Il camerino cambia indirizzo. Non sparisce, si sposta. A volte nello smartphone, altre volte nella chat con un client advisor, sempre più spesso dentro un ecosistema dove l’intelligenza artificiale prova a capire gusti, taglie, intenzioni d’acquisto e perfino quel sottile dubbio che accompagna ogni click su “aggiungi al carrello”.

L’accordo tra il gruppo OTB di Renzo Rosso e Google Cloud va letto così. Non come semplice partnership tecnologica, ma come segnale di una trasformazione più ampia che riguarda tutto il fashion retail. OTB, per molti lettori un nome meno immediato dei suoi marchi Diesel, Jil Sander, Maison Margiela, Marni e Viktor&Rolf, ha deciso di portare il Virtual Try-On e strumenti avanzati di AI nel cuore della relazione con il cliente. In altre parole, la moda prova a rendere più intelligente il momento in cui vende.

Ed è qui che la storia si fa interessante.

Per anni l’e-commerce fashion ha convissuto con un problema quasi comico nella sua semplicità: mostrare un capo non significa farlo desiderare e farlo desiderare non significa farlo comprare. Una giacca può apparire perfetta in foto e sembrare un errore stilistico una volta indossata. Un pantalone può promettere molto e mantenere poco una volta indossato. Il reso, non a caso, è diventato uno dei costi nascosti più pesanti del settore.

L’intelligenza artificiale entra proprio in questa crepa.

Le nuove soluzioni di prova virtuale promettono di simulare vestibilità, proporzioni, movimento del tessuto, resa sul corpo e abbinamenti. Se funzionano bene, riducono l’incertezza che frena l’acquisto online. Se funzionano molto bene, trasformano il browsing in consulenza personalizzata. Se funzionano male, producono avatar inquietanti e clienti perplessi. La tecnologia, come sempre, vive di dettagli.

Nel caso OTB, il progetto parte con Diesel e Jil Sander in Europa e Stati Uniti. La scelta non è casuale. Diesel parla a un pubblico abituato a linguaggi pop e sperimentazione, mentre Jil Sander incarna un’estetica essenziale e rigorosa. Due identità diverse, due modi diversi di usare l’AI. Questo è il punto spesso trascurato: nel lusso e nel premium retail non esiste una sola intelligenza artificiale, esistono intelligenze di brand.

Un marchio non vende solo vestiti. Vende tono, appartenenza, immaginario, riconoscibilità. Per questo l’AI nel fashion non può limitarsi a suggerire “altri prodotti che potrebbero piacerti”, come facevano i vecchi motori di raccomandazione che sembravano convinti che chi compra una camicia desideri subito anche sette cinture e una décolleté.

Serve qualcosa di più sofisticato.

Il clienteling assistito dall’AI è probabilmente il terreno più promettente. Un consulente in boutique o da remoto, supportato da dati e modelli predittivi, può proporre selezioni coerenti con lo storico acquisti, con il clima locale, con la stagionalità, con il calendario eventi del cliente e con il linguaggio del brand. Detto in modo meno elegante: meno spam, più precisione.

Per il retail questo significa aumentare conversione e frequenza d’acquisto. Per il cliente significa ricevere consigli che non sembrino lanciati da un megafono.

Poi c’è il tema dell’omnicanalità, parola che ha tormentato convegni e slide per almeno un decennio. L’AI oggi può finalmente darle sostanza. Un cliente prova virtualmente una sneaker online, riceve proposta di appuntamento in store, trova il prodotto disponibile nella boutique più vicina, entra e il personale conosce già preferenze e taglia. Il passaggio tra fisico e digitale smette di essere una staffetta goffa e diventa un percorso continuo.

Il negozio, in questo scenario, non perde centralità. La cambia.

Diventa spazio esperienziale, consulenziale, relazionale. Meno magazzino, più teatro commerciale. Meno transazione, più fidelizzazione. È una mutazione che molti retailer osservano da tempo, ma che l’AI rende economicamente più concreta perché consente di personalizzare su larga scala ciò che prima richiedeva tempo, memoria e personale molto esperto.

Naturalmente non mancano i rischi.

Il primo è la standardizzazione invisibile. Se tutti usano gli stessi modelli, gli stessi motori e gli stessi pattern di raccomandazione, il retail finisce per assomigliarsi. Il secondo è la privacy. La personalizzazione vive di dati e i dati nel fashion raccontano molto più di quanto sembri: reddito, gusti, cambi di vita, aspirazioni, oscillazioni identitarie. Il terzo rischio è l’effetto luna park, quando l’AI viene usata solo per stupire con selfie nelle campagne moda o video generati al volo, ma senza impatto reale su servizio e vendite.

L’effetto wow dura poco. Il margine operativo, di solito, pretende di più.

Renzo Rosso da anni insiste sul rapporto tra creatività e innovazione. In questo caso la direzione appare chiara: usare la tecnologia non per sostituire il gusto umano, ma per amplificarlo. È una distinzione decisiva. La moda resta un settore emotivo, irrazionale, simbolico. Nessun algoritmo può replicare del tutto il momento in cui qualcuno indossa un capo e decide che sì, quello parla di sé.

Può però preparare il terreno.

Nei prossimi anni vedremo retailer capaci di prevedere domanda locale quasi in tempo reale, collezioni testate digitalmente prima della produzione, campagne personalizzate per micro-community, assistenti AI multilingua attivi 24 ore su 24 e boutique dove il personale userà dashboard predittive con la naturalezza con cui oggi usa il POS.

Chi pensa che il fashion sia solo estetica rischia di sottovalutare il laboratorio che rappresenta. Qui si sperimentano nuove forme di relazione tra consumatore, dato, desiderio e identità. E quando cambiano queste dinamiche, spesso cambia anche il resto del commercio.

Il camerino del futuro, dunque, potrebbe essere nello schermo. Ma la decisione finale continuerà a somigliare molto a quella di sempre: uno sguardo, un dubbio, un impulso improvviso. Solo che, questa volta, ad assistere alla scena ci sarà anche un algoritmo. Silenzioso, rapidissimo e sorprendentemente interessato alla nostra taglia.