Contour · Predição de Caimento com IA para E-commerce de Moda

O mesmo corpo veste Tamanho 29 em uma calça jeans e Tamanho 28 em uma calça visualmente idêntica. Uma tabela de medidas não sente a diferença. Nós criamos o motor capaz de sentir.

Name: Contour
Author: Veriprajna

Seu problema de devoluções é um problema de caimento, e caimento é um problema de física. Para um determinado corpo (medidas, sem foto) e uma peça de roupa (mecânica do tecido mais dimensões finais), o Contour calcula a deformação circunferencial em cada zona em relação ao limite de elasticidade daquele tecido e, em seguida, recomenda um tamanho com confiança, ou abstém-se honestamente quando nenhum tamanho é adequado em todas as zonas. Agentes aconselham, código decide.

+40 pp

Ganho de precisão em relação ao método incumbente de tabela de medidas baseado apenas na cintura: 100 por cento contra 60 por cento

Golden set sintético rotulado de 105 pares

67,6%

Dos pares recebem um único tamanho com alta confiança, para que o comprador não precise pedir dois tamanhos (bracketing)

Mesmo golden set de 105 pares, confiança de pelo menos 0,80

39 de 105

Conflitos de caimento que a tabela baseada na cintura teria enviado, identificados antes da compra

Mesmo golden set de 105 pares

Uma demonstração executável do mecanismo em uma coorte sintética de 15 compradores e um catálogo de 8 peças. O motor determinístico de deformação e o benchmark rodam totalmente offline, sem chave de API; os agentes opcionais são a única parte que pode usar um modelo.

Quatro números que fingem descrever um corpo para o qual nunca mediram o tecido

As devoluções de vestuário são dominadas pelo caimento, e a causa raiz é mecânica, não cosmética.

Entre 53 e 67 por cento das devoluções de vestuário estão relacionadas ao caimento, e cerca de 63 por cento dos compradores praticam bracketing, pedindo dois tamanhos para devolver um (pesquisa Veriprajna WP34, 2026, com base em fontes do setor). A transportadora absorve a logística reversa, e os jeans apresentam uma das maiores taxas de devolução de vestuário justamente pela mecânica de elasticidade, gancho e cintura.

A causa raiz é simples de expor. Uma tabela de medidas fornece quatro números 1-D para descrever um corpo 3-D, e não tem ideia se o tecido é um raw selvedge sem elasticidade ou um ponte com elasticidade em 4 direções. Assim, a mesma medida de cintura direciona o mesmo comprador para o tamanho errado em um denim rígido e para o tamanho certo em um denim com elasticidade, e a tabela não consegue distinguir essas duas peças. O bracketing é a resposta racional do comprador a uma ferramenta que não consegue enxergar o tecido.

O reflexo da indústria tem sido tentar resolver devoluções com imagens melhores. Um provador virtual generativo faz a peça parecer correta no corpo, mas uma foto não informa se a coxa excede o limite de elasticidade do jeans quando o comprador se senta. Se um tamanho serve ou não é um fato mecânico: a deformação circunferencial em cada zona do corpo contra o limite elástico daquele tecido. Essa é a grandeza que uma tabela omite e uma renderização nunca teve, e é exatamente o que o Contour calcula.

Uma equipe de agentes tipados normaliza o texto; um motor determinístico decide o tamanho

Um único pipeline, apresentado uma etapa por vez. A decisão estrutural reside em Python puro com testes unitários, nunca em um modelo.

Para um corpo e uma peça, o pipeline é executado em ordem: um agente de mecânica do tecido extrai uma especificação estruturada do texto do fornecedor, um crítico adversário a verifica e pode bloquear, o motor de deformação decide o tamanho em código puro, uma porta de políticas escolhe o tamanho ideal ou abstém-se, e um agente de notas de caimento redige o resultado. Cada número que decide uma recomendação é calculado antes que qualquer modelo de linguagem toque no texto.

descrição do produto + medidas do corpo → FabricMechanicsAgent (extrair) → FabricMechanicsCritic (verificar, pode bloquear) → motor de deformação (decide, código puro) → porta de políticas (escolher tamanho ideal, senão abster-se) → FitNoteAgent (redigir) → recibo de auditoria (JSON) + endpoint /api/fit

O núcleo determinístico de confiança

A parte fora de qualquer modelo de linguagem. Para cada tamanho candidato, o motor de deformação calcula a deformação da zona como a circunferência do corpo menos a circunferência final da peça dividida por essa circunferência final; em seguida, compara cada zona com o limite elástico do tecido e uma faixa de conforto por zona. A porta de políticas escolhe o tamanho com o menor arrependimento total por zona e abstém-se quando nenhum tamanho atende a todas as zonas dentro da faixa de conforto. Esta é a decisão estrutural, reside inteiramente em Python puro, e 8 testes unitários garantem a física, de modo que a confiança não depende do modelo.

Os agentes, limitados a aconselhar

Sobre o núcleo, uma equipe tipada lê e comunica. O FabricMechanicsAgent transforma textos confusos de produtos — título, composição de fibras, gramatura e construção — em uma especificação estruturada de tecido com classe de elasticidade, limite de deformação elástica e os trechos de origem que justificam cada parâmetro. O FabricMechanicsCritic verifica essa especificação contra restrições da física e bloqueia contradições. O FitNoteAgent redige o resultado calculado. Os consultores são intercambiáveis por provedor e usam como padrão claude-opus-4-8; sem chave, a extração de tecido recorre a uma especificação em cache e o motor determinístico ainda roda ao vivo, permitindo que a demonstração seja gravada totalmente offline. Agentes aconselham, código decide.

A equipe de três agentes e quem tem a palavra final

Etapa	O que faz	Base
FabricMechanicsAgent	Lê o texto do produto do fornecedor e o transforma em uma especificação estruturada de tecido com classe de elasticidade, limite de deformação elástica, gramatura e trechos de origem.	LLM, tipado
FabricMechanicsCritic	Verifica a especificação contra restrições da física e bloqueia contradições, encaminhando para revisão humana sem recomendação.	LLM mais regras determinísticas
Motor de deformação	Calcula a deformação circunferencial por zona em relação ao limite elástico do tecido para cada tamanho candidato.	código puro, decide
Porta de políticas	Escolhe o tamanho com o menor arrependimento total por zona, ou abstém-se quando nenhum tamanho atende a todas as zonas.	código puro, abstém-se
FitNoteAgent	Redige o resultado calculado, por exemplo, justo no quadril, confortável na coxa. Ele nunca calcula os números.	LLM, cosmético
Recibo de auditoria e API	Gera um recibo JSON reproduzível e fornece o mesmo resultado em /api/fit para consumo por um agente de compras com IA.	saída determinística

O valor duradouro está na física combinada com o recibo de auditoria, e não em um modelo que adivinha tamanhos um pouco melhor. Mesmo um modelo de linguagem perfeito ainda precisaria da mecânica do tecido, da geometria corporal, do cálculo de deformação por zona, da política de abstenção e de um recibo reproduzível. Essa infraestrutura é o produto; o LLM é apenas um consultor substituível dentro dela, e é por isso que essa abordagem não se torna obsoleta à medida que os modelos evoluem.

Cinco momentos na tela

Cada comprador e peça de roupa é sintético: uma coorte de 15 corpos e um catálogo de 8 peças, com nomes fictícios. Cada número na tela é gerado pelo motor em tempo de execução, não fixado no código.

O detalhe crucial: o denim raw selvedge veste Riley no 29, e não no 28 indicado pela tabela

Riley na calça Ironside 14oz Raw Selvedge Straight Jean recebe a recomendação do Tamanho 29 com 95 por cento de confiança, enquanto a tabela baseada apenas na cintura teria recomendado o 28 e causado uma devolução por aperto na coxa.

Contour recomendando o tamanho de Riley na calça jeans Ironside raw selvedge como Tamanho 29, 95 por cento de confiança, com uma observação de que o tamanho 28 da tabela baseada apenas na cintura teria ficado apertado na coxa. — Riley no denim raw selvedge: Tamanho 29 com 95 por cento de confiança, com o 28 da tabela baseada apenas na cintura riscado.

Mesmo corpo, tecido diferente, tamanho correto diferente

Troque o mesmo comprador para a Driftwood Stretch Slim Jean, uma calça visualmente semelhante, e a recomendação correta cai para o Tamanho 28 com 90 por cento de confiança. O comprador não mudou de tamanho; o tecido sim.

O mesmo comprador Riley na Driftwood Stretch Slim Jean recebendo a recomendação do Tamanho 28 com 90 por cento de confiança, com uma folga confortável na cintura e a elasticidade do tecido acomodando a coxa. — O mesmo corpo no denim com elasticidade: Tamanho 28. O tamanho correto mudou com o tecido, não com o comprador.

Quando nenhum tamanho atende a todas as zonas, o sistema se abstém em vez de fingir certeza

O comprador Jordan na calça jeans Ironside raw selvedge gera um conflito real de caimento: os tamanhos menores falham na coxa e os tamanhos maiores ficam largos na cintura. O Contour abstém-se honestamente com 58 por cento de confiança e sinaliza para pedir dois tamanhos ou consultar um estilista.

Contour abstendo-se para Jordan na calça jeans Ironside raw selvedge com 58 por cento de confiança, um comportamento honesto quando nenhum tamanho atende a todas as zonas dentro da faixa de conforto. — A etapa de abstenção: um conflito genuíno de caimento com 58 por cento de confiança, direcionado para bracketing ou para um estilista.

Um crítico adversário bloqueia textos fisicamente contraditórios

A calça Maverick Raw Selvedge Flex Jean traz um texto de fornecedor fisicamente contraditório: 100 por cento algodão e raw selvedge combinados com elasticidade em 4 direções. O crítico bloqueia a peça e a encaminha para revisão humana com motivo explícito e sem tamanho recomendado.

O crítico bloqueando a calça Maverick Raw Selvedge Flex Jean, com um painel vermelho de Revisão Humana indicando classe de tecido raw selvedge denim em conflito com a alegação de elasticidade em 4 direções. — Texto contraditório — raw selvedge com elasticidade em 4 direções — é recusado e encaminhado para revisão humana sem recomendação emitida.

O benchmark e o número que lidera os resultados

No golden set sintético rotulado de 105 pares (15 corpos contra 7 peças avaliadas), o Contour atinge 100 por cento de precisão contra 60 por cento da tabela baseada apenas na cintura: uma vantagem de +40 pontos percentuais concentrada em denims rígidos e alfaiataria.

A visualização de benchmark do Contour exibindo 100 por cento de precisão do motor contra 60 por cento da linha de base de cintura apenas, um ganho de +40 pontos percentuais no golden set rotulado de 105 pares. — O ganho de +40 pontos percentuais no golden set rotulado de 105 pares, com a vantagem do motor concentrada em tecidos rígidos onde o caimento é mais crítico.

Um recibo reproduzível e a carga útil que um agente de IA consome

Cada recomendação gera um recibo de auditoria em JSON: a especificação extraída do tecido com as frases exatas de origem, o veredito do crítico, a matriz completa de deformação por tamanho e a decisão da porta de políticas. O mesmo endpoint /api/fit responde a agentes de compras em formato legível por máquina.

O recibo de auditoria do Contour em JSON exibindo a especificação do tecido com classe raw selvedge denim, deformação elástica de 0,02, gramatura de 14 oz e trechos de origem comprovando a extração. — O recibo de auditoria: trechos de procedência do tecido, veredito do crítico e matriz completa de deformação por tamanho.

A resposta legível por máquina da API para agentes do Contour exibindo recommended_size 29, confiança 0.95, flag abstain false e notas de caimento por zona rastreáveis ao recibo de auditoria. — A carga útil de /api/fit: tamanho recomendado, confiança, flag de abstenção e caimento por zona, tudo rastreável a um ID de auditoria para agentes de compras.

Onde o Contour se posiciona e onde não se posiciona

É a camada de inteligência de caimento — a física e a política de honestidade —, e não uma imagem mais bonita ou um chat menor.

Critério	Tabela de medidas ou provador virtual	Contour
Limite de elasticidade do tecido	Invisível; os mesmos números para tecidos rígidos e com elasticidade	Calculado por zona em relação ao limite elástico de cada tecido
Mesmo corpo, duas calças semelhantes	Um único tamanho para ambas, frequentemente errado na peça rígida	29 no raw selvedge, 28 no denim com elasticidade; cada um correto
Quando nenhum tamanho é perfeito	Apresenta um tamanho com falsa certeza de qualquer maneira	Abstém-se e recomenda bracketing ou consultar um estilista
Texto contraditório do fornecedor	Aprovado sem qualquer checagem	Bloqueado por um crítico adversário, encaminhado para revisão humana
Quem decide o tamanho	Uma tabela de consulta ou um modelo sem auditoria	Um motor de deformação determinístico com testes unitários, não um LLM
O que um agente de compras com IA lê	Uma imagem ou nada legível por máquina	Uma carga útil de /api/fit com pontuação de confiança, ciente de abstenção e com ID de auditoria

O que esta demonstração não faz

Não promete um caimento perfeito. Os 100 por cento aplicam-se a um golden set sintético fixo e rotulado de 105 pares, cujo objetivo é demonstrar a mecânica do tecido contra a linha de base de cintura apenas, e não constituir uma garantia para o mundo real.
Os compradores, corpos, peças de vestuário, textos de produtos e medidas são sintéticos. A coorte de 15 corpos e o catálogo de 8 peças são dados de teste construídos para evidenciar diferenças na mecânica dos tecidos.
Trata-se de um modelo analítico de deformação de ordem reduzida, e não uma simulação completa de tecido por elementos finitos (FEA). Integramos com ferramentas de FEA como CLO3D ou Browzwear no Nível 3, sem recriá-las.
Não reconstrói corpos a partir de fotos. A captura de medidas por foto no dispositivo é apenas uma simulação (stub) nesta demonstração; nada aqui depende de reconstrução corporal monocular.
Não há integrações ativas com varejo. Os conectores para Shopify, CLO-SET e Browzwear são uma interface documentada de adaptadores sobre dados simulados (fixtures de mock), não integrações em produção.
Não é um provador virtual generativo. Toda a tese baseia-se no fato de que pixels bonitos não são dados de caimento.
A abstenção e o crítico são apresentados como comportamento de honestidade, e não comercializados como uma porcentagem pontuada de erros capturados.
Não há clientes reais, marcas, implementações, depoimentos, logotipos ou alegações de ROI. A decisão estrutural é executada em Python determinístico com 8 testes unitários, e os consultores LLM são intercambiáveis por provedor e podem ser desativados, tendo claude-opus-4-8 como padrão.

Perguntas que os compradores fazem

Já publicamos uma tabela de medidas e adicionamos um provador virtual. Por que ainda temos devoluções por caimento?

Porque nenhum dos dois consegue sentir o tecido. Uma tabela de medidas fornece quatro números 1-D para descrever um corpo 3-D e não tem como saber se o denim é um raw selvedge sem elasticidade ou uma malha ponte com elasticidade em 4 direções. Uma imagem de provador generativo faz a roupa parecer correta no corpo, mas não diz nada sobre se a coxa ultrapassa o limite de elasticidade daquele tecido quando o comprador se senta. O caimento é um fato mecânico: a deformação circunferencial em cada zona em relação ao limite elástico do tecido, e isso é exatamente o que uma tabela e uma renderização bonita omitem. O Contour calcula isso diretamente, e é por isso que o mesmo corpo pode vestir corretamente o 29 no raw selvedge e o 28 no denim com elasticidade.

Isso é um provador virtual que mostra as roupas no corpo?

Não. Isso é o oposto da nossa tese. Um provador virtual pode mostrar a calça no seu corpo e ainda assim não ter ideia se ela realmente vai servir, porque pixels bonitos não são dados de caimento. O Contour recebe medidas corporais e retorna um tamanho, um índice de confiança e observações de caimento por zona calculadas a partir da mecânica do tecido. Trata-se de um relatório, não de uma foto, o que também permite que um agente de compras com IA o consuma no momento do checkout.

Vocês afirmam 100 por cento no benchmark. Ele realmente acerta sempre?

Não, e não afirmamos isso. Os 100 por cento referem-se a um golden set sintético fixo e rotulado de 105 pares, cujos rótulos utilizam os mesmos valores mensuráveis de elasticidade de tecido usados pelo motor; portanto, esse conjunto não é um oráculo totalmente independente e os 100 por cento são uma propriedade desse conjunto construído, não uma garantia de precisão no mundo aberto. O número principal é o ganho sobre o método incumbente real — correspondência de tabela de medidas baseada apenas na cintura — sob os mesmos rótulos: o Contour supera-o em 40 pontos percentuais, 100 por cento contra 60 por cento, com a vantagem concentrada em denim rígido e alfaiataria, onde o caimento é mais difícil. Considere 100 por cento como um teto interno em um conjunto rotulado, nunca como uma promessa de caimento perfeito no mundo real.

É necessária uma foto ou um escaneamento corporal do comprador?

Não. O Contour prioriza a privacidade: inserem-se medidas, sem foto. A demonstração aceita medidas em centímetros diretamente e as compara com a mecânica do tecido da peça, que é exatamente a interface real de preservação de privacidade que disponibilizamos. A captura de medidas por foto no dispositivo é apenas uma simulação nesta demonstração, de modo que nada aqui depende de reconstrução corporal monocular.

Conecta-se com a Shopify ou com nosso PLM, CLO3D ou Browzwear hoje?

Não nesta demonstração. Os conectores para Shopify, CLO-SET e Browzwear são uma interface documentada de adaptadores sobre dados simulados (mock fixtures), não integrações ativas. Os compradores, peças de vestuário, textos de produtos e medidas são conjuntos de teste sintéticos, não um catálogo real. E para ser preciso quanto ao escopo: este é um modelo analítico de deformação de ordem reduzida — a física de Nível 1 e Nível 2 da página —, e não uma simulação completa de tecido por FEA; integramos com ferramentas de FEA como CLO3D ou Browzwear no Nível 3, sem recriá-las.

Uma IA está escolhendo o tamanho do qual meu checkout depende. Por que devo confiar nela?

Porque a decisão estrutural não é tomada por um LLM. O tamanho e a abstenção são calculados em Python puro com testes unitários: para cada tamanho candidato, o motor calcula a deformação circunferencial em cada zona contra o limite elástico do tecido, e 8 testes unitários garantem essa física. O modelo de linguagem apenas lê o texto não estruturado do fornecedor para gerar uma especificação de tecido e redige a nota final; ele nunca calcula os números nem toma a decisão. Agentes aconselham, código decide, e essa propriedade torna seguro expor o mecanismo como uma API para o seu checkout.

O que ele faz quando não tem certeza?

Abstém-se em vez de fingir certeza. Quando nenhum tamanho atende a todas as zonas dentro da faixa de conforto — em um tecido sem elasticidade onde tamanhos menores apertam a coxa e tamanhos maiores ficam largos na cintura —, a porta de políticas recomenda o tamanho menos desfavorável e sinaliza para pedir dois tamanhos (bracket) ou falar com um estilista, em vez de exibir com falsa confiança um tamanho errado como faz a tabela. Em todo o golden set rotulado de 105 pares, o motor abstém-se em 33 dos 105 pares. Um comportamento separado de honestidade, o crítico adversário, bloqueia textos de fornecedores fisicamente contraditórios, como denim raw selvedge com elasticidade em 4 direções, e os encaminha para revisão humana sem emitir recomendação.

Pesquisa Técnica

A pesquisa por trás desta demonstração — a arquitetura, o design de verificação e o modelo empresarial.

Solução completa

Conheça a solução de Predição de Caimento com IA para E-Commerce de Moda →

Transforme seu problema de devoluções em um problema de caimento que você pode calcular

Física que lê o tecido e a disciplina de se abster quando nenhum tamanho é perfeito.

Se a sua equipe de e-commerce, devoluções ou engenharia está buscando como fornecer aos compradores — e aos agentes de IA que logo comprarão por eles — um sinal de dimensionamento confiável, gostaríamos genuinamente de conversar sobre a sua visão. O problema afeta todo o setor, e as respostas também serão abrangentes.

Diagnóstico de caimento e devoluções

✓ Mapeie onde as devoluções por caimento e o bracketing se concentram em seu catálogo
✓ Modele a mecânica dos tecidos e as faixas de conforto por zona para suas modelagens
✓ Desenhe a interface de medidas com privacidade em primeiro lugar, sem exigir fotos
✓ Defina a política de abstenção que suas equipes de merchandising e CX possam apoiar

Construa conosco

✓ Um motor de deformação determinístico com testes unitários, fora de qualquer modelo
✓ Uma equipe de agentes tipados com um crítico adversário capaz de bloquear textos incorretos
✓ Um endpoint /api/fit com pontuação de confiança e recibos de auditoria reproduzíveis
✓ Interfaces de adaptadores para Shopify, CLO-SET, Browzwear e seu PLM

Fale pelo WhatsApp Envie um e-mail para nossa equipe