매일 쓰지만 믿지는 않는다. 패션 전문가 100명이 답한 AI
패션 업계 종사자 열 명 중 아홉 명이 매일 AI를 쓰지만, 중요한 결정은 AI에 맡기지 않는다. The Interline이 올해 초 패션 전문가 약 100명을 설문한 결과다. 응답자의 9할이 업무에서 매일 AI를 활용했고, 최근 12개월간 약 85%의 기업이 도입 속도를 높였으며, 약 70%는 2027년 AI 지출이 늘어날 것으로 예상했다.
낙관과 불안이 함께 나타났다. 응답자들은 AI에 대체로 낙관적이었지만, 가치를 평가할 기준이 아직 없다고 답했다. 자사가 AI 역량을 과대평가하고 있다는 우려도 있었고, 기존 기술 환경과 AI를 제대로 연결하지 못했다는 문제도 드러났다. 브랜드와 리테일러가 범용 프론티어 모델(여러 분야에 두루 쓰이는 대형 AI 모델)과 패션 특화 도구에 큰 투자를 거는 가운데 나온 결과다.
The Interline 팟캐스트 진행자는 이 간극을 AI 성능의 '들쭉날쭉한 경계'로 설명한다. AI가 패션 상품 이미지 생성에서는 뛰어나도, 옷이 어떻게 만들어지고 어디에 쓰이는지를 이해하는 데는 약할 수 있다는 것이다. 응답자들은 기획 같은 분석 용도에서 AI가 가장 성숙하다고 인식했다. 잘하는 영역과 맡기기 어려운 영역이 뒤섞여 있다는 뜻이다.
출처 · The Interline, 「Is AI Already Good Enough For Fashion?」
승인율 95%를 내세운 Caimera. 신뢰는 정확도에서 온다
AI 이미지 스타트업 Caimera는 신뢰의 근거로 95%라는 숫자를 내세운다. 회사 측이 밝힌 플랫폼의 이미지 승인율이다. The Interline이 The AI Report 2026에 실은 17부작 경영진 인터뷰 중 하나에서 창업자 Kirti Poonia와 Prateek Gupte는 생성 결과물을 브랜드가 고객 앞에 내놓을 수준으로 끌어올리는 방법을 설명했다. Poonia는 신뢰가 정확도를 쌓는 데서 나온다고 말한다.
핵심 도구는 두 가지다. 스케치 투 이미지(디자인 스케치를 상품 이미지로 바꾸는 기능)는 여러 후보를 늘어놓는 대신 일관된 결과 하나를 내놓는다. 회사 설명에 따르면 프린트, 구조, 솔기를 충실히 반영해 소비자에게 상품을 파는 지점에서도 쓰일 수 있다. 대량 카탈로그 이미지 도구는 수천 개 상품에 같은 배경, 모델, 조명, 포즈를 한 번의 배치 작업으로 적용한다.
기업 고객을 겨냥한 장치도 있다. Caimera는 엔터프라이즈 브랜드에 법적 보호를 제공한다고 밝혔고, 고객이 월 1,000개 이상의 스타일을 처리한다고 주장한다. 이 수치들은 모두 회사 측 설명이라는 점에 유의해야 한다. 생성 속도보다 결과물의 일관성과 책임 소재를 앞세웠다는 점이 이 인터뷰의 특징이다.
출처 · The Interline, 「All About AI: Kirti Poonia & Prateek Gupte of Caimera」
의류 색상 맞춤. 발행 전 옷 색을 원본 기준으로 맞추는 검수 단계
RealSnap의 의류 색상 맞춤은 생성된 결과 이미지에서 옷 영역만 원본 의류 색 기준으로 보정하는 스냅 도구다. 생성 컷의 옷 색이 실제 상품과 달라 보일 때, 발행 전에 색상을 점검하는 용도로 쓸 수 있다.
결과 이미지를 연 상태에서 바로 색상 보정 도구로 들어갈 수 있다.
원본 의류 참조가 자동으로 불러와져, 현재 결과의 옷 영역과 비교해 색을 맞출 기준이 만들어진다.
AI로 다시 그리지 않고 색만 조정하는 무료 보정 도구 중 하나로 한 번에 하나씩 적용한다.
RealSnap의 의류 색상 맞춤으로 다음 생성 컷의 옷 색을 원본 의류와 대조해 보고, 발행할 컷을 고르는 색상 검수 절차로 시험해 보면 좋다.
