제조업의 판을 바꾸는 AI 대전환 ‘M.AX’
패션 산업에 특화된 버티컬 AI가 중요
‘글로벌 제조 AX 최강국’으로 도약하기 위한 국가 차원의 산업 대전환 프로젝트인 ‘M.AX 얼라이언스’가 추진되고 있다. M.AX(Manufacturing AI Transformation)는 제조AI 대전환을 뜻하는 것으로 AI 팩토리, 자율주행차, 휴머노이드, 온디바이스 등 핵심 분야별 얼라이언스를 가동하고 있다. AI 팩토리가 AI 기술 도입으로 제조공정을 제어하는 미래형 공장 모델이라면, M.AX는 기획부터 설계, 생산, 유통까지 제조 전 과정에 AI를 접목하는 제조 패러다임 전반의 AI 전환을 목표로 한다.
AI 기술은 섬유패션 제조업에서 어떻게 적용돼야 할까? 섬유패션 역시 디자인 AI에서 시작된 AI 활용이 기획과 제품 개발, 제조 영역으로 확장되고 있다. 기획·개발·제조·판매 단계별로 파편화된 솔루션을 하나로 연결해 밸류체인 전체를 관통하는 M.AX 전략이 추진되어야 한다.
2025년 9월 제조업과 AI 기술의 융합을 통해 대한민국을 제조 AX 1등 국가로 도약시킨다는 목적으로 민·관 합동 협의체 M.AX(Manufacturing AI Transformation) 얼라이언스가 출범했다.
지난 5월 개최된 산업통상부의 ‘제1회 M.AX 컨퍼런스 겸 산업성장포럼’에서 김성열 산업성장실장은 “제조업의 AI 전환, M.AX는 대한민국 산업의 선도적 지위 유지와 국가의 미래 경쟁력을 결정할 핵심 변수가 될 것”이라고 강조했다. M.AX가 제조업의 미래 경쟁력을 좌우할 핵심 전략으로 부상한 것이다.
산업부는 이에 더해 M.AX 정책을 제조 현장을 넘어 생산계획, 공급망 관리, 재고 운영 등 기업활동 전 영역으로 확대했다. 제조 경쟁력을 높이기 위해서는 단순히 설비, 제조 공정에서의 AI 활용에 그치는 것이 아니라 제품 기획, 개발 단계부터 유통 전 과정에서 데이터 연계 및 AI 기술이 적용되어야 하기 때문이다. 이를 목적으로 지난 6월 23일에는 ‘산업 AI 솔루션’과 ‘AI 에이전트’ 사업 공동 출범식을 열었다.
AI 모델 비토리아와 함께한 보브 리조트 컬렉션
섬유패션 제조업 역시 생산 프로세스의 개선, 예측 유지보수, 품질검사 등 제조 공장에서의 AI 기술 도입에 그치는 것이 아니라 공급망 관리와 수요예측 기반 생산에도 AI 기술이 필요하다. 즉 제조 공정을 포함한 전후방 연계 영역까지 AI 활용을 확대하는 M.AX 전략이 중요해지고 있는 것이다.
PwC코리아는 ‘한국 제조업 재도약을 위한 AI 로드맵’ 보고서를 통해 제조 현장에서의 AI 전환은 앞으로 더욱 가속화될 것이라고 강조했다. PwC 측은 “AI를 제조 공정에 통합해 생산 효율성 최적화, 품질관리 강화, 공급망 관리 개선 등이 제조AI의 초기 버전이라면 선진 기업일수록 가치 사슬 전반에 걸쳐 AI를 확장해야 진정한 제조 AI 비전을 완성하는 것”이라고 설명한다.
# 공급망 관리부터 수요 예측까지, 하나로 연결된 워크플로
섬유패션 산업은 자동차·전자산업처럼 표준화된 제품을 장기간 반복 생산하는 산업이 아니라 시즌마다 수백 개의 상품이 바뀐다. 트렌드 예측은 어렵고 상품 수명은 짧으며, 상품 기획과 판매 사이에는 수개월의 시차가 존재한다.
섬유패션 산업에서의 AI 활용의 본질은 생산성 향상과 품질검사 자동화에 그치지 않는다. 그보다 시장의 요구를 정확하게 해석해 아이디어를 생산 가능한 정보로 변환하며, 개발 과정에서 발생하는 수많은 의사결정과 커뮤니케이션 비용을 줄이는 데 있다. 또 환경 문제를 해결하기 위해 불필요한 샘플과 판매되지 않을 제품의 생산을 줄이는 것이 중요하며 이를 위해 AI 기술을 적극 활용해야 한다는 의견이 제기된다.
즉 상품개발을 위한 기획·디자인 단계에서는 트렌드 예측과 신속한 제품 개발을 위해 AI 기술을 적용하고, 제조 공정에서는 자원 절약, 우수한 품질 관리, 수요에 기반한 민첩한 공급을 위해 AI 기술을 활용해야 한다. 또 마케팅 및 유통 단계에서도 고객의 수요를 정확하게 예측하고 효율적인 재고 관리를 위한 AI 기술이 필요하다.
이동현 FCL코리아 대표는 “섬유패션 산업의 AI 경쟁력은 사실적인 이미지를 생산하는 것을 넘어 트렌드와 브랜드 정체성에 부합하는 디자인을 얼마나 빠르게 상품기획과 작업지시서, 생산, 콘텐츠, 판매 데이터로 연결할 수 있느냐에 따라 결정됩니다. 상품기획과 디자인, 개발, 생산, 판매 예측을 연결하는 ‘섬유패션 특화 버티컬 AI’의 등장이 중요해지고 있습니다”라고 말했다.
# M.AX 확산 위한 산업 AI 솔루션 중요
매트윈(MATEIN)
산업부는 지난 6월 ‘산업 AI 솔루션’과 ‘AI 에이전트’ 사업 공동 출범식에서 M.AX를 위해서는 제조 현장뿐 아니라 기업 운영 전반으로 AI 활용 범위와 중요성이 확대되고 있다고 강조했다. 이를 위해 검증된 ‘산업 AI 솔루션’을 활용해 산업현장에 AI를 빠르게 보급·확산함으로써 제조 현장은 물론 경영 기획, 생산 관리 등 전 과정의 혁신을 이룬다는 계획이다.
섬유패션 산업 역시 밸류체인 전반의 AI 혁신을 위한 ‘AI 솔루션’이 계속 증가하고 있다.
패션산업의 AI 전환에서 디자인보다 선행돼야 할 영역은 상품기획이다. 패션 기업이 재고를 줄이기 위해서는 전년도 판매 실적과 경쟁사 조사, 트렌드 정보, 바이어와 영업조직의 경험 등도 중요하지만 결정적인 문제는 MD와 디자이너가 참고해야 할 데이터다. 기획 AI의 역할은 이질적인 데이터를 수집해 상품 구성과 발주량에 관한 복수의 시나리오를 제시하거나 보다 많은 근거를 바탕으로 판단하도록 돕는 의사결정 지원시스템에 가깝다.
SNS와 검색 키워드, 경쟁사 분석은 물론 패션 세부 카테고리, 플랫폼별 정보량, 인플루언서 패션 트렌드, 소재 분석 등 고객 맞춤 AI 트렌드 분석 서비스를 제공하는 뉴엔AI의 퀘타AI(Quetta AI)가 대표적이다.
스케치에서 소재까지, 창작 속도를 높이는 디자인 AI 솔루션 활용도 증가하고 있다. 범용 이미지 생성 AI는 그럴듯한 패션 이미지를 만드는 데는 능하지만, 특정 브랜드가 축적해 온 실루엣과 소재 감도, 디테일, 가격대, 고객 특성까지 일관되게 반영하기 어렵다. 패션기업에 필요한 것은 ‘예쁜 옷’을 만드는 AI가 아니라 ‘우리 브랜드가 판매할 수 있는 옷’을 제안하는 AI다.
생성형 AI 기반의 패션 디자인 워크스페이스 스타일에이아이(StyleAI)는 디자이너의 아이디어나 스케치 한 장을 가상 샘플로 즉시 확인하고 도식화를 모델컷으로 전환한다. 바이스벌사의 빔스튜디오(VIIMstudio)는 디자이너 AI 어시스턴트를 표방하며 제품 기반 스타일링 콘텐츠 제작, AI 화보 제작, 패션 영상 생성 등이 핵심으로 구성된 통합 AI 패션 콘텐츠 플랫폼이다. 섬유 AI 디자인에 특화된 텍스타일디자인뱅크(TextileDesignBank)는 사용자가 원하는 레퍼런스 이미지를 업로드하면 AI가 맞춤형 텍스타일 패턴을 자동으로 생성한다.
# AI 디지털 트윈, 의사결정과 지속가능성을 위해 필수
브링온(VRING:ON)
샘플 개발과 콘텐츠 제작 과정에서의 AI 활용은 신속한 의사결정은 물론 기업의 지속가능 경영을 위한 필수 요소로 강조된다. 디지털 트윈은 실물 샘플 없이 바이어에게 컬렉션을 제안하고 글로벌 세일즈 기회를 확대하는데도 효과적이다.
시간과 자원 낭비를 줄이기 위해 등장한 클로(CLO), 지이모션, 브라우즈웨어 등의 3D 버추얼 샘플 솔루션은 AI 기술까지 탑재하면서 제작 시간을 크게 단축시키고 있다. 여기에 최근에는 가상 샘플 제작을 자동화하는 AI 솔루션이 등장하면서 디자인실에 새로운 프로세스가 적용되고 있다.
리빌더AI의 브링온(VRING:ON)은 이미지와 스케치를 기반으로 3D 모델과 설계 데이터를 생성해 기획부터 공장 생산까지 과정을 단일 플랫폼에서 처리하는 것이 특징이며, 미타운의 이보바(EVOVA)는 자체 개발한 AI 뉴럴 렌더링 기술을 활용해 초실감형 3D 콘텐츠를 자동 제작하는 솔루션이다. 또 리브포워드는 소재 디지털화부터 3D·AI 이미지 생성 그리고 비즈니스 확장까지 하나의 흐름으로 연결한 소재 특화 디지털 트윈 솔루션 매트윈(MATEIN)을 새롭게 오픈했다.
이커머스 분야의 AI 콘텐츠 솔루션은 AI 룩북, AI 모델, AI 스타일링 제작에 주로 활용된다. AI 모델이나 AI 룩북은 시간과 비용을 아껴주는 것은 물론 신속하게 고객들의 반응을 살필 수 있는 효과가 있다. 판매 과정에서 이를 적극 활용한다면 선판매 후생산으로 제조 프로세스를 바꾸는 것도 가능해진다.
비바테크에 참여한 지이모션
라온버드의 라온젠(LaonGEN), 드랩(Draph), 엔엑스앤랩스(NXN Labs), 팔레트(Palette), 리얼스냅(RealSnap) 등은 AI 모델 착용샷과 룩북, 영상 콘텐츠 등에 특화된 AI 솔루션이다. 또 스튜디오랩의 젠시(GENCY)는 상세페이지 콘텐츠 자동화 분야에 특화된 AI 솔루션으로 이커머스 시장의 병목을 해결해주고 있다.
# 개별 솔루션을 넘어 밸류체인의 유기적 통합
생성형 AI가 화려하게 앞단을 바꾸는 동안, 정작 공장으로 넘어가는 엔지니어링 데이터는 여전히 엑셀과 종이 문서에 흩어져 있고 서로 다른 언어가 혼재되어 있다. 패션 제조 AI의 핵심은 비정형 커뮤니케이션을 구조화하는 것으로 도식화, 작업지시서, BOM, 원가계산서 등 생산 준비를 지원하는 AI 솔루션이 등장했다.
의류 제작의 필수 공정인 도식화, 작업지시서, 발주서 등의 작업 템플릿의 작성 효율을 높인 패딧(Faddit), 글로벌 소싱과 의류 개발 과정의 정보 비대칭을 해결하기 위한 랩오브어패럴(Lab of Apparel)의 더 패션 OS(The Fashion OS), 글로벌 의류 소싱을 위한 AI 벤더 플랫폼 시제(SIJE), 디지털 패턴 제작을 위한 솔루션 우투(UTTU) 등이 대표적이다.
섬유패션 밸류체인의 AI 확산
섬유패션 산업의 AI 전환 목적은 개별 부서에 새로운 프로그램 하나를 도입하는 데 있지 않다. 기획 AI가 시장과 고객의 신호를 해석하고, 디자인 AI가 이를 상품으로 구체화하며, 제조 AI가 생산 가능한 사양과 공정으로 전환해야 한다. 생산 이후에는 콘텐츠 성과와 판매 데이터가 다시 다음 시즌 기획에 반영돼야 비로소 하나의 AI 밸류체인이 완성된다.
향후 핵심 과제는 이들 산업 AI 솔루션이 서로 데이터 표준과 교환 규격을 정립하며, PLM(제품수명주기관리) 같은 통합 축으로 얼마나 유기적으로 연결되드냐에 달려 있다.
랩오브어패럴 김성한 대표는 “AI는 창의성을 대신하거나 공장 인력을 단순히 줄이는 기술이 아닙니다. 짧은 상품 주기와 다품종 소량 생산, 복잡한 글로벌 공급망이라는 패션산업의 구조적 한계를 데이터로 연결하는 새로운 운영체계로 이해해야 합니다”라고 말했다.
황연희 에디터 yuni@dito.fashion
* 위 기사는 산업통상부, 한국산업기술진흥원이 지원하는 ‘섬유산업 지능형 마이크로팩토리 제조 플랫폼 실증기반구축’ 사업의 일환으로 한국섬유산업연합회가 제작한 DX MADE의 내용입니다. 전체 본문은 아래 '[DX MADE] 바로가기 '로 확인 가능합니다.
[DX MADE] 바로가기
제조업의 판을 바꾸는 AI 대전환 ‘M.AX’
‘글로벌 제조 AX 최강국’으로 도약하기 위한 국가 차원의 산업 대전환 프로젝트인 ‘M.AX 얼라이언스’가 추진되고 있다. M.AX(Manufacturing AI Transformation)는 제조AI 대전환을 뜻하는 것으로 AI 팩토리, 자율주행차, 휴머노이드, 온디바이스 등 핵심 분야별 얼라이언스를 가동하고 있다. AI 팩토리가 AI 기술 도입으로 제조공정을 제어하는 미래형 공장 모델이라면, M.AX는 기획부터 설계, 생산, 유통까지 제조 전 과정에 AI를 접목하는 제조 패러다임 전반의 AI 전환을 목표로 한다.
AI 기술은 섬유패션 제조업에서 어떻게 적용돼야 할까? 섬유패션 역시 디자인 AI에서 시작된 AI 활용이 기획과 제품 개발, 제조 영역으로 확장되고 있다. 기획·개발·제조·판매 단계별로 파편화된 솔루션을 하나로 연결해 밸류체인 전체를 관통하는 M.AX 전략이 추진되어야 한다.
2025년 9월 제조업과 AI 기술의 융합을 통해 대한민국을 제조 AX 1등 국가로 도약시킨다는 목적으로 민·관 합동 협의체 M.AX(Manufacturing AI Transformation) 얼라이언스가 출범했다.
지난 5월 개최된 산업통상부의 ‘제1회 M.AX 컨퍼런스 겸 산업성장포럼’에서 김성열 산업성장실장은 “제조업의 AI 전환, M.AX는 대한민국 산업의 선도적 지위 유지와 국가의 미래 경쟁력을 결정할 핵심 변수가 될 것”이라고 강조했다. M.AX가 제조업의 미래 경쟁력을 좌우할 핵심 전략으로 부상한 것이다.
산업부는 이에 더해 M.AX 정책을 제조 현장을 넘어 생산계획, 공급망 관리, 재고 운영 등 기업활동 전 영역으로 확대했다. 제조 경쟁력을 높이기 위해서는 단순히 설비, 제조 공정에서의 AI 활용에 그치는 것이 아니라 제품 기획, 개발 단계부터 유통 전 과정에서 데이터 연계 및 AI 기술이 적용되어야 하기 때문이다. 이를 목적으로 지난 6월 23일에는 ‘산업 AI 솔루션’과 ‘AI 에이전트’ 사업 공동 출범식을 열었다.
AI 모델 비토리아와 함께한 보브 리조트 컬렉션
섬유패션 제조업 역시 생산 프로세스의 개선, 예측 유지보수, 품질검사 등 제조 공장에서의 AI 기술 도입에 그치는 것이 아니라 공급망 관리와 수요예측 기반 생산에도 AI 기술이 필요하다. 즉 제조 공정을 포함한 전후방 연계 영역까지 AI 활용을 확대하는 M.AX 전략이 중요해지고 있는 것이다.
PwC코리아는 ‘한국 제조업 재도약을 위한 AI 로드맵’ 보고서를 통해 제조 현장에서의 AI 전환은 앞으로 더욱 가속화될 것이라고 강조했다. PwC 측은 “AI를 제조 공정에 통합해 생산 효율성 최적화, 품질관리 강화, 공급망 관리 개선 등이 제조AI의 초기 버전이라면 선진 기업일수록 가치 사슬 전반에 걸쳐 AI를 확장해야 진정한 제조 AI 비전을 완성하는 것”이라고 설명한다.
# 공급망 관리부터 수요 예측까지, 하나로 연결된 워크플로
섬유패션 산업은 자동차·전자산업처럼 표준화된 제품을 장기간 반복 생산하는 산업이 아니라 시즌마다 수백 개의 상품이 바뀐다. 트렌드 예측은 어렵고 상품 수명은 짧으며, 상품 기획과 판매 사이에는 수개월의 시차가 존재한다.
섬유패션 산업에서의 AI 활용의 본질은 생산성 향상과 품질검사 자동화에 그치지 않는다. 그보다 시장의 요구를 정확하게 해석해 아이디어를 생산 가능한 정보로 변환하며, 개발 과정에서 발생하는 수많은 의사결정과 커뮤니케이션 비용을 줄이는 데 있다. 또 환경 문제를 해결하기 위해 불필요한 샘플과 판매되지 않을 제품의 생산을 줄이는 것이 중요하며 이를 위해 AI 기술을 적극 활용해야 한다는 의견이 제기된다.
즉 상품개발을 위한 기획·디자인 단계에서는 트렌드 예측과 신속한 제품 개발을 위해 AI 기술을 적용하고, 제조 공정에서는 자원 절약, 우수한 품질 관리, 수요에 기반한 민첩한 공급을 위해 AI 기술을 활용해야 한다. 또 마케팅 및 유통 단계에서도 고객의 수요를 정확하게 예측하고 효율적인 재고 관리를 위한 AI 기술이 필요하다.
이동현 FCL코리아 대표는 “섬유패션 산업의 AI 경쟁력은 사실적인 이미지를 생산하는 것을 넘어 트렌드와 브랜드 정체성에 부합하는 디자인을 얼마나 빠르게 상품기획과 작업지시서, 생산, 콘텐츠, 판매 데이터로 연결할 수 있느냐에 따라 결정됩니다. 상품기획과 디자인, 개발, 생산, 판매 예측을 연결하는 ‘섬유패션 특화 버티컬 AI’의 등장이 중요해지고 있습니다”라고 말했다.
# M.AX 확산 위한 산업 AI 솔루션 중요
매트윈(MATEIN)
산업부는 지난 6월 ‘산업 AI 솔루션’과 ‘AI 에이전트’ 사업 공동 출범식에서 M.AX를 위해서는 제조 현장뿐 아니라 기업 운영 전반으로 AI 활용 범위와 중요성이 확대되고 있다고 강조했다. 이를 위해 검증된 ‘산업 AI 솔루션’을 활용해 산업현장에 AI를 빠르게 보급·확산함으로써 제조 현장은 물론 경영 기획, 생산 관리 등 전 과정의 혁신을 이룬다는 계획이다.
섬유패션 산업 역시 밸류체인 전반의 AI 혁신을 위한 ‘AI 솔루션’이 계속 증가하고 있다.
패션산업의 AI 전환에서 디자인보다 선행돼야 할 영역은 상품기획이다. 패션 기업이 재고를 줄이기 위해서는 전년도 판매 실적과 경쟁사 조사, 트렌드 정보, 바이어와 영업조직의 경험 등도 중요하지만 결정적인 문제는 MD와 디자이너가 참고해야 할 데이터다. 기획 AI의 역할은 이질적인 데이터를 수집해 상품 구성과 발주량에 관한 복수의 시나리오를 제시하거나 보다 많은 근거를 바탕으로 판단하도록 돕는 의사결정 지원시스템에 가깝다.
SNS와 검색 키워드, 경쟁사 분석은 물론 패션 세부 카테고리, 플랫폼별 정보량, 인플루언서 패션 트렌드, 소재 분석 등 고객 맞춤 AI 트렌드 분석 서비스를 제공하는 뉴엔AI의 퀘타AI(Quetta AI)가 대표적이다.
스케치에서 소재까지, 창작 속도를 높이는 디자인 AI 솔루션 활용도 증가하고 있다. 범용 이미지 생성 AI는 그럴듯한 패션 이미지를 만드는 데는 능하지만, 특정 브랜드가 축적해 온 실루엣과 소재 감도, 디테일, 가격대, 고객 특성까지 일관되게 반영하기 어렵다. 패션기업에 필요한 것은 ‘예쁜 옷’을 만드는 AI가 아니라 ‘우리 브랜드가 판매할 수 있는 옷’을 제안하는 AI다.
생성형 AI 기반의 패션 디자인 워크스페이스 스타일에이아이(StyleAI)는 디자이너의 아이디어나 스케치 한 장을 가상 샘플로 즉시 확인하고 도식화를 모델컷으로 전환한다. 바이스벌사의 빔스튜디오(VIIMstudio)는 디자이너 AI 어시스턴트를 표방하며 제품 기반 스타일링 콘텐츠 제작, AI 화보 제작, 패션 영상 생성 등이 핵심으로 구성된 통합 AI 패션 콘텐츠 플랫폼이다. 섬유 AI 디자인에 특화된 텍스타일디자인뱅크(TextileDesignBank)는 사용자가 원하는 레퍼런스 이미지를 업로드하면 AI가 맞춤형 텍스타일 패턴을 자동으로 생성한다.
# AI 디지털 트윈, 의사결정과 지속가능성을 위해 필수
샘플 개발과 콘텐츠 제작 과정에서의 AI 활용은 신속한 의사결정은 물론 기업의 지속가능 경영을 위한 필수 요소로 강조된다. 디지털 트윈은 실물 샘플 없이 바이어에게 컬렉션을 제안하고 글로벌 세일즈 기회를 확대하는데도 효과적이다.
시간과 자원 낭비를 줄이기 위해 등장한 클로(CLO), 지이모션, 브라우즈웨어 등의 3D 버추얼 샘플 솔루션은 AI 기술까지 탑재하면서 제작 시간을 크게 단축시키고 있다. 여기에 최근에는 가상 샘플 제작을 자동화하는 AI 솔루션이 등장하면서 디자인실에 새로운 프로세스가 적용되고 있다.
리빌더AI의 브링온(VRING:ON)은 이미지와 스케치를 기반으로 3D 모델과 설계 데이터를 생성해 기획부터 공장 생산까지 과정을 단일 플랫폼에서 처리하는 것이 특징이며, 미타운의 이보바(EVOVA)는 자체 개발한 AI 뉴럴 렌더링 기술을 활용해 초실감형 3D 콘텐츠를 자동 제작하는 솔루션이다. 또 리브포워드는 소재 디지털화부터 3D·AI 이미지 생성 그리고 비즈니스 확장까지 하나의 흐름으로 연결한 소재 특화 디지털 트윈 솔루션 매트윈(MATEIN)을 새롭게 오픈했다.
이커머스 분야의 AI 콘텐츠 솔루션은 AI 룩북, AI 모델, AI 스타일링 제작에 주로 활용된다. AI 모델이나 AI 룩북은 시간과 비용을 아껴주는 것은 물론 신속하게 고객들의 반응을 살필 수 있는 효과가 있다. 판매 과정에서 이를 적극 활용한다면 선판매 후생산으로 제조 프로세스를 바꾸는 것도 가능해진다.
비바테크에 참여한 지이모션
라온버드의 라온젠(LaonGEN), 드랩(Draph), 엔엑스앤랩스(NXN Labs), 팔레트(Palette), 리얼스냅(RealSnap) 등은 AI 모델 착용샷과 룩북, 영상 콘텐츠 등에 특화된 AI 솔루션이다. 또 스튜디오랩의 젠시(GENCY)는 상세페이지 콘텐츠 자동화 분야에 특화된 AI 솔루션으로 이커머스 시장의 병목을 해결해주고 있다.
# 개별 솔루션을 넘어 밸류체인의 유기적 통합
생성형 AI가 화려하게 앞단을 바꾸는 동안, 정작 공장으로 넘어가는 엔지니어링 데이터는 여전히 엑셀과 종이 문서에 흩어져 있고 서로 다른 언어가 혼재되어 있다. 패션 제조 AI의 핵심은 비정형 커뮤니케이션을 구조화하는 것으로 도식화, 작업지시서, BOM, 원가계산서 등 생산 준비를 지원하는 AI 솔루션이 등장했다.
의류 제작의 필수 공정인 도식화, 작업지시서, 발주서 등의 작업 템플릿의 작성 효율을 높인 패딧(Faddit), 글로벌 소싱과 의류 개발 과정의 정보 비대칭을 해결하기 위한 랩오브어패럴(Lab of Apparel)의 더 패션 OS(The Fashion OS), 글로벌 의류 소싱을 위한 AI 벤더 플랫폼 시제(SIJE), 디지털 패턴 제작을 위한 솔루션 우투(UTTU) 등이 대표적이다.
섬유패션 밸류체인의 AI 확산
섬유패션 산업의 AI 전환 목적은 개별 부서에 새로운 프로그램 하나를 도입하는 데 있지 않다. 기획 AI가 시장과 고객의 신호를 해석하고, 디자인 AI가 이를 상품으로 구체화하며, 제조 AI가 생산 가능한 사양과 공정으로 전환해야 한다. 생산 이후에는 콘텐츠 성과와 판매 데이터가 다시 다음 시즌 기획에 반영돼야 비로소 하나의 AI 밸류체인이 완성된다.
향후 핵심 과제는 이들 산업 AI 솔루션이 서로 데이터 표준과 교환 규격을 정립하며, PLM(제품수명주기관리) 같은 통합 축으로 얼마나 유기적으로 연결되드냐에 달려 있다.
랩오브어패럴 김성한 대표는 “AI는 창의성을 대신하거나 공장 인력을 단순히 줄이는 기술이 아닙니다. 짧은 상품 주기와 다품종 소량 생산, 복잡한 글로벌 공급망이라는 패션산업의 구조적 한계를 데이터로 연결하는 새로운 운영체계로 이해해야 합니다”라고 말했다.
황연희 에디터 yuni@dito.fashion
* 위 기사는 산업통상부, 한국산업기술진흥원이 지원하는 ‘섬유산업 지능형 마이크로팩토리 제조 플랫폼 실증기반구축’ 사업의 일환으로 한국섬유산업연합회가 제작한 DX MADE의 내용입니다. 전체 본문은 아래 '[DX MADE] 바로가기 '로 확인 가능합니다.
[DX MADE] 바로가기