Moda to branża, w której jedyną stałą jest zmiana. Jeszcze niedawno fast fashion zrewolucjonizowało handel detaliczny, podwajając produkcję. Dziś marki stają w obliczu innego rodzaju przełomu: produkty, które już sprzedały, zyskują drugie życie bez ich udziału. Infrastruktura budowana wokół tego drugiego życia pozwoliła rynkowi na tak szybki rozwój. Tą infrastrukturą jest sztuczna inteligencja, a transformacja zachodzi najpierw i najszybciej na poziomie hurtowym B2B, który łączy podaż z drugiej ręki z popytem detalicznym.

Co mówią nam dane

Zanim przeanalizujemy technologię, warto zrozumieć skalę zachodzącej już zmiany w zachowaniach konsumentów.

Zarówno w przypadku marek luksusowych, jak i popularnych, wyszukiwania produktów z drugiej ręki konsekwentnie przewyższają zapytania o nowe kolekcje. Przykładowo, porównanie fraz „Mango Vinted” czy „Zara Vinted” z „Mango nowa kolekcja” lub „Zara nowa kolekcja” pokazuje, że w latach 2024-2026 zapytania o odzież używaną miały 4-6 razy większą liczbę wyszukiwań. Wyszukiwania na Vinted osiągnęły szczyt popularności w połowie 2025 roku, podczas gdy zainteresowanie nowymi kolekcjami stanowiło zaledwie ułamek tej wartości.

Na poziomie luksusowym, wyszukiwania torebek vintage marki Hermès znacznie przewyższają zapytania o nowe modele – w szczytowym momencie były ponad dwukrotnie częstsze. Nawet w przypadku Chanel, gdzie przez lata zainteresowanie nowymi i używanymi produktami było zbliżone, na początku 2026 roku popularność vintage niemal zrównała się z nowościami.

Google Trends mierzy zainteresowanie wyszukiwaniem w skali od 0 do 100, gdzie 100 oznacza szczytową popularność danego hasła w wybranym okresie.

Dane te pokazują, że intencje konsumentów dotyczące odzieży używanej fundamentalnie się zmieniły – konsumenci rozpoczynają swoją modową podróż od produktów pre-loved, a nie traktują jej jako ostateczność. Dla marek jest to sygnał, gdzie powinny być obecne i jaką infrastrukturę muszą zbudować, aby uczestniczyć w tym rynku.

Zmienił się nie tylko sposób wyszukiwania, ale także język używany w odniesieniu do odzieży z drugiej ręki. Przed 2020 rokiem dominowały negatywne określenia: lumpeks, z drugiej ręki, kompromis, piętno. W latach 2024-2026 słownictwo to zostało niemal całkowicie zastąpione przez terminy związane z tożsamością, aspiracjami i odkrywaniem: pre-loved, perełka vintage, wyselekcjonowane, unikatowe. Potwierdza to zmianę w percepcji kulturowej, co wynika z mojej analizy doniesień medialnych, raportów rynkowych i społeczności konsumenckich przed i po pandemii COVID-19.

Prognozuje się, że globalna sprzedaż odzieży używanej osiągnie w tym roku 289 miliardów dolarów – co oznacza wzrost o 105 procent od 2021 roku – i będzie rosła dwukrotnie szybciej niż cały rynek odzieżowy, według raportu ThredUp Annual Resale Report 2026. Wydaje się, że warstwa AI dodatkowo przyspieszyła ten wzrost. Zainteresowanie wyszukiwaniem hasła „zakupy AI” było na wszystkich rynkach praktycznie zerowe do połowy 2024 roku. Zaczęło rosnąć pod koniec 2024 roku, gdy narzędzia generatywnej AI weszły do głównego nurtu, a od czerwca 2025 roku gwałtownie wzrosło, notując ponad 3000-procentowy wzrost w ciągu dwóch lat, po czym utrzymało się na niemal szczytowym poziomie.

Jednak najbardziej uderzającym odkryciem w danych jest korelacja między tymi dwoma zjawiskami. Zarówno „zakupy AI”, jak i „odzież używana” przez cztery kolejne lata utrzymywały się na stałym poziomie. Oba trendy zaczęły rosnąć w tym samym miesiącu – lipcu 2025 roku – gwałtownie zyskując na popularności w sierpniu 2025 roku i od tego czasu utrzymując wysoki poziom. Dane sugerują, że rola AI w przyspieszeniu rozwoju rynku odzieży używanej nie była przypadkowa, lecz mogła odegrać znaczącą rolę w umożliwieniu jego wzrostu na dużą skalę.

Dlaczego rynek odzieży używanej nie może się skalować bez AI – problem infrastruktury B2B

Zmiana w zachowaniach konsumentów jest ewidentna i poparta danymi. Mniej widoczny – a ważniejszy z komercyjnego punktu widzenia – jest problem infrastrukturalny, który historycznie utrudniał skalowanie rynku odzieży używanej. To dlatego AI nie jest tu opcjonalnym dodatkiem, lecz wymogiem strukturalnym.

Rynek odsprzedaży jest niezwykle złożony. Platformy muszą zarządzać ogromnymi, nieprzewidywalnymi zasobami, które różnią się jakością, rozmiarem i autentycznością, co stanowi złożoność nieporównywalną z handlem nowymi produktami. Aby zrozumieć, jak wygląda to od strony operacyjnej, rozmawiałem z Sanketem Agarwalem, współzałożycielem Fleek, jednej z najszybciej rozwijających się platform AI w hurtowej sprzedaży odzieży używanej i jednego z głównych źródeł zaopatrzenia dla sprzedawców na Vinted. Pomógł mi on zrozumieć, dlaczego warstwa B2B tego rynku wymagała fundamentalnej przebudowy technologicznej.

Główny problem, jak wyjaśnia Sanket, dotyczy skali, która nie ma odpowiednika w tradycyjnym biznesie modowym: „W klasycznym handlu detalicznym sklepy mają zazwyczaj kilka zdefiniowanych jednostek SKU, ale w przypadku odzieży używanej istnieje tak duża różnorodność epok, marek, stylów i stopnia zużycia, że prowadzi to do milionów, a nawet miliardów SKU – w zasadzie każdy produkt jest unikalny, nawet jeśli ma to samo SKU marki”. I to właśnie ta unikalność sprawia, że każdy pojedynczy przedmiot jest tak trudny do skategoryzowania, wyceny i dopasowania do kupującego. W przeciwieństwie do Amazona czy Asos, gdzie AI operuje na ustrukturyzowanych, spójnych katalogach produktów, hurtowy rynek odzieży używanej nie ma wspólnych danych produktowych, znormalizowanych jednostek SKU ani taksonomii łączącej stan produktu z intencją kupującego. To właśnie utrudniało skalowanie i sprawia, że AI jest tu tak rewolucyjna.

Oprócz problemu unikalności, sprzedawcy borykają się ze zmiennymi, takimi jak niespójne oświetlenie na zdjęciach czy wzory zużycia. Uwierzytelnianie wymaga wiedzy eksperckiej na ostatnim etapie, nawet jeśli AI przeprowadza wstępne skanowanie. Wycena to ciągły problem kalibracji. Co więcej, tradycyjny hurtowy łańcuch dostaw odzieży używanej jest nie tylko chaotyczny, przestarzały i niezwykle złożony, ale także oparty na osobistych relacjach – zaufaniu między kupującymi a sprzedającymi, budowanym przez lata nieformalnych transakcji.

I tu właśnie pojawia się Fleek. Platforma powstała w listopadzie 2021 roku w odpowiedzi na problem, który współzałożyciel Abhi Arora odkrył podczas pandemii na Brick Lane, londyńskim centrum mody vintage: łańcuch dostaw odzieży używanej opierał się na chaosie. Odzież pre-loved zbierana w krajach zachodnich – około 90 procent wszystkich darowizn na świecie – jest masowo wysyłana do sortowni w Pakistanie, Indiach i Afryce, gdzie jest ręcznie sortowana i odsprzedawana zachodnim sprzedawcom, czy to sklepom z odzieżą używaną, czy hurtownikom zaopatrującym sprzedawców na Vinted. Ręczna kategoryzacja była żmudna i niedokładna, a im bardziej szczegółowa i precyzyjna ocena, tym lepiej sprzedaje się odzież – stawka za błędy była więc wysoka. Sprzedawcy często nie mieli pojęcia, co kupują, transakcje odbywały się za pośrednictwem grup na WhatsApp i nieformalnych sieci, gdzie zaufanie było wszystkim, a przejrzystość niemal zerowa. Tylko niewielki ułamek tych darowizn wracał na rynki zachodnie w celu odsprzedaży. System był nieefektywny i strukturalnie wadliwy.

Jak wspomniał Abhi w wywiadzie dla The Industry.Fashion, platforma została stworzona do bezpośredniej współpracy z tymi hurtowymi dostawcami, umożliwiając wystawianie, kategoryzowanie, wycenianie i sprzedawanie towarów za pośrednictwem własnego systemu Fleek. Sprzedawca w Londynie, Paryżu czy Nowym Jorku może przeglądać wyselekcjonowane zestawy lub wybierać pojedyncze produkty podczas rozmowy wideo i złożyć zamówienie. Zamówienie to przechodzi przez jedno z centrów kontroli jakości Fleek, gdzie produkty są sprawdzane pod kątem jakości i autentyczności, a następnie wysyłane do kupującego.

Jak AI materializuje się na platformie Fleek?

Fleek przebudował całe doświadczenie pozyskiwania towarów od podstaw. „W Fleek musieliśmy na nowo zaprojektować całe doświadczenie wyszukiwania i odkrywania, które teraz opiera się na technologii wyszukiwania opartej na AI. Wykorzystujemy osadzenia CLIP*, aby definiować semantyczne właściwości mody, takie jak 'zdobienia' czy 'grzybkowy wzór' – co było znacznie trudniejszym zadaniem dla modeli sprzed ery LLM**”. Kupujący może teraz wyszukiwać według nastroju, stylu lub odniesienia estetycznego, a nie specyfikacji produktu – czyli tak, jak ludzie faktycznie myślą o odzieży używanej. Co więcej, platforma podaje szacunkową cenę, obsługuje transakcje, usprawnia łańcuch dostaw, zarządza zwrotami i zapewnia zaufanie obu stronom. Wyniki komercyjne są widoczne: „ponad dwukrotny wzrost sprzedaży w latach 2024-2025”, połączenie ponad 10 000 sprzedawców z ponad 1000 hurtowników w 70 krajach, a także zebranie 50 milionów dolarów w ramach finansowania od inwestorów, w tym Andreessen Horowitz i Y Combinator. Sanket bezpośrednio mówi o szansie dla detalistów, którzy wciąż pozostają na uboczu: „Dziś co druga osoba szuka odzieży używanej – jest to dobre dla środowiska i dla biznesu. Już teraz widzimy, jak klienci Fleek sprzedają odzież używaną i nową obok siebie”.

*(CLIP to skrót od Contrastive Language-Image Pre-training – jest to model opracowany przez OpenAI, który został wytrenowany na setkach milionów par obrazów i tekstów jednocześnie, dzięki czemu nauczył się rozumieć związek między treścią wizualną a językiem. Tradycyjne rozpoznawanie obrazu odpowiada na pytanie „co to za obiekt?” – rozpoznaje torbę, but, kurtkę. CLIP idzie dalej – rozumie nastrój i charakter tego, co widzi. Zamiast więc rozpoznawać tylko „kurtkę”, potrafi zrozumieć „oversizową japońską kurtkę streetwearową z lat 90. z efektem acid wash”, „grzybkowy wzór” czy „zdobioną odzież wieczorową”).

**(LLM to skrót od Large Language Model, czyli duży model językowy – rodzaj AI, który napędza narzędzia takie jak ChatGPT, Claude i Gemini).

Co to oznacza dla Twojej firmy

Rynek odzieży używanej istniał przed erą AI, ale bez infrastruktury do pozyskiwania, uwierzytelniania, oceny i wyceny towarów na dużą skalę, popyt nie miał gdzie się efektywnie realizować. Przykład Fleek na poziomie hurtowym dowodzi, że gdy usunie się tarcia strukturalne, pojawia się wolumen komercyjny.

Mimo to wyzwania nie zniknęły. Logistyka pozostaje złożona i kosztowna – produktów z drugiej ręki nie można uzupełnić, a jakość prezentacji produktu wciąż wpływa na dokładność oceny i generuje zwroty. Spójność na dużą skalę jest trudna do zagwarantowania nawet przy użyciu wizji komputerowej. Uwierzytelnianie na ostatnim etapie wciąż wymaga wiedzy eksperckiej. Marże w całej branży pozostają pod presją, a większość dużych platform odsprzedaży wciąż jest na drodze do rentowności, a nie u jej celu. AI znacznie łagodzi wszystkie te problemy, ale ich nie eliminuje, a marki wchodzące na ten rynek bez jasnej strategii operacyjnej prawdopodobnie napotkają większe trudności, niż sugerują dane rynkowe.

AI sprawia, że te wyzwania stają się łatwiejsze do zarządzania – nie znikają całkowicie, ale stają się na tyle ustrukturyzowane, by można było na nich zbudować skalowalny biznes. Obecnie działa na każdym poziomie stosu odsprzedaży: na etapie pozyskiwania towarów platformy takie jak Fleek wykorzystują wizję komputerową i wyszukiwanie semantyczne, aby masowe zapasy odzieży używanej były wykrywalne na dużą skalę; na poziomie marki platformy Resale-as-a-Service, takie jak ThredUp, obsługują przyjmowanie, ocenę, fotografowanie, wycenę i realizację zamówień za pomocą automatyzacji AI, umożliwiając uruchomienie programu odsprzedaży bez budowania czegokolwiek od zera. Uwierzytelnianie, historycznie największa bariera dla zaufania na rynku wtórnym, jest obsługiwane przez modele wizji komputerowej, które selekcjonują podejrzane przedmioty przed ich weryfikacją przez ekspertów. Dynamiczne algorytmy cenowe zastępują zgadywanie, które czyniło marże na rynku wtórnym nieprzewidywalnymi. Argumenty komercyjne są już udowodnione: Aymeric Déchin, CEO Faume, powiedział Vogue Business, że klienci korzystający z usługi wymiany oferowanej przez markę wykazują o 20 procent niższy wskaźnik rezygnacji w porównaniu z tymi, którzy z niej nie korzystają. Łącznie te możliwości robią coś więcej niż tylko optymalizują pojedyncze transakcje; normalizują rynek wtórny jako niezawodny, godny zaufania kanał zarówno dla marek, jak i konsumentów, a Fleek jest tylko jednym z przykładów.

Warstwa regulacyjna przyspiesza te wszystkie procesy. Unijne rozporządzenie w sprawie ekoprojektu dla zrównoważonych produktów (ESPR) wymaga, aby od 2028 roku każda marka modowa sprzedająca w Europie dołączała do każdego ubrania Cyfrowy Paszport Produktu (DPP) – odczytywalną maszynowo tożsamość rejestrującą materiały, pochodzenie i historię własności. Dla AI jest to rewolucyjne: odzież z paszportem może być automatycznie uwierzytelniana, oceniana i wyceniana, ponieważ dane są już dostępne.

Według raportu BoF/McKinsey „State of Fashion 2026”, jedna trzecia menedżerów z branży uznała odsprzedaż za priorytet na 2026 rok. Ta luka – między tym, gdzie już jest konsument, jak AI to przyspiesza, a tym, na czym wciąż skupia się większość branży (nowe produkty) – jest szansą, która szybko się zamyka. Jeśli nadal traktujesz rynek wtórny jako drugorzędny, a AI jako opcję, dane są jednoznaczne: nie jesteś w tyle za trendem, jesteś w tyle za konsumentem.

Źródła:
-The Guardian — Sarah Butler, „Prognoza sprzedaży odzieży używanej ma osiągnąć 289 mld USD, a AI pomaga kupującym znaleźć okazje,” 2 kwietnia 2026.
-Retail Dive — Tatiana Walk-Morris, „Oczekuje się, że amerykański rynek odsprzedaży przekroczy 78 mld USD do 2030 roku,” 3 kwietnia 2026.
-Adobe — Vivek Pandya, „Zakupy napędzane generatywną AI rosną wraz z ruchem na stronach detalicznych,” 21 sierpnia 2025.
-Modaes — „Wyniki Inditexu za 2025 rok: osiem kluczowych wniosków do obserwacji,” C. De Agenlis / T. Alonso, 12 marca 2026.
-Retail Boss — „Wyniki Inditexu za I kwartał 2026: najlepszy kwartał Zary w historii,” Jenel Alvarado, 3 czerwca 2026.
-Vinted Newsroom — „Wyniki finansowe 2025,” 2026.
-UNECE (United Nations Economic Commission for Europe) — „UNECE i ECLAC proponują środki w celu zmniejszenia wpływu globalnego handlu odzieżą używaną na środowisko i zdrowie”, 15 lipca 2024
-TheIndustry.fashion — „Wywiad: Współzałożyciel Abhi Arora o budowaniu hurtowego rynku odzieży używanej Fleek,” Camilla Rydzek, 16 kwietnia 2026.
-WWD — „Jak Vestiaire wykorzystuje AI do skalowania swojego biznesu i poprawy obsługi klienta”, Lisa Lockwood, 14 czerwca 2024.
-The Impression — Vestiaire Collective rozszerza możliwości AI dzięki nowym pracownikom na stanowiskach kierowniczych.
-Vogue — „Innowacje napędzające renesans odsprzedaży,” Maghan McDowell, 19 listopada 2024.
-GWI — „Jak gospodarka o obiegu zamkniętym zmienia modę: zrównoważone trendy i spostrzeżenia”, Stephanie Harlow, Senior Trends Analyst.
-McKinsey & Company — „Stan mody 2026: Kiedy zmieniają się zasady”, 17 listopada 2025, autorstwa -Trellis — „Cyrkularny boom(ik): Wzrost odsprzedaży i ponownego użycia w miarę spowolnienia obrotów nową modą”, Elsa Wenzel, 21 listopada 2025 (zaktualizowano 24 listopada 2025)
-Barclays Insights — „Puls mody: Jak wzrost rynku odsprzedaży zmienił zasady gry dla detalistów”, Melissa Pendlebury i Isabella Clough, 2 kwietnia 2026.
-Fashionista — „Technologia odsprzedaży w modzie: AI i przyszłość ewolucji,” Emma Raydar, 4 czerwca 2025.