[SPECIAL REPORT]
2027 패션산업, AI가 선택하고 인간 안목이 차별화한다
【BoF】와 【트렌드 코리아 2027】 분석…미래 패션기업 경쟁력은?

AI가 브랜드를 추천하는 시대, 소비자의 선택 기준과 기업의 성장 공식이 달라진다. 2027년 사업계획은 상품기획·브랜드·마케팅·조직 운영체계를 다시 설계하는 것에서 출발해야 한다.
2027년 사업계획을 앞둔 패션기업 경영자들은 내년의 유행 스타일, 성장할 유통채널, AI 도입 업무를 고민한다. 그러나 앞으로 성장을 좌우하는 것은 개별 트렌드 대응이 아니라 소비자가 브랜드를 발견하고 선택하는 방식의 변화에 맞춰 사업모델과 운영체계를 어떻게 바꿀 것인가다.
이 관점에서 최근 두 보고서가 주목된다. 하나는 글로벌 패션 비즈니스 미디어 BoF(The Business of Fashion)가 10월 발표한 ‘How Fashion Brands Get AI Visibility Right’로, 120개 글로벌 패션 브랜드를 생성형 AI가 얼마나 정확히 이해하고, 얼마나 자주, 몇 번째로 추천하는지 분석했다.
다른 하나는 김난도 서울대 교수와 소비트렌드분석센터의 《트렌드 코리아 2027》이다. ‘ALPHA SHEEP’이라는 슬로건 아래 권태사회, 라이프 ROI, 해봄경제, 바이브 워킹, 리:텐션 전략, 휴먼엣지, 안목자본 등 10대 소비 트렌드를 제시했다.
전자는 AI 환경에서의 브랜드 경쟁력을 분석한 산업 보고서, 후자는 AI가 일상화된 사회의 소비자 변화를 전망한 트렌드 보고서로 출발점이 다르다. 그러나 패션산업 관점에서 함께 읽으면 공통점이 드러난다.
AI가 보편화될수록 기술보다 브랜드 정체성, 인간의 안목, 고객과의 관계, 실행력이 기업의 성패를 가른다는 것이다. 2027년 패션기업은 AI 도입 확대를 넘어 상품기획, 브랜드 포지셔닝, 고객관리, 조직 운영을 하나의 시스템으로 연결해야 한다.
# 검색되는 브랜드에서 AI가 추천하는 브랜드로…경쟁의 출발점이 바뀐다

그동안 패션 브랜드의 디지털 경쟁력은 검색 상위 노출, SNS 팔로어, 인플루언서 협업, 플랫폼 광고 효율 등 검색과 클릭 확보에 집중됐다. 이제 소비자는 상품을 직접 비교하기보다 ‘30대 직장인이 출퇴근할 때 입기 좋은 20만원대 재킷’, ‘일본 여행에서 오래 걸어도 편안하면서 세련된 스니커즈’처럼 상황과 취향을 AI에 설명하고 추천받는다. 노출만으로는 부족하고, AI가 브랜드의 정체성과 상품 경쟁력을 정확히 이해해 적합한 브랜드로 판단해야 한다.
BoF는 이를 브랜드 이해도(Understanding), 추천 빈도(Recommendation Frequency), 추천 순위(Average Placement)로 측정했다. 주목할 점은 AI가 브랜드를 잘 이해한다고 반드시 자주 추천하는 것은 아니라는 사실이다. 이해도와 추천 빈도 사이에는 뚜렷한 상관관계가 없었던 반면, 자주 추천되는 브랜드는 앞쪽에 등장하는 경향을 보였다.
대표 사례는 유니클로다. 하이스트리트 부문 추천 빈도 70%로 1위, 브랜드 이해도 64점을 기록했다. LifeWear라는 일관된 철학과 히트텍·에어리즘 같은 기능성 상품의 특징이 AI에 명료하게 인식되기 때문이다. 다만 BoF는 이러한 연상이 유니클로의 새로운 고급화 방향까지 반영하지 못할 수 있다고 지적했다.
여기에 《트렌드 코리아 2027》의 ‘안목자본’과 ‘라이프 ROI’를 연결해 볼 수 있다. AI는 소비자의 탐색 비용을 줄여주지만, 무엇이 자신에게 가치 있는지 최종 판단하는 데는 개인의 취향과 안목이 중요해진다. 브랜드는 AI가 추천할 수 있도록 경쟁력을 명확히 정의하고, 추천받은 소비자가 실제로 선택할 만큼 차별화된 가치를 제공해야 한다.
한국의 중소 패션 브랜드에는 기회이자 위협이다. 인지도가 낮아도 특정 고객과 용도에 맞는 경쟁력을 충분한 정보로 전달하면 새로운 접점을 확보할 수 있지만, 디자인 이미지와 감성적 메시지에만 의존하면 수많은 유사 브랜드 중 하나로 인식될 위험이 커진다.
2027년 브랜드 전략은 ‘얼마나 많이 노출할 것인가’에서 ‘어떤 소비 상황에서 가장 먼저 추천받을 것인가’로 확장돼야 한다.
# AI가 보편화될수록 인간 안목이 중요해져…브랜드의 본질 경쟁

출처: ChatGPT를 활용해 생성한 AI 이미지
《트렌드 코리아 2027》에서 패션산업이 주목할 키워드는 ‘휴먼엣지(Human Edge)’와 ‘안목자본’이다. AI가 복제하기 어려운 인간의 경험과 손길, 창작 과정이 차별화된 가치가 되고, 넘쳐나는 선택지 가운데 가치 있는 것을 고르는 능력이 자산이 된다는 의미다. 디자인과 소재, 착용감, 문화적 의미, 자기표현 욕구가 복합적으로 작용하는 패션의 본질과 맞닿아 있다.
AI로 누구나 트렌드를 분석하고 디자인 시안을 만들 수 있게 되면서 상품 제작의 진입장벽은 낮아졌지만, 비슷한 데이터와 도구를 쓰는 기업이 늘수록 브랜드 간 차별화는 오히려 어려워진다. 따라서 경쟁력은 수많은 디자인 가운데 무엇을 상품화하고, 어떤 고객에게 어떤 가치로 제안할지 판단하는 능력에 달려 있다.
이는 디자이너와 MD의 역할 변화를 뜻한다. 디자이너는 브랜드 정체성을 바탕으로 소비자의 잠재 요구를 발견하고 AI가 제시한 대안 중 최적의 상품을 고르는 역량이, MD는 데이터 분석과 물량 배분을 넘어 시장 기회를 해석하는 사업기획자로서의 역량이 중요해진다.
‘폼팩터 시프트’와 ‘권태사회’도 의미가 크다. 폼팩터 시프트는 제품의 형태와 사용 방식 자체를 바꾸는 혁신으로, 의류·신발의 구조와 착용 방식, 용도를 새롭게 해석하는 상품개발 기회가 된다. 권태사회는 자극이 넘치는 환경에서 소비자가 새로운 의미와 경험을 찾는 현상으로, 더 화려한 디자인이나 더 많은 신상품으로는 답할 수 없다.
기능성 의류 브랜드라면 방수·경량성 강조에 그치지 말고 출퇴근, 여행, 레저 등 구체적 라이프스타일 속 경험을 설계해야 한다. 디자이너 브랜드는 시즌 컨셉을 넘어 고유한 미학과 제작 철학, 소재와 디테일의 차별성을 전달해야 한다.
BoF가 AI의 브랜드 이해·추천 방식을 보여준다면, 《트렌드 코리아 2027》은 소비자가 궁극적으로 무엇을 가치 있게 여기는지를 설명한다. 결론은 하나다. AI 시대 패션 브랜드의 경쟁력은 기술의 효율성과 인간이 만드는 차별화된 가치의 결합에서 나온다.
# 고객을 모으는 경쟁에서 고객이 다시 찾는 경쟁으로…성장 공식의 전환

《트렌드 코리아 2027》의 ‘리:텐션 전략’은 신규 고객 확보 중심에서 기존 고객이 자발적으로 다시 찾게 만드는 관계 중심 전략으로의 전환을 강조한다. 플랫폼 광고, 인플루언서 마케팅, 할인 프로모션으로 성장해 온 온라인 패션시장에서 고객 확보 비용은 계속 오르고, 할인으로 유입된 고객은 쉽게 떠난다. 지속 성장을 위해서는 재방문과 재구매를 높이는 구조가 필요하다.
AI는 여기서 핵심 도구가 된다. 구매 이력, 선호 스타일, 사이즈, 반품 사유, 문의 내용을 연결하면 특정 팬츠의 핏을 선호한 고객에게 다음 시즌 비슷한 실루엣을 추천하고, 반품이 잦은 고객에게는 할인 쿠폰 대신 정확한 사이즈 정보와 스타일링 안내를 제공할 수 있다. 이는 단순한 CRM 자동화가 아니라 상품 경쟁력, 서비스 경험, 브랜드 신뢰가 함께 작동해야 하는 관계 설계다.
BoF의 분석도 이를 뒷받침한다. 브랜드 가치가 명확히 정의돼 있어야 AI가 적절한 상품을 추천할 수 있고, AI는 브랜드 정보를 확인할 때 다양한 외부 출처를 활용한다. 2026년 7월 분석에서 AI가 인용한 출처는 패션 전문매체·산업매체·일반 언론이 57%, 브랜드 자체 채널 22%, 유통 플랫폼·마켓플레이스 10%였다. 단, 이는 조사 대상 브랜드와 프롬프트에 대한 결과로 모든 AI 검색 환경에 그대로 적용되지는 않는다.
자사 채널의 반복 홍보만으로는 부족하다. 상품 경쟁력과 디자인 철학, 고객 경험에 대한 신뢰할 만한 외부 정보가 쌓여야 하며, 글로벌 진출을 노리는 K-패션 브랜드라면 다국어 브랜드 정보, 전문매체 기사, 리뷰, 정확한 플랫폼 상품 정보가 더욱 중요하다. 브랜드 커뮤니케이션은 광고 노출 확보에서 AI와 소비자가 함께 참고하는 브랜드 신뢰자산을 축적하는 활동으로 확장돼야 한다.
# 해봄경제와 바이브 워킹…기업 경쟁력은 실행하는 조직에서 출발
‘해봄경제’와 ‘바이브 워킹’은 기업 내부 운영체계에 직접 영향을 미친다. 해봄경제는 시도 비용이 줄면서 완벽한 준비보다 먼저 시도하고 개선하는 방식이 중요해지는 현상이고, 바이브 워킹은 사람과 AI가 하나의 업무 흐름 안에서 협력하도록 일하는 방식을 재설계하는 개념이다.
패션기업은 디자인 개발, MD의 상품 구성, 생산팀의 발주·제조, 영업·마케팅의 판매가 시즌 일정에 따라 순차적으로 진행되는 구조다. 트렌드가 빨라지고 판매 데이터가 실시간으로 쌓여도 의사결정은 여전히 시즌 단위인 경우가 많다. 부서마다 이미지 생성 AI, 콘텐츠 AI, 분석 도구를 들여도 업무가 연결되지 않으면 전사적 경쟁력으로 이어지지 않는다. 중요한 것은 도구의 숫자가 아니라 업무 흐름의 재설계다.
예컨대 AI가 판매 추이, 고객 리뷰, 반품 사유, 재고 현황을 분석해 리오더 후보를 제안하면 MD와 생산관리자가 발주를 결정하고, 디자이너는 고객 요구를 상품으로 해석하며, 경영진은 자금과 재고 리스크를 판단한다. AI는 반복 분석을, 사람은 핵심 판단을 맡는 구조다. 아울러 우수 인력의 판단 기준과 성공·실패 상품의 기획 과정을 데이터와 프로세스로 축적해야 담당자가 바뀌어도 조직 경쟁력이 유지된다.
2027년 AX의 핵심은 AI를 잘 사용하는 직원을 늘리는 것이 아니라 AI와 함께 성과를 창출하는 조직을 만드는 것이다.
[DITO Insight]
BoF×트렌드코리아, 패션기업이 주목해야 할 7대 경영 과제
두 보고서는 연구 목적과 분석 방법이 다르다. 아래 도표는 두 자료가 같은 결론을 냈다는 뜻이 아니라, 각 핵심 내용을 패션기업 경영 관점에서 연결해 재해석한 것이다.

# 2027년 사업계획, 매출 목표보다 성장 구조부터 바꿔야
두 보고서를 종합하면 2027년 패션기업의 사업계획은 세 가지 관점에서 달라져야 한다.
첫째, 브랜드 전략은 소비자와 AI가 모두 이해할 수 있는 차별화된 경쟁력을 정의하는 데서 출발해야 한다. 어떤 고객에게, 어떤 상황에서, 어떤 가치를 주는지 명확하지 않으면 광고비와 AI 마케팅을 늘려도 지속 성장은 어렵다.
둘째, 상품기획과 공급망은 시장 반응을 빠르게 확인하고 실행하는 구조로 전환해야 한다. AI 기반 기획은 출발점일 뿐, 실제 경쟁력은 이를 샘플·생산·판매로 신속히 연결하고 반응에 따라 수정하는 공급망에서 나온다. 시즌 대량 발주 의존도를 점검하고 소량 테스트, 반응생산, 리오더가 가능한 제조 파트너십을 넓혀야 한다.
셋째, 기업의 AX는 개별 업무의 생산성 개선을 넘어 브랜드 성장의 운영체계(OS)를 구축하는 방향으로 추진해야 한다. 기획부터 고객관리까지 데이터를 연결해 부서가 공통 정보로 의사결정해야 하며, 경영진은 AI로 아낀 시간과 비용이 매출총이익, 재고회전율, 정상판매율, 재구매율 개선으로 이어지는지 확인해야 한다.
사업계획서에 AI 예산을 넣는 것보다 AI로 개선할 경영성과 목표를 정하는 것이 중요하다. 좋은 디자인, 생산 경쟁력, 유통망 확대, 마케팅이라는 기존 성장 공식은 여전히 유효하지만, AI가 구매 결정과 기업 생산성을 바꾸는 지금은 그것만으로 경쟁우위를 지키기 어렵다. 좋은 상품의 가치를 AI와 소비자가 정확히 이해하게 만들고, 고객 반응을 다시 기획과 생산에 반영하는 순환구조가 필요하다.
BoF는 AI가 브랜드를 어떻게 인식하고 추천하는지를, 《트렌드 코리아 2027》은 AI 시대 소비자가 선택하는 가치와 인간에게 중요해지는 역량을 보여준다. 둘을 연결하면 새로운 경쟁 법칙이 드러난다.
AI가 브랜드를 발견하고 추천하는 시대일수록 기업은 상품의 본질과 브랜드 정체성을 더욱 명확히 해야 한다. 인간의 안목과 경험을 AI의 실행력과 결합하는 기업이 새로운 성장 기회를 잡을 것이다.
2027년 패션산업의 주인공은 AI를 가장 많이 쓰는 기업이 아니다. 상품의 본질을 가장 잘 이해하고, AI로 그 가치를 고객과 시장에 가장 효과적으로 연결하는 기업이다.
정인기 에디터 ingi@dito.fashion
[SPECIAL REPORT]
2027 패션산업, AI가 선택하고 인간 안목이 차별화한다
AI가 브랜드를 추천하는 시대, 소비자의 선택 기준과 기업의 성장 공식이 달라진다. 2027년 사업계획은 상품기획·브랜드·마케팅·조직 운영체계를 다시 설계하는 것에서 출발해야 한다.
2027년 사업계획을 앞둔 패션기업 경영자들은 내년의 유행 스타일, 성장할 유통채널, AI 도입 업무를 고민한다. 그러나 앞으로 성장을 좌우하는 것은 개별 트렌드 대응이 아니라 소비자가 브랜드를 발견하고 선택하는 방식의 변화에 맞춰 사업모델과 운영체계를 어떻게 바꿀 것인가다.
이 관점에서 최근 두 보고서가 주목된다. 하나는 글로벌 패션 비즈니스 미디어 BoF(The Business of Fashion)가 10월 발표한 ‘How Fashion Brands Get AI Visibility Right’로, 120개 글로벌 패션 브랜드를 생성형 AI가 얼마나 정확히 이해하고, 얼마나 자주, 몇 번째로 추천하는지 분석했다.
다른 하나는 김난도 서울대 교수와 소비트렌드분석센터의 《트렌드 코리아 2027》이다. ‘ALPHA SHEEP’이라는 슬로건 아래 권태사회, 라이프 ROI, 해봄경제, 바이브 워킹, 리:텐션 전략, 휴먼엣지, 안목자본 등 10대 소비 트렌드를 제시했다.
전자는 AI 환경에서의 브랜드 경쟁력을 분석한 산업 보고서, 후자는 AI가 일상화된 사회의 소비자 변화를 전망한 트렌드 보고서로 출발점이 다르다. 그러나 패션산업 관점에서 함께 읽으면 공통점이 드러난다.
AI가 보편화될수록 기술보다 브랜드 정체성, 인간의 안목, 고객과의 관계, 실행력이 기업의 성패를 가른다는 것이다. 2027년 패션기업은 AI 도입 확대를 넘어 상품기획, 브랜드 포지셔닝, 고객관리, 조직 운영을 하나의 시스템으로 연결해야 한다.
# 검색되는 브랜드에서 AI가 추천하는 브랜드로…경쟁의 출발점이 바뀐다
그동안 패션 브랜드의 디지털 경쟁력은 검색 상위 노출, SNS 팔로어, 인플루언서 협업, 플랫폼 광고 효율 등 검색과 클릭 확보에 집중됐다. 이제 소비자는 상품을 직접 비교하기보다 ‘30대 직장인이 출퇴근할 때 입기 좋은 20만원대 재킷’, ‘일본 여행에서 오래 걸어도 편안하면서 세련된 스니커즈’처럼 상황과 취향을 AI에 설명하고 추천받는다. 노출만으로는 부족하고, AI가 브랜드의 정체성과 상품 경쟁력을 정확히 이해해 적합한 브랜드로 판단해야 한다.
BoF는 이를 브랜드 이해도(Understanding), 추천 빈도(Recommendation Frequency), 추천 순위(Average Placement)로 측정했다. 주목할 점은 AI가 브랜드를 잘 이해한다고 반드시 자주 추천하는 것은 아니라는 사실이다. 이해도와 추천 빈도 사이에는 뚜렷한 상관관계가 없었던 반면, 자주 추천되는 브랜드는 앞쪽에 등장하는 경향을 보였다.
대표 사례는 유니클로다. 하이스트리트 부문 추천 빈도 70%로 1위, 브랜드 이해도 64점을 기록했다. LifeWear라는 일관된 철학과 히트텍·에어리즘 같은 기능성 상품의 특징이 AI에 명료하게 인식되기 때문이다. 다만 BoF는 이러한 연상이 유니클로의 새로운 고급화 방향까지 반영하지 못할 수 있다고 지적했다.
여기에 《트렌드 코리아 2027》의 ‘안목자본’과 ‘라이프 ROI’를 연결해 볼 수 있다. AI는 소비자의 탐색 비용을 줄여주지만, 무엇이 자신에게 가치 있는지 최종 판단하는 데는 개인의 취향과 안목이 중요해진다. 브랜드는 AI가 추천할 수 있도록 경쟁력을 명확히 정의하고, 추천받은 소비자가 실제로 선택할 만큼 차별화된 가치를 제공해야 한다.
한국의 중소 패션 브랜드에는 기회이자 위협이다. 인지도가 낮아도 특정 고객과 용도에 맞는 경쟁력을 충분한 정보로 전달하면 새로운 접점을 확보할 수 있지만, 디자인 이미지와 감성적 메시지에만 의존하면 수많은 유사 브랜드 중 하나로 인식될 위험이 커진다.
2027년 브랜드 전략은 ‘얼마나 많이 노출할 것인가’에서 ‘어떤 소비 상황에서 가장 먼저 추천받을 것인가’로 확장돼야 한다.
# AI가 보편화될수록 인간 안목이 중요해져…브랜드의 본질 경쟁
출처: ChatGPT를 활용해 생성한 AI 이미지
《트렌드 코리아 2027》에서 패션산업이 주목할 키워드는 ‘휴먼엣지(Human Edge)’와 ‘안목자본’이다. AI가 복제하기 어려운 인간의 경험과 손길, 창작 과정이 차별화된 가치가 되고, 넘쳐나는 선택지 가운데 가치 있는 것을 고르는 능력이 자산이 된다는 의미다. 디자인과 소재, 착용감, 문화적 의미, 자기표현 욕구가 복합적으로 작용하는 패션의 본질과 맞닿아 있다.
AI로 누구나 트렌드를 분석하고 디자인 시안을 만들 수 있게 되면서 상품 제작의 진입장벽은 낮아졌지만, 비슷한 데이터와 도구를 쓰는 기업이 늘수록 브랜드 간 차별화는 오히려 어려워진다. 따라서 경쟁력은 수많은 디자인 가운데 무엇을 상품화하고, 어떤 고객에게 어떤 가치로 제안할지 판단하는 능력에 달려 있다.
이는 디자이너와 MD의 역할 변화를 뜻한다. 디자이너는 브랜드 정체성을 바탕으로 소비자의 잠재 요구를 발견하고 AI가 제시한 대안 중 최적의 상품을 고르는 역량이, MD는 데이터 분석과 물량 배분을 넘어 시장 기회를 해석하는 사업기획자로서의 역량이 중요해진다.
‘폼팩터 시프트’와 ‘권태사회’도 의미가 크다. 폼팩터 시프트는 제품의 형태와 사용 방식 자체를 바꾸는 혁신으로, 의류·신발의 구조와 착용 방식, 용도를 새롭게 해석하는 상품개발 기회가 된다. 권태사회는 자극이 넘치는 환경에서 소비자가 새로운 의미와 경험을 찾는 현상으로, 더 화려한 디자인이나 더 많은 신상품으로는 답할 수 없다.
기능성 의류 브랜드라면 방수·경량성 강조에 그치지 말고 출퇴근, 여행, 레저 등 구체적 라이프스타일 속 경험을 설계해야 한다. 디자이너 브랜드는 시즌 컨셉을 넘어 고유한 미학과 제작 철학, 소재와 디테일의 차별성을 전달해야 한다.
BoF가 AI의 브랜드 이해·추천 방식을 보여준다면, 《트렌드 코리아 2027》은 소비자가 궁극적으로 무엇을 가치 있게 여기는지를 설명한다. 결론은 하나다. AI 시대 패션 브랜드의 경쟁력은 기술의 효율성과 인간이 만드는 차별화된 가치의 결합에서 나온다.
# 고객을 모으는 경쟁에서 고객이 다시 찾는 경쟁으로…성장 공식의 전환
《트렌드 코리아 2027》의 ‘리:텐션 전략’은 신규 고객 확보 중심에서 기존 고객이 자발적으로 다시 찾게 만드는 관계 중심 전략으로의 전환을 강조한다. 플랫폼 광고, 인플루언서 마케팅, 할인 프로모션으로 성장해 온 온라인 패션시장에서 고객 확보 비용은 계속 오르고, 할인으로 유입된 고객은 쉽게 떠난다. 지속 성장을 위해서는 재방문과 재구매를 높이는 구조가 필요하다.
AI는 여기서 핵심 도구가 된다. 구매 이력, 선호 스타일, 사이즈, 반품 사유, 문의 내용을 연결하면 특정 팬츠의 핏을 선호한 고객에게 다음 시즌 비슷한 실루엣을 추천하고, 반품이 잦은 고객에게는 할인 쿠폰 대신 정확한 사이즈 정보와 스타일링 안내를 제공할 수 있다. 이는 단순한 CRM 자동화가 아니라 상품 경쟁력, 서비스 경험, 브랜드 신뢰가 함께 작동해야 하는 관계 설계다.
BoF의 분석도 이를 뒷받침한다. 브랜드 가치가 명확히 정의돼 있어야 AI가 적절한 상품을 추천할 수 있고, AI는 브랜드 정보를 확인할 때 다양한 외부 출처를 활용한다. 2026년 7월 분석에서 AI가 인용한 출처는 패션 전문매체·산업매체·일반 언론이 57%, 브랜드 자체 채널 22%, 유통 플랫폼·마켓플레이스 10%였다. 단, 이는 조사 대상 브랜드와 프롬프트에 대한 결과로 모든 AI 검색 환경에 그대로 적용되지는 않는다.
자사 채널의 반복 홍보만으로는 부족하다. 상품 경쟁력과 디자인 철학, 고객 경험에 대한 신뢰할 만한 외부 정보가 쌓여야 하며, 글로벌 진출을 노리는 K-패션 브랜드라면 다국어 브랜드 정보, 전문매체 기사, 리뷰, 정확한 플랫폼 상품 정보가 더욱 중요하다. 브랜드 커뮤니케이션은 광고 노출 확보에서 AI와 소비자가 함께 참고하는 브랜드 신뢰자산을 축적하는 활동으로 확장돼야 한다.
# 해봄경제와 바이브 워킹…기업 경쟁력은 실행하는 조직에서 출발
‘해봄경제’와 ‘바이브 워킹’은 기업 내부 운영체계에 직접 영향을 미친다. 해봄경제는 시도 비용이 줄면서 완벽한 준비보다 먼저 시도하고 개선하는 방식이 중요해지는 현상이고, 바이브 워킹은 사람과 AI가 하나의 업무 흐름 안에서 협력하도록 일하는 방식을 재설계하는 개념이다.
패션기업은 디자인 개발, MD의 상품 구성, 생산팀의 발주·제조, 영업·마케팅의 판매가 시즌 일정에 따라 순차적으로 진행되는 구조다. 트렌드가 빨라지고 판매 데이터가 실시간으로 쌓여도 의사결정은 여전히 시즌 단위인 경우가 많다. 부서마다 이미지 생성 AI, 콘텐츠 AI, 분석 도구를 들여도 업무가 연결되지 않으면 전사적 경쟁력으로 이어지지 않는다. 중요한 것은 도구의 숫자가 아니라 업무 흐름의 재설계다.
예컨대 AI가 판매 추이, 고객 리뷰, 반품 사유, 재고 현황을 분석해 리오더 후보를 제안하면 MD와 생산관리자가 발주를 결정하고, 디자이너는 고객 요구를 상품으로 해석하며, 경영진은 자금과 재고 리스크를 판단한다. AI는 반복 분석을, 사람은 핵심 판단을 맡는 구조다. 아울러 우수 인력의 판단 기준과 성공·실패 상품의 기획 과정을 데이터와 프로세스로 축적해야 담당자가 바뀌어도 조직 경쟁력이 유지된다.
2027년 AX의 핵심은 AI를 잘 사용하는 직원을 늘리는 것이 아니라 AI와 함께 성과를 창출하는 조직을 만드는 것이다.
[DITO Insight]
BoF×트렌드코리아, 패션기업이 주목해야 할 7대 경영 과제
두 보고서는 연구 목적과 분석 방법이 다르다. 아래 도표는 두 자료가 같은 결론을 냈다는 뜻이 아니라, 각 핵심 내용을 패션기업 경영 관점에서 연결해 재해석한 것이다.
# 2027년 사업계획, 매출 목표보다 성장 구조부터 바꿔야
두 보고서를 종합하면 2027년 패션기업의 사업계획은 세 가지 관점에서 달라져야 한다.
첫째, 브랜드 전략은 소비자와 AI가 모두 이해할 수 있는 차별화된 경쟁력을 정의하는 데서 출발해야 한다. 어떤 고객에게, 어떤 상황에서, 어떤 가치를 주는지 명확하지 않으면 광고비와 AI 마케팅을 늘려도 지속 성장은 어렵다.
둘째, 상품기획과 공급망은 시장 반응을 빠르게 확인하고 실행하는 구조로 전환해야 한다. AI 기반 기획은 출발점일 뿐, 실제 경쟁력은 이를 샘플·생산·판매로 신속히 연결하고 반응에 따라 수정하는 공급망에서 나온다. 시즌 대량 발주 의존도를 점검하고 소량 테스트, 반응생산, 리오더가 가능한 제조 파트너십을 넓혀야 한다.
셋째, 기업의 AX는 개별 업무의 생산성 개선을 넘어 브랜드 성장의 운영체계(OS)를 구축하는 방향으로 추진해야 한다. 기획부터 고객관리까지 데이터를 연결해 부서가 공통 정보로 의사결정해야 하며, 경영진은 AI로 아낀 시간과 비용이 매출총이익, 재고회전율, 정상판매율, 재구매율 개선으로 이어지는지 확인해야 한다.
사업계획서에 AI 예산을 넣는 것보다 AI로 개선할 경영성과 목표를 정하는 것이 중요하다. 좋은 디자인, 생산 경쟁력, 유통망 확대, 마케팅이라는 기존 성장 공식은 여전히 유효하지만, AI가 구매 결정과 기업 생산성을 바꾸는 지금은 그것만으로 경쟁우위를 지키기 어렵다. 좋은 상품의 가치를 AI와 소비자가 정확히 이해하게 만들고, 고객 반응을 다시 기획과 생산에 반영하는 순환구조가 필요하다.
BoF는 AI가 브랜드를 어떻게 인식하고 추천하는지를, 《트렌드 코리아 2027》은 AI 시대 소비자가 선택하는 가치와 인간에게 중요해지는 역량을 보여준다. 둘을 연결하면 새로운 경쟁 법칙이 드러난다.
AI가 브랜드를 발견하고 추천하는 시대일수록 기업은 상품의 본질과 브랜드 정체성을 더욱 명확히 해야 한다. 인간의 안목과 경험을 AI의 실행력과 결합하는 기업이 새로운 성장 기회를 잡을 것이다.
2027년 패션산업의 주인공은 AI를 가장 많이 쓰는 기업이 아니다. 상품의 본질을 가장 잘 이해하고, AI로 그 가치를 고객과 시장에 가장 효과적으로 연결하는 기업이다.
정인기 에디터 ingi@dito.fashion