IA leva o poder de styling do Met Gala para todos os guarda-roupas

A inteligência artificial está avançando para além das tarefas tradicionais de análise de dados e automação de processos. No setor de moda, ela começa a assumir funções que antes dependiam quase exclusivamente de estilistas humanos, curadores de tendência e equipes de merchandising. Um novo retrato dessa mudança aparece na forma como ferramentas de IA estão sendo usadas para prever tendências, montar combinações de roupas, personalizar recomendações e até reproduzir visualmente looks para consumidores em escala.

O tema ganha relevância porque mostra um movimento mais amplo dentro do ecossistema de tecnologia e varejo: a transição de sistemas que apenas auxiliam decisões para sistemas que participam ativamente da experiência de compra. Nesse contexto, a IA deixa de ser apenas uma ferramenta de apoio e passa a influenciar o que o consumidor vê, considera e compra. Isso vale tanto para grandes marcas e plataformas de moda quanto para aplicativos voltados ao guarda-roupa pessoal.

IA entra no ciclo de previsão de tendências

Uma das frentes mais claras dessa transformação está na previsão de tendências. A empresa parisiense Heuritech, que atende marcas como Prada, Skims e New Balance, utiliza inteligência artificial para processar dados de passarelas, redes sociais e sinais de mercado. O objetivo é identificar padrões de comportamento e antecipar o que pode chegar às lojas meses antes de o consumidor final perceber a mudança.

De acordo com a reportagem citada pela NPR, o sistema da empresa conseguiu prever corretamente estampas de bolinhas, a sandália flat-thong e a cor amarela como tendências emergentes para 2026. Esses elementos, por sua vez, apareceram nas passarelas da Paris Fashion Week. O ponto central aqui não é apenas a precisão da previsão, mas o tipo de leitura que a IA faz: em vez de observar apenas o que já está consolidado, ela busca sinais iniciais em grande volume de dados, algo que seria impraticável para análises manuais no mesmo ritmo.

No mercado de moda, essa capacidade tem valor estratégico. Antecipar uma tendência pode influenciar produção, compra de estoque, desenvolvimento de coleção e posicionamento comercial. Quando a leitura de sinais é feita com apoio de IA, as marcas ganham velocidade e podem reduzir o tempo entre observação de tendência e decisão de negócio.

Decisões de compra em menos tempo

Outro exemplo aparece na Stitch Fix, empresa que combina curadoria de moda e tecnologia. A vice-presidente de compras, Amy Sullivan, relatou à NPR que uma decisão de merchandising que antes poderia levar semanas foi resolvida em horas com ajuda da IA. O caso envolvia a escolha entre uma camisa listrada vermelha e outra azul para a próxima temporada de primavera.

Antes, a equipe teria de agir com base em uma decisão rápida e limitada ou solicitar amostras de fornecedores no exterior, o que exigiria mais tempo e custo. Com a IA, foi possível gerar imagens completas das opções vestidas no corpo, o que ajudou na escolha final da versão azul. Esse tipo de aplicação mostra como a tecnologia pode reduzir fricções em etapas que exigem validação visual, especialmente em setores onde aparência, caimento e contexto de uso têm impacto direto na decisão de compra.

Ao mesmo tempo, a própria empresa destaca que a IA não substitui o julgamento humano. A lógica é de apoio à decisão, não de substituição total. Isso é importante porque moda envolve variáveis subjetivas, como gosto, ocasião, identidade de marca e leitura cultural, aspectos que algoritmos ainda não conseguem dominar sozinhos com o mesmo nível de sensibilidade.

Curadoria algorítmica e estilistas humanos

A Stitch Fix também exemplifica outro ponto importante da matéria: a convivência entre automação e trabalho humano. Segundo a empresa, seu modelo proprietário de IA gera cerca de 43 milhões de combinações de looks por dia. Essa imensa base de possibilidades é filtrada por um grupo de 1.700 estilistas humanos, que fazem a seleção final para cada cliente em uma caixa curada de peças.

Essa estrutura ajuda a entender como a IA está sendo inserida em fluxos de trabalho complexos. Em vez de produzir uma resposta única e final, o sistema cria uma triagem em larga escala. O trabalho humano entra no fim da cadeia, validando o que faz sentido para o perfil de cada consumidor. Em setores de varejo personalizado, essa combinação tende a ser mais eficiente do que a automação total, porque junta escala computacional e interpretação contextual.

Em outubro, a empresa lançou o Vision, uma ferramenta de IA generativa que permite ao cliente enviar uma selfie e uma foto de corpo inteiro. A partir daí, o sistema gera semanalmente imagens personalizadas de looks que podem ser comprados, apresentando as peças em cenários reais como ruas da cidade, festas de fim de ano ou jogos em ambientes esportivos. A ideia é aproximar a experiência digital da forma como as pessoas imaginam e testam visuais no cotidiano.

Digitalizar o guarda-roupa e usar o que já existe

Se a IA está ajudando marcas e varejistas a prever e vender, também está sendo usada para reorganizar o modo como as pessoas consomem o próprio armário. Esse é o foco da Alta Daily, aplicativo de moda lançado em 2025. A proposta é simples na aparência, mas complexa na implementação: transformar o guarda-roupa físico em um acervo digital consultável por linguagem natural.

Os usuários fotografam todas as peças que possuem e o aplicativo usa prompts em linguagem natural para recomendar combinações para diferentes ocasiões. As roupas aparecem em um avatar pessoal, o que facilita a visualização antes de vestir. A lógica é interessante porque parte de uma questão comum no consumo de moda: muita gente usa apenas uma pequena fração do que tem no armário. A Meta AI chegou a apontar uma estimativa de 20% de uso das roupas disponíveis, enquanto o restante ficaria praticamente esquecido.

Ao organizar o que já existe, a solução busca reduzir compras por impulso e ampliar o reaproveitamento de peças. Isso não elimina a compra, mas altera o ponto de partida da recomendação. Em vez de sugerir imediatamente uma nova peça, o aplicativo primeiro trabalha com o inventário pessoal do usuário e só depois cruza contexto de ocasião, tendências e confirmação visual.

Segment Anything Model e desafios da visão computacional

Por trás da Alta Daily, um componente técnico chama atenção: o uso do Segment Anything Model, da Meta AI, conhecido pela sigla SAM. Esse modelo é aplicado para limpar e isolar cada imagem de roupa enviada pelo usuário. Em termos práticos, isso significa separar o item do fundo da foto, o que é essencial para construir um catálogo visual organizado e reutilizável.

Esse tipo de tarefa parece simples, mas é um dos desafios mais difíceis da visão computacional. Moda é um domínio particularmente complexo porque os objetos podem ter cores, texturas e formatos que se confundem com o ambiente. Uma sapatilha branca sobre uma parede branca ou um casaco azul sobre um cobertor azul em iluminação ruim são exemplos de cenários que complicam a extração automática da peça. Quando o modelo não consegue separar bem o item, a experiência do usuário perde qualidade.

Segundo a reportagem, a Alta havia processado mais de 20 milhões de imagens até abril usando o SAM, sem depender do custo de APIs externas de segmentação. Para uma empresa em estágio inicial, esse ponto é relevante porque reduz barreiras operacionais e torna viável escalar o serviço com mais controle sobre custos. O caso ilustra como modelos fundacionais de visão computacional podem servir como infraestrutura para novos produtos de consumo.

Personalização, comércio agente e impacto no varejo

A matéria também conecta styling e recomendação a uma tendência mais ampla de mercado: o chamado agentic commerce. A ideia é que sistemas de IA passem a comprar em nome do consumidor ou ao menos conduzir parte relevante dessa jornada. Segundo projeção citada da McKinsey, esse tipo de comércio pode responder por até 1 trilhão de dólares em receita de varejo B2C nos Estados Unidos até 2030.

Dentro dessa lógica, a camada de styling ganha importância porque ela atua na frente da decisão. É ela que determina o que o consumidor vê, considera e, por fim, compra. Em outras palavras, a IA deixa de atuar apenas na retaguarda operacional e passa a ser um filtro de intenção. Isso pode alterar profundamente o papel de marketplaces, aplicativos de moda e plataformas de assinatura, já que a jornada de compra passa a ser mediada por recomendações cada vez mais personalizadas.

Para as empresas, o impacto é múltiplo. Há ganhos em velocidade de análise, precisão na personalização, redução de custos em testes visuais e possibilidade de escalar curadoria sem depender apenas de trabalho manual. Para os consumidores, a consequência pode ser uma experiência mais intuitiva, com sugestões alinhadas ao que já possuem ou ao seu estilo real. Por outro lado, cresce também a dependência de sistemas algorítmicos para decidir o que aparece como relevante.

O que a moda revela sobre a evolução da IA

O caso da moda é útil para entender como a inteligência artificial está se deslocando de funções abstratas para experiências concretas do dia a dia. Prever tendências, criar imagens de roupas vestidas, organizar closets digitais e recomendar combinações são tarefas que exigem leitura visual, processamento de linguagem e decisão contextual. Isso faz do setor um laboratório natural para aplicações de IA generativa, visão computacional e automação de recomendação.

Ainda assim, a reportagem deixa claro que a tecnologia não eliminou o fator humano. Em previsão de tendências, no merchandising e na estilização final, pessoas continuam ocupando funções centrais. A diferença é que agora elas trabalham com ferramentas capazes de lidar com volumes de dados e com uma velocidade de resposta que antes era inalcançável.

No conjunto, a notícia mostra uma mudança estrutural: a IA está assumindo o papel de intermediária entre dados de comportamento e decisões de compra. Na moda, isso significa antecipar tendências, reduzir etapas operacionais e tornar a experiência mais personalizada. No cenário mais amplo do varejo digital, significa que a influência algorítmica sobre o consumo tende a crescer, com efeitos diretos sobre marcas, plataformas e usuários.