米国の小売返品は8,499億ドル。ファッションを直そうとするAIの多くは、間違った問題を解いている。

数年前、私は見事に機能する身体計測のデモを持っていた。買い物客が壁を背にして立ち、スマートフォンで2枚の写真を撮ると、数秒後には数十カ所の身体計測値を、1～2センチの精度で返す。オフィスの中、良い照明と何もない壁を背にすれば、それは不気味なほどだった。数字が返ってくるのを眺めながら、これで完成だと思ったのを覚えている。

それから、実際の寝室で試した。散らかった背景、脇に置かれたランプ、だぶだぶのパーカーを着た買い物客、長い一日の終わりに疲れた角度で持たれたスマートフォン。ラボでは1～2センチを達成した同じパイプラインが、現場では3～5センチへとずれていった。サイジングシステムにとって、その差こそが勝負のすべてだ。ウエストの3センチは、フィットするサイズと、返品されてくるサイズとの違いなのだ。

あの一か月——デモ品質の精度が実際の顧客との接触で崩れ落ちるのを見たあの月——こそ、私がファッションの返品に対するどんな単一の魔法のような解決策も信じるのをやめた時だ。それは、このエッセイ全体が扱うことを私に教えてくれた：フィットの問題は視覚的ではなく機械的であり、単一の解決策など存在しない。それはまた、私たちがVeriprajnaで現在構築しているAIフィット予測システムの背後にある前提でもある。

小売業で最も高くつく数字

まず、あらゆるeコマース事業者を夜も眠れなくさせるはずの数字から始めよう。米国の小売返品は総額で2025年に8,499億ドルに達した（全米小売業協会）。ファッションは群を抜いて最悪のカテゴリーであり、アパレルの返品率は26～40％と、eコマース平均の約20.8％を上回る。

そして、そのほとんどが同じ失敗によるものだ。サイズ、フィット、色が全返品の約45％を占め、特にアパレルに限れば、返品の53～70％がフィット関連だ。オンラインでファッションを買う人の70％が、試着できないことこそ購入前の最大の不安だと答えている。彼らが不安に思うのは正しい。

ファッションeコマースは、マーケティング、物流、詐欺を合わせたよりも多くのお金を返品で失っている。根本原因が顧客のミスであることはほとんどない。衣服がフィットしなかったのだ。

詳しく見るほど、その経済状況は悪化する。1件の返品処理には10ドルから65ドルのコストがかかり、場合によっては商品の元の価格の最大65％を消費する。つまりブランドは、40ドルのトップスを「販売」し、往路の送料を負担し、返品の送料を負担し、検品と再梱包を負担した挙げ句、売上として計上した取引で赤字に陥りうる。返品詐欺だけでも、それに加えて年間1,000億ドル超のコストを小売業者に負わせている。

私が話す大半のチームは、これをサイズチャートと、最近では洗練されたバーチャル試着で解決しようとしている。なぜその両方が的外れなものを狙っているのか、これから説明しよう。

なぜサイズチャートではこれを解決できなかったのか？

サイズチャートは、4つの一次元的な数字——バスト、ウエスト、ヒップ、股下——に、三次元の表面を記述させようとする。それが原罪だ。それで十分な情報になるはずがなかった。

業界には標準化されたグレーディングシステムが存在しないため、事態はさらに悪化する。あるブランドの「ミディアム」は、別のブランドの「ミディアム」とはまったく異なる身体形状に対応している。私はそのデータを見てきた——女性のサイズ6のウエストラインは、ブランド間で最大5インチも異なりうる。買い物客の91％が、どのブランドを買うかによって異なるサイズを必要とする。バニティサイジングは、これを意図的にさらに悪化させる——ブランドは人々を喜ばせるためにこっそりラベルをずらしており、そのためブランド間の比較は本質的に無意味になる。

だから買い物客は唯一合理的なことをする。ブラケッティング（複数サイズの注文）だ。いまやオンラインの買い物客の63％が、1つを残してすべて返品するつもりで同じ商品を複数サイズ注文しており——Z世代ではその割合は51％だ。サイズの不確実性だけで、その行動の約42％を引き起こしている。

ブラケッティングは、小売業者にとって静かな大惨事だ。往路の送料が倍増し、返品サイクルの間は在庫が拘束され、出荷したものの少なくとも半分がそのまま戻ってくることが保証される。顧客は難癖をつけているわけではない。あなたのサイズチャートは信用できないと正しく結論づけ、あなたの費用で自分のリビングルームを試着室に変えてしまったのだ。

私が危うく足を踏み入れかけた罠

私たちの計測パイプラインがつまずいた後、私が受け続けたアドバイスは、どれも「バーチャル試着をくっつければいい」という類のものだった。生成AIがそれを安く美しくしていた——Googleはショッピングのバーチャルオンをアメリカやイギリス、インド全域で展開し、ZalandoはLevi'sと組んで14の欧州市場でパイロットを開始した。これらのシステムが生み出す画像は、本当に美しい。しばらくの間、私は美しい画像こそが答えだと信じたい誘惑に駆られた。

そうではない。そしてその理由を理解することが、このビジネス全体の要（かなめ）なのだ。

生成的なバーチャル試着は、統計的にありそうなピクセルを予測することで機能する——あなたの身体に衣服をまとわせた写真のような画像を描く。しかしそれは、それがサイズMを見せているのかサイズLを見せているのかをまったく分かっていない。生地の伸縮限界に対してヒップが2センチ狭すぎる、とは教えてくれない。拡散モデルは、それが4方向ストレッチのポンチをドレープしているのか、伸びが皆無の14オンスのローセルビッジデニムなのかを知らない。それはレンダリングであって、計測ではない。

バーチャル試着は、その推測を説得力あるものに見せる。推測を正しくするわけではない。

そしてデータは、これを居心地が悪くなるほど裏付けている。生成的な試着はコンバージョンとエンゲージメントを明確に押し上げる——人々はそれで遊ぶのが大好きだ。しかし、GenAIのみの試着が実際にフィット関連の返品を減らすという公表された証拠は存在しない。さらに悪いことに、これらのモデルはスリムに見せるバイアスを抱えている。現実よりも衣服を魅力的にレンダリングする傾向があり、それはむしろ、拡大させかねない——期待と、実際に届く箱との間のギャップを。コンバージョンを上げながら、同時に返品も増やすことができるのだ。私はチームが最初の数字を祝い、それを二番目の数字と決して結びつけないのを見てきた。

すべてを説明してくれる一本のジーンズ

ついに私にとってそれを明確にしてくれた事例で、これを具体的にしよう——デニム、アパレル全体で最も返品率が高いカテゴリーで、20～25％だ。

プレミアムジーンズを買う買い物客を思い浮かべてほしい。彼女はウエストを測り、71センチでサイズチャートに完璧に一致し、サイズ28を注文する。ジーンズが届く。ウエストは約束どおりぴったり合う。ところが、座った瞬間に太ももが締めつける。14オンスのローデニムには伸びがなく、サイズチャートにはそもそも太ももの計測値が一切なかったからだ。一方、生成的な試着は、立ったままなら見栄えのするジーンズの魅力的な画像を彼女に見せていた。

どちらのツールも、実際の物理を捉えていなかった——この生地の引張剛性は、立った状態のヒップ形状と、座った状態のヒップ形状との差を橋渡しできないことを意味する。生地は必ずその戦いに負ける運命にあり、どれだけ写真の質を上げても、彼女に警告することはできなかっただろう。

これが、私が「機械的」と言うときの意味だ。物理ベースのアプローチは、衣服を物質的な物体としてシミュレートする。生地の曲げ剛性——どうドレープするか——引張剛性——どう伸びるか——せん断挙動——どう曲面に沿うか——を知っている。デジタルパターンを3Dの身体メッシュにドレープさせ、あらゆる点でのひずみを計算する。太ももでの高いひずみは、1着も出荷される前に、メッシュ上の赤いゾーンとして現れる。それは他の買い物客が経験したことに基づく推測ではない。実際の生地と実際の身体に対する計算なのだ。

返品理由コードが後で「太ももがきつすぎる」と告げるまさにその場所で、ひずみのヒートマップが赤く光るのをじっと見つめたことがあれば、フィットをレコメンデーションの問題として考えるのをやめ、エンジニアリングの問題として考え始めるようになる。

では、なぜ皆が単純にシミュレートしないのか？

なぜなら、物理シミュレーションは高価で、セットアップに時間がかかり、投入するインプットがあって初めて元が取れるからだ。ここはベンダーが言葉を濁す部分であり、そして実際のお金を使うときに最も重要な部分だ。

正直に言えば、フィット技術には4つの異なる系統があり、そのどれもが「答え」ではない理由は、それぞれが問題の異なる一部を解決しているからだ。

導入が最も安いのは、統計的サイズレコメンデーションだ——True Fit、Bold Metrics、Fit Analytics。これらは、購入履歴、返品データ、そして巨大なブランドネットワーク全体にわたる協調フィルタリングを使って、買い物客をサイズに対応づける。True Fit単体でも、6,160億ドルの取引と9万1,000超のブランドにまたがる20年分のデータを活用しており、2026年3月には、そのフィットインテリジェンスをAIアシスタントに公開するエージェント型ショッピングエージェントを立ち上げた。Bold MetricsはGapとエージェント型サイジングプロトコルで提携し、返品を約34％削減したと主張している。トレードオフは、これらがブラックボックスだということだ——それらはどのサイズかは教えてくれるが、決してなぜかは教えてくれず、まだ行動データのない真新しい製品では苦戦する。

私自身が携わった系統は、写真ベースの身体計測だった。3DLOOKのYourFitは、1～2枚のスマートフォン写真から86の計測点を抽出する。あるスイムウェアブランドとの6か月の調査では、返品率が47％低下し、ブラケッティング関連の返品を2％にまで削減したと報告された。しかしトレードオフは、まさに私を悩ませたものだ——精度は管理された条件の外では劣化し、買い物客に手間を求め、根底にある身体モデルは「平均的」な体型に偏っている。そしてプライバシーの問題があるが、それには後で戻ってくる。

生成的なバーチャル試着が3つ目の系統だ——美しく、コンバージョンにはプラスで、そして上述したあらゆる理由からフィットには無頓着だ。

実際に生地について推論する唯一の系統が、物理ベースのシミュレーションだ——CLO3D（860社以上で使用）、Style3D、そして3Dの身体メッシュ上で有限要素の布シミュレーションを走らせる新規参入企業たち。3Dアバターと完全な生地ドレープを組み合わせるPerfitlyは、あるパートナーブランドの返品を28％から約10％にまで引き下げたと報告した。ただし落とし穴は、それがすでにデジタル化されたパターンと生地データを持っている場合にのみ機能することであり、そのため現実的には主に、成熟した3D設計ワークフローを持つブランド向けだ。

最良のフィット技術など存在しない。存在するのは、あなたのSKU数、データの成熟度、そして返品の具体的な形に対して適切なものだけだ。

5万SKUのファストファッションのカタログを抱え、3Dパターンを持たないブランドは、物理シミュレーションを購入すべきではない——統計的レコメンデーションの方が、より速く、より安く効果を上げる。一方、デジタル化されたパターンと過酷な太もものフィット問題を抱えるプレミアムデニムブランドは、シミュレーションをしなければ、みすみす利益を逃していることになる。誤りは、これらを異なる経済条件に向けた異なるツールとしてではなく、競合として扱ってしまうことだ。

私自身の弁護士が葬った機能

この部分をセールス資料に載せる者はいない。ボディスキャン機能を出荷する準備が整ったその日、それは私が十分に真剣に受け止めていなかった壁にぶつかった——生体認証プライバシー法だ。

GDPRの下では、3Dボディスキャンは「特別カテゴリ」の生体データであり——存在する中で最も手厚く保護される階層だ。イリノイ州では、BIPAがまさにこの種のデータの収集、保管、共有に厳格なルールを課しており、しかも実効的な罰則を伴う。そして毎年、より多くの米国の州が同様の法律を拡大している。私は、同意フローの画面が立ち上がり、それが私たちの再設計まで、国の一部の地域に対して最も印象的な機能を事実上ブロックするのを見た。

その再設計は、結果的にバグではなく機能となった。答えはオンデバイス処理だ——計測の計算を買い物客のスマートフォン上で行い、生のスキャンデータを決してそこから外に出さない。それはいまやプライバシー最優先の標準として台頭しつつあり、しかもそれは、買い物客がツールを実際に使うほど安心できる要因にもなっている。ただし、最初からそれを前提に設計しなければならない。BIPAを考えずにファッションサイトにボディスキャナーをくっつければ、あなたが作ったのはフィットツールではなく——試着ボタンの付いた集団訴訟だ。

AIフィット予測は本物か、それともただの誇大宣伝か？

人々は私にこれを絶えず尋ねるが、正直な答えはこうだ——根底にある市場は本物で、急速に成長している——サイズ・フィット予測のセグメントは、2024年の約10.5億ドルから、2029年までに約29.5億ドルへとおよそ3倍になると予測されている——しかし、ほとんどの導入事例は誇大宣伝だ。なぜなら、問題を理解する前に技術を選んでしまうからだ。

だから私たちは、単一の製品を売らない。私たちはブランド自身の返品データから始め、実際にお金を失わせている失敗はどれか——選んだサイズが間違っているのか、それともフィットへの期待が間違っているのか——を問う。それからアプローチを経済条件に合わせる——高SKUのカタログには統計的レコメンデーション、フィットに敏感なカテゴリーには写真ベースの計測パイプライン、そして3D設計の成熟度がそれを支えられるブランドには物理ベースのシミュレーション——ベンダー中立で、プライバシー準拠で、彼らのデータにある具体的な返品パターンを中心に組み立てる。それが、私たちが構築したものの背後にある哲学のすべてであり、それは、万能の答えが崩れ落ちるのを見つめて過ごしたあの一か月から直接生まれている。

もう一つよく受ける質問は、これらのどれもが統合コストに見合うのか、というものだ。私はかつてその質問を恐れていたが、成果の数字が着地するのを見始めてからは違う——よく作り込まれたAIサイジングを利用する買い物客は、意味のあるほど高い率でコンバージョンし、初年度に25～50％の返品削減を達成できる。規制の追い風もある——EUは売れ残り在庫の廃棄を禁止する方向に動いており、リバースロジスティクスはすでに年間数十万トンのCO2を燃やしている。防いだ返品の一つひとつが、あなたが手元に残せるお金であり、炭素であり、在庫なのだ。

あのデモが私に教えてくれた教訓は、いまや何年も持ちこたえている。魅力的な写真は、衣服を売ってくれる。しかし、物理だけが——あるいは正しいデータを誠実に適用することだけが——それが売れたままであることを保証する。ファッションは、そもそも計測で解決されるはずだった問題を、写真で切り抜けようと10年を費やしてきたのだ。