Contour · Predicción de ajuste con IA para el e-commerce de moda

El mismo cuerpo tiene una talla 29 en un par de vaqueros y una 28 en un par idéntico a la vista. Una tabla de tallas no puede sentir la diferencia. Nosotros creamos el motor que sí puede.

Name: Contour
Author: Veriprajna

Tu problema de devoluciones es un problema de ajuste, y el ajuste es un problema de física. Para un cuerpo dado (medidas, sin fotos) y una prenda (mecánica del tejido más dimensiones terminadas), Contour calcula la deformación circunferencial en cada zona frente al límite de elasticidad de ese tejido; luego recomienda una talla con confianza, o se abstiene honestamente cuando ninguna talla es limpia. Los agentes asesoran, el código decide.

+40 pp

Incremento de precisión frente a la tabla de tallas tradicional basada solo en la cintura: 100 por ciento frente al 60 por ciento

Conjunto dorado sintético etiquetado de 105 pares

67,6%

De los pares recibieron una única talla de alta confianza, para que el comprador no tenga que pedir dos tallas

Mismo conjunto dorado de 105 pares, confianza de al menos 0,80

39 de 105

Conflictos de ajuste que la tabla por cintura habría enviado, detectados antes de la compra

Mismo conjunto dorado de 105 pares

Una demo ejecutable del mecanismo sobre una cohorte sintética de 15 compradores y un catálogo de 8 prendas. El motor determinista de deformación y el benchmark se ejecutan totalmente offline sin clave de API; los agentes opcionales son la única parte que puede utilizar un modelo.

Cuatro números que pretenden describir un cuerpo al que nunca le han medido el tejido

Las devoluciones de prendas de vestir están dominadas por el ajuste, y la causa raíz es mecánica, no estética.

Entre el 53 y el 67 por ciento de las devoluciones de ropa están relacionadas con el ajuste, y alrededor del 63 por ciento de los compradores recurren al bracketing, pidiendo dos tallas para devolver una (investigación WP34 de Veriprajna, 2026, basada en fuentes del sector). El transportista asume la logística inversa, y los vaqueros presentan una de las tasas de devolución más altas en prendas precisamente por la elasticidad, el tiro y la mecánica de la cintura.

La causa raíz es sencilla de formular. Una tabla de tallas ofrece cuatro números unidimensionales para describir un cuerpo tridimensional, y no tiene idea de si el tejido es un denim selvedge rígido sin elasticidad o un punto ponte elástico en 4 direcciones. Por tanto, la misma medida de cintura sitúa al mismo comprador en la talla incorrecta en un denim rígido y en la talla correcta en uno elástico, y la tabla no puede distinguir entre ambas prendas. El bracketing es la respuesta racional del comprador ante una herramienta incapaz de percibir el tejido.

El reflejo de la industria ha sido solucionar las devoluciones con mejores imágenes. Un probador virtual generativo hace que la prenda se vea bien sobre el cuerpo, pero una imagen no puede decirte si el muslo supera el límite de elasticidad de ese denim cuando el comprador se sienta. Que una talla ajuste bien es un hecho mecánico: la deformación circunferencial en cada zona corporal frente al límite elástico de ese tejido. Esa es la magnitud que una tabla omite y que un render nunca tuvo, y es la que Contour calcula.

Un equipo de agentes tipados normaliza el texto; un motor determinista decide la talla

Un único pipeline, mostrado etapa por etapa. La decisión estructural y crítica reside en Python puro con pruebas unitarias, nunca en un modelo.

Para un cuerpo y una prenda, el pipeline se ejecuta en orden: un agente de mecánica de tejidos extrae una especificación estructurada a partir del texto del proveedor, un crítico adversario la verifica y puede bloquearla, el motor de deformación decide la talla en código puro, una puerta de políticas selecciona la talla limpia o se abstiene, y un agente de notas de ajuste redacta el resultado. Cada número que fundamenta una recomendación se calcula antes de que cualquier modelo de lenguaje toque la redacción.

texto del producto + medidas corporales → FabricMechanicsAgent (extraer) → FabricMechanicsCritic (verificar, puede bloquear) → motor de deformación (decide, código puro) → puerta de políticas (elegir talla limpia o abstenerse) → FitNoteAgent (redactar) → comprobante de auditoría (JSON) + endpoint /api/fit

El núcleo de confianza determinista

La parte ajena a cualquier modelo de lenguaje. Para cada talla candidata, el motor de deformación calcula la deformación por zona como la circunferencia corporal menos la circunferencia terminada de la prenda dividida entre esa circunferencia terminada; luego compara cada zona con el límite elástico del tejido y una franja de confort por zona. La puerta de políticas selecciona la talla con el menor arrepentimiento total por zona y se abstiene cuando ninguna talla supera todas las zonas dentro del confort. Esta es la decisión estructural y crítica, reside enteramente en Python puro y 8 pruebas unitarias blindan la física, por lo que la confianza no depende del modelo.

Los agentes, acotados al asesoramiento

Sobre el núcleo, un equipo tipado lee y comunica. El FabricMechanicsAgent convierte un texto de producto desordenado (título, composición de fibras, gramaje y confección) en una especificación estructurada del tejido con clase de elasticidad, límite de deformación elástica y las frases de origen que justifican cada parámetro. El FabricMechanicsCritic comprueba esa especificación frente a restricciones físicas y bloquea contradicciones. El FitNoteAgent redacta el resultado calculado. Los asesores admiten cambio de proveedor y usan claude-opus-4-8 por defecto; sin clave, la extracción del tejido recurre a una especificación en caché y el motor determinista sigue ejecutándose en vivo, de modo que la demo funciona completamente offline. Los agentes asesoran, el código decide.

El equipo de tres agentes y quién tiene la última palabra

Etapa	Qué hace	Base
FabricMechanicsAgent	Lee el texto de producto del proveedor para generar una especificación estructurada del tejido con clase de elasticidad, límite de deformación elástica, gramaje y frases de origen.	LLM, tipado
FabricMechanicsCritic	Comprueba la especificación frente a restricciones físicas y bloquea contradicciones, redirigiendo a revisión humana sin recomendación.	LLM más reglas deterministas
Motor de deformación	Calcula la deformación circunferencial por zona frente al límite elástico del tejido para cada talla candidata.	código puro, decide
Puerta de políticas	Selecciona la talla con el menor arrepentimiento total por zona o se abstiene cuando ninguna talla supera todas las zonas.	código puro, se abstiene
FitNoteAgent	Redacta el resultado calculado, por ejemplo ajustado en cadera, holgado en muslo. Nunca calcula los números.	LLM, cosmético
Comprobante de auditoría y API	Escribe un comprobante JSON reproducible y sirve el mismo resultado en /api/fit para un agente de compras con IA.	salida determinista

El valor duradero reside en la física más el comprobante de auditoría, no en un modelo que adivine mejor las tallas. Incluso un modelo de lenguaje perfecto sigue necesitando la mecánica del tejido, la geometría corporal, el cálculo de deformación por zona, la política de abstención y un comprobante reproducible. Esa infraestructura es el producto; el LLM es un asesor intercambiable dentro de ella, razón por la cual este enfoque no queda obsoleto conforme mejoran los modelos.

Cinco momentos, en pantalla

Cada comprador y cada prenda son sintéticos: una cohorte de 15 cuerpos y un catálogo de 8 prendas, con nombres ficticios. Cada número en pantalla lo genera el motor en tiempo de ejecución, no está prefijado en código.

El hallazgo: el denim selvedge rígido asigna a Riley una 29, no la 28 que marca la tabla

Riley con el vaquero recto Ironside 14oz Raw Selvedge devuelve una recomendación de talla 29 con un 95 por ciento de confianza, cómoda en todas las zonas. Una tabla basada solo en la cintura indicaría la 28, y estaría equivocada: en la 28 el muslo supera el límite de elasticidad de este denim rígido sin elasticidad. Las barras de deformación por zona lo hacen legible, en verde donde cada zona se sitúa dentro de la franja de confort del tejido. La tabla no puede sentir el tejido, por lo que omite la única variable que decide la talla.

Contour asignando talla a Riley con el vaquero selvedge rígido Ironside en talla 29, 95 por ciento de confianza, con una nota de que una tabla solo por cintura indicaría la talla 28 y aquí se equivocaría, y barras de deformación por zona para cintura, cadera, muslo y entrepierna, todas marcadas como cómodas. — Riley con selvedge rígido: talla 29 con 95 por ciento de confianza, con la 28 de la tabla solo por cintura tachada por errónea.

Mismo cuerpo, diferente tejido, diferente talla correcta

Al cambiar al mismo comprador al vaquero slim elástico Driftwood, un vaquero visualmente similar, la talla correcta baja a la 28 con un 90 por ciento de confianza, limpia en todas las zonas. Aquí la tabla basada solo en la cintura casualmente también coincide en la 28, porque la elasticidad de este tejido compensa en el muslo lo que el selvedge rígido penalizaba. Esa es toda la tesis en un solo instante: una 29 en un vaquero y una 28 en uno idéntico a la vista, sobre el mismo cuerpo, porque el motor calcula cómo el límite de elasticidad de cada tejido interactúa con ese cuerpo.

El mismo comprador Riley con el vaquero slim elástico Driftwood devolviendo una recomendación de talla 28 con un 90 por ciento de confianza, con una nota de que la tabla solo por cintura también coincide en la 28 aquí porque el denim elástico compensa las demás zonas. — El mismo cuerpo con denim elástico: talla 28. La talla correcta cambió con el tejido, no con el comprador.

Cuando ninguna talla es limpia, se abstiene en lugar de fingir

El comprador Jordan con el vaquero selvedge rígido Ironside genera un auténtico conflicto de ajuste: las tallas pequeñas aprietan en el muslo, las tallas más grandes quedan holgadas en la cintura y, en este tejido sin elasticidad, ninguna talla supera todas las zonas. Contour devuelve una abstención honesta con un 58 por ciento de confianza, recomienda la talla menos mala e indica al comprador que pida dos tallas o consulte con un estilista. La tabla basada solo en la cintura, por el contrario, imprime con total seguridad la 28. En el conjunto dorado etiquetado, el motor se abstiene en 33 de 105 pares en lugar de adivinar.

Contour absteniéndose con Jordan y el vaquero selvedge rígido Ironside con un 58 por ciento de confianza, un cartel de abstención honesta que cita un conflicto genuino de ajuste con cintura y cadera holgadas y muslo ajustado, recomendando la talla menos mala 31 y pedir dos tallas o hablar con un estilista. — El momento de abstención: un conflicto de ajuste genuino con un 58 por ciento de confianza, redirigido a comprar dos tallas o consultar a un estilista en lugar de fingir una talla.

Un crítico adversario bloquea textos físicamente contradictorios

El vaquero Maverick Raw Selvedge Flex incluye un texto de proveedor físicamente contradictorio: denim selvedge rígido 100 por ciento algodón con elasticidad en 4 direcciones. El FabricMechanicsCritic rechaza la inferencia: el selvedge rígido y el elastano son mecánicamente incompatibles, un tejido plano rígido no puede ser elástico en 4 direcciones. No se emite recomendación de talla y el artículo se envía a revisión humana. Este es un comportamiento de honestidad, no una métrica puntuada, y esta prenda se excluye deliberadamente del conjunto dorado evaluado; existe para mostrar el bloqueo.

El crítico bloqueando el vaquero Maverick Raw Selvedge Flex, con un panel rojo de Revisión humana que indica inferencia de tejido rechazada porque el selvedge rígido y el elastano son mecánicamente incompatibles, un tejido plano rígido no puede ser elástico en 4 direcciones, por lo que no se emite recomendación de talla. — Texto contradictorio, selvedge rígido con elasticidad en 4 direcciones, se rechaza y se redirige a revisión humana sin emitir recomendación.

El benchmark y la cifra con la que liderar

En el conjunto dorado sintético etiquetado de 105 pares (15 cuerpos frente a 7 prendas evaluadas), Contour obtiene un 100 por ciento frente a una línea base basada solo en la cintura del 60 por ciento, una mejora de 40 puntos porcentuales, con 39 conflictos detectados y un 67,6 por ciento de pares asignados a una única talla de alta confianza. Es necesario precisar siempre el alcance: las etiquetas del conjunto dorado utilizan las mismas cifras medibles de elasticidad del tejido que emplea el motor, por lo que el 100 por ciento es una propiedad de este conjunto construido, no una garantía en el mundo real. La cifra duradera e independiente es la mejora de más de 40 puntos frente al método tradicional real, y es mayor en tejidos rígidos: selvedge rígido 100 frente a 33, chino rígido 100 frente a 40, sastrería de lana 100 frente a 53, satén estructurado 100 frente a 60, denim elástico 100 frente a 53, punto ponte 100 frente a 87, punto acanalado 100 frente a 93. En tejidos de punto de elasticidad extrema, el tejido perdona casi todo, por lo que el simple ajuste por cintura casi lo iguala.

La vista de benchmark de Contour mostrando una precisión del motor del 100 por ciento, una línea base basada solo en la cintura del 60 por ciento, una mejora de precisión de más de 40 puntos porcentuales, 105 ajustes evaluados, 39 conflictos detectados y un 67,6 por ciento de talla única, con una tabla por comprador para el vaquero selvedge rígido que califica al motor como correcto y a la tabla solo por cintura como errónea en los casos de abstención. — La mejora de +40 puntos en el conjunto dorado etiquetado de 105 pares, con la ventaja del motor concentrada en denim rígido y sastrería.

Un comprobante reproducible y el payload que consume un agente de IA

Cada recomendación genera un comprobante de auditoría JSON: la especificación extraída del tejido con las frases exactas de origen que determinaron cada parámetro, el veredicto del crítico, la matriz completa de deformación por talla y la decisión con su nivel de confianza. El mismo resultado se entrega en /api/fit como el payload legible por máquina que consume un agente de compras con IA, proporcionando la talla recomendada, la confianza, un indicador de abstención, el array de ajuste por zona y un id de auditoría. A medida que el comercio evoluciona hacia agentes que operan en nuestro nombre, la señal de tallaje que leen debe estar puntuada por confianza y ser auditable: un informe en lugar de una imagen.

El comprobante de auditoría de Contour en JSON mostrando la especificación del tejido con clase de tejido denim selvedge rígido, elasticidad 1 por ciento, límite de deformación elástica 0,02, confianza de extracción 0,95, las frases de origen denim selvedge rígido de 14 oz, 100 por ciento algodón, rígido sin elasticidad, el veredicto del crítico y la matriz de deformación por talla. — El comprobante de auditoría: frases de origen del tejido, el veredicto del crítico y la matriz completa de deformación por talla que sustenta la decisión.

La respuesta legible por máquina de la API de agente de Contour que muestra recommended_size 29, confidence 0.95, abstain false, el bloque de tejido extraído y un array per_zone_fit con deformación y estado de confort para cintura, cadera y muslo. — El payload de /api/fit: talla recomendada, confianza, indicador de abstención y ajuste por zona, todo trazable hasta un id de auditoría.

Dónde se sitúa Contour y dónde no

Es la capa de inteligencia de ajuste, la física y la política de honestidad, no una imagen más bonita ni un sistema que adivine con más astucia.

Aspecto	Tabla de tallas o probador virtual	Contour
El límite de elasticidad del tejido	Invisible; los mismos números para rígido y elástico	Calculado por zona frente al límite elástico de cada tejido
Mismo cuerpo, dos vaqueros similares	Una sola talla para ambos, a menudo errónea en el rígido	29 en selvedge rígido, 28 en denim elástico, ambas correctas
Cuando ninguna talla es limpia	Imprime una talla con aparente seguridad de todos modos	Se abstiene y recomienda pedir dos tallas o consultar a un estilista
Texto de proveedor contradictorio	Se procesa sin verificación	Bloqueado por un crítico adversario, redirigido a revisión humana
Quién decide la talla	Una tabla de consulta o un modelo sin auditar	Un motor de deformación determinista y con pruebas unitarias, no un LLM
Qué lee un agente de compras con IA	Una imagen o nada legible por máquina	Un payload /api/fit con puntuación de confianza, consciente de abstención y con id de auditoría

Lo que esta demo no hace

No promete un ajuste perfecto. El 100 por ciento se obtiene sobre un conjunto dorado sintético fijo y etiquetado de 105 pares cuyas etiquetas comparten las mismas cifras medibles de elasticidad del motor, por lo que no es una garantía de precisión en el mundo real. La cifra duradera es la mejora de más de 40 puntos frente al método establecido basado solo en la cintura.
Los compradores, cuerpos, prendas, textos de productos y medidas son sintéticos. La cohorte de 15 cuerpos y el catálogo de 8 prendas, así como nombres como Riley, Jordan, Ironside, Driftwood y Maverick, son ficticios.
Es un modelo analítico de deformación de orden reducido, no una simulación textil completa por elementos finitos (FEA). Nos integramos con herramientas FEA como CLO3D, Browzwear o Style3D en Tier-3; no las reconstruimos aquí.
No reconstruye un cuerpo a partir de una foto. La captura de medidas mediante foto en el dispositivo está simulada (stub), y la demo acepta medidas directamente, que es también la interfaz real que preserva la privacidad.
No hay integraciones comerciales en vivo. Los conectores de Shopify, CLO-SET y Browzwear son una interfaz de adaptador documentada tras un componente simulado (mock), no integraciones en producción.
No es un probador virtual generativo. Toda la tesis radica en que los píxeles bonitos no son datos de ajuste.
La abstención y el crítico se muestran como comportamientos de honestidad, no se comercializan como un porcentaje evaluado de errores detectados.
No hay clientes reales, marcas, despliegues, testimonios, logotipos ni ROI declarado. La decisión estructural y crítica es Python determinista con 8 pruebas unitarias, y los asesores LLM admiten cambio de proveedor y son prescindibles, utilizando claude-opus-4-8 por defecto.

Preguntas que hacen los compradores

Ya publicamos una tabla de tallas y añadimos un probador virtual. ¿Por qué seguimos teniendo devoluciones por ajuste?

Porque ninguno de los dos puede sentir el tejido. Una tabla de tallas ofrece cuatro números unidimensionales para describir un cuerpo tridimensional, y no tiene idea de si el denim es un selvedge rígido sin elasticidad o un punto ponte elástico en 4 direcciones. Una imagen de probador virtual generativo hace que la prenda se vea bien sobre el cuerpo, pero no te dice nada sobre si el muslo supera el límite de elasticidad de ese tejido cuando el comprador se sienta. El ajuste es un hecho mecánico: la deformación circunferencial en cada zona frente al límite elástico del tejido, y eso es exactamente lo que omiten tanto una tabla como un render atractivo. Contour lo calcula directamente, razón por la cual el mismo cuerpo puede ser una talla 29 correcta en selvedge rígido y una 28 correcta en denim elástico.

¿Es este un probador virtual que muestra la ropa sobre el cuerpo?

No. Eso es lo opuesto a nuestra tesis. Un probador virtual puede mostrarte los vaqueros sobre tu cuerpo y seguir sin tener idea de si realmente te quedarán bien, porque los píxeles atractivos no son datos de ajuste. Contour recibe medidas e introduce una talla, una confianza y notas de ajuste por zona calculadas a partir de la mecánica del tejido. Es un informe, no una imagen, lo que también lo convierte en algo que un agente de compras con IA puede procesar en el momento del pago.

Afirman un 100 por ciento en su benchmark. ¿Realmente siempre acierta?

No, y no afirmamos eso. El 100 por ciento se obtiene sobre un conjunto dorado sintético fijo y etiquetado de 105 pares cuyas etiquetas utilizan las mismas cifras medibles de elasticidad del tejido que usa el motor, por lo que ese conjunto no es un oráculo completamente independiente y el 100 por ciento es una propiedad de este conjunto construido, no una garantía de precisión en el mundo real. La cifra con la que hay que liderar es la mejora frente al método tradicional real (la coincidencia con la tabla de tallas basada solo en la cintura) sobre las mismas etiquetas: Contour lo supera por 40 puntos porcentuales, 100 por ciento frente al 60 por ciento, y la ventaja se concentra en denim rígido y sastrería, donde el ajuste es más difícil. Considere el 100 por ciento como un techo interno sobre un conjunto etiquetado, nunca como una promesa de ajuste perfecto en condiciones reales.

¿Necesita una foto o un escaneo corporal del comprador?

No. Contour prioriza la privacidad: se introducen medidas, sin fotos. La demo acepta medidas en centímetros directamente y las coteja con la mecánica del tejido de la prenda, que es también la interfaz real que preserva la privacidad que implementaríamos. La captura de foto a medidas en el dispositivo está simulada (stub) en esta demo, no construida, por lo que nada aquí depende de la reconstrucción corporal monocular.

¿Se conecta actualmente a Shopify o a nuestro PLM, CLO3D o Browzwear?

No en esta demo. Los conectores de Shopify, CLO-SET y Browzwear son una interfaz de adaptador documentada tras un componente simulado (mock), no integraciones en vivo. Los compradores, prendas, textos de productos y medidas son componentes sintéticos de prueba, no catálogo real. Y para ser precisos sobre el alcance, este es un modelo analítico de deformación de orden reducido (la física de Nivel 1 y Nivel 2 de la página), no una simulación textil completa por elementos finitos (FEA); nos integramos con herramientas FEA como CLO3D o Browzwear en el Nivel 3, no las reconstruimos.

Una IA está eligiendo la talla de la que depende mi checkout. ¿Por qué debería confiar en ella?

Porque la decisión estructural y crítica no la toma un LLM. La talla y la abstención se calculan en Python puro con pruebas unitarias: para cada talla candidata, el motor calcula la deformación circunferencial en cada zona frente al límite elástico del tejido, y 8 pruebas unitarias blindan esa física. El modelo de lenguaje únicamente lee el texto desordenado del proveedor para generar una especificación estructurada del tejido y redacta la nota final; nunca calcula los números ni la decisión. Los agentes asesoran, el código decide, que es la propiedad que lo hace seguro para exponerlo como una API que tu checkout puede invocar.

¿Qué hace cuando no está seguro?

Se abstiene en lugar de fingir. Cuando ninguna talla individual supera todas las zonas dentro del confort (en un tejido sin elasticidad donde las tallas pequeñas aprietan en el muslo y las más grandes quedan holgadas en la cintura), la puerta de políticas recomienda la talla menos mala y señala pedir dos tallas o consultar con un estilista, en lugar de imprimir con falsa seguridad una talla incorrecta como hace la tabla. En el conjunto dorado etiquetado de 105 pares, el motor se abstiene en 33 de 105 pares. Un comportamiento independiente de honestidad, el crítico adversario, bloquea textos de proveedor físicamente contradictorios (como selvedge rígido con elasticidad en 4 direcciones) y los redirige a revisión humana sin emitir recomendación.

Investigación técnica

La investigación detrás de esta demo: la arquitectura, el diseño de verificación y el plano empresarial.

Solución completa

Explorar la solución de predicción de ajuste con IA para el e-commerce de moda →

Convierta su problema de devoluciones en un problema de ajuste que puede calcular

Física que interpreta el tejido y la disciplina de abstenerse cuando ninguna talla es limpia.

Si su equipo de e-commerce, devoluciones o ingeniería está estudiando cómo ofrecer a los compradores —y a los agentes de IA que pronto comprarán por ellos— una señal de tallaje en la que puedan confiar, nos gustaría saber cómo lo están abordando. El problema afecta a toda la industria y las respuestas también lo harán.

Evaluación de ajuste y devoluciones

✓ Mapear dónde se concentran las devoluciones por ajuste y el bracketing en su catálogo
✓ Modelar la mecánica de los tejidos y las franjas de confort por zona para sus patrones
✓ Diseñar la interfaz de medición que prioriza la privacidad, sin necesidad de fotos
✓ Definir la política de abstención que sus equipos de merchandising y CX puedan respaldar

Construya con nosotros

✓ Un motor de deformación determinista con pruebas unitarias fuera de cualquier modelo
✓ Un equipo de agentes tipados con un crítico adversario capaz de bloquear textos erróneos
✓ Un endpoint /api/fit con puntuación de confianza y comprobantes de auditoría reproducibles
✓ Interfaces de adaptador para Shopify, CLO-SET, Browzwear y su PLM

Conectar por WhatsApp Enviar correo a nuestro equipo