A moda é uma indústria com apenas uma constante: a mudança. Não faz muito tempo, o fast fashion revolucionou o varejo ao dobrar a produção. Agora, as marcas enfrentam um tipo diferente de disrupção: produtos que já venderam encontram uma segunda vida sem a sua participação. A infraestrutura que está sendo construída em torno dessa segunda vida é o que permitiu que este mercado evoluísse tão rapidamente. Essa infraestrutura é a IA, e a camada de atacado B2B (business-to-business) – que conecta a oferta de segunda mão com a demanda do varejo – é onde essa transformação está acontecendo primeiro e mais rápido.

O que os dados nos dizem

Antes de examinar a tecnologia, vale a pena entender a escala da mudança de comportamento que já está em curso.

Tanto em marcas de luxo quanto nas de fast fashion, as buscas por peças de segunda mão superam consistentemente as buscas por peças novas. Por exemplo, a comparação entre "Mango Vinted" ou "Zara Vinted" e "nova coleção Mango" ou "nova coleção Zara" mostra que as pesquisas por segunda mão tiveram um volume de busca de quatro a seis vezes maior ao longo de 2024 e em 2026, com as buscas na Vinted atingindo o auge de popularidade em meados de 2025, enquanto as buscas por coleções novas representaram apenas uma fração disso.

No segmento de luxo, as buscas por peças vintage da Hermès superam significativamente as buscas por bolsas novas – chegando a mais que o dobro no auge recente – enquanto até mesmo na Chanel, onde as buscas por peças novas e vintage se mantiveram próximas por anos, o interesse por vintage alcançou quase a paridade com o novo no início de 2026.

O Google Trends mede o interesse de busca em uma escala de 0 a 100, onde 100 representa o auge da popularidade de um termo de busca durante o período selecionado.

O que esses dados mostram é que a intenção do consumidor em relação ao segunda mão mudou fundamentalmente – as pessoas estão começando sua jornada de moda no pre-loved, não chegando lá como uma segunda opção – e para as marcas, isso é um sinal sobre onde elas precisam estar presentes e qual infraestrutura precisam construir para participar desse mercado.

Além disso, a maneira como as pessoas falam sobre o mercado de segunda mão mudou tanto quanto o que elas buscam. Antes de 2020, a linguagem dominante era negativa: brechó, peça usada, concessão, estigma; entre 2024 e 2026, esse vocabulário foi quase totalmente substituído pela linguagem de identidade, aspiração e descoberta: pre-loved, achado vintage, curadoria, único – confirmando a mudança na percepção cultural, de acordo com minha análise da cobertura da mídia, relatórios de mercado e comunidades de consumidores antes e depois da Covid.

Globalmente, a previsão é que as vendas de roupas de segunda mão atinjam 289 bilhões de dólares este ano – um crescimento de 105 por cento desde 2021 – expandindo-se no dobro do ritmo do mercado de vestuário em geral, segundo o ThredUp Annual Resale Report 2026. E a camada de IA parece ter acelerado ainda mais esse crescimento. O interesse de busca por "compras com IA" era praticamente zero em todos os mercados até meados de 2024, começou a crescer no final de 2024, à medida que as ferramentas de IA generativa se popularizaram, e disparou a partir de junho de 2025, crescendo mais de 3.000 por cento em dois anos antes de se manter em níveis próximos ao auge.

Mas a descoberta mais impressionante nos dados é a correlação entre os dois. Tanto "compras com IA" quanto "roupas de segunda mão" permaneceram praticamente estáveis por quatro anos consecutivos. Ambos começaram a se mover no mesmo mês – julho de 2025 –, subindo simultaneamente em agosto de 2025 e mantendo níveis elevados desde então. Os dados sugerem que a IA não foi uma mera coincidência na aceleração do mercado de segunda mão, mas pode ter desempenhado um papel significativo ao viabilizar seu crescimento em escala.

Por que o mercado de segunda mão não pode escalar sem IA – o problema da infraestrutura B2B

A mudança do consumidor é evidente e apoiada por dados. O que é menos visível – e o que importa mais comercialmente – é o problema de infraestrutura que historicamente tornou o mercado de segunda mão tão difícil de escalar – e por que a IA não é uma camada opcional aqui, mas sim um requisito estrutural.

O mercado de revenda é notoriamente complexo. As plataformas precisam gerenciar um estoque vasto e imprevisível que varia em qualidade, tamanho e autenticidade, com uma complexidade que não tem equivalente no varejo de produtos novos. Para entender como tudo isso funciona operacionalmente, conversei com Sanket Agarwal, cofundador da Fleek, uma das plataformas de IA que mais cresce no atacado de segunda mão e uma das principais plataformas de fornecimento para revendedores da Vinted. Ele me ajudou a entender exatamente por que a camada B2B desse mercado exigia uma reconstrução tecnológica fundamental.

O problema central, como Sanket explica, é de escala, sem equivalente no negócio de moda tradicional: "No varejo clássico, as lojas geralmente têm alguns SKUs definidos, mas no mercado de segunda mão há uma variedade tão grande de épocas, marcas, estilos e desgastes que isso leva a milhões ou bilhões de SKUs – essencialmente, cada peça é única, mesmo que seja o mesmo SKU da marca". E essa singularidade é exatamente o que torna cada item tão difícil de categorizar, precificar e conectar a um comprador. Diferente da Amazon ou da Asos, onde a IA opera em catálogos de produtos estruturados e consistentes, o atacado de segunda mão não possui dados de produtos compartilhados, nem SKUs padronizados, nem uma taxonomia que relacione a condição do item à intenção do comprador, o que tornou a escalabilidade tão difícil e é precisamente o que torna a IA tão transformadora aqui.

Além da questão da singularidade, os revendedores enfrentam dificuldades com variáveis como inconsistências de iluminação nas fotos ou padrões de desgaste. A autenticação exige conhecimento humano na etapa final, mesmo quando a IA realiza a verificação inicial. A precificação é um problema constante de calibração. E, somado a tudo isso, a rede de fornecimento tradicional de atacado de segunda mão não é apenas desorganizada, ultrapassada e incrivelmente complexa, mas foi construída com base em relacionamentos pessoais – uma confiança entre compradores e vendedores desenvolvida ao longo de anos de negociações informais.

É aqui que a Fleek entra. A plataforma foi fundada em novembro de 2021, a partir de um problema que o cofundador Abhi Arora descobriu em Brick Lane, o centro da moda vintage de Londres, durante a pandemia: a rede de fornecimento de segunda mão era baseada no caos. As roupas pre-loved coletadas em países ocidentais – cerca de 90 por cento de todas as doações globais – são enviadas a granel para centros de triagem no Paquistão, na Índia e em toda a África, onde são separadas manualmente e vendidas de volta para revendedores ocidentais, sejam eles brechós ou os atacadistas que fornecem para os vendedores da Vinted. A categorização manual era tediosa e imprecisa, e quanto mais granular e precisa a classificação, melhor a roupa vende – então, o risco de errar era alto. Muitas vezes, os revendedores não tinham ideia do que estavam recebendo, as transações ocorriam em grupos de WhatsApp e redes informais onde a confiança era tudo e a transparência quase nada, e apenas uma fração muito pequena dessas doações voltava a ser revendida nos mercados ocidentais. O sistema era ineficiente e estruturalmente falho.

Como Abhi mencionou em uma entrevista para o The Industry.Fashion, a plataforma foi construída para trabalhar diretamente com esses fornecedores atacadistas, fazendo com que o estoque seja listado, categorizado, precificado e vendido através do sistema da própria Fleek. Um revendedor em Londres, Paris ou Nova York pode navegar por pacotes selecionados ou escolher itens manualmente por videochamada e fazer um pedido. Esse pedido passa por um dos centros de controle de qualidade da Fleek, onde os itens são verificados quanto à qualidade e autenticidade, e então é enviado ao comprador.

Como a IA se materializa na Fleek?

A Fleek reconstruiu toda a experiência de fornecimento do zero. "Na Fleek, tivemos que reimaginar toda a nossa experiência de busca e descoberta, que agora é impulsionada por uma tecnologia de busca que prioriza a IA. Estamos utilizando embeddings CLIP* para definir propriedades semânticas da moda, como 'bordados' ou 'estampa de cogumelo' – uma tarefa muito mais difícil para modelos pré-LLM**". Um comprador agora pode pesquisar por humor, estilo ou referência estética, em vez de especificações de produto – a maneira como as pessoas realmente pensam sobre o mercado de segunda mão. Além disso, a plataforma fornece uma estimativa de preço, processa transações, otimiza a rede de fornecimento, gerencia reembolsos e oferece confiança para ambas as partes. Os resultados comerciais são visíveis: “mais que o dobro das vendas de 2024 para 2025”, conectando mais de 10.000 revendedores com mais de 1.000 atacadistas em 70 países, tendo arrecadado 50 milhões de dólares em financiamento total, com o apoio de investidores como Andreessen Horowitz e Y Combinator. Sanket é direto sobre a oportunidade para os varejistas que ainda estão à margem: "Hoje, uma em cada duas pessoas procura por peças de segunda mão – é bom para o meio ambiente e bom para os negócios. Já estamos vendo os clientes da Fleek vendendo roupas de segunda mão e novas lado a lado".

*(CLIP é a sigla para Contrastive Language-Image Pre-training – é um modelo desenvolvido pela OpenAI que foi treinado com centenas de milhões de pares de imagens e textos simultaneamente, aprendendo a entender a relação entre conteúdo visual e linguagem. O reconhecimento de imagem tradicional pergunta "que objeto é este?" – ele reconhece uma bolsa, um sapato, uma jaqueta. O CLIP vai além – ele entende a sensação e o caráter do que vê. Então, em vez de apenas reconhecer "jaqueta", ele pode entender "jaqueta streetwear japonesa oversized dos anos 90 com lavagem ácida" ou "estampa de cogumelo" ou "roupa de noite com bordados”).

**(LLM é a sigla para Large Language Model (Modelo de Linguagem Amplo) – o tipo de IA que alimenta ferramentas como ChatGPT, Claude e Gemini).

O que isso significa para o seu negócio

O mercado de segunda mão existia antes da IA – mas sem a infraestrutura para fornecer, autenticar, classificar e precificar o estoque em escala, a demanda não tinha para onde ir de forma eficiente. O que a Fleek prova no nível do atacado é que, quando se remove o atrito estrutural, o volume comercial acompanha.

Dito isso, os desafios não desapareceram. A logística continua complexa e cara – itens de segunda mão não podem ser reabastecidos, e a qualidade da exibição de um item ainda afeta a precisão da classificação e impulsiona as devoluções. A consistência em escala é difícil de garantir, mesmo com visão computacional. A autenticação na etapa final ainda requer conhecimento humano. As margens em toda a indústria continuam pressionadas, e a maioria das grandes plataformas de revenda ainda está a caminho da lucratividade, em vez de já tê-la alcançado. A IA melhora significativamente todos esses problemas – mas não os elimina, e as marcas que entram nesse espaço sem uma estratégia operacional clara provavelmente encontrarão mais dificuldades do que os números do mercado sugerem.

O que a IA faz é tornar esses desafios gerenciáveis – não desaparecem por completo, mas se tornam estruturados o suficiente para construir um negócio escalável sobre eles. Ela agora opera em todas as camadas do ecossistema de revenda – no fornecimento, plataformas como a Fleek usam visão computacional e busca semântica para tornar o estoque de segunda mão em grande volume detectável em escala; no nível da marca, plataformas de Resale-as-a-Service (Revenda como Serviço) como a ThredUp cuidam do recebimento, classificação, fotografia, precificação e atendimento de pedidos usando automação de IA, tornando possível lançar um programa de revenda sem construir nada do zero. A autenticação, historicamente a maior barreira para a confiança no mercado de segunda mão, está sendo realizada por modelos de visão computacional que fazem a triagem de itens suspeitos antes que especialistas humanos os revisem. Algoritmos de precificação dinâmica substituem a adivinhação que tornava as margens do mercado de segunda mão imprevisíveis. O caso comercial já está provado: Aymeric Déchin, CEO (diretor executivo, na sigla em inglês) da Faume, disse à Vogue Business que os clientes que usam o serviço de troca de uma marca apresentam uma taxa de cancelamento 20 por cento menor em comparação com aqueles que não o usam. Coletivamente, essas capacidades fazem algo mais significativo do que otimizar transações individuais; elas normalizam o mercado de segunda mão como um canal confiável e seguro tanto para marcas quanto para consumidores, e a Fleek é apenas um exemplo disso.

A camada regulatória está acelerando tudo isso. O Regulamento de Ecodesign para Produtos Sustentáveis da União Europeia exige que todas as marcas de moda que vendem na Europa anexem um Passaporte Digital de Produto (DPP) a cada peça de vestuário a partir de 2028 – uma identidade legível por máquina que registra materiais, origem e histórico de propriedade. Para a IA, isso é transformador: uma peça com passaporte pode ser autenticada, classificada e precificada automaticamente, porque os dados já estão lá.

Um terço dos executivos da indústria considerou a revenda uma prioridade para 2026, de acordo com o relatório State of Fashion 2026 da BoF/McKinsey. Essa lacuna – entre onde o consumidor já está, como a IA está acelerando isso e onde a maior parte da indústria ainda está focada (no novo) – é a oportunidade, e está se fechando rapidamente. Se você ainda trata o mercado de segunda mão como secundário – ou a IA como opcional – os dados são claros: você não está atrás da tendência, está atrás do consumidor.

Fontes:
-The Guardian — Sarah Butler, “Secondhand Clothes Sales Forecast to Hit $289bn as AI Helps Shoppers Find Deals,” 2 de abril de 2026.
-Retail Dive — Tatiana Walk-Morris, “US Resale Market Expected to Surpass $78 Billion by 2030,” 3 de abril de 2026.
-Adobe — Vivek Pandya, “Generative AI-Powered Shopping Rises with Traffic to Retail Sites,” 21 de agosto de 2025.
-Modaes — “Inditex 2025 results: eight critical takeaways to watch,” C. De Agenlis / T. Alonso, 12 de março de 2026.
-Retail Boss — “Inditex Q1 2026 Results: Zara’s Best Quarter Yet,” Jenel Alvarado, 3 de junho de 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 de julho de 2024
-TheIndustry.fashion — “The Interview: Co-founder Abhi Arora on Building Second-Hand Wholesale Marketplace Fleek,” Camilla Rydzek, 16 de abril de 2026.
-WWD — “How Vestiaire Is Using AI to Scale Its Business and Improve Customer Service, by Lisa Lockwood, 14 de junho de 2024.
-The Impression — Vestiaire Collective Expands AI Capabilities With New Executive Hires.
-Vogue — “The Innovations Driving the Resale Renaissance,” byt Maghan McDowell 19 de novembro de 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, 17 de novembro de 2025 by -Trellis — Circular boom(let): Resale and reuse surge as new fashion turnover slows, by Elsa Wenzel 21 de novembro de 2025 (Atualizado em 24 de novembro de 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, 2 de abril de 2026.
-Fashionista — “Fashion Resale Tech: AI and the Future of Evolution,” by Emma Raydar, 4 de junho de 2025.