As Devoluções Custam US$ 849 Bilhões ao Varejo dos EUA. A Maioria das IAs que Tenta Consertar a Moda Resolve o Problema Errado.

Alguns anos atrás, eu tinha uma demonstração de medição corporal que funcionava lindamente. Um comprador fica de pé contra uma parede, tira duas fotos com o celular e, alguns segundos depois, devolvemos dezenas de medidas corporais precisas dentro de um ou dois centímetros. No nosso escritório, com boa iluminação e uma parede em branco, era assombroso. Lembro de ver os números voltarem e pensar que tínhamos conseguido.

Então rodamos aquilo em quartos de verdade. Fundos bagunçados, um abajur de lado, um comprador com um moletom largo, o celular segurado em um ângulo cansado depois de um longo dia. O mesmo pipeline que acertava um a dois centímetros no laboratório derivava para três a cinco centímetros no mundo real. Para um sistema de tamanhos, essa diferença é o jogo inteiro. Três centímetros na cintura são a diferença entre um tamanho que serve e um tamanho que volta.

Aquele mês — vendo uma precisão de nível de demonstração desmoronar ao contato com clientes reais — é onde parei de acreditar em qualquer solução mágica única para as devoluções de moda. Ele me ensinou a coisa sobre a qual este ensaio inteiro fala: o problema do caimento é mecânico, não visual, e não tem uma solução única. Essa também é a premissa por trás do sistema de previsão de caimento com IA que agora construímos na Veriprajna.

O Número Mais Caro do Varejo

Comece pelo número que deveria tirar o sono de todo operador de e-commerce: as devoluções do varejo dos EUA totalizaram US$ 849,9 bilhões em 2025 (National Retail Federation). A moda é a pior categoria por uma ampla margem — as taxas de devolução de vestuário ficam entre 26 e 40 por cento, contra uma média de e-commerce em torno de 20,8 por cento.

E é quase tudo a mesma falha. Tamanho, caimento e cor impulsionam cerca de 45 por cento de todas as devoluções e, dentro do vestuário especificamente, 53 a 70 por cento das devoluções estão relacionadas ao caimento. Setenta por cento dos compradores de moda online dizem que a impossibilidade de experimentar algo é sua maior preocupação antes de comprar. Eles têm razão em se preocupar.

O e-commerce de moda perde mais dinheiro com devoluções do que com marketing, logística ou fraude somados. A causa raiz quase nunca é o erro do cliente. É que a peça não serviu.

A economia piora quanto mais de perto você olha. Processar uma única devolução custa entre US$ 10 e US$ 65 e, em alguns casos, consome até 65 por cento do preço original do item. Então uma marca pode "vender" uma blusa de US$ 40, arcar com o frete de saída, arcar com o frete de devolução, arcar com a inspeção e o reembalagem, e terminar no vermelho em uma transação que contabilizou como receita. Só a fraude em devoluções custa aos varejistas mais de US$ 100 bilhões por ano além de tudo isso.

A maioria das equipes com quem converso está tentando resolver isso com uma tabela de tamanhos e, ultimamente, com um provador virtual chamativo. Vou dizer por que ambos estão mirando no alvo errado.

Por que uma Tabela de Tamanhos Nunca Conseguiria Resolver Isso?

Uma tabela de tamanhos pede a quatro números unidimensionais — busto, cintura, quadril, entrepernas — que descrevam uma superfície tridimensional. Esse é o pecado original. Nunca ia ser informação suficiente.

Piora porque a indústria não tem um sistema de graduação padronizado. Um "Médio" em uma marca corresponde a uma geometria corporal completamente diferente de um "Médio" em outra. Já vi os dados: a linha de cintura de um tamanho 6 feminino pode variar em até cinco polegadas entre marcas. Noventa e um por cento dos compradores precisam de um tamanho diferente dependendo de qual marca estão comprando. O vanity sizing torna isso deliberadamente pior — as marcas mudam discretamente suas etiquetas para lisonjear as pessoas, o que significa que a comparação entre marcas é essencialmente sem sentido.

Então os compradores fazem a única coisa racional. Eles compram em faixa. Sessenta e três por cento dos compradores online agora pedem vários tamanhos do mesmo item com a intenção de devolver todos, menos um — e entre a Geração Z isso chega a 51 por cento. A incerteza de tamanho sozinha impulsiona cerca de 42 por cento desse comportamento.

A compra em faixa é uma catástrofe silenciosa para um varejista. Ela dobra seu frete de saída, prende o estoque durante o ciclo de devolução e garante que pelo menos metade do que você envia vai voltar direto. O cliente não está sendo difícil. Ele concluiu corretamente que sua tabela de tamanhos não é confiável, então transformou a própria sala de estar em um provador às suas custas.

A Armadilha em que Quase Caí

Depois que nosso pipeline de medição tropeçou, o conselho que eu não parava de receber era alguma versão de "é só acoplar um provador virtual". A IA generativa o havia tornado barato e deslumbrante — o Google lançou o provador virtual de compras nos EUA, no Reino Unido e na Índia; a Zalando lançou um piloto com a Levi's em catorze mercados europeus. As imagens que esses sistemas produzem são genuinamente belas. Por um tempo, fiquei tentado a acreditar que uma imagem bela era a resposta.

Não é, e entender por quê é o eixo de todo este negócio.

O provador virtual generativo funciona prevendo pixels estatisticamente prováveis — ele pinta uma imagem fotorrealista de uma peça no seu corpo. Mas não faz ideia se está mostrando a você um tamanho M ou um tamanho G. Ele não consegue dizer que o quadril está dois centímetros estreito demais para o limite de elasticidade do tecido. O modelo de difusão não sabe se está caindo sobre um ponte com elasticidade em quatro direções ou um jeans selvedge cru de 14 onças sem nenhuma folga. É uma renderização, não uma medição.

Um provador virtual faz o palpite parecer convincente. Não faz o palpite ficar correto.

E os dados confirmam isso de forma incômoda. O provador generativo comprovadamente eleva a conversão e o engajamento — as pessoas adoram brincar com ele. Mas não há evidência publicada de que o provador só com IA generativa de fato reduza as devoluções relacionadas ao caimento. Pior, esses modelos carregam um viés de afinamento: eles tendem a renderizar a peça de forma mais lisonjeira do que a realidade, o que pode aumentar a distância entre a expectativa e a caixa que chega. Você pode elevar a conversão e elevar as devoluções ao mesmo tempo. Já vi equipes comemorarem o primeiro número e nunca conectá-lo ao segundo.

O Par de Jeans que Explica Tudo

Deixe-me tornar isso concreto com o caso que finalmente esclareceu tudo para mim — o jeans, a categoria de maior devolução de todo o vestuário, de 20 a 25 por cento.

Imagine uma compradora comprando um jeans premium. Ela mede a cintura, corresponde à tabela de tamanhos perfeitamente com 71 centímetros e pede um tamanho 28. O jeans chega. A cintura serve exatamente como prometido. Mas a coxa aperta no momento em que ela se senta, porque o denim cru de 14 onças não tem elasticidade e a tabela de tamanhos nunca teve uma medida de coxa. O provador generativo, enquanto isso, havia mostrado a ela uma imagem lisonjeira de um jeans que ficava ótimo parada.

Nenhuma das ferramentas capturou a física real: a rigidez à tração deste tecido significa que ele não consegue transpor a diferença entre a geometria do quadril em pé e a geometria do quadril sentado. O tecido sempre ia perder essa luta, e nenhuma quantidade de fotografia melhor a teria avisado.

É isso que quero dizer com mecânico. Uma abordagem baseada na física simula a peça como um objeto material. Ela conhece a rigidez à flexão do tecido — como ele cai — sua rigidez à tração — como ele se estica — e seu comportamento ao cisalhamento — como ele se conforma a uma curva. Ela drapeja o molde digital sobre uma malha corporal 3D e calcula a tensão em cada ponto. Alta tensão na coxa aparece como uma zona vermelha na malha antes que uma única unidade seja enviada. Isso não é um palpite baseado no que outros compradores vivenciaram. É um cálculo sobre o tecido real e o corpo real.

Quando você fica encarando um mapa de calor de tensão brilhando em vermelho exatamente onde um código de motivo de devolução mais tarde diria "apertado demais na coxa", você deixa de pensar no caimento como um problema de recomendação e começa a pensar nele como um problema de engenharia.

Então por que Nem Todo Mundo Simplesmente Simula?

Porque a simulação física é cara, lenta de configurar e só compensa se você tiver os insumos para alimentá-la. Essa é a parte que os fornecedores passam por cima, e é a parte que mais importa quando você está gastando dinheiro de verdade.

Existem, honestamente, quatro famílias diferentes de tecnologia de caimento, e a razão pela qual nenhuma delas é "a resposta" é que cada uma resolve uma fatia diferente do problema.

A mais barata de implantar é a recomendação estatística de tamanho — True Fit, Bold Metrics, Fit Analytics. Elas associam um comprador a um tamanho usando histórico de compras, dados de devolução e filtragem colaborativa através de enormes redes de marcas. Só a True Fit se apoia em vinte anos de dados abrangendo US$ 616 bilhões em transações e mais de 91.000 marcas e, em março de 2026, lançou um agente de compras agêntico que expõe sua inteligência de caimento a assistentes de IA. A Bold Metrics fez parceria com a Gap em um protocolo agêntico de tamanhos e afirma uma redução de cerca de 34 por cento nas devoluções. O trade-off é que essas são caixas-pretas: elas dizem a você qual tamanho, nunca por quê, e elas têm dificuldade com produtos totalmente novos, onde ainda não há dados comportamentais.

A família em que eu pessoalmente trabalhei foi a de medição corporal baseada em fotos. O YourFit da 3DLOOK extrai 86 pontos de medição de uma ou duas fotos de smartphone; em um estudo de seis meses com uma marca de moda praia, ele reportou uma taxa de devolução 47 por cento menor e reduziu as devoluções por compra em faixa a 2 por cento. Mas o trade-off é exatamente aquele que me pegou — a precisão se degrada fora de condições controladas, ele pede que o comprador faça um esforço e os modelos corporais subjacentes tendem a compleições "médias". E então há a privacidade, à qual voltarei.

O provador virtual generativo é a terceira família — belo, positivo para a conversão e cego ao caimento, por todas as razões acima.

A única família que de fato raciocina sobre o tecido é a simulação baseada na física: CLO3D (usada por mais de 860 empresas), Style3D e entrantes mais novos rodando simulação de tecido por elementos finitos sobre uma malha corporal 3D. A Perfitly, que combina um avatar 3D com um drapeado completo do tecido, reportou baixar as devoluções de uma marca parceira de 28 por cento para cerca de 10 por cento. O detalhe é que ela só funciona se você já tiver moldes digitalizados e dados de tecido, então é realista principalmente para marcas com fluxos de trabalho de design 3D maduros.

Não existe a melhor tecnologia de caimento. Existe apenas a certa para sua quantidade de SKUs, sua maturidade de dados e o formato específico das suas devoluções.

Uma marca com um catálogo de fast fashion de 50.000 SKUs e sem moldes 3D não deveria estar comprando simulação física; a recomendação estatística vai mover o ponteiro mais rápido e mais barato. Uma marca de jeans premium com moldes digitalizados e um problema brutal de caimento na coxa está deixando dinheiro na mesa se não simular. O erro é tratar essas famílias como concorrentes em vez de como ferramentas diferentes para economias diferentes.

O Recurso que Meu Próprio Advogado Matou

Ninguém coloca esta parte no material de vendas. No dia em que estávamos prontos para lançar o recurso de escaneamento corporal, ele esbarrou em uma parede que eu não havia levado a sério o suficiente: a lei de privacidade biométrica.

Sob o GDPR, um escaneamento corporal 3D é dado biométrico de "categoria especial" — o nível mais fortemente protegido que existe. Em Illinois, a BIPA impõe regras rígidas sobre coletar, armazenar e compartilhar exatamente esse tipo de dado, com dentes de verdade, e mais estados dos EUA estão expandindo leis semelhantes a cada ano. Vi uma tela de fluxo de consentimento entrar no ar que efetivamente bloqueava nosso recurso mais impressionante para uma parcela do país até redesenharmos como ele funcionava.

Esse redesenho acabou sendo um recurso, não um defeito. A resposta é o processamento no dispositivo — fazer a matemática da medição no celular do comprador e nunca deixar o escaneamento bruto sair dele. Ele agora está surgindo como o padrão que prioriza a privacidade, e por acaso também é a coisa que deixa os compradores confortáveis o suficiente para de fato usar a ferramenta. Mas você tem que projetar para isso desde o começo. Acople um escaner corporal a um site de moda sem pensar na BIPA e você não construiu uma ferramenta de caimento; você construiu uma ação coletiva com um botão de provador.

A Previsão de Caimento com IA é Real ou Só Hype?

As pessoas me perguntam isso constantemente, e a resposta honesta é: o mercado subjacente é real e está crescendo rápido — projeta-se que o segmento de previsão de tamanho e caimento praticamente triplique, de cerca de US$ 1,05 bilhão em 2024 para US$ 2,95 bilhões até 2029 — mas a maioria das implantações é hype, porque escolhem uma tecnologia antes de entender o problema.

Então nós não vendemos um produto único. Começamos com os próprios dados de devolução de uma marca e perguntamos qual falha está de fato custando dinheiro a ela — tamanho errado selecionado ou expectativa de caimento errada. Então casamos a abordagem com a economia: recomendação estatística para catálogos de muitos SKUs, pipelines de medição baseados em fotos para categorias sensíveis ao caimento e simulação baseada na física para as marcas cuja maturidade de design 3D consiga sustentá-la — neutra em relação a fornecedores, em conformidade com a privacidade e construída em torno dos padrões específicos de devolução nos dados delas. Essa é toda a filosofia por trás do que construímos, e ela vem diretamente do mês que passei vendo uma resposta única para todos desmoronar.

A outra pergunta que recebo é se algo disso vale o custo de integração. Eu costumava temer essa pergunta até começar a ver os números pós-implantação chegarem: compradores que se engajam com um bom sistema de tamanhos com IA convertem a taxas significativamente mais altas, e reduções de devolução de 25 a 50 por cento no primeiro ano são alcançáveis. Há também um vento regulatório a favor — a UE está avançando para proibir a destruição de estoque não vendido, e a logística reversa já queima centenas de milhares de toneladas de CO2 por ano. Cada devolução que você evita é dinheiro, carbono e estoque que você mantém.

A lição que aquela demonstração me ensinou se sustentou por anos agora. Uma imagem lisonjeira vai vender a peça. Só a física — ou os dados certos, aplicados honestamente — vai garantir que ela continue vendida. A moda passou uma década tentando fotografar a saída de um problema que sempre ia ser resolvido com uma medição.