[성공 사례] 약진통상, 이미지 AI 검색 도입으로 R&D 혁신 및 데이터 자산화

AI 시대의 패션 산업: 핵심 경쟁력은 데이터 활용

패션 산업 관련 AI 시장은 기하급수적인 성장을 거듭하고 있습니다. 2024년 약 22억 3천만 달러 규모에서 2034년에는 605억 7천만 달러를 넘어설 것으로 예측됩니다. 연평균 성장률(CAGR) 39% 이상에 달하는 폭발적인 확장세입니다. 리서치 네스터는 2035년 시장 규모가 약 894억 달러에 이를 것으로 전망하며, AI가 패션 산업의 경제 지형을 근본적으로 바꾸고 있음을 시사합니다.

이러한 변화의 중심에는 생성형 AI가 있습니다. 맥킨지(McKinsey)의 분석에 따르면, 생성형 AI는 향후 3년에서 5년 내에 의류, 패션, 럭셔리 부문에서 최소 1,500억 달러에서 최대 2,750억 달러의 추가적인 영업 이익을 창출할 잠재력을 지니고 있습니다. 이는 AI 도입이 단순한 비용 투자를 넘어, 기업의 핵심 수익성을 강화하는 전략적 결정임을 보여줍니다. 

하지만 트렌드 예측, 개인화, AI 디자인 생성과 같은 기술을 성공적으로 도입하기 위해서는 한 가지 전제 조건이 충족되어야 합니다. 바로 방대하고 잘 정제된, 즉 '고품질의 구조화된 데이터'입니다. 그러나 많은 기업의 핵심 데이터 자산인 과거 디자인 아카이브는 여러 시스템에 분산되어 있어 검색조차 어려운 상태로 남아있는 경우가 많습니다.

글로벌 의류 제조 기업 약진통상이 슈퍼브에이아이와 함께한 사례는 근본적인 문제를 해결하고, 기업의 데이터 자산을 미래 AI 혁신을 위한 기반으로 전환한 과정과 그 실질적인 효과를 명확하게 보여줍니다.

Challenge - 분산된 디자인 아카이브와 비효율적인 검색 프로세스

부서 간 커뮤니케이션 비효율 및 R&D 리소스 낭비

영업팀에서 특정 스타일에 대한 자료를 요청하면, 디자인팀은 진행 중이던 핵심 업무를 중단하고 수작업으로 데이터를 검색해야 했습니다. ERP, 공유 폴더, 개인 PC 등에 흩어져 있는 데이터를 찾는 데 짧게는 수십 분에서 길게는 반나절 이상이 소요되었습니다. 이는 디자이너의 시간을 비효율적으로 사용하게 만들고, R&D 부서 전체의 생산성을 저하시키는 결과를 낳았습니다.   

기존 시스템의 검색 기능 한계

새로운 시즌마다 바이어가 요청하는 스타일을 ERP 시스템을 통해 검색하는 것은 쉽지 않았습니다. 기업의 핵심 지적 자산인 디자인 데이터가 이미지 형태로만 존재하여, 텍스트 기반 도구로는 접근과 활용이 어려운 상태였습니다. 

데이터의 자산화 부재 및 지식 단절 리스크

데이터 검색이 담당자의 경험과 기억에 의존하면서, 숙련된 직원의 퇴사 시 관련 노하우와 함께 기업의 제도적 기억의 일부가 유실될 수 있는 사업적 리스크가 존재했습니다. 수년간 축적해 온 귀중한 디자인 아카이브가 체계적으로 활용되지 못하고 사장되는 결과로 이어졌습니다. 미래 가치를 창출해야 할 디자인팀이 과거 데이터를 검색하는 행정적 역할에 많은 시간을 할애하게 되면서, 기업의 혁신 동력 또한 저하되고 있었습니다.

Solution - AI 기반 '패션 스타일 라이브러리' 구축

슈퍼브에이아이는 약진통상이 직면한 문제를 해결하기 위해, 분산된 데이터를 통합하고 AI 기술을 통해 데이터의 활용 가치를 극대화하는 'AI 패션 스타일 라이브러리' 구축을 제안했습니다. 이 솔루션은 3단계의 체계적인 접근 방식을 통해 데이터를 검색 가능한 전략적 자산으로 전환시켰습니다.

1단계: 통합 데이터 기반 구축

먼저 데이터 파편화 문제를 해결했습니다. ERP, 이메일, 개인 PC 등 여러 곳에 흩어져 있던 디자인 데이터를 AWS 클라우드 기반의 중앙화된 'AI 패션 스타일 라이브러리' 웹 포털로 통합했습니다. Amazon S3를 활용한 안정적인 데이터 저장소와 RDS를 통한 체계적인 데이터베이스 관리를 통해, 모든 디자인 자산을 단일하고 신뢰할 수 있는 정보 소스로 일원화했습니다. AI 연산 및 웹 애플리케이션 서버 운영과 같은 핵심적인 처리 과정은 고성능 EC2 GPU 서버가 담당하여, 대규모 데이터 처리에도 빠르고 안정적인 성능을 보장했습니다. 

2단계: AI 기반 자동 태깅을 통한 데이터 구조화

슈퍼브에이아이는 Amazon Bedrock의 생성형 AI 모델을 활용하여 이미지 데이터를 구조화했습니다. AI 모델이 수만 장의 의류 이미지를 분석하여 핏, 넥라인, 소매 형태, 패턴 등 패션 디자인의 핵심 시각적 속성을 자동으로 식별하고, 이를 체계적인 메타데이터, '태그'로 변환했습니다. 사전 정의된 프롬프트 규칙에 따라 스타일 이미지를 입력하면 AI가 카테고리(Top, Dress 등), 핏(Slim fit, Relaxed fit 등), 소매 길이, 넥라인 형태, 색상 등 핵심 디자인 속성을 분석하여 정해진 선택지 중 하나로 결과를 반환하는 방식으로 작동합니다. 이 과정을 통해 비정형 이미지 아카이브가 검색과 분석이 가능한 지능형 데이터베이스로 전환되었습니다.

3단계: 다각적 검색 기능 구현을 통한 사용자 편의성 증대

데이터 기반이 마련된 후, 모든 사용자가 이 자산을 쉽고 직관적으로 활용할 수 있도록 다각적인 검색 기능을 구현했습니다.

• 이미지(유사도) 검색: 디자이너는 이미지를 포털에 드래그 앤 드롭하는 것만으로, 약진통상의 아카이브 내에서 시각적으로 유사한 스타일을 즉시 찾아낼 수 있게 되었습니다. 사용자가 업로드한 이미지에 대해 임베딩을 생성하고, 데이터베이스 내 기존 스타일 임베딩과의 유사도를 측정하여 가장 가까운 스타일을 찾아내는 방식으로 구현되었습니다.

• 하이브리드(Hybrid) 검색: 이미지와 텍스트, 또는 이미지와 필터를 결합하는 강력한 하이브리드 검색 기능을 제공했습니다. 예를 들어, 특정 이미지를 업로드한 후 '셔링(shirring)'과 같은 텍스트를 추가로 입력하면, RRF(Reciprocal Rank Fusion) 알고리즘이 두 검색 결과를 지능적으로 결합하여 가장 관련성 높은 순위를 생성해 줍니다. 사용자는 훨씬 더 정교하고 구체적인 의도를 검색 결과에 반영할 수 있게 되었습니다.

• 텍스트(자연어) 검색: "플라워 패턴의 민소매 원피스"와 같이 일상적인 언어로 원하는 스타일을 검색하고 즉각적으로 정확한 결과를 얻을 수 있었습니다.

• 필터 기반 상세 검색: 브랜드, 시즌과 같은 기존 정보는 물론 AI가 자동으로 생성한 상세 속성 태그(핏, 넥라인 등)를 조합하여 매우 정교한 조건의 검색을 할 수 있게 되었습니다.

또한 ERP에 신규 데이터가 등록되면 라이브러리 DB에 실시간으로 자동 동기화되는 완전 자동화 워크플로우를 구축했습니다. 사용자는 검색된 스타일의 상세 정보 페이지에서 이미지, 작업지시서, 패턴 파일 등 모든 관련 자산을 원클릭으로 즉시 다운로드할 수 있게 되었습니다. 이메일을 열고, 파일을 첨부하고, 회신을 기다리던 비효율적인 과정이 사라졌습니다.

Benefit - R&D 생산성 향상 및 데이터 기반 의사결정 문화 정착

AI 스타일 라이브러리 도입은 약진통상의 R&D 프로세스를 혁신하고, 데이터 기반의 효율적인 업무 문화를 조성하는 데 기여했습니다.

정량적 효과: R&D 효율성의 지표 개선

이번 프로젝트의 성과는 명확한 수치로 증명됩니다. 기술 도입이 비즈니스 성과로 직결된 변화는 아래와 같습니다.

정성적 변화: 데이터 기반의 효율적인 문화 확산

수치 외에도 조직 문화 전반에 긍정적인 변화가 나타났습니다.

• 데이터 기반의 디자인 의사결정: 디자이너들은 과거 성공 사례나 특정 디자인 요소(넥라인, 패턴 등)의 활용 빈도를 데이터로 분석하여, 개인의 직관이 아닌 객관적 데이터에 기반한 신규 스타일 개발이 가능해졌습니다.
• 핵심 업무 집중도 향상: 검색과 같은 단순 반복 업무에서 벗어난 디자이너들은 본연의 업무인 창의적 활동에 온전히 몰입할 수 있는 환경을 확보했습니다.
• 부서 간 협업 프로세스 개선: 영업팀과 디자인팀이 동일한 데이터를 실시간으로 공유하고 소통하게 되면서, 정보 비대칭으로 인해 발생했던 불필요한 오해와 지연이 해소되고 유기적인 협업이 활성화되었습니다.

확장가능성: 데이터 자산을 활용한 예측 분석 기반 마련

약진통상의 이번 프로젝트는 분산된 데이터를 검색 가능한 자산으로 전환함으로써, 향후 더 높은 수준의 AI 혁신을 추진할 수 있는 기반을 마련했다는 점에서 큰 의미가 있습니다.

향후 AI 모델 고도화를 위한 데이터 기반 마련

이번 프로젝트를 통해 AI가 자동으로 생성한 고품질의 구조화된 태그 데이터는 그 자체로 매우 가치 있는 데이터 자산이 되었습니다. 정제된 데이터는 향후 더 정교한 머신러닝 모델을 학습시키는 데 최적의 재료가 될 것입니다. 약진통상은 내부 데이터 검색 문제를 해결함과 동시에, 미래 AI 기술 도입을 위한 준비를 마친 셈입니다.   

미래 로드맵과 확장 가능성

슈퍼브에이아이 솔루션의 확장성을 기반으로, 약진통상은 다음과 같은 미래 비전을 그리고 있습니다.

• 내부 트렌드 분석: 축적된 AI 태그 데이터의 빈도와 성공률을 시계열로 분석하여, 약진통상만의 고유한 디자인 트렌드와 성공 패턴을 발견할 수 있습니다.
• 예측 분석: 과거 데이터를 기반으로 미래 시즌에 성공할 가능성이 높은 디자인 속성을 예측하는 모델을 개발하여, 신제품 기획의 성공 확률을 높일 수 있습니다.
• 생성형 디자인의 기반: 잘 구조화된 데이터는 과거의 성공 요소를 기반으로 새로운 디자인 변형을 제안하거나, 완전히 새로운 콘셉트를 생성하는 미래의 생성형 AI 도구를 위한 완벽한 입력값이 될 수 있습니다.

이번 프로젝트를 통해 약진통상은 과거 데이터 접근의 어려움을 극복하고, 데이터를 기반으로 미래 시장 변화에 대응할 수 있는 역량을 확보했습니다.   

디자인 데이터 자산화, AI 기반 혁신의 첫걸음

AI 시대에 패션 기업이 보유한 과거 디자인 데이터는 가장 가치 있는 자산 중 하나이지만, 동시에 활용도가 낮은 자산이기도 합니다. 약진통상의 성공 사례는 데이터를 체계적으로 자산화하는 것이 미래 경쟁력 확보를 위한 시급한 과제임을 증명합니다.

슈퍼브에이아이의 솔루션은 활용되지 않던 데이터를 비즈니스 성장을 이끄는 핵심적인 전략 자산으로 전환하는 효과적인 해법을 제시합니다. 귀사의 데이터 잠재력을 극대화하고 AI 기반의 미래를 준비하고 싶으시다면, 슈퍼브에이아이에 문의하여 데이터 혁신을 시작하세요.