Lo stesso corpo porta una 29 in un jeans e una 28 in un altro. Ho creato il motore di vestibilità che spiega perché una tabella delle taglie non può distinguerli.

Ho creato questa demo per chiudere una discussione che continuavo ad avere con me stesso, ed è bastato un menu a tendina per risolverla. Avevo un acquirente sintetico di nome Riley, un set fisso di misure corporee e un catalogo di otto jeans sintetici. Ho abbinato Riley all'Ironside, un jeans dritto in raw selvedge da 14 once, rigido, a elasticità zero, e il motore ha risposto con Taglia 29, 95% di confidenza, confortevole in ogni zona. Poi non ho modificato nulla di Riley, ho sostituito il capo con il Driftwood, un jeans slim elasticizzato quasi identico nella foto del prodotto, e la taglia corretta è scesa a 28.

Stesso corpo. Stesse misure. Due diverse taglie corrette. E una tabella delle taglie basata solo sulla vita, quella che quasi tutti i siti di abbigliamento usano davvero oggi, avrebbe mostrato esattamente lo stesso numero per entrambi i jeans, sbagliando su uno dei due.

Il prodotto che ne è scaturito si chiama Contour, e potete eseguire voi stessi questo identico confronto su veriprajna.com/it/demos/previsione-della-vestibilita-ia-che-interpreta-i-tessuti-contour-sizing-engine. Ma ciò di cui voglio parlare non è la raccomandazione. È il motivo per cui la raccomandazione è cambiata quando nulla del corpo è cambiato, perché questo motivo è l'intera ragione per averlo costruito nel modo in cui l'ho costruito.

La moda ha cercato di risolvere i resi con immagini migliori

Ho iniziato questo progetto credendo, come la maggior parte delle persone in questo settore, che il problema dei resi fosse un problema di visualizzazione. I resi nel settore dell'abbigliamento sono dominati dalla vestibilità, e la quota legata alla vestibilità si attesta tra il 53 e il 67 percento, con circa il 63 percento degli acquirenti che ammette di fare bracketing, ordinando due taglie e restituendone una (ricerca Veriprajna WP34, 2026). La logistica inversa erode i margini. La risposta del settore è stata migliorare le immagini: tabelle delle taglie più ricche, poi avatar 3D, infine il virtual try-on generativo che renderizza il capo su una foto del corpo.

Ho passato del tempo convinto che una prova virtuale sufficientemente accurata avrebbe colmato il divario, e poi ho riflettuto su ciò che un try-on mostra realmente. Mostra i jeans su un corpo. Non mostra se quei jeans vestiranno quel corpo. Un'immagine generativa può drappeggiare un tessuto in modo convincente senza avere la minima idea che, quando Riley si siede, la circonferenza della coscia supera quanto quello specifico denim possa estendersi. L'immagine sembra corretta. La cucitura è sottoposta a un carico che il rendering non ha mai calcolato.

Un virtual try-on può mostrarti i jeans sul corpo e non avere comunque idea se vestiranno bene.

Questa è stata la frase che ha ridefinito il progetto per me. Una tabella delle taglie è costituita da quattro numeri unidimensionali che pretendono di descrivere un corpo tridimensionale, e l'immagine di un try-on è un grazioso rendering bidimensionale che pretende di essere un dato di vestibilità. Condividono la stessa cecità. Nessuno dei due può sentire il tessuto. Stabilire se un capo calzi a pennello non è una questione visiva. È una questione meccanica: la deformazione circonferenziale in ogni zona del corpo misurata rispetto al limite elastico di quel tessuto. Ed è per questo che Riley è una 29 nel raw selvedge e una 28 nel denim elasticizzato, anche quando la tabella delle taglie è identica.

Perché ho smesso di fidarmi del modello per scegliere la taglia?

Una volta, all'inizio, ho lasciato che fosse un modello linguistico a scegliere la taglia, e vederlo sbagliare con sicurezza è la ragione per cui l'architettura ha la forma attuale. Il mio primo istinto è stato quello ovvio: fornire al modello il corpo, fornirgli il capo, chiedergli una taglia. Ha risposto istantaneamente e con fluidità e, sui tessuti rigidi, sbagliava spesso nel modo più pericoloso: sbagliando con un'elevata sicurezza. Aveva appreso la forma di una risposta plausibile sulle taglie senza fare l'unico calcolo che determina la verità.

Così ho sottratto del tutto la decisione al modello. In Contour, la taglia viene calcolata in puro Python sottoposto a unit test. Per ciascuna taglia candidata, il motore calcola zone_strain = (body_circumference − garment_finished_circumference) / garment_finished_circumference in ogni zona, la confronta con il limite elastico di comfort del tessuto e sceglie la taglia con il minor rimpianto complessivo per zona. Otto unit test blindano questa fisica. Non c'è alcun modello lungo il percorso che decida la tua taglia. Il modello linguistico ha comunque un compito: convertire testi disordinati dei fornitori in specifiche strutturate del tessuto ed esprimere il risultato con formule come "aderente sui fianchi, comodo sulla coscia". Dà consigli. Non decide mai.

Gli agenti consigliano, il codice decide. Nel momento in cui il modello ha voce in capitolo sul numero, si perde ciò che rendeva quel numero affidabile.

Questa è anche la parte della tesi che non diventa obsoleta, ed è la risposta che do agli ingegneri che chiedono perché non ho semplicemente aspettato un modello migliore. Un modello linguistico perfetto non eliminerebbe comunque la necessità della meccanica dei tessuti, della geometria corporea, del calcolo della deformazione per zona e della policy di astensione. Anche un consulente impeccabile deve essere verificato rispetto a una grandezza calcolata per garantire la sicurezza al checkout. Il modello è un consulente intercambiabile all'interno della macchina. La macchina è il prodotto.

La taglia che si rifiuta di indovinare

Stavo quasi per rilasciare una versione che non dice mai "Non lo so", e sono felice che un test case ostinato mi abbia fatto cambiare idea. L'acquirente era Jordan, sullo stesso selvedge rigido Ironside. Ho eseguito la verifica della vestibilità aspettandomi un numero netto e invece il motore ha evidenziato un autentico conflitto: alle taglie più piccole la coscia supera il limite di elasticità del tessuto, e alle taglie più grandi la vita risulta larga. Su un denim a elasticità zero non esiste semplicemente alcuna taglia che soddisfi ogni zona. La tabella basata solo sulla vita, nel frattempo, stampa con sicurezza 28 e va avanti.

La mossa allettante, quella che fa sembrare migliore l'accuratezza in evidenza, è stampare sempre la taglia meno peggiore e definirla una raccomandazione. Avevo scritto quella versione. Poi ho fatto in modo che il motore si astenesse invece: indica la taglia meno peggiore, abbassa la confidenza a 0,58 e dice chiaramente: "fai bracketing, oppure parla con uno stylist". Nell'intera valutazione fa questo su 33 coppie corpo-capo su 105 invece di tirare a indovinare. Un onesto "nessuna singola taglia va bene qui" vale più per un acquirente di un 28 errato dato con sicurezza, perché quel 28 errato dato con sicurezza è esattamente il modo in cui si genera un reso. Rifiutarsi di rispondere si è rivelata una funzionalità che ho dovuto lottare contro il mio stesso istinto da benchmark per mantenere.

Il testo del fornitore che non può essere vero

Nel catalogo ho un capo che esiste solo per essere rifiutato, nato da una reale irritazione per il modo in cui vengono scritti i testi promozionali dei prodotti. Il Maverick viene descritto dal suo stesso fornitore come "denim raw selvedge 100% cotone elasticizzato a 4 vie". Questa affermazione è fisicamente incoerente. Un raw selvedge a trama rigida non può essere contemporaneamente elasticizzato in quattro direzioni. Ma un estrattore ingenuo legge "elasticizzato a 4 vie", presume allegramente che il tessuto perdoni tutto e ti serve con il sorriso una taglia pericolosamente sbagliata.

Così, tra l'estrazione e la decisione ho inserito un critico avversario. Questo confronta la specifica del tessuto estratta con i vincoli fisici e, quando il testo contraddice se stesso, blocca l'inferenza e indirizza a una revisione umana. Non viene emessa alcuna raccomandazione sulla taglia. Le regole deterministiche hanno l'ultima parola, non il modello che ha letto il testo.

Tengo questo esempio sullo schermo perché è la versione onesta di "sicurezza dell'IA" per questo problema. La modalità di fallimento non è il modello che diventa creativo. È il modello che sbaglia obbedientemente riguardo a un capo la cui stessa descrizione mente. Un sistema che risponde sempre risponderà anche qui, e sarà esattamente altrettanto sicuro sul Maverick quanto lo era su un jeans la cui descrizione era veritiera. L'intero scopo è avere uno strato in grado di dire "questi due fatti non possono coesistere entrambi", e fermarsi.

Cosa dicono realmente i numeri, e cosa non dicono

Tengo al benchmark, e tengo ancora di più a dichiararne l'ambito con onestà, perché il numero onesto è quello duraturo. Su un golden set sintetico etichettato di 105 coppie, 15 corpi confrontati con 7 capi valutati, il motore di Contour ottiene il 100 percento rispetto alla tabella basata solo sulla vita ferma al 60 percento. Elimina il bracketing sul 67,6 percento delle coppie, il che significa che l'acquirente ottiene un'unica taglia ad alta confidenza e non ha bisogno di ordinarne due, e individua 39 conflitti di vestibilità, casi in cui la corrispondenza sulla vita della tabella sceglie una taglia che il modello di deformazione dimostra fallire in un'altra zona.

Ecco la parte che mi rifiuto di arrotondare. Quel golden set è sintetico, e le sue etichette usano le stesse cifre misurabili di elasticità del tessuto utilizzate dal motore, quindi non è un oracolo del tutto indipendente. Il 100 percento è una proprietà di questo set costruito, non una promessa di una perfetta previsione di vestibilità nel mondo reale, e non permetterò a nessuno di citarlo come tale. Il numero che sostengo realmente è l'incremento di +40 punti rispetto al metodo consolidato reale, la tabella basata solo sulla vita che la maggior parte dei negozi utilizza oggi, misurata sulle stesse etichette. Tale vantaggio è massimo esattamente dove dovrebbe esserlo: sul selvedge rigido e sui capi sartoriali, dove la tabella scende al 33 percento, perché un tessuto rigido punisce una taglia sbagliata e una maglia elasticizzata la perdona. Dove la fisica si fa sentire di più è dove un'immagine aiuta di meno, ed è lì che questo motore dimostra il suo valore.

Il titolo onesto non è "Accurato al 100%". È "40 punti migliore rispetto alla tabella di cui il tuo negozio già si fida, e la maggior parte di quel divario è nel denim".

Ognuna di queste raccomandazioni genera inoltre un report JSON riproducibile: la specifica del tessuto estratta con le esatte frasi di origine che hanno guidato ogni parametro, la matrice completa delle deformazioni per taglia e la decisione finale. La risposta non è quindi solo un numero. È un numero che si può aprire ed esaminare nel dettaglio, e lo stesso payload viene fornito all'endpoint /api/fit che un agente per lo shopping basato su IA può chiamare direttamente. Con il commercio che si sposta verso agenti che effettuano transazioni per noi, il segnale sulla taglia che utilizzano deve essere leggibile dalla macchina, corredato di punteggio di confidenza e verificabile. Un report, non un'immagine.

La domanda su cui continuo a ritornare

Ho iniziato pensando di costruire un sistema di stima migliore, e ne sono uscito convinto di aver realizzato qualcosa di più simile a uno strumento di precisione. Il lavoro interessante non è mai stato prevedere una taglia. È stato decidere cosa il sistema ha il permesso di affermare, quando deve astenersi, quali contraddizioni deve rifiutare e come dimostra a posteriori ogni risposta. Quando cambio quel menu a tendina passando dal jeans rigido a quello elasticizzato e vedo la taglia corretta cambiare su un corpo rimasto identico, ciò che penso non è "il modello è intelligente". È "la fisica è reale, e abbiamo finalmente smesso di nasconderla dietro un'immagine". Puoi azionare quello stesso menu a tendina su veriprajna.com/it/demos/previsione-della-vestibilita-ia-che-interpreta-i-tessuti-contour-sizing-engine e vederlo accadere.

E se preferisci vederlo invece di leggermi mentre lo descrivo, ecco l'intero sistema in esecuzione end-to-end.

La domanda su cui continuo a riflettere, e su cui mi piacerebbe davvero che altri sviluppatori si confrontassero con me, è in quali altri ambiti stiamo mascherando un fatto meccanico con un'immagine più accattivante. La moda ha puntato su immagini migliori per un decennio, mentre la risposta risiedeva in un calcolo della deformazione che qualsiasi ingegnere avrebbe potuto sottoporre a unit test. Quindi, nel tuo settore, qual è il fatto meccanico alla base di ciò che tutti continuano a cercare di renderizzare, e ti fideresti dell'immagine di un elemento piuttosto che di un numero verificabile?