La moda es una industria con una única constante: el cambio. No hace mucho, el fast fashion revolucionó el retail duplicando la producción. Ahora, las marcas se enfrentan a un tipo de disrupción diferente: los productos que ya han vendido encuentran una segunda vida sin ellas. La infraestructura que se está construyendo en torno a esa segunda vida es lo que ha permitido que este mercado evolucione tan rápido. Esa infraestructura es la IA, y la capa mayorista B2B —que conecta la oferta de segunda mano con la demanda minorista— es donde esa transformación se está produciendo primero y a mayor velocidad.

Lo que nos dicen los datos

Antes de examinar la tecnología, merece la pena comprender la magnitud del cambio de comportamiento que ya está en marcha.

Tanto en marcas de lujo como de high street, las búsquedas de artículos de segunda mano superan ya de forma sistemática a las de artículos nuevos. Por ejemplo, al comparar “Mango Vinted” o “Zara Vinted” con “nueva colección Mango” o “nueva colección Zara”, se observa que las consultas de segunda mano tienen un volumen de búsqueda entre cuatro y seis veces mayor a lo largo de 2024 y hasta 2026. Las búsquedas en Vinted alcanzaron su máxima popularidad a mediados de 2025, mientras que las de nuevas colecciones se mantuvieron en una fracción de esa cifra.

En el segmento del lujo, las búsquedas de artículos vintage de Hermès superan con creces a las de bolsos nuevos —llegando a más que duplicarlas en su pico más reciente—, mientras que incluso en Chanel, donde las búsquedas de nuevo y vintage se habían mantenido parejas durante años, el interés por lo vintage ha alcanzado casi la paridad con lo nuevo a principios de 2026.

Google Trends mide el interés de búsqueda en una escala de 0 a 100, donde 100 representa el pico de popularidad de un término durante el periodo seleccionado.

Lo que estos datos demuestran es que la intención del consumidor en torno a la segunda mano ha cambiado de forma fundamental: la gente empieza su viaje de compra en el preloved, no llega a él como un plan B. Para las marcas, esto es una señal sobre dónde deben estar presentes y qué infraestructura necesitan construir para participar en ese mercado.

No solo eso, sino que la forma en que la gente habla de la segunda mano ha cambiado tanto como lo que busca. Antes de 2020, el lenguaje dominante era negativo, pero entre 2024 y 2026, ese vocabulario ha sido sustituido casi por completo por el lenguaje de la identidad, la aspiración y el descubrimiento: preloved, hallazgo vintage, selección cuidada, único, lo que confirma el cambio en la percepción cultural, según mi análisis de la cobertura mediática, los informes de mercado y las comunidades de consumidores antes y después de la Covid.

A nivel mundial, se prevé que las ventas de ropa de segunda mano alcancen los 289.000 millones de dólares este año —un crecimiento del +105 por ciento desde 2021—, expandiéndose al doble de ritmo que el mercado global de la moda, según el informe anual de reventa de ThredUp 2026]. Y la capa de IA parece haber acelerado aún más este crecimiento. El interés de búsqueda por “compras con IA” fue prácticamente nulo en todos los mercados hasta mediados de 2024, empezó a crecer a finales de 2024 a medida que las herramientas de IA generativa se popularizaban, y luego se disparó a partir de junio de 2025, creciendo más de un 3.000 por ciento en dos años antes de mantenerse en niveles casi máximos.

Pero el hallazgo más sorprendente en los datos es la correlación entre ambos. Tanto “compras con IA” como “ropa de segunda mano” se mantuvieron prácticamente planos durante cuatro años consecutivos. Ambos empezaron a moverse en el mismo mes —julio de 2025—, se dispararon simultáneamente en agosto de 2025 y han mantenido niveles elevados desde entonces. Los datos sugieren que la IA no fue una mera coincidencia con la aceleración de la segunda mano, sino que pudo haber desempeñado un papel importante para permitir su crecimiento a gran escala.

Por qué la segunda mano no puede escalar sin IA: el problema de la infraestructura B2B

El cambio en el consumidor es evidente y está respaldado por los datos. Lo que es menos visible —y lo que más importa comercialmente— es el problema de infraestructura que históricamente ha dificultado tanto la escalabilidad de la segunda mano, y por qué la IA no es una capa opcional aquí, sino un requisito estructural.

El mercado de la reventa es notoriamente complejo. Las plataformas deben gestionar un inventario enorme e impredecible que varía en calidad, talla y autenticidad, con una complejidad que no tiene equivalente en el retail de productos nuevos. Para entender cómo es todo esto a nivel operativo, hablé con Sanket Agarwal, cofundador de Fleek, una de las plataformas de IA de más rápido crecimiento en el sector mayorista de segunda mano y una de las principales plataformas de abastecimiento para los revendedores de Vinted. Él me ayudó a comprender exactamente por qué la capa B2B de este mercado requería una reconstrucción tecnológica fundamental.

El problema principal, como explica Sanket, es de una escala sin equivalente en el negocio de la moda tradicional: “En el retail clásico, las tiendas suelen tener unos pocos SKU definidos, pero en la segunda mano hay una variedad tan grande de épocas, marcas, estilos y desgaste que da lugar a millones o miles de millones de SKU; en esencia, cada pieza es única, aunque sea el mismo SKU de la marca”. Y esa singularidad es exactamente lo que hace que cada artículo sea tan difícil de categorizar, tasar y conectar con un comprador. A diferencia de Amazon o Asos, donde la IA opera sobre catálogos de productos estructurados y consistentes, el mercado mayorista de segunda mano no tiene datos de producto compartidos, ni SKU estandarizados, ni una taxonomía que vincule el estado de la prenda con la intención del comprador, que es lo que ha dificultado tanto su escalabilidad y, precisamente, lo que hace que la IA sea tan transformadora en este ámbito.

Más allá del problema de la singularidad, los revendedores se enfrentan a variables como las inconsistencias de iluminación en las fotos o los patrones de desgaste. La autenticación requiere experiencia humana en la etapa final, incluso cuando la IA se encarga del escaneo inicial. La fijación de precios es un problema de calibración constante. Y, por si fuera poco, la cadena de suministro mayorista tradicional de segunda mano no solo es desordenada, anticuada e increíblemente compleja, sino que se construyó sobre relaciones personales: una confianza entre compradores y vendedores forjada durante años de tratos informales.

Aquí es donde entra Fleek. La plataforma se fundó en noviembre de 2021, a raíz de un problema que su cofundador, Abhi Arora, descubrió en Brick Lane, el epicentro de la moda vintage de Londres, durante la pandemia: la cadena de suministro de segunda mano se basaba en el caos. La ropa preloved recogida en los países occidentales —alrededor del 90 por ciento de todas las donaciones a nivel mundial— se envía a granel a centros de clasificación en Pakistán, India y varios países de África, donde se clasifica a mano y se vende de nuevo a revendedores occidentales, ya sean tiendas de segunda mano o los mayoristas que abastecen a los vendedores de Vinted. La categorización manual era tediosa e imprecisa, y cuanto más granular y precisa es la clasificación, mejor se vende la ropa, por lo que había mucho en juego. Los revendedores a menudo no tenían ni idea de lo que estaban comprando, las transacciones se realizaban a través de grupos de WhatsApp y redes informales donde la confianza lo era todo y la transparencia casi nula, y solo una fracción muy pequeña de esas donaciones volvía a venderse en los mercados occidentales. El sistema era ineficiente y estaba estructuralmente roto.

Como mencionó Abhi en una entrevista para The Industry.Fashion, la plataforma se creó para trabajar directamente con estos proveedores mayoristas, consiguiendo que el inventario se liste, categorice, tase y venda a través del propio sistema de Fleek. Un revendedor en Londres, París o Nueva York puede explorar lotes seleccionados o elegir artículos uno a uno por videollamada y hacer un pedido. Ese pedido pasa por uno de los centros de control de calidad de Fleek, donde se comprueba la calidad y autenticidad de los artículos, y luego se envía al comprador.

¿Cómo se materializa la IA en Fleek?

Fleek ha reconstruido toda la experiencia de abastecimiento desde cero. “En Fleek tuvimos que reimaginar por completo nuestra experiencia de búsqueda y descubrimiento, que ahora se basa en una tecnología de búsqueda que prioriza la IA. Estamos utilizando embeddings de CLIP* para definir propiedades semánticas de la moda como ‘adornos’ o ‘estampado de setas’, una tarea mucho más difícil para los modelos pre-LLM**”. Ahora, un comprador puede buscar por mood, estilo o referencia estética en lugar de por especificaciones de producto, que es como la gente piensa realmente en la segunda mano. No solo eso, sino que la plataforma ofrece una estimación de precios, gestiona las transacciones, optimiza la cadena de suministro, tramita los reembolsos y proporciona confianza a ambas partes. Los resultados comerciales son visibles: “más que duplicando las ventas de 2024 a 2025”, conectando a más de 10.000 revendedores con más de 1.000 mayoristas en 70 países, y habiendo recaudado 50 millones de dólares en financiación total, con el respaldo de inversores como Andreessen Horowitz y Y Combinator. Sanket es directo sobre la oportunidad para los retailers que aún se mantienen al margen: “Hoy, una de cada dos personas busca segunda mano; es bueno para el medio ambiente y bueno para el negocio. Ya estamos viendo a los clientes de Fleek vender ropa de segunda mano y de primera mano una al lado de la otra”.

*(CLIP son las siglas de Contrastive Language-Image Pre-training; es un modelo desarrollado por OpenAI que fue entrenado simultáneamente con cientos de millones de pares de imágenes y texto, por lo que aprendió a entender la relación entre el contenido visual y el lenguaje. El reconocimiento de imágenes tradicional pregunta “¿qué objeto es este?” y reconoce un bolso, un zapato, una chaqueta. CLIP va más allá: entiende la sensación y el carácter de lo que ve. Así, en lugar de reconocer simplemente “chaqueta”, puede entender “chaqueta streetwear japonesa oversize de los 90 con lavado ácido” o “estampado de setas” o “prenda de noche con adornos”).

**(LLM son las siglas de Large Language Model, el tipo de IA que impulsa herramientas como ChatGPT, Claude y Gemini).

Lo que esto significa para tu negocio

La segunda mano existía antes de la IA, pero sin la infraestructura para obtener, autenticar, clasificar y tasar el inventario a gran escala, la demanda no tenía adónde ir de manera eficiente. Lo que Fleek demuestra a nivel mayorista es que cuando se elimina la fricción estructural, el volumen comercial le sigue.

Dicho esto, los desafíos no han desaparecido. La logística sigue siendo compleja y costosa: los artículos de segunda mano no se pueden reponer, y la calidad con la que se muestra un artículo todavía afecta a la precisión de la clasificación e impulsa las devoluciones. La consistencia a gran escala es difícil de garantizar incluso con visión por ordenador. La autenticación en la etapa final todavía requiere experiencia humana. Los márgenes en toda la industria siguen bajo presión, y la mayoría de las grandes plataformas de reventa todavía están en camino hacia la rentabilidad, en lugar de haberla alcanzado. La IA mejora significativamente todos estos problemas, pero no los elimina, y es probable que las marcas que entren en este espacio sin una estrategia operativa clara lo encuentren más difícil de lo que sugieren las cifras del mercado.

Lo que hace la IA es que esos desafíos sean manejables; no desaparecen por completo, pero quedan lo suficientemente estructurados como para construir un negocio escalable sobre ellos. Ahora está operando en todas las capas del ecosistema de la reventa: en el abastecimiento, plataformas como Fleek utilizan la visión por ordenador y la búsqueda semántica para hacer que el inventario de segunda mano a granel sea localizable a gran escala; a nivel de marca, las plataformas de Resale-as-a-Service como ThredUp gestionan la recepción, clasificación, fotografía, fijación de precios y logística mediante la automatización con IA, lo que permite lanzar un programa de reventa sin construir nada desde cero. La autenticación, históricamente la mayor barrera para la confianza en la segunda mano, está siendo gestionada por modelos de visión por ordenador que seleccionan los artículos sospechosos antes de que los revisen expertos humanos. Los algoritmos de precios dinámicos reemplazan las conjeturas que hacían impredecibles los márgenes de la segunda mano. El caso comercial ya está demostrado: Aymeric Déchin, CEO de Faume, declaró a Vogue Business que los clientes que utilizan el servicio de recompra de una marca muestran una tasa de abandono un 20 por ciento menor en comparación con los que no lo hacen. En conjunto, estas capacidades hacen algo más importante que optimizar transacciones individuales: normalizan la segunda mano como un canal fiable y de confianza tanto para las marcas como para los consumidores, y Fleek es solo un ejemplo de ello.

El marco regulatorio está acelerando todo esto. El Reglamento sobre diseño ecológico para productos sostenibles de la UE exige que todas las marcas de moda que vendan en Europa adjunten un Pasaporte Digital de Producto (DPP, por sus siglas en inglés) a cada prenda a partir de 2028, una identidad legible por máquina que registrará los materiales, el origen y el historial de propiedad. Para la IA, esto es transformador: una prenda con pasaporte podrá ser autenticada, clasificada y tasada automáticamente, porque los datos ya estarán ahí.

Un tercio de los ejecutivos de la industria ha calificado la reventa como una prioridad para 2026, según el informe State of Fashion 2026 de BoF/McKinsey. Esa brecha —entre dónde está ya el consumidor, cómo la IA lo está acelerando y dónde sigue centrada la mayor parte de la industria (en lo nuevo)— es la oportunidad, y se está cerrando rápidamente. Si todavía tratas la segunda mano como algo secundario —o la IA como algo opcional—, los datos son claros: no vas por detrás de la tendencia, vas por detrás del consumidor.

Fuentes:
-The Guardian — Sarah Butler, “Secondhand Clothes Sales Forecast to Hit $289bn as AI Helps Shoppers Find Deals,” 2 April 2026.
-Retail Dive — Tatiana Walk-Morris, “US Resale Market Expected to Surpass $78 Billion by 2030,” 3 April 2026.
-Adobe — Vivek Pandya, “Generative AI-Powered Shopping Rises with Traffic to Retail Sites,” 21 August 2025.
-Modaes — “Inditex 2025 results: eight critical takeaways to watch,” C. De Agenlis / T. Alonso, 12 March 2026.
-Retail Boss — “Inditex Q1 2026 Results: Zara’s Best Quarter Yet,” Jenel Alvarado, 3 June 2026.
-Vinted Newsroom — “Financial Results 2025,” 2026.
-UNECE (United Nations Economic Commission for Europe) — UNECE and ECLAC propose measures to reduce environmental and health impacts of global trade of second-hand clothes’, 15 July 2024
-TheIndustry.fashion — “The Interview: Co-founder Abhi Arora on Building Second-Hand Wholesale Marketplace Fleek,” Camilla Rydzek, 16 April 2026.
-WWD — “How Vestiaire Is Using AI to Scale Its Business and Improve Customer Service, by Lisa Lockwood, June 14, 2024.
-The Impression — Vestiaire Collective Expands AI Capabilities With New Executive Hires.
-Vogue — “The Innovations Driving the Resale Renaissance,” byt Maghan McDowell November 19, 2024.
-GWI — How the circular economy is transforming fashion: Sustainable trends & insights by Stephanie Harlow, Senior Trends Analyst.
-McKinsey & Company — The State of Fashion 2026: When the rules change, November 17, 2025 by -Trellis — Circular boom(let): Resale and reuse surge as new fashion turnover slows, by Elsa Wenzel November 21, 2025 (Updated on November 24, 2025)
-Barclays Insights — The pulse of fashion: How the growth of the resale market has changed the game for retailers, by Melissa Pendlebury and Isabella Clough, April 2, 2026.
-Fashionista — “Fashion Resale Tech: AI and the Future of Evolution,” by Emma Raydar, June 4, 2025.