę zarejestrować, aby skutecznie korzystać ze Stylizacji AI?
O: Zalecamy zarejestrowanie ponad 80% swojej garderoby. Zazwyczaj potrzeba co najmniej 30 zarejestrowanych przedmiotów, aby zobaczyć sensowne propozycje strojów.

P: Co mam zrobić, jeśli nie podobają mi się rekomendacje AI?
O: Zostaw feedback! Używaj przycisków polubienia/odrzucenia. Konkretne uwagi, takie jak „Kolory są zbyt ciemne” lub „Zrób to w bardziej swobodnym stylu”, są niezwykle pomocne w poprawie dokładności AI.

P: Czym różni się Stylizacja AI w Acloset od AI w sklepach internetowych?
O: Acloset poleca stroje na podstawie ubrań, które już posiadasz, pomagając Ci ograniczyć niepotrzebne wydatki. AI w sklepach jest zaprojektowane tak, aby zachęcać Cię do kupowania nowych produktów.

Źródła i bibliografia:

McKinsey & Company, „The State of Fashion 2024: Technology Edition”
Google (2024), „Virtual Try-On with AI”
Deldjoo, Y., et al. (2022), ACM Computing Surveys

Opublikowane przez zespół Acloset Magazine.