패션 리딩 컴퍼니의 AX 실제 사례로 본 ‘AI Native Company’
상품기획·보고·데이터·HR까지… AX 시대 패션기업의 프로세스와 인재 기준
개인의 AI 노하우를 전사 Workflow로 전환하고, 혁신한 직원은 승진·보상해야
출처: OpenAI 이미지 생성 AI로 제작
패션기업의 AX(AI Transformation)가 새로운 단계로 접어들고 있다. ChatGPT나 Claude를 직원들에게 지급하고 몇 차례 AI 교육을 진행하는 수준을 넘어, 이제는 “우리 회사는 앞으로 어떻게 일할 것인가”를 다시 설계하는 문제로 이동하고 있다.
특히 상품기획, 디자인, 생산, 마케팅, 영업, VMD처럼 사람의 경험과 감각에 크게 의존해 온 패션산업에서는 변화의 폭이 더 크다. 과거에는 경력 많은 MD나 디자이너, 생산책임자가 가진 노하우 자체가 기업 경쟁력이었다면 앞으로는 그 경험을 데이터와 Workflow로 구조화해 AI가 활용하게 하고, 조직 전체가 반복해서 사용할 수 있는 Company Intelligence로 전환하는 능력이 중요해진다.
국내 패션 리딩 컴퍼니의 실제 AX 현장을 들여다보면 변화는 이미 구체적이다. 수일씩 걸리던 경영보고 프로세스를 AI와 데이터로 다시 설계하고, MD와 디자이너의 ‘감’에 소비자 반응과 트렌드 데이터를 결합한다. 샘플이 완성되기 전 AI로 VMD와 착장을 검토하고, 한 직원이 찾아낸 새로운 AI 업무방식을 전사 표준으로 만드는 시도도 나타난다. 첨부 사례에서도 AX를 단순한 기술 도입이 아니라 상품기획·디자인·소싱·영업·경영관리·HR까지 연결하는 Management Transformation으로 규정하고 있다.
결국 경쟁의 기준은 ‘누가 더 좋은 AI를 도입했느냐’가 아니라 ‘AI를 통해 누가 더 빨리 회사의 일하는 방식을 바꾸느냐’로 이동하고 있다.
# AI를 도입’하지 말고 일하는 순서를 바꿔라
이 사례에서 주목할 것은 단순히 3~4일 걸리던 일을 빨리 처리했다는 것이 아니다. 사람과 시스템, AI가 담당해야 할 일을 처음부터 다시 나눴다는 것이다.
기존 업무가 ‘데이터 취합 → 엑셀 → 검증 → PPT → 보고 → 회의 → 수정 → 재보고’였다면 AX형 업무는 ‘데이터 연결 → 검증 → AI 분석 → 사람의 질문 → 판단 → Action Item → 실행’으로 달라진다.
패션기업에서 흔히 나타나는 AX의 오류도 여기에서 발견된다. MD가 시장을 조사하고 엑셀을 만들고 PPT를 작성한 뒤 마지막에 ChatGPT로 문장을 다듬는다면 기존 프로세스를 AI로 조금 빠르게 만들었을 뿐이다. 진정한 AX라면 업무의 첫 단계부터 무엇을 사람이 하고, 무엇을 데이터 시스템이 하며, 무엇을 AI가 하고, 최종적으로 사람이 무엇을 판단할 것인가를 다시 정의해야 한다.
보고 방식도 달라져야 한다. AI가 조사·분석·문서작성을 지원하는 상황에서는 잘 만들어진 20페이지 PPT만으로 직원의 역량을 판단하기 어렵다. 오히려 직원이 AI와 어떤 질문을 주고받았고, 어떤 데이터를 넣었으며, 무엇을 의심하고 검증했는지까지 보고받아야 한다. 첨부 자료가 AX 시대의 보고를 ‘Report → Conversation’으로 전환해야 한다고 제안하는 이유다.
경영자의 질문 역시 달라진다. “결론이 뭐야?”에 앞서 “왜 이렇게 물었지?”, “이 숫자는 어디에서 왔지?”, “AI가 틀렸을 가능성은 검증했나?”, “이 방식을 다른 브랜드에도 적용할 수 있나?”를 묻는 것이다.
# “작년 중국에서 이 상품은 왜 팔렸지?”… MD의 ‘감’을 Company Intelligence로 바꿔라
패션에서 AI가 사람을 완전히 대신하기 어려운 영역이 바로 상품기획과 디자인이다. 어떤 실루엣이 다음 시즌에 움직일 것인지, 소비자가 왜 특정 컬러에 반응하는지, 무엇이 브랜드다움을 만드는지는 여전히 사람의 감각과 경험이 중요하다.
따라서 AX의 목적은 MD와 디자이너의 ‘감’을 제거하는 것이 아니다. 감각의 범위를 데이터로 확장하고, 판단 시점을 앞당기는 것이다. 상품이 출시된 다음 소비자의 반응을 확인하는 대신 기획 단계에서 더 많은 가능성을 탐색하고, 샘플이 나온 뒤 VMD를 판단하는 대신 샘플 이전에 착장과 공간을 검토할 수 있다.
여기에 기업 내부 데이터가 연결되면 한 단계 더 나아간다.
“작년 이맘때 중국에서 이 상품군은 왜 잘 팔렸지?”
기존 회사라면 담당자가 여러 시스템에 접속해 데이터를 내려받고 엑셀로 가공해야 했다. 혹은 당시 중국 사업을 담당했던 경력자에게 물어야 했다. 하지만 상품·판매·지역·기간 등의 관계를 구조화하고 Knowledge Graph와 기업 데이터를 AI에 연결하면, 궁극적으로는 AI가 질문의 맥락을 이해해 필요한 데이터를 찾아 답을 구성할 수 있다. 첨부된 실제 사례에서도 기업 데이터와 업무 맥락을 연결해 개인의 AI 활용 → 기업 데이터 연결 → 조직 지식 연결 → 의사결정 지원으로 발전시키는 방향이 제시된다.
이 변화는 패션기업에 매우 중요하다. 회사의 핵심 노하우 상당수는 시스템보다 사람의 머릿속에 있기 때문이다. “이 공장은 이 소재를 잘 다룬다”, “중국에서는 이 컬러가 예상보다 잘 나갔다”, “이 스타일은 과거에도 비슷한 반응이 있었다”는 경험은 담당자가 회사를 떠나는 순간 함께 사라질 수 있다.
AX 시대에는 베테랑의 역할도 그래서 달라진다. 20년 경력자가 “내가 해봐서 안다”고 답하는 데 그치는 것이 아니라 20년간 쌓은 경험에서 정상 범위와 예외, 판단 기준을 찾아 AI와 후배들이 사용할 수 있는 데이터·SOP·업무 Ontology로 남기는 역할이 중요해진다.
첨부 자료 역시 시니어의 경험을 개인의 암묵지(Tacit Knowledge)에서 회사의 명시지(Explicit Knowledge)로 바꾸는 작업을 강조한다.
# AI 잘 쓰는 직원 한 명을 발견했다면… 100명이 쓰는 Workflow로 만들어라
바로 이 지점에서 AX는 IT 프로젝트에서 HR과 기업문화의 문제로 넘어간다.
예를 들어 한 MD가 매주 3시간씩 걸리던 판매분석을 AI를 이용해 30분 만에 처리하는 Workflow를 만들었다고 하자. 기존 조직이라면 “저 직원은 일을 참 잘한다”로 끝날 가능성이 높다. 하지만 AX 조직은 다른 질문을 해야 한다.
“이 방법을 30명의 MD가 같이 사용할 수 있는가?”
한 직원이 매주 2시간30분을 절약하는 것보다 30명의 MD가 같은 방법을 사용하는 것이 훨씬 큰 기업가치를 만든다. 한 명의 생산담당자가 발주·납기관리 프로세스를 개선했다면 다른 브랜드 생산팀도 사용하게 하고, 한 명의 VMD가 샘플 없이 AI로 매장 연출안을 만드는 방법을 개발했다면 국내뿐 아니라 해외법인까지 확산해야 한다.
즉, 개인의 발견 → TEST → 검증 → 표준화 → SHARE → 전사 확산 → REWARD라는 사이클이 필요하다.
그리고 마지막의 REWARD가 중요하다. 직원들에게 “AI를 적극 활용하라”고 수십 번 이야기하면서 평가와 승진은 과거 기준 그대로라면 조직은 쉽게 변하지 않는다.
반대로 회사의 일하는 방법을 실제로 바꾼 직원에게 특진이나 Innovation Bonus를 지급하고 그 사례를 조직에 공개한다면 직원들에게 전달되는 메시지는 명확하다.
“AI 때문에 내 자리가 없어지는 것이 아니라, AI로 회사의 일을 바꾸는 사람에게 더 큰 기회가 열린다.”
첨부 자료에서도 AX 시대의 인재 기준을 Problem Definition, AI Collaboration, Data Literacy, Workflow Innovation, Knowledge Sharing, Business Impact 등으로 확장해야 한다고 제안한다. 결국 ‘일 잘하는 사람’의 정의가 달라지는 것이다.
열심히 일하는 사람 → AI를 활용해 일을 더 잘하는 사람 → AI와 함께 아예 일하는 방법을 바꾸는 사람.
# 사람을 더 세게 일하게 하지 말고, ‘회사가 더 빠르게 움직이는 시스템’을 만들어라
이 대목은 AX를 단순 생산성 향상이 아니라 기업의 지속가능성과 연결시킨다.
3명이 3~4일 걸리던 업무를 “이번에는 이틀 만에 끝내라”고 요구하는 것과 그 일이 왜 3~4일씩 걸렸는지를 분석해 3~4일 걸리던 구조 자체를 없애는 것은 완전히 다른 경영이다.
AI가 등장했다고 직원들에게 더 많은 보고서와 더 빠른 답을 요구한다면 그것은 AX가 아니라 업무강도의 디지털 가속일 수 있다. 진정한 AX는 사람이 반복적으로 하던 검색·정리·취합·작성·확인 업무를 줄이고 그 시간을 상품과 고객, 브랜드, 의사결정에 돌려주는 방향이어야 한다.
출처: OpenAI 이미지 생성 AI로 제작
여기에 CEO의 역할도 중요하다. AX는 IT부서에 “AI 프로젝트를 하나 만들어보라”고 지시한다고 시작되지 않는다. 첨부 사례에서는 최고경영층이 직접 AI와 대화하며 자신의 생각을 정리하고, 이를 임원과 조직에 전달해 후속 검토와 실행으로 연결하는 모습이 나타난다. 경영자가 첫 번째 사용자가 되고, 임원이 이를 실제 비즈니스 문제로 바꾸며, 현업 직원이 더 좋은 Workflow를 만들어 다시 조직에 돌려주는 구조다.
CEO USE → EMPLOYEE BUILD → TEST → SHARE → STANDARDIZE → REWARD → SCALE
이 사이클이 일회성 프로젝트가 아니라 매일 반복되기 시작하면 AX는 IT 프로젝트에서 기업문화로 바뀐다.
특히 글로벌 시장을 확대하는 패션기업에는 더욱 중요하다. 브랜드와 국가가 늘어날 때마다 MD, 생산관리자, 마케터, 영업담당자를 같은 비율로 늘려야 한다면 글로벌 스케일업에는 한계가 있다. 기업의 경험과 데이터가 시스템에 축적되고 AI가 이를 호출하며 검증된 Workflow를 해외법인까지 반복할 수 있어야 사람이 늘어나는 속도보다 비즈니스가 더 빨리 성장하는 구조가 만들어진다.
# AI Native Company, 결국 ‘조직의 Intelligence’를 만드는 일
패션기업의 경쟁력은 오랫동안 좋은 디자이너와 뛰어난 MD, 숙련된 생산관리자, 강한 브랜드와 유통망에서 만들어졌다. AI 시대에도 이들의 경험과 감각, 전문성이 사라지는 것은 아니다. 오히려 중요성은 더 커질 수 있다.
달라지는 것은 그 경험과 노하우를 회사가 활용하는 방식이다.
한 MD가 알고 있던 시장의 경험을 모든 MD가 활용하고, 20년 경력의 생산책임자가 축적한 성공과 실패를 신입사원도 AI에게 질문할 수 있으며, 한 직원이 발견한 새로운 AI Workflow를 다른 브랜드와 해외법인까지 반복해서 사용할 수 있는 회사. 이것이 AI Native Fashion Company에 가까운 모습이다.
<참고> 기업 내 AX 성숙도 4단계
따라서 패션기업 경영자가 이제 물어야 할 질문도 달라져야 한다. “우리 직원들이 ChatGPT를 얼마나 많이 사용하는가?”가 아니라 AI가 들어온 뒤 회사의 일하는 방식이 실제로 얼마나 달라졌는가를 물어야 한다.
# AI Native Company는 AI를 많이 쓰는 회사가 아니다
AI를 잘 쓰는 한 사람의 혁신을 조직 전체가 일하는 방식으로 바꿀 수 있는 회사다. 그리고 그 변화는 거창한 AI 프로젝트에서 시작되지 않을 수도 있다. 3일 걸리던 보고서를 3시간으로 바꾼 직원 한 명, 샘플이 나오기 전에 새로운 VMD 방식을 찾아낸 실무자 한 명, 자신의 20년 경험을 AI가 사용할 수 있는 기준으로 남긴 베테랑 한 명을 조직이 어떻게 발견하고 확산하고 보상하느냐에서 시작된다. 그것이 AX 시대 패션기업이 만들어야 할 새로운 기업문화이자, 지속적으로 학습하고 성장하는 ‘조직의 Intelligence’다.
정인기 에디터 ingi@dito.fashion
패션 리딩 컴퍼니의 AX 실제 사례로 본 ‘AI Native Company’
출처: OpenAI 이미지 생성 AI로 제작
패션기업의 AX(AI Transformation)가 새로운 단계로 접어들고 있다. ChatGPT나 Claude를 직원들에게 지급하고 몇 차례 AI 교육을 진행하는 수준을 넘어, 이제는 “우리 회사는 앞으로 어떻게 일할 것인가”를 다시 설계하는 문제로 이동하고 있다.
특히 상품기획, 디자인, 생산, 마케팅, 영업, VMD처럼 사람의 경험과 감각에 크게 의존해 온 패션산업에서는 변화의 폭이 더 크다. 과거에는 경력 많은 MD나 디자이너, 생산책임자가 가진 노하우 자체가 기업 경쟁력이었다면 앞으로는 그 경험을 데이터와 Workflow로 구조화해 AI가 활용하게 하고, 조직 전체가 반복해서 사용할 수 있는 Company Intelligence로 전환하는 능력이 중요해진다.
국내 패션 리딩 컴퍼니의 실제 AX 현장을 들여다보면 변화는 이미 구체적이다. 수일씩 걸리던 경영보고 프로세스를 AI와 데이터로 다시 설계하고, MD와 디자이너의 ‘감’에 소비자 반응과 트렌드 데이터를 결합한다. 샘플이 완성되기 전 AI로 VMD와 착장을 검토하고, 한 직원이 찾아낸 새로운 AI 업무방식을 전사 표준으로 만드는 시도도 나타난다. 첨부 사례에서도 AX를 단순한 기술 도입이 아니라 상품기획·디자인·소싱·영업·경영관리·HR까지 연결하는 Management Transformation으로 규정하고 있다.
결국 경쟁의 기준은 ‘누가 더 좋은 AI를 도입했느냐’가 아니라 ‘AI를 통해 누가 더 빨리 회사의 일하는 방식을 바꾸느냐’로 이동하고 있다.
# AI를 도입’하지 말고 일하는 순서를 바꿔라
이 사례에서 주목할 것은 단순히 3~4일 걸리던 일을 빨리 처리했다는 것이 아니다. 사람과 시스템, AI가 담당해야 할 일을 처음부터 다시 나눴다는 것이다.
기존 업무가 ‘데이터 취합 → 엑셀 → 검증 → PPT → 보고 → 회의 → 수정 → 재보고’였다면 AX형 업무는 ‘데이터 연결 → 검증 → AI 분석 → 사람의 질문 → 판단 → Action Item → 실행’으로 달라진다.
패션기업에서 흔히 나타나는 AX의 오류도 여기에서 발견된다. MD가 시장을 조사하고 엑셀을 만들고 PPT를 작성한 뒤 마지막에 ChatGPT로 문장을 다듬는다면 기존 프로세스를 AI로 조금 빠르게 만들었을 뿐이다. 진정한 AX라면 업무의 첫 단계부터 무엇을 사람이 하고, 무엇을 데이터 시스템이 하며, 무엇을 AI가 하고, 최종적으로 사람이 무엇을 판단할 것인가를 다시 정의해야 한다.
보고 방식도 달라져야 한다. AI가 조사·분석·문서작성을 지원하는 상황에서는 잘 만들어진 20페이지 PPT만으로 직원의 역량을 판단하기 어렵다. 오히려 직원이 AI와 어떤 질문을 주고받았고, 어떤 데이터를 넣었으며, 무엇을 의심하고 검증했는지까지 보고받아야 한다. 첨부 자료가 AX 시대의 보고를 ‘Report → Conversation’으로 전환해야 한다고 제안하는 이유다.
경영자의 질문 역시 달라진다. “결론이 뭐야?”에 앞서 “왜 이렇게 물었지?”, “이 숫자는 어디에서 왔지?”, “AI가 틀렸을 가능성은 검증했나?”, “이 방식을 다른 브랜드에도 적용할 수 있나?”를 묻는 것이다.
# “작년 중국에서 이 상품은 왜 팔렸지?”… MD의 ‘감’을 Company Intelligence로 바꿔라
패션에서 AI가 사람을 완전히 대신하기 어려운 영역이 바로 상품기획과 디자인이다. 어떤 실루엣이 다음 시즌에 움직일 것인지, 소비자가 왜 특정 컬러에 반응하는지, 무엇이 브랜드다움을 만드는지는 여전히 사람의 감각과 경험이 중요하다.
따라서 AX의 목적은 MD와 디자이너의 ‘감’을 제거하는 것이 아니다. 감각의 범위를 데이터로 확장하고, 판단 시점을 앞당기는 것이다. 상품이 출시된 다음 소비자의 반응을 확인하는 대신 기획 단계에서 더 많은 가능성을 탐색하고, 샘플이 나온 뒤 VMD를 판단하는 대신 샘플 이전에 착장과 공간을 검토할 수 있다.
여기에 기업 내부 데이터가 연결되면 한 단계 더 나아간다.
“작년 이맘때 중국에서 이 상품군은 왜 잘 팔렸지?”
기존 회사라면 담당자가 여러 시스템에 접속해 데이터를 내려받고 엑셀로 가공해야 했다. 혹은 당시 중국 사업을 담당했던 경력자에게 물어야 했다. 하지만 상품·판매·지역·기간 등의 관계를 구조화하고 Knowledge Graph와 기업 데이터를 AI에 연결하면, 궁극적으로는 AI가 질문의 맥락을 이해해 필요한 데이터를 찾아 답을 구성할 수 있다. 첨부된 실제 사례에서도 기업 데이터와 업무 맥락을 연결해 개인의 AI 활용 → 기업 데이터 연결 → 조직 지식 연결 → 의사결정 지원으로 발전시키는 방향이 제시된다.
이 변화는 패션기업에 매우 중요하다. 회사의 핵심 노하우 상당수는 시스템보다 사람의 머릿속에 있기 때문이다. “이 공장은 이 소재를 잘 다룬다”, “중국에서는 이 컬러가 예상보다 잘 나갔다”, “이 스타일은 과거에도 비슷한 반응이 있었다”는 경험은 담당자가 회사를 떠나는 순간 함께 사라질 수 있다.
AX 시대에는 베테랑의 역할도 그래서 달라진다. 20년 경력자가 “내가 해봐서 안다”고 답하는 데 그치는 것이 아니라 20년간 쌓은 경험에서 정상 범위와 예외, 판단 기준을 찾아 AI와 후배들이 사용할 수 있는 데이터·SOP·업무 Ontology로 남기는 역할이 중요해진다.
첨부 자료 역시 시니어의 경험을 개인의 암묵지(Tacit Knowledge)에서 회사의 명시지(Explicit Knowledge)로 바꾸는 작업을 강조한다.
# AI 잘 쓰는 직원 한 명을 발견했다면… 100명이 쓰는 Workflow로 만들어라
바로 이 지점에서 AX는 IT 프로젝트에서 HR과 기업문화의 문제로 넘어간다.
예를 들어 한 MD가 매주 3시간씩 걸리던 판매분석을 AI를 이용해 30분 만에 처리하는 Workflow를 만들었다고 하자. 기존 조직이라면 “저 직원은 일을 참 잘한다”로 끝날 가능성이 높다. 하지만 AX 조직은 다른 질문을 해야 한다.
“이 방법을 30명의 MD가 같이 사용할 수 있는가?”
한 직원이 매주 2시간30분을 절약하는 것보다 30명의 MD가 같은 방법을 사용하는 것이 훨씬 큰 기업가치를 만든다. 한 명의 생산담당자가 발주·납기관리 프로세스를 개선했다면 다른 브랜드 생산팀도 사용하게 하고, 한 명의 VMD가 샘플 없이 AI로 매장 연출안을 만드는 방법을 개발했다면 국내뿐 아니라 해외법인까지 확산해야 한다.
즉, 개인의 발견 → TEST → 검증 → 표준화 → SHARE → 전사 확산 → REWARD라는 사이클이 필요하다.
그리고 마지막의 REWARD가 중요하다. 직원들에게 “AI를 적극 활용하라”고 수십 번 이야기하면서 평가와 승진은 과거 기준 그대로라면 조직은 쉽게 변하지 않는다.
반대로 회사의 일하는 방법을 실제로 바꾼 직원에게 특진이나 Innovation Bonus를 지급하고 그 사례를 조직에 공개한다면 직원들에게 전달되는 메시지는 명확하다.
“AI 때문에 내 자리가 없어지는 것이 아니라, AI로 회사의 일을 바꾸는 사람에게 더 큰 기회가 열린다.”
첨부 자료에서도 AX 시대의 인재 기준을 Problem Definition, AI Collaboration, Data Literacy, Workflow Innovation, Knowledge Sharing, Business Impact 등으로 확장해야 한다고 제안한다. 결국 ‘일 잘하는 사람’의 정의가 달라지는 것이다.
열심히 일하는 사람 → AI를 활용해 일을 더 잘하는 사람 → AI와 함께 아예 일하는 방법을 바꾸는 사람.
# 사람을 더 세게 일하게 하지 말고, ‘회사가 더 빠르게 움직이는 시스템’을 만들어라
이 대목은 AX를 단순 생산성 향상이 아니라 기업의 지속가능성과 연결시킨다.
3명이 3~4일 걸리던 업무를 “이번에는 이틀 만에 끝내라”고 요구하는 것과 그 일이 왜 3~4일씩 걸렸는지를 분석해 3~4일 걸리던 구조 자체를 없애는 것은 완전히 다른 경영이다.
AI가 등장했다고 직원들에게 더 많은 보고서와 더 빠른 답을 요구한다면 그것은 AX가 아니라 업무강도의 디지털 가속일 수 있다. 진정한 AX는 사람이 반복적으로 하던 검색·정리·취합·작성·확인 업무를 줄이고 그 시간을 상품과 고객, 브랜드, 의사결정에 돌려주는 방향이어야 한다.
출처: OpenAI 이미지 생성 AI로 제작
여기에 CEO의 역할도 중요하다. AX는 IT부서에 “AI 프로젝트를 하나 만들어보라”고 지시한다고 시작되지 않는다. 첨부 사례에서는 최고경영층이 직접 AI와 대화하며 자신의 생각을 정리하고, 이를 임원과 조직에 전달해 후속 검토와 실행으로 연결하는 모습이 나타난다. 경영자가 첫 번째 사용자가 되고, 임원이 이를 실제 비즈니스 문제로 바꾸며, 현업 직원이 더 좋은 Workflow를 만들어 다시 조직에 돌려주는 구조다.
CEO USE → EMPLOYEE BUILD → TEST → SHARE → STANDARDIZE → REWARD → SCALE
이 사이클이 일회성 프로젝트가 아니라 매일 반복되기 시작하면 AX는 IT 프로젝트에서 기업문화로 바뀐다.
특히 글로벌 시장을 확대하는 패션기업에는 더욱 중요하다. 브랜드와 국가가 늘어날 때마다 MD, 생산관리자, 마케터, 영업담당자를 같은 비율로 늘려야 한다면 글로벌 스케일업에는 한계가 있다. 기업의 경험과 데이터가 시스템에 축적되고 AI가 이를 호출하며 검증된 Workflow를 해외법인까지 반복할 수 있어야 사람이 늘어나는 속도보다 비즈니스가 더 빨리 성장하는 구조가 만들어진다.
# AI Native Company, 결국 ‘조직의 Intelligence’를 만드는 일
패션기업의 경쟁력은 오랫동안 좋은 디자이너와 뛰어난 MD, 숙련된 생산관리자, 강한 브랜드와 유통망에서 만들어졌다. AI 시대에도 이들의 경험과 감각, 전문성이 사라지는 것은 아니다. 오히려 중요성은 더 커질 수 있다.
달라지는 것은 그 경험과 노하우를 회사가 활용하는 방식이다.
한 MD가 알고 있던 시장의 경험을 모든 MD가 활용하고, 20년 경력의 생산책임자가 축적한 성공과 실패를 신입사원도 AI에게 질문할 수 있으며, 한 직원이 발견한 새로운 AI Workflow를 다른 브랜드와 해외법인까지 반복해서 사용할 수 있는 회사. 이것이 AI Native Fashion Company에 가까운 모습이다.
<참고> 기업 내 AX 성숙도 4단계
따라서 패션기업 경영자가 이제 물어야 할 질문도 달라져야 한다. “우리 직원들이 ChatGPT를 얼마나 많이 사용하는가?”가 아니라 AI가 들어온 뒤 회사의 일하는 방식이 실제로 얼마나 달라졌는가를 물어야 한다.
# AI Native Company는 AI를 많이 쓰는 회사가 아니다
AI를 잘 쓰는 한 사람의 혁신을 조직 전체가 일하는 방식으로 바꿀 수 있는 회사다. 그리고 그 변화는 거창한 AI 프로젝트에서 시작되지 않을 수도 있다. 3일 걸리던 보고서를 3시간으로 바꾼 직원 한 명, 샘플이 나오기 전에 새로운 VMD 방식을 찾아낸 실무자 한 명, 자신의 20년 경험을 AI가 사용할 수 있는 기준으로 남긴 베테랑 한 명을 조직이 어떻게 발견하고 확산하고 보상하느냐에서 시작된다. 그것이 AX 시대 패션기업이 만들어야 할 새로운 기업문화이자, 지속적으로 학습하고 성장하는 ‘조직의 Intelligence’다.
정인기 에디터 ingi@dito.fashion