Як з’явилася ідея
Ідея smart.outfit.ai виникла з повсякденного досвіду, а не як технологічний експеримент. «У спілкуванні з різними людьми ми помітили типову проблему: багато жінок не задоволені співвідношенням ціни та якості послуг стилістів, а самостійний підбір одягу часто не дає бажаного результату — ні у варіативності, ні у зручності», — розповідає засновник smart.outfit.ai Дмитро Балюк.
Читайте также: Fox News показав роботу українського перехоплювача STING й приписав ці кадри до успішної військової кампанії США на Близькому Сході
Так з’явилася ідея створити«кишеньковий менеджер гардеробу» — застосунок, у якому користувач може зберігати речі зі своєї шафи та експериментувати з новими комбінаціями одягу за допомогою ШІ.
Засновник і головний інженер smart.outfit.ai — Дмитро Балюк, який має понад 10 років досвіду у розробці програмного забезпечення. До ядра команди також входить Катерина Кравцова, бізнес-аналітикиня та тестувальниця з приблизно восьмирічним досвідом. Додаткові задачі виконують парт-тайм спеціалісти та підрядники — зокрема у фронтенд-розробці, дизайні та маркетингу. Команда фізично працює в Києві.
Основна проблема, яку вирішує продукт, добре знайома багатьом: коли речей у шафі багато, але вдягнути нічого.
«Люди часто використовують одні й ті самі поєднання. Наш застосунок допомагає побачити нові варіанти та комбінації, які раніше могли не спадати на думку», — додає Катерина Кравцова.
Як працює технологія
Розробка MVP, каже Балюк, зайняла приблизно рік part-time роботи. За його команди, у створення продукту вже вкладено щонайменше $30 000 власних коштів. «Значна частина цієї суми — це фактично вкладений час команди: розробка, тестування та бізнес-аналіз», — пояснює Балюк.
В основі smart.outfit.ai лежить комбінація моделей розпізнавання зображень і рекомендаційних систем. Система аналізує фотографії одягу та автоматично визначає ключові характеристики речей — тип, колір та інші параметри, які використовуються для створення аутфітів.
«На різних етапах — від завантаження звичайного фото одягу до генерації аутфітів — виникають різні задачі. Тому ми використовуємо комплексний підхід із кількох моделей», — пояснює Дмитро Балюк.
У продукті поєднуються власні AI-рішення та open-source моделі, інтегровані у внутрішню систему. Сторонні AI-API команда не використовує.
На початку розробки команда створила власну модель розпізнавання одягу, натреновану на відкритих датасетах. Однак згодом виникла проблема якості даних.
«Більшість відкритих fashion-датасетів досить застарілі та мають обмежену різноманітність типів одягу. Через це нам доводилося тестувати різні відкриті моделі або повертатися до власних рішень і доопрацьовувати їх», — каже Балюк.
Дані для навчання AI
Для навчання моделей команда використовує відкриті fashion-датасети. Загальний обсяг даних, за оцінками команди, становить сотні гігабайтів зображень одягу.
«Точну кількість зображень порахувати складно, але загальний обсяг даних — сотні гігабайтів», — пояснюєБалюк. При цьому команда не проводила ручну розмітку даних.
Читайте также: Український стартап Superapp залучив $1,6 млн на AI no-code розробку під iOS та Mac. У найближчу добу ним можна скористатися безплатно
Як зазначають розробники, обсяг і якість датасетів безпосередньо впливають на можливості системи. Наприклад, майбутня функція реалістичного відображення тканин і посадки одягу залежатиме від того, які дані про матеріали будуть доступні системі.
Ще одне дизайнерське рішення — команда відмовилася від використання зображень людей. «Ми не хотіли прив’язуватися до гендеру чи типу фігури, тому в застосунку немає фото моделей або інших зображень людей», — пояснює Кравцова.
Бізнес-модель
Застосунок працює за моделлю підписки. Користувачам доступна безплатна базова функціональність, а Pro-версія коштує приблизно $3 на місяць (залежно від регіону).
«Послуги стиліста часто коштують від $200 за обмежену кількість аутфітів. У цьому сенсі застосунок окупається практично одразу після оформлення підписки», — каже Кравцова.
Цікаво, що залучати венчурні інвестиції команда поки не планує.
Користувачі та метрики
Наразі застосунок має приблизно 200 користувачів. Найбільше завантажень — в Україні. Середній показник активності становить 5–10 щоденних користувачів (DAU).
«Інтерес до продукту сильно залежить від сезону, тому показники можуть суттєво коливатися», — пояснює Кравцова.
Основним каналом залучення користувачів наразі є пошук у App Store, а також TikTok та Instagram. Ключовою метрикою команда називає retention користувачів.
Що далі
Ніша AI-рішень для fashion-індустрії вже доволі насичена. Втім у smart.outfit.ai вважають, що можуть конкурувати завдяки простому інтерфейсу та великій кількості безкоштовного функціоналу.
«Наш AI допомагає не створювати десятки аутфітів вручну, а лише підкоригувати елементи. Це прибирає монотонну частину стилізації», — каже Балюк.
Команда також не боїться конкуренції з боку великих технологічних компаній. «Користувачі завжди знайдуть продукт, який їм підходить, незалежно від того, створений він великою корпорацією чи невеликою командою», — додає Кравцова.
У найближчі роки команда хоче розвивати продукт як інструмент для звичайних користувачів, який допомагає організувати гардероб і швидко підбирати одяг. Серед можливих напрямів розвитку: AR-примірки одягу, інтеграції з маркетплейсами та нові AI-інструменти для стилізації
«Не існує кращого моменту для запуску продукту, ніж зараз. Відкладати створення через те, що ринок конкурентний, — точно не варіант», — підсумовує Балюк. Він додає: днями команда додасть у сервіс українську мову, а протягом кварталу планують зарелізити версію для Android.
Читайте также: Цифровий світ тату 2026: як гаджети та штучний інтелект змінюють індустрію натільного живопису
https://dev.ua/news/outfit-1772776786