‘AI MD’는 성공할 수 있을까?
2024-10-21 김강화 대표 intervog@naver.com
김강화의 패션산업 AI·빅데이터 활용 전략 06
.png) |
|---|
| 패션산업에서 인공지능의 역할(출처: https://www.solulab.com) |
◇ AI는 패션 산업에 혁명을 일으킬 수 있다
인공지능(AI)은 패션 산업을 포함해 광범위한 부문에서 응용을 거듭하며 빠르게 발전하고 있다. 특히 의류 디자인부터 고객의 선택 예측에 이르기까지 패션 관련 분야에 전방위적인 영향을 미치며 패션 산업에서 많이 거론되고 있다. AI는 대량의 데이터를 분석하고 패턴을 찾아내 고객, 점주, 디자이너에게 새로운 기회를 창출해 줄 것이다.
AI는 오랫동안 창의성과 독창성으로 찬사를 받아온 패션 산업에 큰 변화를 일으키고 있다. AI는 단순히 미래 기술 그 이상으로 우리 삶에 깊숙이 관여하기 시작했고 패션 디자이너, 기업 그리고 소비자가 각각 생산·판매하고 구매하는 방식까지 점차 바꿔가고 있다.
AI는 이전에 경험하지 못했던 효율성과 통찰력을 제공하면서 공급망 최적화부터 트렌드 예측까지 패션 산업에서 광범위한 역할을 할 것이다. 디지털과 물리적 세계가 융합됨에 따라 AI는 개인화된 쇼핑 경험을 촉진하고 디자인 프로세스를 개선하며 지속 가능성 계획을 발전시킴으로써 패션 산업에 혁명을 일으킬 가능성도 높게 점쳐진다. 그러나 아직은 위의 시각과 상반된 의견이 여전히 존재한다.
◇ 직접 느끼지 못하는 AI MD가 제 기능을 할 수 있을까?
위키피디아에 따르면 AI란, 계산(computa tion)한다는 개념과 컴퓨터(computer)라는 도구를 이용하여 ‘지능’을 연구하는 계산기 과학(computer science)의 한 분야를 가리키는 말이다. 언어의 이해와 추론, 문제 해결 등의 지적 행동을 인간 대신 컴퓨터에 있는 기술 또는 컴퓨터에 따른 지적인 정보 처리 시스템으로 설계하고 실현하는 것이다.
예측을 하거나 스스로 학습한다는 점에서 ‘AI=만능’이라는 이미지를 갖기 쉽다. 그러나 아직 AI는 만능이 아니라 한참 개발 중이거나 향후 상당한 개발 시간을 필요로 하는 분야다. 다만 AI가 어려워하는 것을 피하고 몇 가지 조건을 해결하면 더 좋은 성과를 내기 쉽긴 하겠지만, 아직 패션업계에서는 적용에 많은 무리가 따른다.
직접 소재 질감의 데이터화, 의복의 촉감 등 실제로 인간이 만지고 느낌으로써 알 수 있는 질감은 AI가 학습하기 매우 어려운 부분이다. 한 마디로 감각의 데이터화는 현재 AI로는 불가능에 가깝다.
그렇다면 질감과 감각에 문제가 있는 AI MD가 제 기능을 할 수 있을까? 이 문제는 패션업계의 AI 도입에 치명적인 요인이 되고 있다. 과연 업체들은 질감과 감각에 문제가 있는 AI MD를 채용할 것인가?
인간이 제품 디자인을 하고 트렌드 및 수요를 예측할 수 있었던 것은 오감을 동원한 인간의 학습력에 그동안 쌓아온 경험과 경력, 전문 기관(인)의 예측, 기업 내의 우수한 시스템 등이 합해진 결과다. 그렇다고 이러한 트렌드 예측이나 매출 예상이 매번 100% 맞아 떨어지진 않는다. 그럼에도 이것을 AI가 해주기를 기대하고 기업의 인적 구성이나 시스템을 변경하는 것은 ‘패션 기업을 망하게 하는 지름길’의 하나가 될 것이다.
물론 검증 받은 AI 프로그램이 적지 않게 포진돼 있으며 이러한 프로그램을 하루 속히 우리 업계에 적용해 도움 받을 필요가 있다. 하지만 검증되지 않은 AI 사용은 사업적으로 매우 위험한 것이며, 이에 대한 내용은 지난 호에서 충분히 다루었다.
 |
|---|
| 트렌드를 분석하는 AI MD(출처: https://www.neural-group.com) |
◇ AI MD에게 상품 기획을 맡기는 것은 무리
실제로 AI를 다음 시즌 상품 기획에 적용해 보면 상당히 많은 문제가 발생함을 알 수 있다. 기본적인 트렌드 분석은 잘해 내지만 다음 시즌 적용에는 더욱 세심한 자료가 뒷받침돼야 한다. 과거에 축적된 데이터 이외에도 변화무쌍한 날씨, 인플루언서 콘서트나 TV 등에 의한 상품의 소개 여부, 경쟁 브랜드의 가격 인하와 같은 이벤트를 비롯해 코로나 19 등의 사회적 환경, 예측된 트렌드에서 벗어난 현상 등 데이터가 수도 없이 필요하다. 이 같은 데이터화는 현재로선 매우 어렵다 보니 수요 예측(AI MD) 대신 ‘트렌드 분석 서비스’로 표기하고 있다. 아직까지 AI MD에게 상품 기획을 맡기는 것은 무리라는 것이다.
물론 인간 MD 혹은 디자이너와 함께 디자인을 하고 난 뒤, 변형을 하는 정도는 AI가 말끔하게 해낼 수 있다. 즉 ‘AI Design Assistant(보조 디자이너)’는 이미 가능한 수준으로 올라왔다. 다만 이것도 궁극적으론 학습 데이터로 ‘기계 학습’을 해야만 가능하다.
트렌드 예측을 포함한 수요 예측이 가능한 AI는, 매출 정보와 고객의 구매 이력 등 자사가 축적한 각종 정보를 AI가 자동적으로 분석한 후 다음 시즌의 수요를 예측하는 시스템이다.
일반적으로 투입할 수 있는 데이터 수가 많을수록 예측 정밀도가 높은 데이터를 얻을 수 있다. 따라서 수요 예측 AI를 활용하고자 한다면 평소부터 데이터를 꼼꼼하게 수집·보관하는 것이 중요하다. 또한 무작정 ‘모든 데이터를 투입하면 된다’는 방식에서 벗어나 투입 전, 데이터를 충분히 정밀 조사하여 수요 예측에 유용한 데이터만 압축하는 것이 무척 중요하다.
지금까지 축적한 데이터가 부족하고, 질감과 감각의 데이터화가 어려운 현재의 상황에서 패션 AI MD 도입은 시기 상조이다. 아직은 주로 내부 데이터를 사용하는 영업 AI MD 분야에 한해 제품 분류 및 적합한 매장으로의 이동, 수량 및 가격 조정 등을 중심으로 검증된 성공 사례만 있을 뿐이다.
 |
|---|
| 심층 학습을 활용한 영상 해석 엔진의 구현 사례(출처: 패션 포켓社) |
- Copyrights ⓒ 메이비원(주) 패션인사이트, 무단 전재 및 재배포 금지 -
