Julie Bornstein, con un impresionante trasfondo en el comercio digital, pensó que la creación de su startup de inteligencia artificial sería un proceso sencillo. Su experiencia incluye ser VP de ecommerce en Nordstrom y COO de Stitch Fix. Desde sus años en Syracuse, la moda ha sido su pasión, lo que le otorgó confianza en su capacidad para ayudar a los consumidores a encontrar las prendas perfectas a través de la inteligencia artificial.
Sin embargo, la realidad se presentó con un conjunto inesperado de dificultades. Durante un desayuno reciente con Bornstein y su CTO, Maria Belousova, compartieron los retos significativos que enfrentaron al traducir las capacidades de la inteligencia artificial en soluciones útiles para los usuarios. A pesar de haber conseguido una inversión de $50 millones de fondos de capital de riesgo como Google Ventures, la implementación de su idea ha sido más complicada de lo anticipado.
Desafíos en la implementación de la IA en la moda
La propuesta inicial de Bornstein a los inversores era clara: utilizar la inteligencia artificial para resolver problemas complejos en el ámbito de la moda, facilitando a los clientes encontrar las prendas ideales. A simple vista, uno podría pensar que conectar un modelo de IA, como ChatGPT, sería suficiente. Sin embargo, el proceso es mucho más intrincado.
La parte más sencilla fue establecer colaboraciones con más de 265 socios, lo que le dio acceso a más de 2 millones de productos desde boutiques hasta grandes cadenas de retail. A pesar de esto, satisfacer una petición como “necesito un vestido para una boda en París” resultó ser un verdadero rompecabezas. ¿Quién es el solicitante? ¿Es el novio, la madre de la novia o un invitado? ¿Qué tan formal es el evento? Las respuestas a estas preguntas son esenciales para entender la solicitud.
La complejidad de las solicitudes de los clientes
Una vez que se han abordado las preguntas iniciales, los modelos de IA presentan inconsistencias en sus respuestas. Como menciona Bornstein, “a veces, el modelo omite elementos clave de las consultas”. Durante la fase beta, una usuaria que se describió como “rectángulo” solicitó un vestido que la hiciera lucir como un “reloj de arena”, pero el modelo sugirió vestidos con patrones geométricos, lo cual no cumplió con su expectativa.
Frente a estas dificultades, Bornstein se vio obligada a replantear su estrategia. Decidió retrasar el lanzamiento de la aplicación, que estaba previsto para el otoño de, mientras que actualmente se encuentra en fase beta hasta 2026. También optó por reforzar su equipo técnico, contratando a Belousova, ex-CTO de Grubhub, quien trajo consigo a un grupo de ingenieros altamente calificados. Según Belousova, “la moda es un campo fascinante porque combina el gusto, la personalización y los datos visuales”, lo que la convierte en un problema intrigante por resolver.
La fusión de vocabularios entre compradores y comerciantes
Daydream enfrenta la tarea de interpretar las solicitudes de los clientes y al mismo tiempo, alinear esas necesidades con el catálogo disponible. Las entradas pueden ser tan específicas como “necesito un vestido que me haga lucir bien en una boda donde estará mi ex con su nueva pareja”, lo que hace que la comprensión del contexto sea fundamental. “En Daydream, hemos identificado la diferencia entre el vocabulario del comerciante y el del comprador”, señala Bornstein. “Los comerciantes suelen hablar en categorías, mientras que los compradores usan descripciones más personales como ‘voy a un evento en una azotea con mi pareja’”. Fusionar estos dos lenguajes es un desafío que requiere múltiples iteraciones en la conversación.
Además de trabajar con el lenguaje, Daydream también utiliza modelos visuales que permiten una comprensión más profunda de los productos. Por ejemplo, si un cliente menciona un color específico o muestra un collar que planea usar, el sistema puede adaptar las recomendaciones en consecuencia.
Mejoras y avances en la plataforma
Gracias a los cambios implementados, Bornstein ha observado mejoras en el rendimiento de Daydream. Aunque durante mis pruebas, la solicitud de pantalones de esmoquin negros resultó en una sugerencia de pantalones deportivos beige, hay un avance notable. La estrategia ahora implica utilizar un enfoque de múltiples modelos, cada uno especializado en una característica particular como color, tejido o temporada.
Desde sus inicios, Daydream ha reconocido que la inteligencia artificial necesita intervención humana. Un ejemplo claro es la popularidad de las prendas que usa Hailey Bieber; en lugar de dejar todo a la IA, el equipo humano creó una colección de vestidos inspirados en ella, ayudando al modelo a entender mejor las preferencias del usuario. Cuando emergen tendencias inesperadas, como la moda cottagecore, el equipo se moviliza rápidamente para desarrollar una colección acorde.
Reflexiones finales sobre el futuro de la IA en la moda
Otros emprendedores en la esfera de la inteligencia artificial enfrentan retos similares. Meghan Joyce, CEO de Duckbill, un servicio que combina IA con asistencia humana, subraya que les tomó tres años alcanzar los resultados esperados. Ella reconoce que el desarrollo de modelos de IA ha sido más desafiante de lo que anticiparon, requiriendo millones de interacciones reales para ser verdaderamente efectivos.
A medida que la tecnología avanza, los emprendedores como Bornstein y Joyce nos recuerdan que la paciencia y la adaptabilidad son cruciales. Con esfuerzo y talento, parece que están en el camino correcto hacia un futuro prometedor en la intersección de la moda y la inteligencia artificial.
