패션의 AI 활용과 한계…앞으로의 가능성은?
2024-11-20 김강화 대표 intervog@naver.com
김강화의 패션산업 AI·빅데이터 활용 전략 07
빅 데이터 있다면 영업 관리는 OK
.png) |
|---|
| 풀 카이텐을 이용하는 브랜드(출처: https://full-kaiten.com) |
◇ AI 활용, 어디서 어디까지
의류 및 패션 업계의 EC(전자상거래) 사이트에서 고객 응대를 자동화하기 위해 AI 챗봇을 도입하는 기업이 점점 늘고 있다.
AI 챗봇을 도입하면 24시간 365일 운영이 가능해져, 고객센터와 콜센터의 업무 부담을 덜고, 고객의 문의에 신속히 대응할 수 있어 만족도도 올라간다. 이는 고객 경험을 중시하는 기업에 큰 장점이 될 수 있다. SNS와 같은 디지털 매체가 보편화되면서 개인의 취미와 취향을 존중하는 문화는 강해졌고, 다양한 라이프스타일에 따라 패션 소비 패턴도 다양해지고 있다. 이러한 변화는 패션 트렌드가 더 짧고 빠르게 순환하는 현상으로 이어지며, 패션 업계에서 AI를 활용한 수요 예측이 활발히 시도되고 있는 이유다.
수요 예측에는 과거 데이터를 기반으로 미래를 예측하는 ‘시계열 분석’이 주로 활용되며, AI는 매출 데이터를 바탕으로 소비 트렌드와 상품 수요를 미리 분석하여 예측하는 방식을 사용한다. 이를 통해 업계는 급격하게 변하는 트렌드에 더욱 유연하게 대처할 수 있는 기반을 마련하고자 한다.
물론 AI 도입 시에는 여러 가지 주의할 점이 있다. 대표적으로 ‘화상 인식 기술’은 EC 사이트나 패션 관련 콘텐츠에 올라오는 수많은 이미지를 분석하여 각각의 아이템을 소재, 무늬, 색상, 스타일, 사이즈, 실루엣, 핏 등 다양한 요소로 세분화해 분류하고, 이를 바탕으로 제품별 매출 경향과 트렌드를 파악하고 객관적인 수요 예측을 시도할 수 있다. 하지만 이를 위해서는 방대한 양의 데이터와 정확도가 높은 분석이 필요하다. 더욱이, AI 분석은 소비 패턴에 기반한 예측에 유용하지만, 갑작스러운 트렌드 변화나 예상치 못한 상황에 대한 대처에는 한계가 있을 수 있다.
◇ AI 도입의 한계
패션 업계에서 AI는 단순한 수요 예측뿐만 아니라 여러 방면에서 활용되고 있다. 예를 들어 AI 챗봇을 통해 고객과의 실시간 소통을 강화하고, AI 기반 치수 측정 도구로 정확한 치수를 제공함으로써 온라인 쇼핑의 불편 요소를 해소할 수 있다. 더불어 AI 모델을 활용해 다양한 코디를 추천하거나 인공지능 기반의 패션 인플루언서를 통해 소비자에게 패션 트렌드를 제시하는 것도 가능하다.
이외에도 AI를 통해 인건비 절감, 재고 최적화, 효율적인 판촉 전략 개발 등이 가능하며, 이러한 부분에서 AI는 패션 업계의 생산성 향상과 비용 절감에 도움을 준다. 그러나 AI 도입이 모든 문제를 해결해주지는 않는다. AI는 기본적으로 과거 데이터를 바탕으로 학습하고 예측하기 때문에 새로운 트렌드나 전염병 같은 불확실한 변수에 대해서는 한계가 있다. 예를 들어, 코로나19의 확산이나 특정 소재의 대유행 같은 갑작스러운 사건들은 AI가 예측할 수 없었던 상황이다.
많은 기업이 AI를 활용해 트렌드를 예측하고자 시도하고 있지만, 아직도 근본적인 데이터의 부족, 질감 표현의 어려움, 그리고 트렌드의 돌출성 등으로 인해 정확한 예측에는 한계가 있다. 또한 AI 리터러시, 즉 AI가 어떻게 작동하고 사용되는지에 대한 이해와 활용 능력이 부족한 IT 부서나 디지털 트랜스포메이션 부서가 중심이 되어 AI 시스템을 도입할 경우, 현장에서 효과적으로 활용되지 못하는 경우가 많다. 이는 IT 부서가 현장의 상황이나 요구 사항을 충분히 고려하지 않고 도입했거나, 패션 업계의 특성과 현장 업무에 대한 이해가 부족한 경우에 발생한다.
 |
|---|
| 풀 카이텐 사용 결과 후 지표의 개선(출처: https://full-kaiten.com) |
◇ 빅데이터의 필요성
AI가 제대로 기능하기 위해선 빅데이터가 필수적이다. 빅데이터(big data)란 대량의 데이터 세트로, 이를 수집하고 저장하며 분석하는 데 필요한 기술이 동반되어야 한다.
빅데이터는 단순히 데이터가 방대하다는 의미에 그치지 않으며, 정보 수집, 선택, 저장, 검색, 공유, 전송, 해석, 가시화 등 다양한 과정에서 발생하는 과제를 해결하는 데 필요한 기술이 함께 요구된다. 이를 바탕으로 빅데이터는 비즈니스 통찰력을 제공할 수 있으며, 질병 예방, 범죄 방지, 실시간 교통 상황 예측 등 다양한 분야에서 활용되고 있다.
그러나 패션 업계는 아직도 필요한 만큼의 양질의 빅데이터를 확보하지 못한 상황이며, 이로 인해 챗GPT와 같은 AI 보조 프로그램을 통해 아이디어를 얻거나 일상 업무의 효율화를 시도하는 데 그치는 경우가 많다.
◇ 검증된 AI 프로그램
영업 관리는 AI가 상대적으로 성공적으로 활용되고 있는 분야다. 예를 들어 패션 상품 전용 재고 분석 AI 툴인 ‘풀 카이텐(Full Ka iten)’은 EC 사이트, 점포, 창고의 모든 재고를 분석하여 미래 재고 상황을 시각화하는 역할을 한다.
이 툴은 △재고로 매출이익률을 개선하고, △직관적인 조작이 가능하며, △철저한 지원을 통해 운영 정착을 돕는다. 이를 통해 △정상 판매율 향상, △불필요한 가격 할인 억제, △업무 부담과 인력 의존성 감소, △재고 회전율 개선 등의 효과를 기대할 수 있다. AI를 통한 매출이익률 개선 방식은 ‘상품력이 있지만 판매되지 않는 재고를 조기에 판매하여 이익을 개선하는 것’이라 볼 수 있다.
패션 업계의 경우 전체 SKU의 30%가 이익의 70%를 창출한다고 한다. 이는 일부 상품이 높은 이익을 가져다주지만, 기업 대부분이 이러한 상품의 존재를 인지하지 못하고 방치하는 경우가 많다는 의미다. AI를 활용한 재고 분석을 통해 이러한 재고를 조기에 파악하고 판매 전략을 수정함으로써 매출을 향상시킬 수 있다. 올바른 판촉 전략을 통해 현재 재고를 효율적으로 판매함으로써 도입 후 1년 이내에 매출이익을 개선할 수 있다. 실제로 풀 카이텐을 도입한 기업들은 이러한 개선 효과를 경험하고 있다고 주장하고 있다.
결론적으로, AI를 활용해 트렌드 예측, 수요 예측, 디자인 개발을 하기 위해서는 양질의 데이터가 필수적이다. 그러나 현재 패션 업계는 데이터 축적이 충분하지 않은 상태로, 트렌드와 수요를 예측하는 AI의 도입에는 여전히 어려움이 따른다. AI의 성공적인 활용 여부는 결국 양질의 빅데이터 확보 여부에 달려 있으며, 데이터가 부족한 상황에서는 AI 도입이 오히려 기업에 위험이 될 수도 있다.
 |
|---|
| 풀 카이텐이 제공하는 서비스(출처: https://full-kaiten.com) |
- Copyrights ⓒ 메이비원(주) 패션인사이트, 무단 전재 및 재배포 금지 -
