8,900億ドルの嘘:AI「バーチャル試着」がファッションの返品を悪化させる理由

昨年11月、ある中堅ファッションブランドのeコマース担当VPが、私のチームとの通話中に、自分のノートパソコンでデモを立ち上げた。「これを見て」と彼女は言い、画面をこちらに向けて、会社がライセンス契約したばかりの生成AIバーチャル試着ツールを見せた。顧客の自撮り写真に、花柄のラップドレスがデジタルで彼女の身体に描き込まれていた。その画像は見事だった——スタジオ品質の照明、光を捉えているように見える生地、まるで彼女のために仕立てられたかのようなフィット感。

「導入以来、コンバージョンが14%上がったの」と彼女は言った。

私は、返品はどうなったのかと尋ねた。

沈黙。それから——「それも上がってる」。

その瞬間、私がVeriprajnaの物理ベースAIパイプラインを構築しながら何ヶ月も格闘してきたものが、はっきりと形になった。ファッション業界は、最も高コストな問題をさらに悪化させるテクノロジーに惚れ込んでいた——しかも、その画像はあまりに説得力があったため、誰もそれを認めようとしなかった。

ファッションECにおける返品危機は、物流の問題ではない。カスタマーサービスの問題でもない。それは、物理の問題であり、美しい画像に偽装されている。そして、業界で最も人気のあるAIソリューション——生成AIによるバーチャル試着——は、8,900億ドルの魔法の鏡なのだ。

すべてのファッションCEOを震え上がらせるべき数字

私を夜も眠らせない数字がこれだ。全米小売業協会(National Retail Federation)によれば、米国の小売業者は2024年に返品関連コストとしておよそ8,900億ドルを負担した。これは誤植ではない。国家全体のGDPに匹敵する数字であり、ファッションはその最悪の元凶だ。

エレクトロニクスの返品率が8〜10%前後、美容製品が4〜10%にとどまるのに対し、アパレルは一貫して30%から40%の間に着地する。ブラックフライデーのようなプロモーションの急増期には、一部のカテゴリーは50%を超えて跳ね上がる。私は、フラッシュセール中にデニムの返品率が88%に達したブランドの内部データを見たことがある。88%だ。出荷されたジーンズ10本につき、9本近くが戻ってきた計算になる。

これを事業運営上のコストとして扱いたくなるのが本能だ。しかし計算は残酷である。100ドルの衣服が戻ってくると、小売業者は売上として100ドルを失うだけではない。返送料として5〜15ドルを負担する(散発的で、分散しており、発送時のように最適化することは不可能だ)。手作業の検品労働に3〜8ドルを支払う——誰かが梱包を開け、シミがないか確認し、SKUを照合しなければならない。スチーム掛け、畳み直し、再タグ付けに2〜5ドルを費やす。そして本当の致命傷はこれだ。その衣服が2〜4週間後に再び棚に戻る頃には、トレンドの窓が閉じてしまっているかもしれず、30〜50%の値下げを余儀なくされる。

たった1件の返品にかかる総コストは、商品の元価格の66%を消費し得る。3点売れるうち1点が戻ってくれば、残り2点から得られる利益は、その損失を埋めるだけで消えてしまうことが多い。

これこそ、私が「利益なき繁栄」と呼ぶものだ——売上は伸び、利益率は縮小し、経営陣はなぜそうなるのか理解できない。

なぜ顧客は服を返品するのか?(あなたが思うような理由ではない)

このデータを初めて掘り下げ始めたとき、私は最大の理由が買い手の後悔や衝動買いだろうと想定していた。それは間違いだった。

フィットとサイズの問題が、アパレル返品全体の53%から67%を引き起こしている。「気が変わった」ではない。「色が違って見えた」でもない。衣服が、それを購入した人間の身体に物理的に合わなかったのだ。

そしてここが興味深いところだ。消費者は愚かではない。彼らはオンラインのフィット情報がゴミであることを知っている。Zaraの「Mサイズ」は、あるラグジュアリーブランドでは「XSサイズ」だ。サイズ表が示すのはバストとウエストの周囲——三次元で、曲面を持ち、生体力学的に複雑な表面を、二つの一次元的な数字で記述しようとしている。

だから彼らは適応した。彼らはブラケット買いをする。

ブラケット買いとは、同じドレスをS・M・Lで注文し、1点を残して2点を返品するという明確な計画のもとで買うことを意味する。信頼できるフィット情報がまったくないとき、それは完全に合理的な行動だ。そしてZ世代の買い物客の51%が、それを日常的に行っていると認めている。顧客の視点から見れば、賢いやり方だ。小売業者の視点から見れば、破滅的だ——発送料が3倍、返送料が2倍、そして3点の在庫が誰かのアパートに眠っている間、販売機会を奪われる。

私はこれを、初期の頃にある投資家に説明したのを覚えている。彼は肩をすくめて言った。「じゃあ、もっと良いサイズ表を渡せばいい」。私は、私たちが分析していた二つのブランドのサイズ表を引っ張り出した。同じ「Mサイズ」の表示。一方はバストの計測値が88cm、もう一方は96cm。8cmの差だ——それは丸め誤差ではない、まったく別の身体だ。

サイズ表は解決策ではない。それは問題の一部なのだ。

生成AIの誘惑

そこで業界は技術的な解決策を探し求め、まるで魔法のように感じられるものを見つけた——生成AIによるバーチャル試着だ。

その売り込みは陶酔させる。顧客が自撮り写真をアップロードする。拡散モデル——Stable DiffusionやMidjourneyの背後にあるのと同じ技術系統——が、衣服を彼らの身体に「描き込む」。結果はフォトリアルに見える。顧客はドレスを着た自分自身を目にし、自信を感じ、購入をクリックする。

あらゆる主要なeコマースプラットフォームが、これを自社開発するか、ライセンス契約している。この分野のスタートアップは数億ドルを調達してきた。そして私はその魅力を理解している——本当に理解しているのだ。上手く作られた生成AI試着のデモを初めて見たとき、私の直感的な反応はこうだった——これはすべてを変える、と。

それから、私たちはテストを始めた。

私のチームは一連の実験を行った。同じ衣服——伸縮性の少ない、構築的なブレザー——を、私たちがすでにメジャーと3Dスキャンで採寸済みの身体の写真とともに、主要な生成VTONシステム3つに通したのだ。私たちは正解を知っていた。このブレザーが、複数の被験者にとって肩幅が物理的にきつすぎることを分かっていた。

そのすべての生成モデルが、ブレザーが完璧にフィットしていると表示した。

「少しズレている」ではない。「少しきつい」でもない。完璧に、だ。AIはさりげなく肩幅を細くし、生地の見た目の硬さを和らげ、雑誌の編集ページのような画像を生み出していた。それは美しかった。そしてそれは、嘘でもあった。

拡散モデルはどのようにフィットを「ハルシネーション」するのか?

ここで少し技術的な話をする必要がある。というのも、この失敗のあり方は自明ではなく、そしてそれが途方もなく重要だからだ。

拡散モデルは確率的だ。それらは数百万枚の画像から、ピクセル配置の統計的分布を学習する。バーチャル試着を生成するとき、それらは生地が腰の曲線を収めるのに十分なだけ伸びるかどうかを計算しているのではない。学習データに基づいて、どのピクセルが互いに隣り合って現れる可能性が統計的に最も高いかを予測しているのだ。

その学習データは、圧倒的にプロのファッション写真——背が高く、細身のモデルが、完璧にスタイリングされた衣服を着ている——ばかりだ。だから、異なる体型の実際の顧客が写真をアップロードすると、モデルは陰湿なことをする。自分が「知っている」ものへと補間するのだ。

生成AIはフィットを計算しない。フィットをハルシネーションする——物理的な真実よりも、視覚的なもっともらしさを優先するのだ。

拡散モデルのハルシネーションに関する研究は、これらのモデルが、真のデータ分布の外側にある「ギャップ領域」に必然的にゼロでない確率を割り当てることを明らかにしている。平たく言えば、物理的に存在し得ないものの画像を、自信を持って生成するということだ。伸びないデニムの質感が、まるでスパンデックスであるかのようにレンダリングされる。構築的なボディスが、シルクのようにドレープする。袖が、幾何学的にあり得ない形で胴体に融合する。

最も危険な現れ方は、私が「スリミング・バイアス」と呼ぶものだ。モデルは衣服をハルシネーションするだけではない——それはさりげなく身体そのものを歪め、ウエストを引き締め、脚を伸ばす。学習データの中で「服を着た人」とはそう見えるからだ。顧客は、素晴らしく見える自分自身のバージョンを目にする。彼らは高い自信を持って購入する。届いた実物の衣服は、ファスナーが上がらない。

あなたは今、閲覧者を購入者へと変えた——そして返品者へと変えたのだ——考えうる最悪の結果だ。あなたは獲得コストを払い、発送コストを払い、そしてこれから返品コストを払おうとしている。生成AIは返品を減らさなかった。それを生み出したのだ。

私はこの失敗のあり方について、より技術的に踏み込んで本研究のインタラクティブ版に書いた。そこでは、VITON-HDやIDM-VTONのようなインペインティング・アーキテクチャが、どのようにテクスチャの忠実度と幾何学的整合性を失うのかを、正確に分解している。

推測をやめて、計算を始めたら?

ある夜——たしか火曜日で、午前2時頃だったと思う——私はモニター上の並列比較をじっと見つめていた。左側には生成試着のレンダリング。右側には、同じ身体に着せた同じ衣服の、私たちの物理シミュレーションの出力。生成版の方が見栄えが良かった。より滑らかな肌、より映える光、Instagramで思わずダブルタップしたくなるような画像。

しかし物理版には、もう一方にはないものがあった——ヒートマップだ。腰に赤。バストに黄。ウエストで生地が緩く垂れるところには青。それは真実を語っていた。それはこう言っていた——この衣服はこの身体にとって腰で2cm小さすぎる、そしてまさにここで引っ張られる、と。

その瞬間、私は自分たちのアプローチを生成AIの代替として考えるのをやめ、まったく別のカテゴリーとして考え始めた。

Veriprajnaのアプローチの核心にある考え方は、一見すると単純だ——服を写真に描き込むのではなく、身体の上にシミュレートするのだ。

私たちは、他の誰もが使うのと同じ入力から始める——顧客の自撮り写真だ。しかし、それを拡散モデルに与える代わりに、私たちは顧客の身体を三次元で再構築する。私たちはTransformerベースのアーキテクチャ——最高の言語モデルを支えるのと同じアテンション機構だが、それを人体の幾何学に応用したもの——を用いて、その一枚の2D画像から、寸法的に正確な3Dメッシュを復元する。

これはヒューマン・メッシュ・リカバリー(HMR)と呼ばれ、その精度が途方もなく重要だ。私たちはSMPL-X(関節可動の手と表情豊かなプロポーションを含む)やSKEL(医療データから導かれた生体力学的に正確な関節可動域を持つ、実際の骨格リグを組み込んでいる)のような高度なパラメトリック身体モデルを使用する。その結果はマネキンではない。それは顧客の実際の身体のデジタルツインであり、物理的なメジャー計測値と1〜2センチメートル以内の精度を持つ。

なぜ自撮りは身体を歪めるのか?(そして私たちはどう修正するのか)

ほとんどの人が決して考えない問題がある。腕を伸ばしてスマホを持ち、自撮りをしてみてほしい。顔が少し横に広く見える。身体が少し圧縮されて見える。それがパースペクティブ(遠近)の歪みだ——カメラの焦点距離がプロポーションを歪めるのだ。

ほとんどのAI身体再構築モデルは、これを無視している。それらは、まるでカメラが無限に遠くにあるかのように、「正投影」を仮定している。センチメートルが重要なファッションの用途では、これは大惨事だ。

私たちはBLADE——Body Limb Alignment and Depth Estimation(身体四肢のアラインメントと深度推定)——と呼ばれるアルゴリズムを統合している。これは、画像の特徴からカメラの焦点距離と被写体の深度を明示的に復元する。それはパースペクティブの歪みを反転させ、真のプロポーションを復元する。これは些細な技術的詳細のように聞こえる。そうではない。それはMサイズを勧めるかLサイズを勧めるかの違いだ。それは、売上が維持されるか返品されるかの違いなのだ。

生地はテクスチャではない——それは素材だ

顧客の3Dボディが手に入ったら、私たちは服をそこに「描き込む」ことはしない。私たちはそれを有限要素解析を用いてドレープさせる——航空機の翼や橋梁の荷重をシミュレートするのに使われるのと同じ計算物理学だ。

私たちは、ブランドが衣服を製造するために使う実際のデジタルパターンファイル(DXFまたはGLB)を取り込む——衣服の写真ではなく、そのエンジニアリング設計図だ。私たちは生地を、平らな画像としてではなく、バネで接続されたノードの物理的なメッシュとして扱う。各ノードは、三つの計測可能な機械的特性——引張剛性(どれだけ伸びるか)、曲げ剛性(どうドレープするか)、せん断剛性(どれだけ曲面に沿うか)——によって支配される。

シミュレーションは偏微分方程式を解いて、重力、衝突、そして素材の制約のもとで、生地のあらゆる点が身体のどこに落ち着くかを計算する。その出力は美しい画像ではない。それはストレスマップだ——衣服がどこできつく(赤)、フィットし(黄)、緩く(青)、あるいはまったく身体に触れていない(透明)かを、正確に示す色分けされた可視化である。

顧客が座ったときにボタンが引っ張られるかどうかを、拡散モデルに尋ねることはできない。それは物理の問題であり、物理の答えを要求するのだ。

Mサイズでは腰に赤いゾーンが見えるが、Lサイズでは黄色いゾーンが見えるという顧客は、ブラケット買いをする必要がない。彼らはLサイズを買う。発送は1回、返送はゼロだ。

GPUアクセラレーションによるデプロイメントのために、私たちが微分可能な物理レイヤーをどう扱っているかを含む、私たちのシミュレーション・パイプラインの完全な技術的分解については、私たちの詳細な研究論文を参照してほしい。

「でも、本当に見栄えは良いの?」

これは、あらゆるプロダクトリーダーから私が受ける質問であり、もっともな問いだ。物理シミュレーションには、2008年のビデオゲームのレンダリングのように見えるという評判がある。出力が無機質に見えるなら、どれだけ正確であろうと、顧客はそれに関わろうとしないだろう。

私たちはこの問題に何ヶ月も費やした。その答えがニューラルレンダリングだ——具体的には、フォトリアルな出力を生み出すガウシアン・スプラッティングのような技術である。しかし、ここに生成AIとの決定的な違いがある。私たちのレンダリングは、制約されている——根底にある物理シミュレーションによって、だ。画像は美しく見えるが、ハルシネーションを起こすことはできない。生地は、伸びないところで伸びることはできない。身体は、細くないところで細くなることはできない。視覚レイヤーは、真実の骨格を覆う皮膚なのだ。

私はこのことでチームのメンバーと言い争いになった——彼は、より魅力的に見えるようにストレスマップを滑らかにする「ビューティーフィルター」モードを追加したがった。私はそれを却下した。要点はまさに、私たちがお世辞のビジネスをしているのではないということだ。私たちは正確さのビジネスをしている。お世辞はコンバージョンを生む。正確さが生むのは、維持されるコンバージョンだ。損益計算書が気にかけるのは、後者だけである。

これは収益にとって何を意味するのか?

具体的にしよう。年間総売上高2億ドル、返品率30%の中堅ファッション小売業者を考えてみる。それは6,000万ドルの返品だ。返品価値のおよそ20%(物流、労働、減価償却、値下げ)という運用コストで、彼らは年間1,200万ドルを、返品処理だけのために燃やしていることになる。

業界データは、実際のフィット検証を伴う高度なバーチャル試着が、返品率を20〜30%削減できることを示唆している。もしその30%の返品率を22.5%に——控えめな25%の削減で——引き下げれば、計算は劇的に変わる。

• 300万ドル——より少ない返品を処理することによる、直接的な運用コストの削減
• 750万ドル——収益の回復(防止された返品の半分が、維持される販売に転換する)
• 1,050万ドル——年間の損益への総合的なインパクト

それはテクノロジーのコストではない。それは利益率回復プログラムなのだ。

そして、無視することがますます不可能になっているサステナビリティの側面がある。リバースロジスティクスはカーボン爆弾だ。返品された荷物のひとつひとつが、また別のトラック、また別の倉庫での取り扱い、そして埋め立て地に行き着くかもしれない、また別の衣服を意味する。EUの「持続可能な製品のためのエコデザイン規則(Ecodesign for Sustainable Products Regulation)」は、売れ残った繊維製品の廃棄を禁止する方向に動いている。返品量を25%削減することは、ブランドに定量化可能なESG指標を与える——グリーンウォッシングではなく、不要な出荷の測定された削減だ。

「両方使えばいいのでは?」

人々は絶えずこれを私に尋ねる——なぜ視覚的な魅力には生成AIを、正確さには物理を使わないのか?両者を重ね合わせればいいのでは?と。

その衝動は理解できるが、それは的を外している。生成レイヤーは、積極的に損なう——物理レイヤーそのものを。もしあなたが顧客に、お世辞めいたハルシネーション画像を、正直なストレスマップと並べて見せたら、彼らはどちらを信じるだろうか?美しい方だ。毎回、必ず。生成画像は約束となり、物理は誰も読まない小さな注意書きになる。

AIの時代における究極の贅沢は、真実だ——数学的で、幾何学的で、物理的な真実。より説得力のある幻影ではない。

より難しい問いは——そして私はこれについて正直に言うが——私たちのアプローチが、生成AIには必要のないものを必要とすることだ。すなわち——デジタルな衣服アセットである。ブランドは、CLO3DやBrowzwearのようなツールを使って、自社の在庫の3Dデジタルツインを作成する必要がある。これは実質的な投資だ。それはワークフローの変更でもある。それは、シミュレーションに使うデジタルパターンが、生産に使う工場のパターンと一致しなければならないことを意味する。さもなければ、システム全体が無意味になる。

私たちはこの移行についてコンサルティングを行う。それは些細なことではない。しかし、デザインとサンプリングのためにデジタル・プロダクト・クリエーションをすでに採用しているブランドは、その道半ばまで来ている。そして、採用していないブランドは?返品危機が、いずれ彼らに決断を迫るだろう。問題は、彼らが先を見越して投資するか、後手に回って投資するかである。

分かれ道

ファッション業界は今まさに、二つの未来のどちらかを選ぼうとしている。

ひとつでは、生成AIはお世辞が上手くなる。画像は写真と見分けがつかなくなる。コンバージョン率は上昇する。返品はもっと速く上昇する。利益率は蝕まれる。ブランドは、リバースロジスティクスのコストと埋め立ての罪悪感に溺れながら、誰が最も説得力のある幻影を生み出せるかを競い合う。

もうひとつでは、業界はフィットを、それが実際にそうであるもの——素材と身体との間の機械的な適合性の問題——として扱い、それを解決するための幾何学的なインフラを構築する。この道はより困難だ。それはAPIラッパーではなく、本物のエンジニアリングを必要とする。それはブランドに、デジタルマーケティングだけでなく、デジタルアセットへの投資を求める。それは、両者が衝突するときに、美観よりも正確さを選ぶことを求める。

私はどちらの未来のために構築しているかを分かっている。拡散モデルは、ウエストラインが72センチメートルであることを知らない。それは、生地が1平方メートルあたり200グラムであることを知らない。それは何も知らない——それはピクセルを予測しているのだ。そして予測は、どれほどフォトリアルであろうと、理解ではない。

物理は理解だ。そして理解こそ、これまで実際に問題を解決してきた唯一のものなのだ。