El mismo cuerpo usa la 29 en un vaquero y la 28 en otro. Construí el motor de ajuste que explica por qué una tabla de tallas no puede distinguirlos.
Construí esta demo para resolver una discusión que tenía constantemente conmigo mismo, y bastó un menú desplegable para zanjarla. Tenía un comprador sintético al que llamé Riley, un conjunto fijo de medidas corporales y un catálogo de ocho vaqueros sintéticos. Puse a Riley frente al Ironside, un vaquero recto de denim raw selvedge de 14 oz, rígido y sin elasticidad, y el motor devolvió Talla 29, 95% de confianza, cómodo en cada zona. Luego no cambié nada de Riley, cambié la prenda por el Driftwood, un vaquero slim elástico que parece casi idéntico en una foto de producto, y la talla correcta bajó a 28.
El mismo cuerpo. Las mismas medidas. Dos tallas correctas diferentes. Y una tabla de tallas basada únicamente en la cintura, lo que prácticamente cualquier sitio de ropa utiliza hoy en día, habría mostrado exactamente el mismo número para ambos vaqueros y se habría equivocado en uno de ellos.
El producto final se llama Contour, y puedes ejecutar esta misma comparación tú mismo en veriprajna.com/es/demos/prediccion-de-ajuste-con-ia-que-interpreta-el-tejido-motor-de-tallaje-contour. Pero de lo que quiero hablar no es de la recomendación. Es de la razón por la que la recomendación cambió cuando nada en el cuerpo lo hizo, porque esa razón es todo el argumento para construir esto de la forma en que lo construí.
La moda ha estado intentando solucionar las devoluciones con mejores imágenes
Comencé este proyecto creyendo, como la mayoría en este sector, que el problema de las devoluciones era un problema de imágenes. Las devoluciones de ropa están dominadas por el ajuste, y la cuota relacionada con el ajuste se sitúa entre el 53 y el 67 por ciento, con cerca del 63 por ciento de los compradores admitiendo que hacen «bracketing» (pedir dos tallas y devolver una) (investigación Veriprajna WP34, 2026). La logística inversa se come el margen. La respuesta de la industria ha sido mejorar la imagen: tablas de tallas más completas, luego avatares 3D y después probadores virtuales generativos que renderizan la prenda sobre una foto de tu cuerpo.
Pasé un tiempo convencido de que un probador virtual lo bastante bueno cerraría la brecha, y luego me detuve a analizar lo que un probador virtual realmente te muestra. Te muestra los vaqueros sobre un cuerpo. No te muestra si esos vaqueros le quedarán bien a ese cuerpo. Una imagen generativa puede drapear una tela de forma convincente sin tener idea de que, cuando Riley se sienta, la circunferencia del muslo supera lo que ese denim específico puede estirarse. La imagen se ve bien. La costura está bajo una carga que el renderizado nunca calculó.
Un probador virtual puede mostrarte los vaqueros sobre tu cuerpo y aun así no tener idea de si te quedarán bien.
Esa fue la frase que redefinió el proyecto para mí. Una tabla de tallas son cuatro números unidimensionales que fingen describir un cuerpo tridimensional, y una imagen de prueba virtual es un renderizado bidimensional bonito que finge ser datos de ajuste. Comparten la misma ceguera. Ninguno de los dos puede sentir la tela. Que una prenda ajuste bien no es una cuestión visual. Es mecánica: la deformación circunferencial en cada zona del cuerpo medida frente al límite elástico de ese tejido. Y por eso Riley es una 29 en raw selvedge y una 28 en denim elástico, incluso cuando la tabla de tallas es idéntica.
¿Por qué dejé de confiar en el modelo para elegir la talla?
Permití que un modelo de lenguaje eligiera la talla una vez, al principio, y ver cómo se equivocaba con total seguridad es la razón por la que la arquitectura es como es ahora. Mi primer instinto fue el obvio: proporcionarle al modelo el cuerpo, proporcionarle la prenda y pedirle una talla. Respondió al instante y con fluidez y, en los tejidos rígidos, a menudo se equivocaba de la forma más peligrosa: equivocado con alta confianza. Había aprendido la forma de una respuesta de tallaje verosímil sin realizar el único cálculo que decide la verdad.
Así que eliminé la decisión del modelo por completo. En Contour, la talla se calcula en Python puro con pruebas unitarias. Para cada talla candidata, el motor calcula zone_strain = (body_circumference − garment_finished_circumference) / garment_finished_circumference en cada zona, lo compara con el límite elástico de confort del tejido y elige la talla con el menor arrepentimiento total por zona. Ocho pruebas unitarias fijan esa física en su lugar. No hay ningún modelo en ninguna parte del proceso que decida tu talla. El modelo de lenguaje todavía tiene una tarea: leer las desordenadas descripciones de los proveedores para estructurarlas en una especificación de tejido y redactar el resultado como «ajustado en la cadera, holgado en el muslo». Asesora. Nunca decide.
Los agentes asesoran, el código decide. En el momento en que el modelo tiene voto sobre el número, has perdido aquello que hacía que el número fuera confiable.
Esta es también la parte de la tesis que no pierde vigencia, y es la respuesta que doy a los ingenieros que me preguntan por qué no esperé simplemente a un modelo mejor. Un modelo de lenguaje perfecto aun así no eliminaría la necesidad de la mecánica del tejido, la geometría corporal, el cálculo de tensión por zona y la política de abstención. Incluso un asesor impecable tiene que verificarse contra una cantidad calculada para ser seguro en el momento del pago. El modelo es un asesor intercambiable dentro de la máquina. La máquina es el producto.
La talla que se niega a adivinar
Estuve a punto de lanzar una versión que nunca dice «no lo sé», y me alegro de que un obstinado caso de prueba me hiciera cambiar de opinión. El comprador era Jordan, con ese mismo selvedge rígido Ironside. Ejecuté la comprobación de ajuste esperando un número limpio y, en su lugar, el motor detectó un conflicto real: en las tallas más pequeñas el muslo supera con creces el límite de elasticidad del tejido, y en las tallas más grandes la cintura queda holgada. En un denim sin elasticidad simplemente no hay talla que funcione en todas las zonas. Mientras tanto, la tabla basada solo en la cintura muestra con seguridad un 28 y sigue adelante.
La tentación, la que hace que la precisión en tus titulares se vea mejor, es mostrar siempre la talla menos mala y llamarla recomendación. Escribí esa versión. Luego hice que el motor se abstuviera en su lugar: nombra la talla menos mala, baja la confianza a 0,58 y dice en voz alta: «pide dos tallas o habla con un estilista». En la evaluación completa hace esto en 33 de 105 pares de cuerpo por prenda en lugar de adivinar. Un sincero «ninguna talla única queda perfecta aquí» vale más para un comprador que un 28 erróneo y confiado, porque el 28 erróneo y confiado es exactamente como se genera una devolución. Negarse a responder resultó ser una característica que tuve que luchar contra mis propios instintos de evaluación comparativa para conservar.
El texto del proveedor que no puede ser cierto
Tengo una prenda en el catálogo que existe únicamente para ser rechazada, y surgió de una auténtica irritación con cómo se redactan los textos de producto. El Maverick es descrito por su propio proveedor como «denim raw selvedge 100% algodón con elasticidad en 4 direcciones». Esa afirmación es físicamente incoherente. Un tejido raw selvedge rígido no puede tener también elasticidad en cuatro direcciones. Pero un extractor ingenuo lee «elasticidad en 4 direcciones», asume alegremente que el tejido lo perdona todo y te entrega una talla peligrosamente equivocada con una sonrisa.
Así que entre la extracción y la decisión coloqué un crítico adversario. Comprueba la especificación de tejido extraída frente a restricciones físicas y, cuando el texto se contradice a sí mismo, bloquea la inferencia y la deriva a revisión humana. No se emite ninguna recomendación de talla. Las reglas deterministas tienen la última palabra, no el modelo que leyó el texto.
Mantengo este ejemplo en pantalla porque es la versión honesta de «seguridad de la IA» para este problema. El modo de fallo no es que el modelo sea creativo. Es que el modelo se equivoca obedientemente respecto a una prenda cuya propia descripción miente. Un sistema que siempre responde responderá aquí también, y tendrá exactamente la misma seguridad sobre el Maverick que sobre un vaquero cuyo texto era verídico. La clave está en contar con una capa que pueda decir «estos dos hechos no pueden cumplirse a la vez» y detenerse.
Lo que realmente dicen los números y lo que no
Me importa la evaluación comparativa, y me importa aún más declarar su alcance con honestidad, porque el número honesto es el duradero. En un conjunto de referencia sintético etiquetado de 105 pares, 15 cuerpos frente a 7 prendas evaluadas, el motor de Contour obtiene un 100 por ciento frente al 60 por ciento de la tabla de tallas basada solo en la cintura. Elimina el bracketing en el 67,6 por ciento de los pares, lo que significa que el comprador obtiene una talla de alta confianza y no necesita pedir dos, y detecta 39 conflictos de ajuste, casos en los que la coincidencia de cintura de la tabla elige una talla que el modelo de tensión demuestra que falla en otra zona.
Esta es la parte que me niego a maquillar. Ese conjunto de referencia es sintético, y sus etiquetas utilizan las mismas cifras medibles de elasticidad del tejido que utiliza el motor, por lo que no es un oráculo completamente independiente. El 100 por ciento es una propiedad de este conjunto construido, no una promesa de predicción perfecta del ajuste en el mundo real, y no permitiré que nadie lo cite como tal. El número que realmente respaldo es la mejora de +40 puntos sobre el método tradicional real, la tabla basada solo en la cintura que la mayoría de las tiendas utilizan hoy en día, medida sobre las mismas etiquetas. Esa ventaja es mayor exactamente donde debería serlo: en el selvedge rígido y en sastrería, donde la tabla cae al 33 por ciento, porque un tejido rígido castiga una talla incorrecta y un tejido elástico la perdona. Donde la física golpea con más fuerza es donde una imagen ayuda menos, y donde este motor demuestra su verdadero valor.
El titular honesto no es «100% de precisión». Es «40 puntos mejor que la tabla en la que tu tienda ya confía, y la mayor parte de esa diferencia está en el denim».
Cada una de esas recomendaciones también genera un comprobante JSON reproducible: la especificación del tejido extraída con las frases de origen exactas que impulsaron cada parámetro, la matriz de tensión completa por talla y la decisión final. Por tanto, la respuesta no es solo un número. Es un número que puedes abrir y auditar, y la misma carga útil se sirve en un endpoint /api/fit que un agente de compras de IA puede llamar directamente. A medida que el comercio avanza hacia agentes que realizan transacciones por nosotros, la señal de tallaje que consumen debe ser legible por máquinas, con puntuación de confianza y auditable. Un informe, no una imagen.
La pregunta a la que sigo volviendo
Empecé esto pensando que estaba construyendo un mejor sistema de estimación, y salí convencido de que había construido algo más cercano a un instrumento. El trabajo interesante nunca fue predecir una talla. Fue decidir qué se le permite afirmar al sistema, cuándo debe abstenerse, qué contradicciones debe rechazar y cómo demuestra cada respuesta a posteriori. Cuando cambio ese desplegable del vaquero rígido al elástico y veo cómo la talla correcta cambia para un cuerpo que no lo hizo, lo que siento no es «el modelo es inteligente». Es «la física es real, y por fin dejamos de ocultarla detrás de una imagen». Puedes cambiar ese mismo menú desplegable en veriprajna.com/es/demos/prediccion-de-ajuste-con-ia-que-interpreta-el-tejido-motor-de-tallaje-contour y verlo suceder.
Y si prefieres verlo en lugar de leerme describirlo, aquí está todo funcionando de principio a fin.
La pregunta a la que sigo dando vueltas, y sobre la que realmente me gustaría que otros creadores debatieran conmigo, es en qué otros ámbitos estamos encubriendo un hecho mecánico con una imagen más bonita. La moda buscó mejores imágenes durante una década mientras la respuesta residía en un cálculo de deformación que cualquier ingeniero podría someter a pruebas unitarias. Por tanto, en tu propio campo, ¿cuál es el hecho mecánico que subyace a aquello que todos siguen intentando renderizar, y confiarías en una imagen antes que en un número que pudieras comprobar?
