Revolución IA: ¿sueña la moda con diseñadores cibernéticos?

¿Qué haría si un niño le enseña su colección de mariposas y un frasco de arsénico? ¿Cómo reaccionaría si está viendo la televisión y, de repente, se da cuenta de que una avispa le sube por el brazo? ¿Y si le dan una cartera de piel de ternero por su cumpleaños? Con seis o siete preguntas como esta, Ricky Deckard podía detectar la empatía, y así distinguir a un humano de un androide en la novela de 1968 ¿Sueñan los androides con ovejas eléctricas?

 

Más de medio siglo después, en Internet han proliferado los Deckard que se dedican a tratar de descifrar si la última imagen viral es obra de un humano o de la IA generativa. La última revolución tecnológica promete transformar la moda, pero plantea también amenazas y riesgos. ¿Qué son estos diseñadores eléctricos y por qué sueña la moda con ellos?

 

 

 

Lee la Revista Modaes 47 

Sólo disponible para suscriptores premium

 

 

 

En primer lugar, porque, a diferencia de lo que ocurre, por ejemplo, con el metaverso, la tecnología detrás es relativamente madura. El primer trabajo sobre inteligencia artificial (IA) se remonta a la década de los cuarenta, y su uso está extendido: de los smartphones a las redes sociales, pasando por asistentes de voz como Siri o Alexa o la personalización en las tiendas online, buena parte del planeta usa IA sin saberlo cada día.

 

La inteligencia artificial generativa es una rama de la IA que, a diferencia de la tradicional, genera contenido original a partir de un entrenamiento prexistente. Es decir, mientras que Alexa siempre responderá lo mismo ante la misma pregunta (el diálogo es cerrado), ChatGPT generará una respuesta original a partir del contexto y el histórico de cada usuario.

 

Esto es posible gracias a las redes neuronales generativas (inspiradas en el funcionamiento del cerebro humano), que emplean deep learning para aprender de manera automática.

 

Esto permite, por ejemplo, analizar datos y encontrar patrones a menudo indetectables para el humano de manera rápida. A diferencia de los modelos de deep learning anteriores, los actuales pueden procesar grandes cantidades de datos desestructurados (texto en bruto, imágenes y vídeo) para producir contenido de alta calidad en todo tipo de formatos: de código a textos completos, diseños en 3D o imágenes realistas que pueden emplearse en campañas.

 

Las aplicaciones popularizadas en el último año, como ChatGPT, parten de los llamados modelos fundacionales, que son la materia prima, el cerebro de la IA generativa. Los primeros fueron modelos de lenguaje preentrenados, como Bert y GPT-3, aunque más tarde se desarrollaron otros con capacidades en imagen, vídeo, audio o código, como Dall-E, Flamingo o Florence. Las aplicaciones, que es a lo que se alude habitualmente al hablar de IA generativa, son herramientas que se basan en esos modelos para una utilidad concreta.

 

 

 

 

A diferencia de otras aplicaciones aparentemente revolucionarias, su implantación y su desarrollo avanza a toda velocidad. Netflix tardó tres años y medio en conseguir el primer millón de usuarios; Twitter, dos años; Facebook, diez meses, e Instagram lo consiguió en dos meses y medio.

 

A ChatGPT le bastaron cinco días para alcanzar esa barrera. Además, está mejorando constantemente y rápido: hace apenas unos meses, Midjourney fallaba cuando trataba de reproducir caras humanas, y hoy los resultados son ya casi indiferenciables de una fotografía real.

 

“Todas las empresas deberían probarlo ya: el primero que toma la delantera es el que gana, y después es muy difícil ponerse al día”, sentencia Holger Harreis, socio senior de McKinsey que lidera la práctica de Data Transformation, aunque matiza que “no debe plantearse como un experimento, sino con una clara visión de cuál será el caso de uso y cómo se va a escalar”. “Es comparable a la revolución que supuso Internet, pero mucho más rápido”, sostiene Xavier Trias Arraut, socio de Technology Consulting en EY.

 

 

¿Para qué sirve?

En el caso de la moda, uno de los mayores potenciales de la IA generativa se encuentra en el área de producto. Herramientas como Cala, Designovel y Fashable permiten convertir dibujos y moodboards en diseños 3D de alta calidad, sobre los que se pueden probar variaciones en un solo click.

 

Un diseñador puede generar rápidamente versiones de un mismo vestido, analizar grandes cantidades de datos para detectar tendencias o ver varias opciones de estampados florales con sólo pedírselo a la máquina.

 

Mango lleva construyendo sus propias plataformas de inteligencia artificial tradicional desde 2018 y tiene ya trece en diferentes puntos de la cadena de valor como pricing o personalización. Con IA generativa, la empresa comenzó a trabajar hace alrededor de un año, cuando se lanzaron al mercado herramientas como Stable Diffusiono Midjourney.

 

 

Mango y Desigual están empleando IA generativa para cocrear prendas con los equipos de diseño

 

 

“Al principio íbamos al Hangar Design Center, enseñábamos a los diseñadores lo que podían hacer y no nos hacían caso: estaba muy poco maduro”, reconoce Jordi Álex Moreno, director de sistemas de información y tecnología de Mango. Pero con los avances de los últimos meses, la compañía ha creado Inspire, una plataforma entrenada por los equipos de Mango que están ya utilizando grafistas, diseñadores y otros equipos relacionados con producto.

 

“Ya tenemos bastantes prendas que se han generado entre el diseñador y la plataforma, cocreando tejidos, estampados o diseños en algunos casos”, dice Moreno. El siguiente paso será construir APIs (interfaces de programación de aplicaciones) que conecten esta herramienta con fuentes de información como consultoras especialistas en tendencias.

 

Otra compañía que llevaba tiempo empleando la IA tradicional y que ha comenzado a probar la generativa es Desigual. “Ya usábamos IA para automatización de procesos, como en los chatbots de incidencia, pero la idea de introducir IA generativa vino de Thomas Meyer, consciente de que el rasgo diferencial es el diseño”, explica Eva Sirera, technology innovation leader de Desigual.

 

 

 

 

 

Sirera subraya que, a diferencia de otras tecnologías, como el diseño 3D, que requieren un proceso amplio de formación, con la IA la usabilidad es sencilla, lo que facilita su integración, y por el momento en Desigual se está probando con un pequeño equipo de diseño de complementos.

 

La ejecutiva apunta que permite ahorrar seis horas de trabajo a cada diseñador, y avanza que la tecnología podría aplicarse también en otros departamentos como márketing, donde permitiría probar diferentes campañas virtualmente antes de ejecutarlas.

 

En el mismo sentido, la IA generativa también se puede utilizar para crear campañas de márketing sin modelos, ropa ni escenario físico. Fue lo que hizo el pasado mayo Undiz, propiedad del grupo Etam, indicando junto a las fotografías que estas habían sido generadas por IA, tal y como obliga la legislación francesa. La campaña corrió a cargo de la agencia de branding Cowboys y recibió numerosas críticas en redes.

 

 

La inteligencia artificial generativa podría sumar entre 150.000 millones y 275.000 millones de dólares a la industria de la moda y el lujo

 

 

Uno de los casos de uso con mayor potencial se encuentra en los asistentes personales de texto o de voz. Hasta ahora, si un cliente escribe en un chat que busca un vestido de flores en una web, el resultado será muchas veces los mismos vestidos de flores que el cliente hubiera encontrado empleando el propio buscador de la página.

 

Con la IA generativa, el consumidor podrá plantear que busca un conjunto para viajar a Santorini. La IA sabe que en esta época del año hace viento en Santorini, y recomendará una chaqueta, y como calzado propondrá unas bailarinas planas, porque el suelo es empedrado. Además, la tecnología es capaz de ofrecer opciones personalizadas para cada cliente individual, pero a escala y a partir de datos desestructurados.

 

Un ejemplo extremo sería que la IA aprendiera que, si una clienta ha hecho un comentario en redes sobre un vestido azul, ha solicitado información sobre un pantalón azul por correo electrónico y ha valorado positivamente una chaqueta de ese color, debe recomendarle productos de ese color. CopyAI, Jasper AI o Writesonic son algunas de las startups especializadas en personalización a escala.

 

 

Uno de los casos de uso con mayor potencial se encuentra en los asistentes personales de texto o de voz

 

 

La compañía estadounidense Stitch Fix, que opera con un modelo suscripción con estilismos personalizados para cada cliente, está experimentando con GPT-3y Dall-E 2 para personalizar las recomendaciones según el histórico de interacciones de un consumidor (que pueden ir desde correos electrónicos, comentarios de texto, publicaciones online o valoraciones de producto).

 

Adidas también la ha utilizado para desarrollar sus estrategias de cross-selling y análisis del tráfico en la web, de la mano de la compañía Findmine. Esta plataforma aprende de cómo se comporta el consumidor y explora todas las opciones posibles del consumidor para recomendarle lo que más probablemente le guste.

 

Más recientemente, la compañía alemana llevó la aplicación de la IA generativa un paso más allá con el desarrollo de una plataforma que permite crear un avatar personalizado a medida del cliente, en alianza con la compañía Ready Player Me. 

 

 

Levi Strauss protagonizó una sonada polémica al anunciar que empezaría a utilizar modelos generados por inteligencia artificial generativa

 

 

En materia de personalización, Levi Strauss está empleando Lalaland.ai para generar modelos por inteligencia artificial para su página web. “Sabemos que los consumidores quieren comprar con modelos que se les parezcan, por lo que continuamos diversificando nuestros modelos humanos en términos de talla, tipo de cuerpo, edad y color de piel; esta tecnología nos permitirá sumar más modelos para que los consumidores puedan ver los productos sobre un cuerpo (virtual) que se les parezca”, argumentaba la compañía estadounidense en un comunicado.

 

La empresa se vio obligada a editar la nota de prensa unos días después clarificando que “no vemos este piloto como una forma de avanzar en diversidad ni como un sustituto de los humanos, y no dejaremos de trabajar con modelos diversas”.

 

“Los estándares de la industria para una sesión de fotos se limitan generalmente a una o dos modelos por producto; la tecnología de Lalaland.ai nos permitirá publicar más modelos en diferentes tipos de cuerpo más rápido”. El grupo ya había realizado antes pruebas con IA generativa en otros puntos de la cadena de valor, especialmente para la gestión de stock: analizando qué productos es más probable que se beneficien de estar en promoción.

 

 

Según McKinsey, el 75% del valor se concentrará en las áreas de ventas, márketing, software, desarrollo de producto y atención al cliente

 

 

Una aplicación mucho más sencilla y que en España están probando ya muchos operadores, incluidas pymes, es la traducción o la descripción automática de productos para las fichas de la web, algo que puede hacerse incluso con las aplicaciones gratuitas en su función más sencilla. Basta con introducir una fotografía para que la aplicación devuelva en seguida un texto al estilo “vestido corto de algodón con estampado de flores”, una necesidad que hoy realizan equipos especializados dentro de los departamentos de online.

 

Otras aplicaciones, todavía por desarrollar, están en el área logística, donde la mayor utilidad reside en la capacidad de gestionar grandes cantidades de datos en bruto, lo que permitiría mejorar la automatización de los procesos gracias a la analítica de datos en tiempo real, o personalizar las ofertas de devolución según el histórico de cada comprador. La IA puede detectar patrones que con los modelos actuales pueden pasar desapercibidos, optimizando así la gestión del inventario.

 

Según McKinsey, el 75% del valor se concentrará en las áreas de ventas, márketing, software, desarrollo de producto y atención al cliente, teniendo en cuenta casos de uso en todos los sectores. Sin embargo, las áreas de mayor retorno serán finanzas, IT corporativo y pricing.

 

Xavier Trias, de EY, recomienda cambiar el enfoque tradicional antes de tomar una decisión: “no hay que pensar en las necesidades de negocio y después buscar la aplicación adecuada, sino ver primero de qué son capaces las aplicaciones existentes y a partir de ahí identificar un caso de uso, apoyarse en un buen partner, hacer una prueba de concepto y escalar”, sugiere.

 

Javier Plazas, consultor experto en lujo y transformación digital, sugiere mirar a China para explorar el potencial de esta tecnología. “Nos llevan años de ventaja, incluso marcas europeas están desarrollando allí aplicaciones antes que en el resto del mundo porque allí el perfil de cliente es más joven y tecnológico”, sugiere. 

 

 

 

Otras aplicaciones, todavía por desarrollar, están en el área logística, donde la mayor utilidad reside en la capacidad de gestionar grandes cantidades de datos en bruto

 

 

 

¿Cómo se usa?

Una vez la compañía se ha decidido a usar la IA generativa y tiene claro para qué, el siguiente paso es el cómo. Aquí entran en juego tres aspectos: el modelo (el cerebro de la IA), la aplicación y el entrenamiento. En los casos de uso de la moda, lo habitual es emplear modelos de código abierto, y a partir de ahí decidir si se desarrolla internamente la plataforma o se recurre a un proveedor.

 

La forma más sencilla, apta sólo para pruebas no muy sofisticadas, es apoyarse en aplicaciones ya existentes preentrenadas, de las cuales la más popular es ChatGPT. El problema es que estas plataformas no están adaptadas ni al histórico ni al estilo de la compañía, por lo que el contenido que generen será demasiado genérico.

 

Además, ChatGPT sólo tiene información hasta diciembre de 2021. ¿Lo bueno? Es lo más barato. Chat GPT tiene una versión gratuita y una avanzada, ChatGPT Plus, disponible en Estados Unidos por veinte dólares al mes.

 

Midjourney, por ejemplo, permite crear gratuitamente hasta 25 imágenes al mes; por diez dólares, el límite sube hasta las 200 imágenes al mes, y por treinta dólares permite crear imágenes ilimitadas. Para usar Dall-e 2, también de imágenes, pueden comprarse lotes de 115 créditos por 15 dólares. El coste en créditos de cada imagen varía según la resolución de la imagen.

 

En algunos casos más sofisticados, como Fashable, específico para el sector de la moda, los precios se disparan hasta un mínimo 2.500 dólares al mes, sólo para uso profesional. Una opción intermedia es apoyarse en un proveedor especializado que entrega el proyecto llave en mano: una herramienta que integra aplicaciones ya existentes y las entrena a medida de la compañía.

 

 

La forma más sencilla, apta sólo para pruebas no muy sofisticadas, es apoyarse en aplicaciones ya existentes preentrenadas, de las cuales la más popular es ChatGPT

 

 

Es lo que hace, por ejemplo, Desigual, que emplea Fermat, una plataforma española que integra diferentes herramientas de IA generativa (como ChatGPT o Dall-E) para que los diseñadores puedan cocrear en una pizarra digital a partir de dibujos, imágenes y otros datos en bruto. Fermat funciona como un SaaS (con una suscripción de cincuenta dólares al mes por usuario) y el precio sube si la empresa requiere que los modelos que usa la plataforma se entrenen a medida de la compañía.

 

Lalaland.ai, por ejemplo, que ofrece servicios de creación de avatares generados por IA para plataformas de ecommerce, cobra 517 dólares al mes por el paquete básico, que incluye la creación ilimitada de modelos con talles S, M, L o XL. El paquete más avanzado permite además modificar las poses, la complexión y hasta el porcentaje de masa corporal de sus modelos. Jasper, de creación de texto para equipos de márketing, cobra 99 dólares al mes para equipos pequeños. Runway, especializada en generación de vídeo, tiene paquetes individuales y para equipos de hasta diez personas por 28 dólares por usuario al mes, con el uso sólo del modelo preentrenado.

 

Mango, por ejemplo, ha optado por desarrollar su propia plataforma internamente, que parte de modelos open source pero entrenados por y para Mango, con una interfaz propia de la compañía y alojado en su propia nube. El primer paso es el entrenamiento: “nosotros somos los que decidimos cómo vamos a buscar la información; por ejemplo, si pides un vestido verde para una cena, primero le tenemos que decir qué es un vestido para Mango, luego, cuáles son los vestidos, y por último qué es un outfit para una cena”, explica Moreno.

 

Eso se traduce en redes neuronales de deep learning desarrolladas por los propios ingenieros y data scientists de la compañía. Si se trata de una herramienta conversacional, por ejemplo, serán también necesarios lingüistas e ingenieros prompt.

 

 

 

“La inteligencia artificial ni tiene conciencia ni tiene propósito ni tiene pasión: no es una inteligencia autónoma, sino extendida”, resume Jordi Álex Moreno, de Mango

 

 

Una vez entrenado, la empresa construye su propia plataforma: “estamos construyendo la arquitectura con la API propia de Mango, para ser agnósticos con las plataformas”, dice Moreno. “Estamos construyendo el ChatGPT de Mango”, resume el ejecutivo. El coste ahí recae sobre todo en la capacidad de computación, el consumo de GPU, que depende de la complejidad del caso de uso.

 

“Por ahora, los casos de uso que estamos probando se hacen rápido y el retorno suele ser rápido también, ya sea en rentabilidad, experiencia de cliente o ahorro de costes”, dice el ejecutivo, que cifra en nueve meses el tiempo de trabajo, “si es algo más que una prueba de concepto”.

 

Solucionada la parte tecnológica, el siguiente paso es formar a los equipos. En general, estas plataformas son intuitivas y sencillas de emplear, pero es fundamental que el equipo que las vaya a utilizar vea claro el beneficio y no le genere rechazo. “Los profesionales van a tener que abrazar con mucho cariño, con muchas ganas, este tipo de nuevas plataformas y van a tener que desaprender; quien no la utilice tendrá una desventaja competitiva”, resume el directivo de Mango.

 

 

¿Cuál es el retorno?

Por el momento, el principal impacto de la inteligencia artificial generativa en las cuentas de pérdidas y ganancias está en la productividad y la rentabilidad. Goldman Sachs estima que, una vez esté ampliamente implementada, la IA generativa podría incrementar la productividad mundial en 1,5 puntos porcentuales en diez años y generar una mejora del PIB del 7%. El impacto en las compañías sería de un alza del 30% en el beneficio en el mismo periodo, teniendo en cuenta sólo las empresas del S&P 500.

 

En el caso de la moda, McKinsey estima que, en los próximos de tres a cinco años, la IA generativa podría sumar entre 150.000 millones y 275.000 millones de dólares de beneficio operativo. “El impacto principales en los costes, porque puedes hacer más con menos, o más con lo mismo, o tareas de mayor valor añadido”, resume Carlos Sánchez Altable, socio y líder de moda en España de McKinsey.

 

“Si se usa en merchandising o márketing, puede mejorar el margen bruto y, potencialmente, puede convertirse también en un vector de crecimiento de la facturación”, predice el ejecutivo. Harreis coincide en que “el centro de gravedad pasará a estar en el futuro en la generación de ingresos adicionales, a medida que la aplicación de la IA generativa pase del back end al front end”. 

 

 

Undiz empleó IA para producir su última campaña, lanzada en mayo.

 

 

Una de las grandes inquietudes que despierta el uso de la inteligencia artificial es su impacto en el empleo. En abril, la tecnológica española Domestika, especializada en cursos online, copó titulares: la empresa planeaba despedir a casi la mitad de su plantilla en España y cubriría esas funciones con inteligencia artificial.

 

Entre los puestos afectados estaban diseñadores, copywriters, todos los traductores, parte del equipo de márketing y desarrolladores. Poco después, la causalidad resultó no estar tan clara: la empresa había realizado ya varias rondas de despidos desde abril de 2022, antes del lanzamiento público de ChatGPT, y los propios sindicatos lo desvincularon en declaraciones a El Periódico de España.

 

En general, los expertos comparan el impacto que puede tener en el empleo con el que ya tuvieron otras innovaciones en el pasado, de los coches a los ordenadores. “La discusión siempre ha sido la misma, pero al final nunca ha ocurrido: cambian los trabajos y los procesos, pero siempre necesitaremos la intervención humana”, apunta el experto de McKinsey, que abre también la puerta al desarrollo de nuevos negocios.

 

Además, a diferencia de otras tecnologías, su precio la hace relativamente accesible a todo tipo de compañías, lo que facilita que incluso las pymes se suban a la revolución. Incluso un artesano puede usar la IA generativa para diseñar de forma más rápida o eficiente pese a no tener un equipo, aunque no pueda sacarle todo el partido que una gran empresa que pueda invertir en el entrenamiento de la IA. “Su uso además no tiene por qué eliminar el componente artesanal: puedes seguir cortando la piel manualmente para hacer un bolso, pero usar la IA para asegurarte de que no generas más residuos de los necesarios”, propone Harreis. 

 

 

¿Cuáles son los riesgos?

Junto a las oportunidades, el uso de la IA generativa presenta también numerosos riesgos propios de una tecnología emergente. Para la moda, uno de los principales es la protección de datos, especialmente si se usa una plataforma externa, y la propiedad intelectual, que está pendiente de regulación.

 

Aunque la IA por sí misma no puede generar un producto, sí puede acceder a una gran cantidad de imágenes y datos públicos que podrían favorecer el plagio. Algunos expertos apuntan a que la normativa pasará por demostrar que el diseñador ha interactuado suficientemente con la máquina para que se considere una creación de la marca.

 

Otra derivada es la potencial pérdida de diferenciación y de innovación: ¿pueden las máquinas pensar out of the box? La clave, según los expertos, pasa por la necesaria interacción humana y por el entrenamiento personalizado que se le da a los modelos. En el ámbito del servicio al cliente o la comunicación, el reto es reputacional o de imagen de marca, si los outputs de la IA no están bien supervisados.

 

 

“Si las marcas mantienen la apuesta por la creatividad, con un ADN propio y una narrativa fuerte, están a salvo”, dice Carlos Sánchez Altable, de McKinsey

 

 

En este sentido, otro de los riesgos son los sesgos de género o de raza, que obviamente no son propios de la inteligencia artificial, sino de siglos de contenido creado por humanos de la que esta aprende. Hay numerosos estudios de cómo la inteligencia artificial (también la tradicional) tiende a reforzar el racismo sistémico.

 

“Deje que ChatGPT cree una serie de poemas sobre una mujer blanca que se encuentra a un hombre blanco caminando por un parque en Inglaterra y el resultado será muy romántico; cambie blanco por negro y el resultado es desastroso –alerta Harreis-; como compañía, eso es lo último que quieres”.

 

 

Imagen de campaña de Revolve creada con IA generativa.

 

 

Los más agoreros predicen que la aplicación masiva de la IA generativa es el principio del fin de los humanos, pero los expertos coinciden en que sólo amplificará el potencial de las personas. “Si las marcas mantienen la apuesta por la creatividad, con un ADN propio y una narrativa fuerte, están a salvo”, dice Carlos Sánchez Altable, de McKinsey.

 

“La inteligencia artificial ni tiene conciencia ni tiene propósito ni tiene pasión: no es una inteligencia autónoma, sino extendida, y como tal tiene que ayudarnos a extender nuestras capacidades, como un copiloto o un coach”, resume Jordi Álex Moreno. “Para nosotros, la tecnología nos hará más humanos o no será”, sentencia.

 

“Es una carrera que va a ir hacia delante -coincide Plazas-; dependerá de que el cliente no le vea barreras: igual que nadie usaba los bots porque eran muy impersonales, a medida que la tecnología progrese y mejore la experiencia del cliente, será lo habitual, de la misma manera que Excel sustituyó a los libros decuentas”, sentencia.

 

En el mundo de ovejas cibernéticas de Philip K. Dick, se consideraba descortés preguntar al vecino si su animal era real o eléctrico. Quizás pronto con la moda también dejaremos de planteárnoslo.