중국에서 배우는 AI가 패션을 재정의하는 방법: 3조 달러 시장의 미래는?

중국의 패션 산업은 인공지능(AI) 기술의 도입으로 3조 달러 규모의 시장에 혁명적인 변화를 맞고 있습니다. 한국 패션 시장의 미래를 조망하며 AI 기술 적용의 기회와 윤리적 과제를 함께 고찰해 볼 중요한 관찰 포인트가 될 것입니다.

AI의 두 가지 얼굴: 상상과 현실

2018년 로봇 소피아가 패션 잡지 ‘스타일리스트(Stylist)’ 표지를 장식했을 때, 패션계는 인공지능의 시대가 도래했음을 실감했습니다. 플래티넘 금발 가발과 와인색 립스틱을 바르고 도트무늬 원피스를 입은 소피아의 모습은 매튜 샤프가 촬영했으며, 그녀의 피부는 인간의 피부를 모방하기 위해 고안된 유연한 합성 폴리머인 ‘프러버(Frubber)’로 만들어졌습니다. 당시 소피아는 다양한 기술 컨퍼런스와 토크쇼에 출연하며 대중에게 AI 로봇의 모습을 각인시켰습니다.

하지만 현실에서의 AI는 소피아와 같은 하드웨어 형태보다는 소프트웨어 형태로 더 많이 존재합니다. 영화 ‘그녀(Her)’에서 주인공 테오도르가 운영체제 ‘사만다’와 사랑에 빠진 것처럼, 현재의 AI는 OpenAI의 ChatGPT나 구글의 제미나이(구 바드)와 같이 사용자와 일대일 대화를 나누는 ‘대규모 언어 모델(LLM)’의 형태를 띠고 있습니다. 이들 AI 시스템은 사용자의 프로젝트, 아이디어, 반려동물 정보를 기억하고 시리(Siri)보다 훨씬 인간적인 상호작용을 제공하며, 생성형 AI의 대화 능력은 AI에 독특한 생명력을 부여하고 있습니다.

패션 산업 내 AI 활용 영역

인공지능은 수십 년 동안 패션 산업을 조용히 변화시켜 왔습니다. 온라인 쇼핑 시 사용자 위치, 선호도, 구매 이력을 기반으로 다른 추천 상품을 보여주는 빅데이터 활용은 그 대표적인 예시입니다. 또한 AI는 배송 과정에서 공급업체에 가장 효율적인 트럭 배송 경로를 추천하는 등 유용한 방식으로 활용되지만, 온라인 소매업체가 사용자의 인구통계학적 특성에 따라 가격을 조작하는 등 논란의 여지가 있는 활용 사례도 존재합니다. 기술 자체는 선악이 없으며, 그 이점과 단점은 활용 방식에 달려 있습니다.

시각 검색 기술은 2000년 그래미 어워드에서 제니퍼 로페즈가 입었던 베르사체 드레스가 폭발적인 검색을 유발하면서 시작되었습니다. 구글은 이 사건을 계기로 사용자들이 텍스트 정보뿐만 아니라 이미지 정보를 필요로 한다는 것을 깨달았고, 2001년 구글 이미지를 출시했습니다. 초기에는 메타데이터에 의존했지만, 이후 컴퓨터 비전을 활용하여 검색 효과를 최적화했습니다. 컴퓨터 비전은 기계가 이미지와 영상 콘텐츠를 인식하는 능력을 부여하여 인터넷이 ‘패션을 이해’하게 만들었고, 자라(Zara), 아소스(ASOS) 등 주요 소매업체들이 시각 검색을 도입하여 개인화된 쇼핑 경험을 개선했습니다. 구글 렌즈, 핀터레스트 렌즈, 포시 렌즈 등이 실물 인식 및 유사 상품 검색을 가능하게 하며 기술은 계속 발전하고 있습니다.

생성형 AI가 이끄는 디자인 혁명

생성형 AI는 기존 데이터의 패턴을 학습하여 텍스트, 이미지, 오디오, 비디오, 코드와 같은 새로운 콘텐츠를 생성하는 AI의 한 분야입니다. 미드저니(Midjourney), 달리2(DALL-E2)와 같은 이미지 생성 도구는 텍스트나 참고 이미지를 기반으로 패션 비주얼 작품을 신속하게 제작할 수 있도록 합니다. 맥킨지 보고서에 따르면 생성형 AI는 의류, 패션 및 명품 산업에 1,500억~2,750억 달러의 추가 영업 이익을 가져다줄 것으로 추정됩니다.

패션 디자이너들은 이미 창작 과정에서 생성형 AI 도구를 실험하고 있습니다. 콜리나 스트라다(Collina Strada)의 힐러리 테이머는 2024년 봄/여름 컬렉션을 만들 때 브랜드의 모든 이전 스타일을 AI 모델에 입력하여 유사한 미학을 가진 새로운 아이디어를 얻었습니다. 영국 남성복 디자이너 에드워드 크루칠리(Edward Crutchley)는 2024년 봄 기성복 컬렉션 디자인 시 ‘미국 패션 사진작가 스티븐 마이젤(Steven Meisel) 스타일의 중세 분위기 인물 패션 화보’라는 명령을 생성형 AI 도구에 내렸고, 이 이미지를 그의 패션쇼 컬렉션으로 발전시켰습니다. 럭셔리 기성복 디자이너 바흐 메이(Bach Mai)와 뉴욕 브랜드 몬세(MONSE) 또한 뉴욕 패션 위크 2024 가을 컬렉션에서 AI 생성 프린트를 사용했습니다.

AI는 프롬프트 입력을 통해 패션 이미지를 생성하는 새로운 방식을 열었습니다. 약 10만 명의 팔로워를 보유한 인스타그램 계정 ‘@aifashion_photos’는 웨스턴 스타일, 소프트 핑크 화려한 스타일 등 다양한 트렌드 의상을 입은 AI 생성 모델 이미지를 선보이고 있습니다. 런던 패션 칼리지 관계자는 패션 산업이 엘리트적이고 진입 비용이 높았지만 AI가 새로운 진입 경로를 제공한다고 언급하며, AI가 디자인의 민주화를 촉진하고 있음을 인정했습니다. 리테일 대기업 H&M은 2023년 10월, 생성형 AI를 활용한 온디맨드 생산 플랫폼인 ‘크리에이터 스튜디오(CreatorStudio)’를 출시하며 누구나 전문적인 커스텀 디자인을 만들 수 있도록 지원하겠다고 밝혔습니다.

AI 모델과 패션 콘텐츠 제작의 변화

세계경제포럼은 2025년까지 AI가 약 8,500만 개의 일자리를 대체할 것으로 추정하며, 특히 패션 및 소매업이 위협받을 것으로 전망했습니다. 이미지 제작 도구의 보편화로 생성형 AI 기능을 다양한 디자인 소프트웨어 및 온라인 도구에 통합하려는 경쟁이 시작되면서, 패션 이미지 제작 산업은 전환기를 맞고 있습니다. 사진작가, 세트 어시스턴트, 스타일리스트, 메이크업 아티스트 등은 ‘효율성 향상’이라는 명목하에 대체될 수 있는 직업 중 일부에 불과합니다. 스타일스캔(StyleScan)이나 포즈드(Posed)와 같은 온라인 도구는 의류 및 액세서리 이미지를 몇 초 만에 모델 착용 이미지로 변환할 수 있어 상업 모델의 역할을 대체하고 있습니다.

생성형 AI가 영향을 미치는 것은 패션 모델뿐만이 아닙니다. 재스퍼 AI(JasperAI), 런웨이 ML(RunwayML), 칸바 매직 디자인(Canva MagicDesign)과 같은 도구는 마케팅 문구, 레이아웃, 로고, 비디오 등 다양한 콘텐츠를 빠르게 생성하여 그래픽 디자이너, 카피라이터, 촬영 인력에 대한 수요를 줄입니다. 어도비(Adobe) 또한 텍스트 프롬프트만으로 다양한 시각적 솔루션을 생성하는 생성형 AI 기능을 추가했습니다. 비짓(Vizit)과 같은 AI 도구는 콘텐츠를 분석하여 타겟 고객 전환 효과를 예측하며, 효과 측정 및 최적화 도구의 확산으로 콘텐츠 마케팅은 점차 과학화되고 있습니다.

개인 스타일리스트로서의 AI

1995년 영화 ‘클루리스(Clueless)’에서 여주인공 셰어는 컴퓨터 소프트웨어를 이용해 의상을 매칭했습니다. 어울리지 않는 조합은 시스템이 알려주고, 적절한 세트를 선택하면 착용 효과를 시뮬레이션했습니다. 이러한 시스템이 제대로 작동하려면 그녀의 옷장 속 모든 아이템을 알아야 하고, 스타일링을 이해하며, 셰어의 일상 활동, 선호도 및 옷장을 이해할 수 있는 복잡한 ‘두뇌’, 즉 AI가 필요했습니다. 당시 터치스크린 기술이 보편화되지 않았던 점을 고려하면 이는 주인공의 부유한 가정 환경을 부각하는 장치이기도 했습니다.

지난 10년간 수많은 스타트업들이 영화 속 스마트 옷장 경험을 재현하려 시도했지만, 성과는 제각각이었습니다. 아마존 패션은 전신 이미지를 촬영하고 머신러닝과 패션 전문가 의견을 바탕으로 의상 평가를 제공하는 ‘에코 룩(Echo Look)’ 장치를 출시했지만, 2020년에 단종되고 아마존 쇼핑 앱 내 AI 의상 추천 기능으로 전환되었습니다. 2016년, 러시아 스타트업 이피톰(Epytom)은 캡슐 옷장 개념을 결합한 메신저 챗봇을 출시했습니다. 40가지 기본 의상을 바탕으로 클래식 스타일링 규칙, 개인 특성, 날씨를 고려한 의상 제안을 제공하며 자신들을 AI 패션 스타일리스트라고 소개했습니다.

그러나 이피톰은 토론토의 기온이 5도일 때 검은색 미니 스커트와 밝은 색 데님 재킷을 추천하는 등 캐나다 겨울의 현실을 이해하지 못하는 한계를 보였습니다. 이피톰은 결국 실패하고 회사를 전환했지만, ‘패션은 공식’이며 ‘스타일은 수량화될 수 있다’는 아이디어는 여전히 유효합니다. 물론 예술적 실천으로서 패션 디자인은 항상 규칙을 깨려 하지만, AI는 개인 선호도와 스타일링 공식을 결합하여 일반인들이 개인 스타일을 향상시키는 데 도움을 줄 수 있습니다. 생성형 AI 붐 이후, 스타일DNA(StyleDNA), 예스플리즈(YesPLZ), 오픈워드로브(OpenWardrobe), 스타일리스타(Stylista), 스틸리(Stylee)와 같이 개인 스타일리스트를 지향하는 수많은 스타트업 앱들이 등장했습니다. 이들 중 일부는 무료 기능을 제공하고 고급 기능에 대해서는 유료 구독을 요구하는 프리미엄 비즈니스 모델을 채택하며, 다른 일부는 제휴 링크를 통해 수익을 창출합니다.

AI+패션이 야기하는 윤리적 딜레마

AI가 개인 스타일링에 가져올 잠재력에 대한 기대감과 동시에 우려의 목소리도 커지고 있습니다. 레딧(Reddit)의 35세 이상 여성을 위한 패션 포럼에서는 모두가 알고리즘에 따라 옷을 입는다면 스타일의 독창성이 사라질 것이라는 의견이 나왔습니다. 한 사용자는 ‘AI 개인 스타일리스트’ 자체가 모순적이며, 옷을 탐색하고 개인 스타일을 형성하는 과정을 AI에 맡기는 것은 자기 인식을 포기하는 것과 같고, 장기적으로 사람들은 독립적인 사고 능력을 잃을 수 있다고 지적했습니다. 스타일은 정말 수량화될 수 있으며, AI가 스타일의 언어를 진정으로 이해할 수 있을지에 대한 근본적인 질문이 제기됩니다. 과거에는 신발과 상의 색상을 맞추거나, 피부색에 따라 금 또는 은 장신구를 선택하는 관례가 있었지만, 이제 이러한 규칙은 변화했습니다. AI가 이러한 변화를 따라잡더라도 ‘알고리즘 단일 문화’를 조장하여 대중의 스타일이 획일화될 수 있다는 우려도 나옵니다.

패션 예측에 AI를 사용하는 것은 효율성 향상, 폐기물 감소, 데이터 기반 통찰력 확보 등 부인할 수 없는 이점을 제공하지만, 동시에 심각한 윤리적, 법적 문제를 야기합니다. 중요한 문제 중 하나는 ‘데이터 스크래핑(Data Scraping)’ 관행입니다. AI 모델이 적절한 동의 없이 방대한 온라인 콘텐츠를 스크래핑하여 훈련될 경우, 지식재산권 충돌로 이어질 수 있습니다.

데이터 공정성 문제는 ‘알고리즘 편향(Algorithmic Bias)’이라고도 불립니다. 이는 알고리즘을 구동하는 데이터가 포괄적이고 공정한 방식으로 수집되었는지 확인하는 것과 관련이 있습니다. 캐나다계 미국인 컴퓨터 과학자 조이 부올람위니(Joy Buolamwini) 박사는 MIT 미디어 랩에서 아스파이어 미러(AspireMirror) 프로젝트에 참여했을 때, 사용된 안면 인식 소프트웨어가 그녀의 어두운 피부색 얼굴을 인식하지 못하고 흰색 플라스틱 마스크를 착용했을 때 비로소 인식된 경험을 했습니다. 그녀는 훈련 데이터 세트의 다양성이 부족할 때 표준 샘플에서 벗어난 얼굴이 더 인식되기 어렵다고 지적하며 알고리즘 정의 연합을 설립했습니다. 이는 미용 분야에서는 AI 피부 분석 도구가 다른 피부색에 대해 상이한 인식 효과를 보이는 것으로 나타났으며, 패션 산업에서는 이커머스 비주얼 소프트웨어가 다양한 체형을 포괄하지 못하거나 추천 시스템에 편향이 발생하는 문제로 이어질 수 있습니다.

“AI 시스템은 우리가 과거 수십 년간 인터넷 상업화 및 사실상 무제한적인 데이터 수집에서 직면했던 것과 동일한 수많은 프라이버시 위험을 야기한다. 차이점은 규모에 있다. AI 시스템은 데이터에 대한 수요가 너무 크고 불투명해서, 우리에 대한 어떤 정보가 수집되고, 어떤 목적으로 사용되며, 우리가 이 개인 정보를 어떻게 수정하거나 삭제할 수 있는지에 대한 통제력을 상실하게 된다. – 스탠퍼드 대학 인간 중심 AI 연구소”

또 다른 도전 과제는 데이터 프라이버시입니다. 개인 맞춤형 의상을 위해 신체를 스캔하는 아이디어는 매력적이지만, 특히 더 사적인 부위가 스캔될 경우 생성된 이미지와 비디오가 결국 어디로 가는지는 의문입니다. 스탠퍼드 대학 인간 중심 AI 연구소(Stanford Institute for Human-Centered AI)는 AI 시스템이 과거 수십 년간 인터넷 상업화 및 사실상 무제한적인 데이터 수집에서 직면했던 것과 동일한 수많은 프라이버시 위험을 야기한다고 지적합니다. 차이점은 규모에 있습니다. AI 시스템은 데이터에 대한 수요가 너무 크고 불투명해서, 우리에 대한 어떤 정보가 수집되고, 어떤 목적으로 사용되며, 우리가 이 개인 정보를 어떻게 수정하거나 삭제할 수 있는지에 대한 통제력을 상실하게 됩니다. 패션 브랜드가 안전한 데이터 관리와 고객 민감 정보 보호에 대한 약속을 통해 기술을 수용하는 것이 소비자 신뢰를 구축하고 윤리적 발전을 보장하는 데 필수적입니다.