Moda markaları yapay zekayı gerçekte nasıl kullanıyor?

Ancak üzerinde bir uzlaşma sağlandığı görülen nokta, artık bu parlak yeni teknolojinin kendisiyle hayranlık duymaktan öteye geçtiğimizdir. Artık hem işletmeler hem de tüketiciler, yapay zekanın nasıl doğru bir şekilde kullanılabileceğine ve sağladığı faydalara dair somut örnekler arıyor.

Peki, dört büyük moda markası bu teknolojiyi gerçekte nasıl kullanıyor?

Çalışanlara yönelik yapay zeka asistanı (Levi’s)

Levi’s, mağazaya gelen müşteriler kadar – hatta onlardan daha fazla – bilgiye sahip olmalarını sağlamak için yapay zeka teknolojisini kullanıyor.

Çalışanlara yönelik yapay zeka asistanı STITCH’in fikri, aslında geçen yıl düzenlenen bir çalışan hackathonundan çıktı. Levi’s, daha sonra 10 mağazada bir pilot uygulama gerçekleştirdi; ardından, aracın elde ettiği başarı nedeniyle STITCH’i ABD’deki 70’in üzerinde Levi’s mağazasına yaygınlaştırdı. Bu teknoloji kullanılan mağazalarda, kullanılmayan mağazalara kıyasla müşteri memnuniyeti sekiz puan kadar arttı.

Mağaza çalışanları, yapay zeka asistanına, başka bir kişiyle konuşurken kullandıkları doğal dilin aynısıyla operasyonel ve ürünle ilgili sorular sorabilirler. Bu sorular, örneğin kot pantolon modelleri arasındaki farklar ya da mağazada çevrimiçi siparişlerin nasıl yerine getirileceği gibi konulara ilişkin olabilir.

Levi’s, talep tahmini gibi iş faaliyetlerinin diğer alanlarına da yapay zekayı entegre etti ve çalışanlarını Microsoft Copilot’u kullanmaya teşvik ederek, bugüne kadar 800’den fazla yapay zeka ajanı oluşturdu.

Bu temsilcilerin her biri, Levi’ye çalışanların karşılaştığı zorluklar ve yapay zekanın gerçekten bir fark yaratabileceği alanlar hakkında fikir veriyor; bu da yatırımların nereye yönlendirileceğini daha iyi belirlemeye yardımcı oluyor.

Perakende raporlaması (Urban Outfitters)

Urban Outfitters’ın ana şirketi URBN, haftalık raporlamasını otomatikleştirmek için ajan tabanlı yapay zeka teknolojisini deniyor. Sistem, çok sayıda ayrı raporu tek bir genel bakışa indirgemeyi ve bu verilerin tamamını bir araya getirerek karar alma sürecini hızlandırmak için eyleme geçirilebilir unsurları belirlemeyi amaçlıyor.

Bu, bir raporun komut ve sağlanan verilere yanıt olarak oluşturulduğu üretken yapay zeka raporlamasının ötesine geçer. Ajansal sistem proaktif bir şekilde çalışır; her adımda komut verilmesine gerek kalmadan verileri toplar ve raporları özerk bir şekilde oluşturur.

Doğruluğu en üst düzeye çıkarmak için URBN, birleşik bir veri modeli olan evrensel bir anlamsal katman geliştirmiştir; bu sayede, eylemsel yapay zeka, çalışırken tek bir güvenilir kaynak kullanabilmektedir. Bu durum aynı zamanda şirkete, her çıktının kaynağını geriye doğru izleme imkânı da sağlamaktadır.

URBN, belirli bir ürün türünün bir bölgede beklentilerin üzerinde, başka bir bölgede ise altında satış yapması gibi durumlara ilişkin elde edeceği bilgiler sayesinde, ürün dağılımını ayarlayabileceğini ve trendlere daha hızlı tepki verebileceğini umuyor.

Zara, bir süredir üretken yapay zeka ile çeşitli denemeler yapıyor; bunlara, insan mankenlerin mevcut fotoğraflarına yeni kıyafetler giydirmek de dahil.

Buradaki amaç, Zara’nın her seferinde yeni bir fotoğraf çekimi ayarlamak yerine, çevrimiçi mağazasını yeni modellerle daha hızlı güncelleyebilmesini sağlamaktır. Ayrıca, Zara’nın modellerin fotoğraflarını düzenlemek için yapay zeka kullanmadan önce modellerden onay aldığı ve maddi tazminat ödediği bildiriliyor.

Ancak Zara, uygulamasına üretken yapay zeka tabanlı deneme teknolojisini ekleyerek artık bir adım daha ileri gidiyor.

Alışveriş yapanlar, kendilerine ait bir yüz fotoğrafı ve tam vücut fotoğrafı yükleyerek 360 derecelik sanal bir avatar oluşturabilirler. Ardından, yapay zeka sayesinde avatarlarına seçtikleri ürünleri giydirerek herhangi bir ürünü “deneyebilirler”.

Hoş bir ayrıntı da, teknolojinin seçilen ürüne uygun parçalar önermesidir. Yani bir etek seçtiğinizde, yapay zeka bunu üstler, ceketler ve hatta ayakkabılarla eşleştirerek, bir kombin olarak nasıl görüneceğine dair bir fikir verir. Yapay zekanın önerdiği kombinler de uygulamada kaydedilir, böylece daha sonra bunlara geri dönebilirsiniz.

Bu örnek, moda perakendecilerinin yapay zekayı kullanarak en büyük sorunlarından biri olan ürün iadeleriyle nasıl başa çıktıklarını göstermektedir; zira müşteriler, çevrimiçi alışveriş yaparken kıyafetlerin üzerlerinde nasıl duracağını veya kendilerine yakışıp yakışmayacağını bilememektedir.

Yapay zeka avatarı %100 doğru olmayabilir, ancak müşteriler, vücut oranları tamamen farklı bir manken yerine kendi benzerliklerini yansıtan bir versiyonda ürünleri görmekten fayda sağlayabilir.

Fotoğraf: Revolve'un izniyle

Fiziksel mağazalar için yapay zeka uygulamaları (Revolve)

Revolve, yapay zeka alanında en kapsamlı adımları atan moda markalarından biridir ve bu konuda oldukça açık davranmaktadır.

Başlangıçtan itibaren veri odaklı bir şirket olan Revolve, tasarımdan kullanıcı deneyimine ve şirket içi raporlamaya kadar işinin neredeyse her alanına yapay zekayı entegre ediyor. Örneğin, e-ticaret alanında Revolve, ürün meta verilerini iyileştirmek için yapay zeka kullanan yeni bir şirket içi program geliştirdi. 

Genellikle perakendeciler, müşteriler belirli ürün türlerini veya anahtar kelimeleri aradıklarında sonuçlarda görünmeleri için bir ürünün özelliklerini manuel olarak etiketlemek zorundadır. Revolve, yapay zeka kullanarak görsellere “bakıp” bunları etiketliyor ve böylece ürünlerin daha alakalı aramalarda görünmesini sağlıyor – örneğin, bir ürün, ilgili özelliklere sahipse, “iş kıyafeti” kategorisi altında özel olarak listelenmemiş olsa bile bu anahtar kelimelerle yapılan aramalarda görünebilir.

Ancak en ilginç olanı, Revolve’un fiziksel perakende sektörüne adım atmaya başlaması ve 2024’ten bu yana ABD’de iki mağaza açmış olmasıdır. Şirket, büyümeyi hızlandırmak amacıyla daha fazla mağaza açmayı da planlıyor.

Ayrıca şirket, aynı veri ve yapay zeka destekli yaklaşımı gerçek dünyadaki mağazalarına da uygulamak istiyor.

Revolve, web sitesinde alışık olduğu türden raporlamalara erişim sağlayacak araçlar geliştirmeye aktif olarak devam ediyor; bu platformda her değişiklik, satışlar ve kullanıcı deneyimi üzerindeki etkisi açısından ölçülebilir. Şirket, yapay zekayı mağazada neler olup bittiğini daha iyi anlamak ve örneğin bir teşhir standının nereye yerleştirileceği gibi konularda mağazayı nasıl optimize edebileceğini belirlemek için bir fırsat olarak görüyor.

Mağazalarının satış dönüşüm oranları hakkında daha fazla bilgi edinmek istemeyen fiziksel mağaza işletmecisi pek yoktur; dolayısıyla Revolve, bu alanda yapay zekanın yetkinliğini kanıtlayabilirse, pek çok işletme de onun örneğini takip edecektir. 

Bu kullanım senaryoları tedarik açısından ne anlama geliyor?

Bu tür yapay zeka kullanımına ilişkin pratik örnekler, moda endüstrisinin nasıl geliştiğine dair bize fikir veriyor. Ve bu durum, tedarik sürecini de işin diğer tüm alanları kadar etkiliyor.

Eğer üretken yapay zeka avatarları çevrimiçi iade oranlarının azalmasına katkıda bulunursa, markalar ve perakendeciler belirli ürünlerin sipariş miktarlarını yeniden ayarlamaya başlayabilir. Benzer şekilde, belirli fiziksel mağazalardaki tek tek ürünlere yönelik talebe ilişkin bilgiler, trend tahminleri ve buna bağlı tedarik süreçlerinde yardımcı olabilir.

Yapay zeka destekli raporlama, markaların tahminlerde bulunmasına ve daha isabetli siparişler vermesine yardımcı olabilir; bu da satılmayan giysilerden kaynaklanan israfı azaltabilir. Ayrıca, çalışanlara yönelik yapay zeka asistanları, iade sayısını azaltmak amacıyla müşterilerin karar verme süreçlerine yön vermede kendi rollerini üstlenebilir.

Etik ve gerçekten faydalı yapay zeka kullanımına ilişkin tartışmaların devam etmesi gerekse de, bu gerçek hayattan örnekler, bu teknolojinin iade ve fazla siparişleri azaltmaya yönelik bir araç olarak potansiyele sahip olduğunu gösteriyor; bu da perakendecilerin daha iyi tedarik kararları almasına ve nihayetinde daha az atık üretmesine yardımcı olabilir. Ve bu, tartışmaya değer bir konu.