CPO Lamoda: «Отрасль наблюдает, у кого получится сделать ИИ‑стилиста»

Татьяна Умряева стояла у истоков продуктового направления в России: более 13 лет занималась развитием продуктов в различных структурах Яндекса, из них 11 — в Яндекс Маркете. С 2024 года занимает должность управляющего директора по продукту в Lamoda и отвечает за стратегию развития, видение и разработку всех продуктов в компании, включая доставку и решения для селлеров.

В январе 2026 года Lamoda анонсировала запуск экосистемы на базе генеративных нейросетей — «Г(ии)д по стилю». Среди инструментов — персональный ИИ‑стилист, онлайн‑примерка, подбор образов, поиск по фотографии внутри платформы и онлайн‑гардероб. Полный функционал будет доступен пользователям приложения уже к весне 2026 года.

В прошлом году мы уже разговаривали с СЕО Lamoda Максимом Гришаковым. С Татьяной обсудили «Г(ии)д по стилю», а также ожидания пользователей от новых продуктов в сфере фешен, рестайлинг Lamoda и то, существует ли предел совершенства для ИИ‑продуктов.

Коротко о работе Татьяны Умряевой

Сейчас нейросети могут и вещь на человека надеть, и складочки, где нужно, положить

— Сейчас много хайпа вокруг ИИ, какой у вас подход к этому с точки зрения продукта?

— Любой проект отвечает на запрос бизнеса и за сроки реализации заказа. Продукт работает с потребностями клиента: например, это пользователи приложения, селлеры или внутренний заказчик — если мы говорим про HR‑Tech или внутренний финтех.

ИИ — это один из инструментов создания новых продуктов или повышения качества уже существующих. Нейросети появились не с хайпом GPT, на ИИ построен тот же браузерный поиск — просто сейчас развитие технологий ускорилось. В основном задача ИИ, если мы говорим про нашего покупателя, делать продукт более персональным: через поиск, рекомендации, ранжирование или инструменты онлайн‑стилиста. Если говорить про селлерский продукт, то здесь ИИ помогает строить модели спроса, ценовые стратегии и прогнозировать закупки.

— Виртуальные примерочные обсуждают уже достаточно давно — навскидку уже более 10 лет. Почему удалось реализовать их только сейчас?

— В 2012 году, когда мы запускали в Яндексе сервис по выбору одежды, к нам приходили разные решения, в основном связанные с примеркой обуви. Никаких генеративных сетей тогда не было, это были модели 360 градусов: делается много‑много фотографий обуви, они вырезаются и клеятся сверху на изображение стопы. Такой продукт не мог стать востребованным, потому что искажал картинку: и человека, и вещи, и их в совокупности. На тот момент уровень развития технологий не позволял сделать продукт, который пользователь применял бы каждый день.

Пять лет назад у Lamoda был подход к реализации виртуальной примерочной и снова — не хватило мощностей. Скорость генерации была медленной, вещь выглядела нереалистично, фигура человека деформировалась.

Сейчас благодаря генеративным ИИ продукт получился более качественный: нейросети и фигуру не искажают, и вещь на человека могут правильно надеть, и, где нужно, складочки положить. Текущие технологии еще далеки от идеала, но результат, который мы получаем, гораздо ближе к ожиданиям пользователей.

«Виртуальная примерка помогает ускорить принятие решений, сократить количество ошибок, позволяет покупателю не тратить лишние деньги, а селлеру — не катать товар вхолостую»

Конечно, реальный физический мир пока никто не отменил — тактильное ощущение от вещи все еще имеет значение. Но виртуальная примерка помогает ускорить принятие решений, сократить количество ошибок, позволяет покупателю не тратить лишние деньги, а селлеру — не катать товар вхолостую.

— Какие бизнес‑цели легли в основу проекта?

— В 2024 году топ‑менеджмент пересобрал стратегию, в рамках которой мы провели рестайлинг сервиса и сформулировали слоган «Lamoda — твой гид по стилю». Мы стали позиционировать себя как нишевую площадку, которая помогает человеку придерживаться определенного лайфстайла: стильно одеваться и покупать сопутствующие товары для дома и ухода за собой.

Дальше мы сели думать о том, как это позиционирование реализовать через продукт. Одной фичей мы бы не обошлись — поэтому решили, что вся Lamoda с точки зрения потребительской витрины, B2C‑продукта, приложения будет работать как гид по стилю. Соответственно, это персональное ранжирование, рекомендательные блоки, и дальше на это будет нанизываться большая экосистема фич про стиль.

Уже сейчас мы выводим образы в истории заказов, подбираем вещи к тому, что человек купил. У нас также уже есть виртуальная примерка на этапе поиска и выбора новой вещи. Следующим этапом станет запуск онлайн‑гардероба, куда можно будет загружать луки из своего шкафа, собирать капсулы с вещами, купленными на Lamoda, и примерять их в цифровом формате.

Наша цель — дать человеку удобный инструмент для решения вечного вопроса «вещей много — надеть нечего».

— В чем отличие «Г(ии)да по стилю» от существующих предложений на рынке?

— Да, есть такие стартапы, есть приложения, которые собирают капсулы. Преимущество Lamoda в том, что у нас больше данных, чтобы собрать единую картинку: платформа с 5 000 брендов, клиентская база с хорошим средним чеком. У пользователей есть потребность не просто покупать вещи — ее мы уже закрываем, — но и пересобирать свой гардероб, создавать новые образы. И у нас есть все, чтобы ответить на этот запрос.

— Что помогло вам подтвердить спрос на продукт?

— Здесь мы использовали все инструменты: купили внешние исследования, провели кастдевы с пользователями, стилистами. Еще поговорили со стартапами, которые делают продукты по подбору гардероба, много встречались с технологическими провайдерами, которые разрабатывают виртуальные примерочные. Из этого облака знаний появилась дорожная карта, которую мы сейчас реализовываем.

Кстати, в результате исследований мы выяснили, что меньше 1% российских покупателей одежды хоть когда‑либо пользовались услугами стилиста. И мы хотим попробовать создать систему инструментов, которые позволят человеку создавать образы, не обращаясь к профессиональной помощи. Сообщество стилистов, в свою очередь, получит удобный инструмент для расширения возможностей работы с клиентской базой.

— Как вы поняли, что вам нужен именно зонтик фич?

— С одной стороны, у нас был бэклог фич и гипотез, которые родились на основе исследований, с другой — переосмысление стратегии, в которой выкристаллизовалось это нишевание. В какой‑то момент они встретились.

Дальше у нас родилась идея, что ИИ‑стилист — это как раз набор функций, которые закрывают разные сценарии. Виртуальная примерка — это возможность прикинуть вещь на себя. Гардероб — способ сформировать лук. Визуальный поиск помогает найти вещь, которая понравилась на ком‑то. Образы генерируют подсказку, с чем ее сочетать. ИИ‑ассистент дает возможность делегировать выбор одежды.

— Как вы выстроили работу над проектом?

— Мы пересобрали команду: под каждый из продуктов сформировали свои мини‑команды.

В виртуальной примерке было два параллельных трека: мы делали свой движок и искали партнеров для интеграции. В следующем году планируем перейти полностью на свой движок.

Полгода ушло на подготовку, исследования, декомпозицию корпоративной стратегии на конкретные продуктовые планы. Еще полгода — на разработку в довольно интенсивном режиме. Плюс параллельно мы работали с контент‑студией и продуктовым маркетингом — продумывали коммуникации, чтобы донести продукт до широких масс, а не только до представителей индустрии.

Опыт взаимодействия с ИИ‑ассистентом должен быть похож на общение со стилистом

— Как вы выстроили работу над чат‑ботом и на какие метрики ориентировались при запуске?

— ИИ‑ассистент помогает подобрать образ для события или по настроению. Нам было важно, чтобы опыт взаимодействия с ботом был похож на общение с персональным стилистом. Это означало, что он должен уметь вести полноценный диалог, запоминать контекст и давать персонализированные рекомендации.

Чат‑бота мы развивали на основе собственной LLM, которую обучали на данных Lamoda, — нежно называем ее LaGPT. Было два тестовых запуска в Телеграме — и это как раз пример быстрой реализации через MVP.

Тестовые запуски дают возможность, во‑первых, эти запросы получить, а во‑вторых, считать реакцию на ответы: нравится — не нравится. Затем уже к LLM добавились модели визуальные, компьютерное зрение — мы анализируем сочетаемость, фактуры и интегрируем результаты в единый массив ответов.

Если бы мы сразу зашили ИИ‑стилиста в приложение, то отвлекли бы нативную разработку, плюс был риск сломать ключевые сценарии, которые генерят продажи. Телеграм дал возможность опробовать ИИ‑ассистента, отловить все недочеты и добавить в приложение уже доработанную версию.

Метрики выросли из задач, которые мы решаем через продукт. В случае с ИИ‑стилистом это две ветки — вовлечение и возвращаемость, а также бизнесовые метрики, которые показывают намерение человека совершить покупку. К первой группе относится, например, CTR: если он растет, значит, люди кликают, им интересно. Дальше идут другие метрики конверсии по воронке: положил в корзину, добавил в избранное и в конечном итоге оформил заказ.

На момент теста у ИИ‑стилиста была пара сотен тысяч диалогов и несколько десятков тысяч пользователей — людей, которые генерировали диалоги. Из этих сотен тысяч взаимодействий — десятки тысяч переходов в приложение и за ними тысячи покупок. Можно ли сказать, что это значимо с точки зрения бизнеса? Нет. Но порядок цифр говорит о том, что есть первичный интерес, вовлечение. Дальше вопрос, сможем ли мы этот интерес превратить в привычку пользоваться продуктом. Цифры, мне кажется, для старта хорошие. Что с ними будет дальше — посмотрим.

— Кажется, здесь еще есть задача научить людей этим пользоваться.

— Но ты же не научишь тому, что человеку не надо. Может, ему не нужен образ, у него задача купить конкретно джинсы — ИИ‑ассистент обучен работать и с таким запросом. Пользователям нужно сформировать привычку делегировать выбор одежды. Когда я выбираю сам, у меня есть иллюзия контроля. Когда делегирую ассистенту, появляется опасение, что он не все проверил. Выстроить доверие можно только через решение задач. Например, я купила джинсы, которые порекомендовал ИИ‑стилист, и они круто сидят, — значит, я буду к нему обращаться и дальше. Правда, до первой ошибки.

— Любой новый продукт — это всегда риски. Как вы с ними работаете внутри команды?

— Да, ИИ‑стилист — это рискованно с точки зрения потраченных ресурсов, но для нас это эксперимент, который нельзя не сделать.

Андрей Рыбинцев, управляющий директор Авито по ИИ, однажды рассказывал на конференции South HUB про скромные результаты одного из их ИИ‑продуктов. Он объяснил, что это та инвестиция, которую нельзя было не совершить, потому что она с высокой вероятностью однажды выстрелит. Поэтому надо делать сейчас, инвестировать, верить — и я этот подход разделяю.

Наша задача — выбрать наиболее релевантные человеку вещи

— Чем поиск по фото внутри Lamoda отличается от обычного браузерного поиска?

— Отличие поиска внутри платформы от браузерного поисковика — в базе ответов. С одной стороны, искать через браузер проще, потому что объем информации больше, с другой — сложнее выбрать релевантные ответы.

Понятно, что бессмысленно сравнивать нашу базу с мировым индексом ответов. Наша задача — из массива данных Lamoda сформировать выдачу с учетом запроса человека и его истории взаимодействия с сервисом.

Например, пользователь сфотографировал поло 12 STOREEZ. В каком‑то проценте случаев мы находим такую же вещь. Если точного попадания не случается, но у нас есть похожие товары, вступают алгоритмы персонализации. Они подбирают вещь, не только похожую внешне, но и соответствующую дополнительным характеристикам — если мы их смогли уловить.

— Мы не привыкли к тому, что можно искать вещи внутри площадки по фото.

— Большинству эта функция не нужна каждый день. Поэтому перед нами стоит задача рассказать о ней так, чтобы человек в нужный момент вспомнил, что такая фича есть.

Трудно поженить идеальные технологии со своевременностью и бизнесом

— Нейросети часто выкидывают смешные глюки, бывали ли у вас в продукте такие случаи?

— Сейчас мы запустили виртуальную примерку только на верхние предметы одежды: кардиганы, футболки и так далее. Но, например, если исходная фотография в пальто, то футболка может неожиданно удлиниться. То есть мы классно ее надеваем, но модель улавливает длину и растягивает футболку до платья. Если поменять фотографию, скажем, на образ с поло, все примеряется нормально — чем лучше исходник, тем лучше качество надевания. У нашей текущей модели свое чувство прекрасного — например, она может волосы покрасить или мужчине прилепить усы.

Порой она подглючивает «в плюс»: надевает сразу и верх, и низ — хотя эта фича не предусмотрена. Это не массовое явление, но в одном случае из 100 она может примерить на тебя все сразу, причем сделает это хорошо.

Я считаю, что идеального качества генерации пока нет и, скорее всего, в ближайшее время не будет. А если и появится, то будет стоить дорого — в первую очередь из‑за стоимости железа. У всего есть цена.

— Как вы думаете, как люди отнесутся к таким багам?

— Когда мы запустили первый тест на сотрудников Lamoda, отзывы были скорее восторженные. Мне в личку присылали фотки, писали: «Таня, это вау, я даже купила то, что мне не нужно!» К галлюцинациям ИИ относятся с юмором, но надо понимать, что толерантность высокая — на уровне команды это скорее вызывает улыбку. Как на рынке будут реагировать — узнаем. Мне кажется, всем интересно, потому что уже много подходов было и сейчас пошла новая волна проб. Поэтому отрасль с любопытством наблюдает, у кого получится и какой бизнес‑эффект это будет давать.

— С какой главной сложностью в реализации проекта ты столкнулась, хотя не ожидала этого?

— Команда data science всегда стремится делать модели технически совершенными. И это ключевая трудность — поженить идеальные технологии со своевременностью и бизнес‑потребностью. То есть выбрать момент, когда надо научно‑техническую кафедру прикрыть и выводить продукт на стадию запуска.

— Как ты сама как владелец продукта определяешь, где вы готовы мириться с несовершенствами, а где нет?

— На текущей стадии прогресса очень важна скорость генерации, потому что это первое впечатление от взаимодействия — как раз самое дорогое. Поэтому здесь мы точно смотрим, что можем ускорить и сколько это будет стоить.

С точки зрения качества примерки сейчас главная задача — собрать кейсы. Нам недостаточно теста на 13 000 сотрудников офиса Lamoda, нужны реальные отзывы. После того как первый А/В‑тест завершится и мы поймем, что там реально болит, можно будет размышлять, где для нас эта точка совершенства. Сейчас просто недостаточно данных для того, чтобы об этом говорить.

Фотограф: Никита Сурков