I resi costano al retail USA 849 miliardi di dollari. Gran parte dell'IA che prova a risolvere la moda affronta il problema sbagliato.

Qualche anno fa avevo una demo per la misurazione del corpo che funzionava splendidamente. Un cliente si mette in piedi contro una parete, scatta due foto con un telefono e pochi secondi dopo restituiamo decine di misure corporee accurate al centimetro o due. Nel nostro ufficio, con una buona illuminazione e una parete spoglia, era straordinario. Ricordo di aver guardato i numeri arrivare e di aver pensato che ci eravamo riusciti.

Poi l'abbiamo provata in vere camere da letto. Sfondi disordinati, una lampada di lato, un cliente con una felpa larga, il telefono tenuto a un'angolazione stanca dopo una lunga giornata. La stessa pipeline che raggiungeva uno o due centimetri in laboratorio derivava a tre o cinque centimetri nel mondo reale. Per un sistema di taglie, quel divario è tutta la partita. Tre centimetri in vita sono la differenza tra una taglia che veste bene e una taglia che torna indietro.

Quel mese — guardando l'accuratezza da demo andare in pezzi al contatto con i clienti veri — è il momento in cui ho smesso di credere in una qualsiasi singola soluzione magica per i resi della moda. Mi ha insegnato la cosa di cui parla tutto questo saggio: il problema della vestibilità è meccanico, non visivo, e non ha un'unica soluzione. È anche questa la premessa dietro il sistema di previsione della vestibilità basato su IA che ora costruiamo in Veriprajna.

Il numero più costoso del retail

Partiamo dal numero che dovrebbe tenere sveglio la notte ogni operatore dell'e-commerce: i resi al dettaglio negli Stati Uniti hanno totalizzato 849,9 miliardi di dollari nel 2025 (National Retail Federation). La moda è la categoria peggiore con ampio margine: i tassi di reso dell'abbigliamento vanno dal 26 al 40 percento, contro una media dell'e-commerce intorno al 20,8 percento.

E si tratta quasi sempre dello stesso fallimento. Taglia, vestibilità e colore determinano circa il 45 percento di tutti i resi e, nello specifico dell'abbigliamento, dal 53 al 70 percento dei resi è legato alla vestibilità. Il settanta percento degli acquirenti di moda online afferma che l'impossibilità di provare qualcosa è la loro preoccupazione più grande prima di comprare. E hanno ragione a preoccuparsi.

L'e-commerce della moda perde più denaro a causa dei resi che per il marketing, la logistica o le frodi messi insieme. La causa profonda non è quasi mai un errore del cliente. È che il capo non vestiva bene.

L'economia peggiora quanto più da vicino la si osserva. Gestire un singolo reso costa tra i 10 e i 65 dollari e, in alcuni casi, consuma fino al 65 percento del prezzo originale dell'articolo. Così un marchio può "vendere" un top da 40 dollari, farsi carico della spedizione in uscita, farsi carico della spedizione di reso, farsi carico dell'ispezione e del riconfezionamento e finire in perdita su una transazione che aveva conteggiato come ricavo. Le sole frodi sui resi costano ai rivenditori oltre 100 miliardi di dollari all'anno, oltre a tutto ciò.

La maggior parte dei team con cui parlo sta cercando di risolvere questo problema con una tabella delle taglie e, ultimamente, con un elegante camerino virtuale. Vi spiego perché entrambi puntano al bersaglio sbagliato.

Perché una tabella delle taglie non ha mai potuto risolvere il problema?

Una tabella delle taglie chiede a quattro numeri unidimensionali — busto, vita, fianchi, cavallo — di descrivere una superficie tridimensionale. È questo il peccato originale. Non sarebbe mai stata un'informazione sufficiente.

Peggiora ancora perché il settore non ha un sistema di gradazione standardizzato. Una "Medium" di un marchio corrisponde a una geometria corporea del tutto diversa da una "Medium" di un altro. Ho visto i dati: il girovita di una taglia 6 da donna può variare fino a cinque pollici tra un marchio e l'altro. Il novantuno percento degli acquirenti ha bisogno di una taglia diversa a seconda del marchio che sta comprando. Il vanity sizing peggiora deliberatamente le cose: i marchi spostano silenziosamente le loro etichette per lusingare le persone, il che significa che il confronto tra marchi è essenzialmente privo di senso.

Così gli acquirenti fanno l'unica cosa razionale. Fanno bracketing. Il sessantatré percento degli acquirenti online ordina ora più taglie dello stesso articolo con l'intenzione di restituire tutto tranne una — e tra la Gen Z la percentuale è del 51 percento. La sola incertezza sulle taglie determina circa il 42 percento di questo comportamento.

Il bracketing è una catastrofe silenziosa per un rivenditore. Raddoppia la spedizione in uscita, blocca l'inventario durante il ciclo di reso e garantisce che almeno metà di ciò che si spedisce torni indietro immediatamente. Il cliente non sta facendo il difficile. Ha correttamente concluso che la vostra tabella delle taglie non è affidabile, e così ha trasformato il proprio soggiorno in un camerino a vostre spese.

La trappola in cui ho quasi camminato

Dopo che la nostra pipeline di misurazione ha vacillato, il consiglio che continuavo a ricevere era una qualche versione di "basta aggiungere un camerino virtuale". L'IA generativa lo aveva reso economico e magnifico — Google ha lanciato il camerino virtuale per lo Shopping negli Stati Uniti, nel Regno Unito e in India; Zalando ha avviato un progetto pilota con Levi's in quattordici mercati europei. Le immagini che questi sistemi producono sono davvero bellissime. Per un po' sono stato tentato di credere che una bella immagine fosse la risposta.

Non lo è, e capire perché è il cardine di tutta questa attività.

Il camerino virtuale generativo funziona prevedendo pixel statisticamente probabili — dipinge un'immagine fotorealistica di un capo sul tuo corpo. Ma non ha idea se ti stia mostrando una taglia M o una taglia L. Non può dirti che il fianco è due centimetri troppo stretto per il limite di elasticità del tessuto. Il modello di diffusione non sa se stia drappeggiando un ponte a quattro vie elasticizzato o un denim grezzo cimosato da 14 once senza alcuna elasticità. È un rendering, non una misurazione.

Un camerino virtuale rende la supposizione convincente. Non rende la supposizione corretta.

E i dati lo confermano in modo scomodo. Il camerino generativo aumenta dimostrabilmente la conversione e il coinvolgimento — le persone adorano giocarci. Ma non c'è alcuna prova pubblicata che il camerino solo GenAI riduca effettivamente i resi legati alla vestibilità. Peggio ancora, questi modelli portano con sé un bias snellente: tendono a rendere il capo in modo più lusinghiero della realtà, il che può aumentare il divario tra le aspettative e il pacco che arriva. Puoi aumentare la conversione e aumentare i resi allo stesso tempo. Ho visto team festeggiare il primo numero senza mai collegarlo al secondo.

Il paio di jeans che spiega tutto

Lasciate che lo renda concreto con il caso che me lo ha finalmente chiarito — il denim, la categoria con il tasso di reso più alto di tutto l'abbigliamento, dal 20 al 25 percento.

Immaginate una cliente che compra jeans premium. Misura la vita, corrisponde perfettamente alla tabella delle taglie a 71 centimetri e ordina una taglia 28. I jeans arrivano. La vita veste esattamente come promesso. Ma la coscia stringe nel momento in cui si siede, perché il denim grezzo da 14 once non ha elasticità e la tabella delle taglie non aveva affatto una misura della coscia. Il camerino generativo, nel frattempo, le aveva mostrato un'immagine lusinghiera di jeans che sembravano fantastici da fermi.

Nessuno dei due strumenti ha colto la fisica reale: la rigidità di trazione di questo tessuto significa che non può colmare la differenza tra la geometria del fianco in piedi e la geometria del fianco da seduti. Il tessuto avrebbe sempre perso quella battaglia, e nessuna fotografia migliore l'avrebbe avvertita.

Questo è ciò che intendo per meccanico. Un approccio basato sulla fisica simula il capo come un oggetto materiale. Conosce la rigidità flessionale del tessuto — come drappeggia — la sua rigidità di trazione — come si allunga — e il suo comportamento a taglio — come si conforma a una curva. Drappeggia il cartamodello digitale su una mesh corporea 3D e calcola la tensione in ogni punto. Un'elevata tensione alla coscia appare come una zona rossa sulla mesh prima che venga spedita una singola unità. Non è una supposizione basata su ciò che hanno sperimentato altri acquirenti. È un calcolo sul tessuto reale e sul corpo reale.

Quando hai fissato una heatmap di tensione che brilla di rosso esattamente dove un codice motivo di reso avrebbe poi detto "troppo stretto sulla coscia", smetti di pensare alla vestibilità come a un problema di raccomandazione e inizi a pensarla come a un problema di ingegneria.

Allora perché non tutti si limitano a simulare?

Perché la simulazione fisica è costosa, lenta da configurare e ripaga solo se hai gli input da darle in pasto. Questa è la parte che i fornitori sorvolano, ed è la parte che conta di più quando stai spendendo denaro vero.

Ci sono, onestamente, quattro diverse famiglie di tecnologie per la vestibilità, e il motivo per cui nessuna di esse è "la risposta" è che ciascuna risolve una fetta diversa del problema.

La più economica da implementare è la raccomandazione statistica delle taglie — True Fit, Bold Metrics, Fit Analytics. Queste abbinano un acquirente a una taglia usando lo storico degli acquisti, i dati sui resi e il filtraggio collaborativo su enormi reti di marchi. Solo True Fit attinge a vent'anni di dati che coprono 616 miliardi di dollari di transazioni e oltre 91.000 marchi, e a marzo 2026 ha lanciato un agente di shopping agentico che espone la sua intelligenza sulla vestibilità agli assistenti IA. Bold Metrics ha collaborato con Gap su un protocollo di taglie agentico e dichiara una riduzione dei resi di circa il 34 percento. Il compromesso è che si tratta di scatole nere: ti dicono quale taglia, mai perché, e faticano sui prodotti del tutto nuovi dove non ci sono ancora dati comportamentali.

La famiglia in cui ho lavorato personalmente era la misurazione del corpo basata su foto. YourFit di 3DLOOK estrae 86 punti di misura da una o due foto da smartphone; in uno studio di sei mesi con un marchio di costumi da bagno ha riportato un tasso di reso inferiore del 47 percento e ha ridotto al 2 percento i resi legati al bracketing. Ma il compromesso è esattamente quello che ha colpito me — l'accuratezza si degrada al di fuori di condizioni controllate, chiede all'acquirente di fare del lavoro e i modelli corporei sottostanti tendono verso corporature "medie". E poi c'è la privacy, su cui tornerò.

Il camerino virtuale generativo è la terza famiglia — bellissimo, positivo per la conversione e cieco rispetto alla vestibilità, per tutte le ragioni sopra.

L'unica famiglia che ragiona davvero sul tessuto è la simulazione basata sulla fisica: CLO3D (usato da oltre 860 aziende), Style3D e nuovi arrivati che eseguono simulazioni del tessuto agli elementi finiti su una mesh corporea 3D. Perfitly, che combina un avatar 3D con il drappeggio completo del tessuto, ha riferito di aver portato i resi di un marchio partner dal 28 percento a circa il 10 percento. Il punto è che funziona solo se hai già cartamodelli digitalizzati e dati sui tessuti, quindi è realistico principalmente per i marchi con flussi di lavoro di design 3D maturi.

Non esiste una migliore tecnologia per la vestibilità. Esiste solo quella giusta per il tuo numero di SKU, la maturità dei tuoi dati e la forma specifica dei tuoi resi.

Un marchio con un catalogo fast-fashion da 50.000 SKU e senza cartamodelli 3D non dovrebbe acquistare la simulazione fisica; la raccomandazione statistica sposterà l'ago della bilancia più velocemente e a minor costo. Un marchio di denim premium con cartamodelli digitalizzati e un brutale problema di vestibilità alla coscia sta lasciando soldi sul tavolo se non simula. L'errore è trattarle come concorrenti anziché come strumenti diversi per economie diverse.

La funzione che il mio stesso avvocato ha eliminato

Nessuno mette questa parte nella presentazione di vendita. Il giorno in cui eravamo pronti a rilasciare la funzione di scansione corporea, si è scontrata con un muro che non avevo preso abbastanza sul serio: la legge sulla privacy biometrica.

Ai sensi del GDPR, una scansione corporea 3D è un dato biometrico di "categoria particolare" — il livello più fortemente protetto che esista. In Illinois, la BIPA impone regole rigorose sulla raccolta, conservazione e condivisione esattamente di questo tipo di dati, con conseguenze reali, e ogni anno sempre più stati americani stanno ampliando leggi simili. Ho visto comparire una schermata di flusso di consenso che di fatto bloccava la nostra funzione più impressionante per una fetta del paese, finché non abbiamo riprogettato il suo funzionamento.

Quella riprogettazione si è rivelata una funzionalità, non un difetto. La risposta è l'elaborazione sul dispositivo — fare i calcoli di misurazione sul telefono dell'acquirente e non lasciare mai che la scansione grezza lo abbandoni. Sta ora emergendo come lo standard privacy-first, e si dà il caso che sia anche la cosa che rende gli acquirenti abbastanza a proprio agio da usare davvero lo strumento. Ma devi progettarlo così fin dall'inizio. Aggiungi uno scanner corporeo a un sito di moda senza pensare alla BIPA e non avrai costruito uno strumento per la vestibilità; avrai costruito una class action con un pulsante "prova".

La previsione della vestibilità con IA è reale o solo hype?

Me lo chiedono di continuo, e la risposta onesta è: il mercato sottostante è reale e cresce rapidamente — si prevede che il segmento della previsione di taglia e vestibilità triplichi all'incirca, da circa 1,05 miliardi di dollari nel 2024 verso i 2,95 miliardi di dollari entro il 2029 — ma la maggior parte delle implementazioni è hype, perché scelgono una tecnologia prima di aver capito il problema.

Perciò noi non vendiamo un singolo prodotto. Partiamo dai dati sui resi del marchio stesso e chiediamo quale fallimento gli sta effettivamente costando denaro — taglia selezionata sbagliata o aspettativa di vestibilità sbagliata. Poi abbiniamo l'approccio all'economia: raccomandazione statistica per i cataloghi con molti SKU, pipeline di misurazione basate su foto per le categorie sensibili alla vestibilità e simulazione basata sulla fisica per i marchi la cui maturità nel design 3D può sostenerla — neutrali rispetto ai fornitori, conformi alla privacy e costruiti attorno agli specifici schemi di reso presenti nei loro dati. È questa l'intera filosofia dietro ciò che abbiamo costruito, e viene direttamente dal mese che ho passato a guardare una risposta valida per tutti andare in pezzi.

L'altra domanda che mi fanno è se tutto questo valga il costo di integrazione. Prima temevo quella domanda, finché non ho iniziato a vedere atterrare i numeri finali: gli acquirenti che interagiscono con un sistema di taglie IA ben costruito convertono a tassi significativamente più alti, e riduzioni dei resi dal 25 al 50 percento nel primo anno sono raggiungibili. C'è anche un vento normativo a favore — l'UE si sta muovendo per vietare la distruzione delle scorte invendute, e la logistica inversa brucia già centinaia di migliaia di tonnellate di CO2 all'anno. Ogni reso che eviti sono denaro, carbonio e inventario che trattieni.

La lezione che quella demo mi ha insegnato ha retto per anni ormai. Un'immagine lusinghiera venderà il capo. Solo la fisica — o i dati giusti, applicati onestamente — farà sì che resti venduto. La moda ha passato un decennio a cercare di fotografare la via d'uscita da un problema che sarebbe sempre stato risolto con una misurazione.