Alfredo Carrión (Kpmg): “La IA hará probablemente a la moda más sostenible y más barata”

¿Podría la Inteligencia Artificial haber diseñado el vestido negro de Coco Chanel? ¿Y los primeros esmóquines femeninos de Yves Saint Laurent? ¿O haber introducido el denim en las primeras pasarelas de alta costura? Hace años que esta tecnología se ha hecho un hueco en el sector, principalmente para acabar con las tareas pequeñas y rutinarias de los diseñadores. El auge de la IA, sin embargo, así como un mayor desarrollo de sus usos y funciones, ha acelerado su presencia en la moda, que inunda también ahora los roles más creativos. La serie de entrevistas Fashtech Shot, patrocinada por Desigual, analiza las claves de la transformación que la IA está provocando en la moda.

Fashtech: la nueva hoja de ruta de la moda

Lee la serie completa

Alfredo Carrión, director de Inteligencia Artificial, analítica de datos y tecnologías emergentes de Kpmg en España, aporta varias claves sobre cómo la inteligencia artificial puede impactar en el negocio de la moda y sobre los movimientos que las empresas deben hacer para su adoptación, desde la gestión de riesgos al cambio cultural. A su juicio, la tecnología puede llevar al sector “a tener un modelo de negocio que no esté tan tensionado por precios y por sostenibilidad”.

Pregunta: Primero fueron los NFTs, luego el metaverso, y ahora la IA. ¿Hay una burbuja alrededor de la tecnología?

Respuesta: Lo que suele caracterizar a las burbujas tiene que ver mucho con una sobre expectativa que no tiene una demostración del valor que se está prometiendo y además suele ir acompañado de una adopción que va más en línea de moda que de realmente una estrategia por detrás. Si cogemos la Inteligencia Artificial Generativa y hacemos un análisis pausado, vemos que realmente parece que no responde a ese patrón. Hay tres grandes puntos que nos hacen pensar en ello. El primero es que ya estamos viendo que hay un retorno y una captura de valor por parte de las empresas: en Kpmg tenemos varios informes a nivel global que hablan de esto, uno habla de un potencial de captura de entre el 4% y el 18% de ebitda que se representan no solo por eficiencia y optimización, sino también por captura de valor. Vemos que, en el sector de consumo y retail, aproximadamente el 73% de las empresas hablan ya de captura de valor real en casos de uso concreto. Ya no hablamos de pruebas de concepto, sino de casos de uso que están en producción. El segundo punto tiene que ver con el hecho de la transformación operativa: la inteligencia artificial no ataca a un punto concreto, no es un enfoque táctico, sino que se está planteando como una tecnología fundacional en la transformación de diferentes áreas de la compañía. En el caso concreto de la moda, estamos viendo una transformación de la cadena de valor completa, desde el diseño de producto y la compra de materia prima hasta la relación con el propio consumidor, esto es una gran diferencia que también vemos que hace que pensemos que esto no va de una burbuja. Y hay una tercera que habla sobre la madurez en la adopción: la mayoría de las empresas empezaron con un enfoque bottom up haciendo casos de uso muy tácticos para probar la tecnología, pero la mayoría de las empresas que tienen un nivel de madurez alto lo que están haciendo es definir un plan estratégico en el que la IA tiene un peso muy relevante. Aproximadamente dos tercios de las empresas encuestadas hablan de un incremento en su inversión alrededor de la IA en los próximos 18 meses. Esto refleja muy bien que la IA que ya lleva muchos años utilizándose en el sector es una realidad y que la inteligencia artificial generativa está acelerando esta adopción y por tanto, esto no sería una burbuja tecnológica.

P: ¿Cuál puede llegar a ser el retorno económico?

R: Hay una bolsa de oportunidad potencial equivalente a un rango de entre el 4% y el 18% del resultado bruto de explotación (Ebitda) de las empresas. De media, se está hablando que, en empresas con un nivel de madurez alto, y en el caso de moda es un sector que está bastante maduro, estamos hablando del equivalente al 10% del Ebitda. Aquí se ve un valor muy claro si hablamos no tanto de términos cuantitativos, que evidentemente son muy relevantes, sino también de qué parte está viéndose afectada de toda la cadena de valor. En términos de eficiencia y productividad hay un impacto en áreas financieras, de compras, de recursos humanos, incluso de IT y márketing. También hay un impacto muy relevante en todo lo que tiene que ver con creación de nuevo valor, es decir, cómo la mejora de la experiencia de cliente (impulsada sobre todo por la personalización en la que sobre todo la IA generativa está teniendo un papel fundamental) nos lleva a que los tiempos de respuesta en determinados puntos de contacto sean más rápidos y mejores. Esto está impactando en que haya una visión de ticket medio más alto, compra más recurrente, que impacta en un Customer Lifetime Value mayor y, por tanto, en una mejora a nivel de negocio. Es una tecnología transformacional que está generando un retorno muy positivo a nivel económico, y que va mucho más allá de la propia productividad de la compañía, que es un punto importante, pero que realmente ya se está superando. Pensamos en términos más de crecimiento de negocio, de innovación, e incluso de generación de nuevos modelos de negocio, como se está viendo últimamente con empresas como Mango, que están apostando muy fuerte por este tipo de tecnologías, lo están haciendo muy bien, y están generando realmente un impacto real en su cuenta de resultados.

P: La IA da eficiencia, y eso reduce costes. ¿Puede hacer la IA la moda todavía más barata? ¿Sería positivo para el sector?

R: En línea de esta reflexión sobre cómo va a impactar esta eficiencia de la IA en el sector de la moda, es un cambio y una transformación estructural que se está adoptando de una manera gradual. Esto va a tener un impacto muy probablemente en una moda que va a ser más sostenible, porque vamos a ser capaces de gestionar mucho mejor la demanda, ser más ágiles a la hora de reaccionar ante señales del mercado y del propio consumidor y esto es muy probable que nos lleve a tener una moda más barata. Es una buena noticia porque más barato no implica, ni mucho menos, menor calidad, sino todo lo contrario. Al final, esto tiene que ir en pro de que el cliente reciba un producto que esté mucho más adecuado a lo que él realmente quiere, es decir, que vayamos hacia una personalización aún mayor en la moda, que sea mucho más sostenible y que nos lleve a tener un modelo de negocio dentro del sector que no esté tan tensionado por precios y por sostenibilidad. Y esto lo deberemos encajar de alguna manera en una moda mucho más eficiente y mucho más resiliente, que es uno de los temas que más está en la agenda de todos los CEOs. Es algo muy positivo para el sector de la moda, porque en el fondo no estamos hablando de precio, sino del valor que vamos a ser capaces de aportar a nuestros clientes y cómo este valor va a impactar en nuestra cuenta de resultados tanto a nivel de ingresos como a nivel de ser capaces de reducir costes donde a día de hoy estamos viendo que hay ciertas ineficiencias.

P: Junto a la eficiencia, ¿pueden aumentar también los riesgos? (exposición a errores, fallos de cálculos, derechos de autoría, etc.)

R: Principalmente hay tres tipos de riesgo que están muy alineados con lo que es la normativa europea, la AI Act y tienen que ver con los riesgos reputacionales, con los regulatorios y con los operacionales. Los riesgos reputacionales tienen que ver con ineficacias o datos mal generados por uso de aquellos que de entrada no son correctos, es decir, la calidad del dato tiene un impacto muy grande en todo lo que vamos a hacer con la IA. Por eso, ser capaces de gobernar este dato de una manera adecuada es fundamental, así como evitar sesgos en estos datos. Sabemos que hay muchos datasets que están sesgados por el propio comportamiento que tenemos como humanos y el hecho de utilizar este tipo de conjuntos de datos para entrenar modelos o para generar respuestas con determinados modelos de lenguaje, nos puede llevar a riesgos reputacionales en los que la marca pueda correr un peligro por el impacto que pueda tener en alguno de sus grupos de interés. El segundo nivel de riesgo, que es el regulatorio, va muy vinculado con la parte compliance, del propio AI Act, una regulación a nivel europeo que está basada en el nivel de riesgo de los sistemas de EIA y tiene un apalancamiento muy grande en los derechos fundamentales de las personas. Desde Kpmg proponemos trabajar con un inventario que nos permita tener claro cuáles son los sistemas de IA que, como marca o empresa, estamos utilizando, categorizar esos sistemas de IA en base al nivel de riesgo que propone la regulación y, a partir de ahí, en función de si son niveles de riesgo alto o con menos impacto en negocio, que actuemos con debida diligencia. Lo que trasciende es el concepto de gobierno de la IA, que de alguna manera asegura que los tres tipos de riesgo queden realmente acotados o minimizados porque estamos actuando con esa debida diligencia que en este caso nos pide el reglamento. Por encima de esto, sobre todo en un sector como la moda, que tiene un componente emocional muy grande, está el tema ético. ¿Cómo se posiciona una marca en cuanto al uso de inteligencia artificial? Más allá del propio cumplimiento de la norma, que es algo que partimos de base con que las empresas van a cumplir, es fundamental entender cómo me quiero posicionar como marca. Estamos viendo en el mercado grandes marcas de lujo que están presentando un posicionamiento muy claro sobre qué uso van a hacer de la IA alrededor de sus empleados, sobre qué impacto va a tener la IA que utilizan en sus clientes y sobre cómo la IA va a afectar a su transformación como marca dentro de un sector. Y, por último, en los riesgos operativos hablamos de operaciones y de seguridad muy vinculada con la parte de ciberseguridad, con temas tan críticos como la privacidad de los datos. Sin una gestión del cambio adecuada, todo esto no tiene mucho sentido. Muchos proyectos que no están teniendo éxito, no porque tecnológicamente no sean buenos o porque no tengan los datos adecuados, sino porque no se está gestionando el cambio. El empleado no sabe cómo usar la tecnología, no sabe qué impacto va a tener en su rol y en su día a día, y esto es un riesgo operativo que puede llevar a que haya inversiones que no consigan el retorno esperado porque no hemos sido capaces de gestionar un tema que es fundamental, y es que las personas que forman parte de nuestra empresa realmente entiendan el impacto que una tecnología de este tipo va a tener. Claramente hay una serie de retos y de riesgos muy claros, que, si no somos capaces de gestionar como compañía, toda la conversación de bolsa de oportunidad se va a quedar en un papel.

P: ¿Crea la IA una barrera más entre las grandes empresas de moda, capaces de invertir y las pequeñas y medianas, que heredan las innovaciones?

R: Se habla mucho sobre si la entrada de esta tecnología va a generar realmente una brecha entre grandes y pequeñas empresas, en concreto, dentro del sector de la moda. Hay un debate y una reflexión que se irá dirimiendo con el paso del tiempo, pero que, de alguna manera, tiene dos posicionamientos muy claros. Uno es que se va a generar una brecha cada vez más grande, porque la inversión y la capacidad de poder testar esta tecnología está más en manos de grandes empresas que tienen equipos técnicos, infraestructuras y capacidad de inversión, no solo en tecnología, sino en el resto de las palancas, en tener un dato de calidad y bien gobernado, en una gestión de personas correcta, en una redefinición de procesos alrededor de las principales áreas de negocio. Esa es una visión, a mi parecer, quizás algo distópica. Quizás vayamos a ir más hacia un modelo como el segundo, que es una reflexión que va más en la línea de que este tipo de tecnologías están democratizando la adopción de por parte incluso de pymes. Y aquí lo que estamos viendo es que el hecho de que sean modelos Saas, modelos de software as a service, que son muy accesibles para empresas que no tienen equipos o grandes equipos tecnológicos internamente y permite a empresas con un presupuesto reducido ir escalando en base a los resultados que va obteniendo, sin necesidad de tener equipos especialistas. Por otro lado, y esto lo hemos visto todos como usuarios, es una tecnología en la que nos relacionamos con los diferentes aplicativos o entornos con nuestro lenguaje, con lenguaje natural y esto hace que la adopción haya sido masiva. ChatGPT fue el gran impulsor de toda esta adopción con mucha diferencia, ha sido la tecnología que ha tenido un nivel de adopción más rápido y mayor en la historia. Esto también va a permitir que empresas que no tienen un conocimiento técnico interno tengan la capacidad de poderlas adoptar de manera más rápida. Esto, sumado a la otra parte económica, nos hace pensar que la democratización se puede dar, eso sí, con una reflexión por detrás, que es la que hará que la balanza se vaya más hacia un lado o hacia el otro, y es el uso que cada empresa haga de este tipo de tecnologías. Al final, va de entender cómo puede tener un impacto positivo en negocio. No para todas las empresas va a ser una transformación completa de la cadena de valor, pero creo que sí que hay determinados quick wins que empresas más pequeñas pueden ir adoptando para poder conseguir valor en este tipo de tecnologías e ir escalando.

“Hay una cantidad de soluciones accesibles para empresas de todos los tamaños que no ha habido nunca”

P: ¿Abre la IA la puerta a nuevos errores y riesgos?

R: De cara al empezar con esta adopción en empresas de un perfil más pequeño y con recursos más limitados, la recomendación que hacemos siempre es empezar por la alfabetización. Esa formación nos permite que nuestros empleados realmente entiendan, por un lado, el potencial que tiene esta tecnología, y por otro, los riesgos que tienen. Es importante que entiendan que esto no sólo va de beneficios y de capturar valor, sino que también va de una serie de riesgos que hay que gestionar. Es un punto de partida fundamental que, además, desde febrero de este año, el reglamento europeo exige a todas las empresas que tengan sistemas de inteligencia artificial, con lo cual, si no es por puro convencimiento, es por puro cumplimiento, en cualquier caso, es un buen punto de arranque. Hay una cantidad de soluciones accesibles para empresas de todos los tamaños que no ha habido nunca y creo que esto va de ir probando, como decíamos antes, de hacer un test and learn y ver qué cosas nos funcionan con casos de uso muy concretos. En empresas pequeñas quizás el enfoque de pensar en grande, empezar rápido y escalar todavía más rápido está bien. Una vez que hemos definido cuáles son los casos de uso que realmente nos pueden llegar a aportar valor, ya entraríamos en una reflexión más estratégica y estructurada buscando los partnerships que nos puedan llevar a escalar ese modelo, pero teniendo en cuenta que los recursos de este tipo de empresas son limitados y ser capaces de demostrar el valor desde el minuto uno es fundamental.

P: ¿Toda la demanda se puede prever? ¿Somos tan previsibles los humanos?

R: Cada vez más, con estas tecnologías y sobre todo con la gran cantidad de datos de las que disponen los principales players del sector, tenemos la capacidad de prever una parte importante de la demanda, pero nunca llegaremos a ser capaces de prever toda la demanda porque no es realista. Y en este sector en concreto que hay un punto emocional, aspiracional y de sentimiento del consumidor que es difícil prever porque ni siquiera nosotros como consumidores muchas veces sabemos lo que queremos. Empezamos un proceso de discovery sobre un producto concreto y acabamos comprando algo totalmente distinto de otra marca o incluso de otra categoría, con lo cual, es difícilmente previsible. Es cierto que cada vez más estamos llegando a un punto en el que la demanda se puede prever mejor, pasando de un enfoque o de un modelo de demanda muy reactiva a un modelo en el que cada vez somos capaces de anticiparnos más a lo que realmente el cliente o el consumidor quiere y eso nos permite ser mucho más eficientes a la hora de producir determinados productos. Pero nunca vamos a llegar a ser capaces de controlar todas las variables relacionadas con esa parte emocional, y sobre todo porque hay un punto que estamos viviendo desde hace unos años: las tendencias en el sector de la moda cada vez van más rápido, las colecciones que antes duraban muchos meses, ahora se están acortando, en algunos casos, a pocas semanas, y esto viene muy influenciado también por temas como las redes sociales y otros inputs en los que constantemente estamos recibiendo información. Estamos yendo hacia un porcentaje mucho más alto de previsión de esta demanda que también nos ayuda a intentar evitar las rupturas de stock y asegurar que siempre tenemos el surtido que necesitamos para maximizar el negocio pero que nos lleva a pensar que nunca vamos a llegar al 100 % de previsibilidad.