Mode är en bransch med en enda konstant: förändring. För inte så länge sedan revolutionerade fast fashion detaljhandeln genom att fördubbla produktionen. Nu står varumärken inför en annan typ av omvälvning: produkter de redan har sålt får ett andra liv utan deras medverkan. Infrastrukturen som byggs kring detta andra liv är det som har gjort det möjligt för marknaden att utvecklas så snabbt. Denna infrastruktur är AI, och det är inom B2B-grossistledet – som kopplar samman utbudet av second hand-varor med efterfrågan från detaljhandeln – som denna transformation sker först och snabbast.

Vad datan visar

Innan vi granskar teknologin är det värt att förstå omfattningen av den beteendeförändring som redan pågår.

Både inom lyx- och high street-segmentet överträffar sökningar efter second hand nu konsekvent sökningar efter nya produkter. En jämförelse mellan "Mango Vinted" eller "Zara Vinted" och "Mango ny kollektion" eller "Zara ny kollektion" visar att sökvolymen för second hand-frågor var 4–6 gånger högre under 2024 och in i 2026. Sökningarna på Vinted nådde sin popularitetstopp i mitten av 2025, medan sökningar efter nya kollektioner endast utgjorde en bråkdel av detta.

På lyxnivå överträffar sökningar efter vintage från Hermès avsevärt sökningar efter nya väskor – mer än en fördubbling vid den senaste toppen. Även för Chanel, där sökningar efter nytt och vintage hade följts åt i flera år, nådde intresset för vintage nästan paritet med nytt i början av 2026.

Google Trends mäter sökintresse på en skala från 0 till 100, där 100 representerar den högsta populariteten för en sökterm under den valda perioden.

Vad denna data visar är att konsumenternas intentioner kring second hand har genomgått en fundamental förändring – människor inleder sin modejakt med pre-loved, inte som ett andrahandsval – och för varumärken är detta en signal om var de behöver vara närvarande och vilken infrastruktur de måste bygga för att kunna delta på denna marknad.

Inte nog med det, även språkbruket kring second hand har förändrats, precis som sökbeteendet. Före 2020 dominerade negativa termer: välgörenhetsbutik, ärvda kläder, kompromiss, stigma. Mellan 2024 och 2026 hade detta vokabulär nästan helt ersatts av ord som signalerar identitet, aspiration och upptäckt: pre-loved, vintagefynd, kuraterat, unikt – vilket bekräftar en förändrad kulturell perception, enligt min analys av mediabevakning, marknadsrapporter och konsumentforum före och efter covid.

Globalt förväntas försäljningen av second hand-kläder nå 289 miljarder dollar i år – en tillväxt på 105 procent sedan 2021 – och expanderar dubbelt så snabbt som den totala klädmarknaden, enligt ThredUp Annual Resale Report 2026. Och AI-skiktet verkar ha accelererat denna tillväxt ytterligare. Sökintresset för "AI shopping" var i praktiken obefintligt på alla marknader fram till mitten av 2024, började öka under slutet av 2024 när generativa AI-verktyg blev allmänt tillgängliga, och sköt sedan i höjden från juni 2025 och framåt, med en tillväxt på över 3 000 procent på två år innan det stabiliserades på nära toppnivåer.

Men det mest slående fyndet i datan är korrelationen mellan de två. Både "AI shopping" och "second hand-kläder" var i stort sett oförändrade under fyra år i rad. Båda började röra på sig under samma månad – juli 2025 – ökade samtidigt i augusti 2025 och har sedan dess bibehållit höga nivåer. Datan tyder på att AI inte bara var en tillfällighet i samband med accelerationen av second hand, utan kan ha spelat en betydande roll i att möjliggöra dess tillväxt i stor skala.

Varför second hand inte kan skalas utan AI – B2B-infrastrukturproblemet

Konsumentförändringen är tydlig och stöds av data. Det som är mindre synligt – och kommersiellt viktigare – är det infrastrukturproblem som historiskt har gjort second hand så svår att skala, och varför AI inte är ett valfritt lager här utan ett strukturellt krav.

Andrahandsmarknaden är notoriskt komplex. Plattformar måste hantera enorma, oförutsägbara lager som varierar i kvalitet, storlek och äkthet, med en komplexitet som saknar motstycke inom nyproduktion. För att förstå hur allt detta ser ut operativt talade jag med Sanket Agarwal, medgrundare av Fleek, en av de snabbast växande AI-plattformarna inom second hand-grossisthandel och en av de primära inköpsplattformarna för Vinted-återförsäljare. Han hjälpte mig att förstå exakt varför B2B-skiktet på denna marknad krävde en fundamental teknologisk ombyggnad.

Kärnproblemet, som Sanket förklarar, är en skalningsutmaning utan motsvarighet i den traditionella modebranschen: "Inom klassisk detaljhandel har butiker vanligtvis ett fåtal definierade SKU:er, men inom second hand finns en så stor variation av epoker, varumärken, stilar och slitage att det leder till miljontals, till och med miljarder, SKU:er – i princip är varje plagg unikt även om det är samma varumärkes-SKU". Och det är just denna unikhet som gör varje enskilt objekt så svårt att kategorisera, prissätta och matcha med en köpare. Till skillnad från Amazon eller Asos, där AI arbetar med strukturerade, konsekventa produktkataloger, saknar second hand-grossisthandel delad produktdata, standardiserade SKU:er och en taxonomi som kopplar skick till köpintention, vilket är det som har gjort det så svårt att skala och exakt det som gör AI så transformerande här.

Utöver unikhetsproblemet kämpar återförsäljare med variabler som inkonsekvent belysning på foton eller slitagemönster. Autentisering kräver mänsklig expertis i det sista steget, även när AI hanterar den initiala granskningen. Prissättning är ett ständigt kalibreringsproblem. Och ovanpå allt detta är den traditionella leveranskedjan för second hand-grossisthandel inte bara rörig, föråldrad och otroligt komplex, utan den byggdes på personliga relationer – förtroende mellan köpare och säljare som byggts upp under år av informella affärer.

Det är här Fleek kommer in i bilden. Plattformen grundades i november 2021, sprungen ur ett problem som medgrundaren Abhi Arora upptäckte på Brick Lane, Londons nav för vintage-mode, under pandemin: leveranskedjan för second hand var byggd på kaos. Pre-loved-kläder som samlats in i västländer – cirka 90 procent av alla donationer globalt – skeppas i bulk till sorteringscenter i Pakistan, Indien och över hela Afrika, där de handsorteras och säljs tillbaka till västerländska återförsäljare, oavsett om det är second hand-butiker eller grossister som förser Vinted-säljare. Handkategoriseringen var mödosam och felaktig, och ju mer detaljerad och korrekt graderingen var, desto bättre sålde kläderna – så insatserna för att göra fel var höga. Återförsäljare hade ofta ingen aning om vad de fick, transaktioner skedde via WhatsApp-grupper och informella nätverk där förtroende var allt och transparens nästan obefintlig, och endast en mycket liten del av dessa donationer kom någonsin tillbaka för att säljas på nytt på västerländska marknader. Systemet var ineffektivt och strukturellt trasigt.

Som Abhi nämnde i en intervju för The Industry.Fashion byggdes plattformen för att arbeta direkt med dessa grossistleverantörer, för att få lager listade, kategoriserade, prissatta och sålda genom Fleeks eget system. En återförsäljare i London, Paris eller New York kan bläddra bland kuraterade paket eller handplocka varor via videosamtal och lägga en beställning. Den beställningen går igenom ett av Fleeks kvalitetskontrollcenter, där varorna kontrolleras för kvalitet och äkthet, och skickas sedan till köparen.

Hur materialiseras AI på Fleek?

Fleek byggde om hela inköpsupplevelsen från grunden. "På Fleek var vi tvungna att omforma hela vår sök- och upptäcktsupplevelse, som nu drivs av en AI-först-sökteknologi. Vi använder CLIP-inbäddningar* för att definiera semantiska egenskaper hos mode som 'utsmyckningar' eller 'svamptryck' – en mycket svårare uppgift för modeller före LLM**". En köpare kan nu söka efter stämning, stil eller estetisk referens snarare än produktspecifikation – det sätt som människor faktiskt tänker på second hand. Inte nog med det, plattformen ger en prisuppskattning, hanterar transaktioner, effektiviserar leveranskedjan, hanterar återbetalningar och skapar förtroende för båda parter. De kommersiella resultaten är synliga: “mer än en fördubbling av försäljningen från 2024 till 2025”, och plattformen kopplar samman över 10 000 återförsäljare med mer än 1 000 grossister i 70 länder, efter att ha samlat in totalt 50 miljoner dollar i finansiering, med stöd från investerare som Andreessen Horowitz och Y Combinator. Sanket är tydlig med möjligheten för återförsäljare som fortfarande står vid sidlinjen: "Idag letar en av två individer efter second hand – det är bra för miljön och bra för affärerna. Vi ser redan att Fleeks kunder säljer second hand- och nya kläder sida vid sida".

*(CLIP står för Contrastive Language-Image Pre-training – det är en modell utvecklad av OpenAI som tränades på hundratals miljoner bild- och textpar samtidigt, så den lärde sig att förstå förhållandet mellan visuellt innehåll och språk. Traditionell bildigenkänning frågar "vilket objekt är detta?" – den känner igen en väska, en sko, en jacka. CLIP går längre – den förstår känslan och karaktären i det den ser. Så istället för att bara känna igen "jacka," kan den förstå "oversized 90-tals japansk streetwear-jacka med acid wash" eller "svamptryck" eller "utsmyckade aftonkläder”).

**(LLM står för Large Language Model – den typ av AI som driver verktyg som ChatGPT, Claude och Gemini).

Vad detta innebär för din verksamhet

Second hand existerade före AI – men utan infrastrukturen för att köpa in, autentisera, gradera och prissätta lager i stor skala hade efterfrågan ingenstans att effektivt ta vägen. Vad Fleek bevisar på grossistnivå är att när man tar bort den strukturella friktionen följer den kommersiella volymen efter.

Med det sagt har utmaningarna inte försvunnit. Logistiken förblir komplex och kostsam – second hand-varor kan inte fyllas på i lager, och kvaliteten på hur en vara visas påverkar fortfarande graderingsnoggrannheten och driver returer. Konsekvens i stor skala är svår att garantera även med datorseende. Autentisering i det sista steget kräver fortfarande mänsklig expertis. Marginalerna i hela branschen är fortsatt pressade, och de flesta stora andrahandsplattformar är fortfarande på väg mot lönsamhet snarare än att ha nått dit. AI förbättrar alla dessa problem avsevärt – men den eliminerar dem inte, och varumärken som ger sig in i detta utrymme utan en tydlig operativ strategi kommer sannolikt att finna det svårare än vad marknadssiffrorna antyder.

Vad AI gör är att göra dessa utmaningar hanterbara – inte att få dem att försvinna helt, utan att strukturera dem tillräckligt för att bygga en skalbar verksamhet ovanpå. Den verkar nu i varje lager av andrahandsmarknaden – vid inköp använder plattformar som Fleek datorseende och semantisk sökning för att göra stora volymer av second hand-lager sökbara i stor skala; på varumärkesnivå hanterar Resale-as-a-Service-plattformar som ThredUp mottagning, gradering, fotografering, prissättning och logistik med hjälp av AI-automation, vilket gör det möjligt att lansera ett andrahandsprogram utan att bygga något från grunden. Autentisering, historiskt sett det största hindret för förtroende inom second hand, hanteras av datorseendemodeller som sorterar misstänkta varor innan mänskliga experter granskar dem. Dynamiska prissättningsalgoritmer ersätter de gissningar som gjorde andrahandsmarginalerna oförutsägbara. Det kommersiella caset är redan bevisat: Aymeric Déchin, VD för Faume, berättade för Vogue Business att kunder som använder ett varumärkes inbytestjänst visar 20 procent lägre kundbortfall jämfört med de som inte gör det. Sammantaget gör dessa förmågor något mer betydelsefullt än att optimera enskilda transaktioner; de normaliserar second hand som en pålitlig och trovärdig kanal för både varumärken och konsumenter, och Fleek är bara ett exempel på detta.

Regelverket accelererar allt detta. EU:s Ekodesignförordning för hållbara produkter kräver att varje modevarumärke som säljer i Europa ska fästa ett digitalt produktpass (DPP) på varje plagg från 2028 – en maskinläsbar identitet som registrerar material, ursprung och ägarhistorik. För AI är detta transformerande: ett plagg med ett pass kan autentiseras, graderas och prissättas automatiskt, eftersom datan redan finns där.

En tredjedel av branschens chefer kallade andrahandsförsäljning en prioritet för 2026, enligt BoF/McKinsey State of Fashion 2026. Den klyftan – mellan var konsumenten redan befinner sig, hur AI accelererar det, och var större delen av branschen fortfarande är fokuserad (nyproduktion) – är affärsmöjligheten, och den minskar snabbt. Om du fortfarande behandlar second hand som sekundärt – eller AI som valfritt – är datan tydlig: du ligger inte efter trenden, du ligger efter konsumenten.

Källor:
-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.