작성일 : 2022-12-01
글쓴이 : 고용지원팀
조회수 : 1800
섬산련, AI융합인재가 사람의 역할을 크게 만든다 |
---|
섬산련, AI 융합인재가 사람의 역할을 크게 만든다
2022-11-01 황연희 기자 yuni@fi.co.kr 2025년까지 전문인력 1180명 양성해 디지털 전환 확산
'AI가 사람을 대체? NO. 사람의 역할을 크게 만든다' 노동집약산업으로 구분되는 섬유패션업계에서는 AI기술이 발달할수록 일자리가 줄어들 것이라는 우려가 있지만 오히려 사람의 역할을 크게 할 수 있는 AI 융합 인재가 새로운 대안이 될 것이라는 긍정적인 움직임이 일고 있다. 한국섬유산업연합회(회장 이상운)는 섬유패션산업현장에 인공지능(AI) 기술을 융합할 기술인력 양성에 본격적으로 나서고 있다. 지난해 산업통상자원부 '인공지능(AI) 융합형 산업현장기술인력 혁신역량강화' 사업에 주관기관으로 선정된 섬산련은 2021년도부터 2025년까지 데이터구축 및 분석 역량과 AI알고리즘 이해를 바탕으로 AI를 활용한 신규 비즈니스모델 기획 및 개발이 가능한 1180명의 전문인력을 양성한다는 목표를 세우고 한국표준협회, 경기섬유패션산업연합회, 부산섬유패션산업연합회, 한국생산기술연구원, 한국섬유개발연구원, ECO융합섬유연구원과 컨소시엄을 구성했다. 지난해 '빅데이터 교육', 'AI학습을 이용한 압력센싱 얀 제조공정', 'AI기반 품질관리' 교육으로 시작된 AI 융합인재 양성사업은 2년차 접어들며 '판매 데이터를 활용한 판매예측', '패션코디 추천을 위한 이미지 데이터', 'AI기술활용 홀가먼트 니트 제조' 등 AI 기술을 활용 가능한 인재양성을 섬유패션산업 스트림 전반을 아우를 수 있도록 교육 범주를 넓혀 나갔다. 동 사업은 5개년의 총 사업기간 중 2년 동안 서울, 경기, 대구, 부산, 전북 등 전국적으로 진행된 교육을 통해 총 386명의 수료생을 배출하며 AI기술 접목에 대한 이해도를 넓혀가고 있다. 교육생들은 그 동안 엑셀 도표로만 관리했던 판매 데이터, 구체적이지 못했던 고객 행동 분석 등의 문제가 AI기술을 활용함으로써 객관화되고 내부 소통에 있어서도 적극적으로 활용되고 있다는 공통적인 의견을 보였다. 또한 섬유제조 분야에 있어서도 빅데이터를 활용해 제품의 품질관리 및 제조 공정의 자동화에 많은 도움이 되고 있다는 평가를 내렸다. 무엇보다 AI 기술자의 지식 중심 교육이 아닌 섬유패션 산업의 니즈에 맞춘 교육과정이나 다른 기업과의 교류를 통한 협업 프로젝트로 산업의 이해도를 높이는 계기가 되었다는 평가다.
AI 데이터 분석은 스피드·객관화를 위한 필수
파크랜드 신상품관리팀에서 상품 입출고, 재고관리, 매장별 수량 결정, 시즌 판매 분석 등 상품 관리업무를 하고 있다. 입사 이후 영업MD, 상품기획MD, 신상품관리 업무를 거치며 판매, 매장, 제품 데이터는 나의 삶의 일부였다. 이번 부산섬유패션산업연합회 [패션 제품 판매 데이터를 활용한 판매예측(기초)] 교육은 각 팀에서 수시로 밀려오는 자료 요청과 상부 결재를 받기 위해서 장황한 설명보다 손쉽게 설득할 수 있는 시각화된 데이터가 필수라는 인식을 가지게 된 계기가 됐다. 특히 백화점과 대리점의 유·불리를 단순한 수익률 차이로만 판단하면 안된다는 점을 [데이터 분석을 통한 '골린' 매장 유동별 특성 및 확장 전략] 과제를 진행하며 실감할 수 있었다. 우리가 흔히 백화점, 대리점 채널의 특징을 수수료, 수익률로만 비교하지만 실질적인 판매 데이터를 분석한 결과 구매단가, 방문횟수, 신규 고객 유입 및 충성 고객 유지, 구매고객의 스펙트럼 등 보다 상세한 결과를 도출하고 각각의 현안에 맞춰 대안을 세분화해야 한다는 결과를 만들어냈다. 이제 더 이상 단순하게 코로나19 탓, 날씨 및 경기 탓으로만 돌려서는 안될 시기에 당면했음을 알 수 있었다. 파크랜드는 우선 시즌리스 개념의 드레스셔츠 제품의 매장, 유통, 영업담당별 판매 현황 자료를 데이터화하기 위해 연구 중이다. 매장별 선호 사이즈, 1일 판매량, 사이즈별 1일 최대 판매량 등을 분석하고 매일 갱신되는 데이터를 취합하여 시각적 데이터로 자동적인 결과값으로 보여줄 수 있는 양식을 개발하고 있다. 향후에는 자사의 유통별, 지역별, 매장별 판매 특성을 수치가 아닌 시각화된 개체로서 각 유관부서에 공유함으로써 빠른 의사결정 및 객관화된 판매 특성을 공유하고자 한다. 이를 통해 업무의 스피드, 재고 리스크를 줄일 수 있는 객관화가 보다 쉽게 이뤄질 것으로 기대한다.
영도벨벳에서 데이터 축적 및 시계열 축적, 의사결정 분석 및 기획·전략 수립이 주된 업무이다. '언제까지 엑셀로 데이터를 관리해야 할까?' 좀 더 효율적인 데이터 관리, 의사결정 모델이 있을거란 생각에 [패션제품 판매 데이터를 활용한 판매예측(기초)] 과정을 교육받았다. 물론 기존에도 기업 내 제품 판매 및 재료 구매 데이터는 관리해 오고 있고 빅데이터로서도 충분한 가치가 있다고 판단한다. 다만 업무 효율화 및 타부서 간 협력 및 의사결정에 있어 숫자만을 활용한 엑셀보다는 직관적인 파워BI(데이터 분석/ 시각화 도구)로 활용한다면 지대한 효과가 있을 것으로 생각된다. 무엇보다 최고경영자 의사결정에 매우 효율적일 것이다. 향후 예측에 관한 기술 프로그램이 접목된다면 시계열 빅데이터가 미래예측시스템으로 쉽게 전환될 수 있을 것이다. 본사 역시 바이어를 설득해야 하는 영업부에서 파워BI의 활용 가치가 높을 것같고, 염색부의 경우 염색관리시스템을 도입하면서 꼭 파워BI를 사용했으면 하는 바람이 있다. 또한 제직파트에서는 파워BI를 사용하게 되면 직기 100대를 주간 8시간, 야간 8시간에 100% 가동시켰을 때 바이어별 수요 예측할 수 있는 시뮬레이션에 유익할 것으로 기대하고 있다. 섬유패션산업이 제조 지향에서 자동화 지향으로 패러다임을 바꿔야 하는 상황에서 AI 기술은 우리 업무 시스템의 자동화에 큰 도움이 될 것이다. 패션산업은 모든 분야에서 창조적인 부분만 제외하고 자동화를 해야한다고 생각하며, 섬유 부문 역시 아직은 현실적인 어려움이 있지만 염색 관리 부문에 있어서는 AI 기술이 적용되어야 한다. 개인적으로 주말을 포함한 교육 일정으로 인해 회사 업무에 큰 무리없이 교육받을 수 있었고, 다른 교육생들과의 교류도 많은 도움이 됐던 것 같다.
1994년부터 30년 가까이 섬유회사 생산현장 및 기업부설연구소 등에 근무하며 섬유산업의 발자취를 지켜봤다. 하지만 이제는 섬유산업 인력의 고령화로 직물 분해, 설계 인력이 부족한 것이 현실이며 이를 AI 기술로 대체할 수 있는 부분이 충분하다고 생각되어 한국섬유개발연구원에서 진행한 [전자직물 분해설계시스템을 통한 빅데이터 구축과 AI를 활용한 조직설계 학습] 과정을 배웠다. 딥러닝 기반 직물 설계 구조 이미지 분류 모델 개발, CNN을 활용하여 직물 설계를 딥러닝 모델을 통해서 학습하고 추론 결과를 시각화함으로써 보다 효과적인 직물 설계 방법을 찾고자 했다. XYZ축 공정 기계 센서 데이터를 다양한 머신러닝 기법으로 학습한 것도 좋았지만 특히 교육생들과 상의를 하고 1:1 교육도 받을 수 있었던 PBL 수업 방식이 큰 도움이 됐던 것 같다. AI 기술 도입의 당위성을 고려한다면 이러한 교육이 지속적으로 열렸으면 하는 생각이다. 현재 섬유소재 기업들은 빅데이터 구축, AI 기술 및 활용에 대한 관심을 가지고 있지만 어떻게 접목시킬지 잘 모른는 곳들이 많다. 좀 더 많은 소재기업들이 이러한 기관 교육을 활용해 AI 기술에 한 발짝 다가서야 할 것이다. 섬유산업 현장에서 실무경험이나 이해도가 높은 강사들이 진행하는 눈높이 교육이 선행된다면 보다 적극적인 관심을 가지고 섬유소재산업에 AI 기술을 접목할 방법을 모색하지 않을까 하는 생각을 해보았다. 이를 위해서 장기적인 관점에서 산·학·연·정부 모두가 관심을 가지고, AI 기술과 섬유산업 접목을 위한 일회성이 아닌 지속적인 교육 그리고 관련 기술 세미나 등의 주기적인 정보 제공이 이어졌으면 하는 바람이다.
이업종과 합종연횡으로 시너지 업
자동차, 컴퓨터, 알고리즘 수식 분야에서 근무하다 4년 전 종달랩으로 이직해 기술연구소 팀장을 맡고 있다. 기술에 대한 이해도는 높았으나 섬유패션 산업에 대한 전문 지식이 없어 오히려 시장을 이해해야 하는 선행과제가 발생했다. 백화점에서 패션 브랜드도 접해보고 동대문 종합시장에 새벽에 나가서 시장을 둘러봐도 '데이터'라는 정보를 얻을 순 없었다. 의류 제품을 판매하는 이들이 어떤 데이터를 취득하고, 그 데이터로부터 어떤 값을 도출하고 싶은지 사용자 관점의 '데이터' 활용 가치가 궁금했다. 그러던 차에 한국섬유산업연합회에 AI융합형 인재양성사업 교육을 알게 됐고 지난해 [빅데이터 교육], 올해 [패션제품 판매 데이터를 활용한 판매예측 고급 과정]과 [패션코디 추천 서비스를 위한 이미지 데이터] 교육을 받았다. 나름 장기 교육생이다. 그 중 조별 과제를 통해 결과물을 제작해야 하는 수업이 있는데 패션 기업 MD분과 교류를 하면서 실질적인 정보를 얻을 수 있는 좋은 계기가 됐다. 각각의 강점을 가지고 결과물을 만들다 보니 시너지 효과가 높아졌다. 또한 패션 브랜드의 데이터 취득, 도출값에 대한 방식을 원부자재 종합 플랫폼인 '종달랩'에도 적용시켜 고객의 니즈를 파악할 수 있는 좋은 계기가 될 것이라고 기대하고 있다. '종달랩'은 동대문 종합 시장의 원부자재를 발이 아닌 손을 통해 찾을 수 있도록 한 플랫폼이다. 6시간 이상 돌아다니지 않아도 보다 쉽게 원하는 제품을 찾을 수 있도록 했으며, 특히 '부자마켓' 서비스는 텍스트가 아닌 이미지로 제품 검색이 가능한데 이 때 AI 기술을 활용해 정확도를 높이고 있다. 데이터의 AI기술 개발은 시장을 먼저 이해하는 것부터 비롯된다고 할 수 있다.
'한 번 고객은 영원한 고객'이라는 말이 있지만 정말 패션 브랜드들이 모든 고객을 끝까지 잘 관리하고 있을까? 슈마커 IT전략팀 김준호 팀장은 회원의 정보가 아닌 고객의 행동 데이터를 관리해야 할 때라고 강조한다. "패션 브랜드들은 회원가입을 통해 멤버십 관리를 하고 있다. 고객의 데이터는 쌓여가는 데 우리가 이를 활용하고 있을까 하는 의문에 섬유산업연합회 AI융합형 인재양성 교육 과정을 신청하게 됐고, 지난 기초 과정에 이어 고급 과정까지 수강하게 됐다" 김준호 IT전략팀 팀장은 "본사의 기존 고객 관리는 마일리지 포인트를 적립하는 것에 그쳤다. 아마 대부분의 브랜드들이 그럴 것이다. 하지만 판매 데이터를 활용한 판매예측 교육을 받으면서 고객 행동 데이터를 분석하게 됐고, 이를 통해 고객의 재구매 시기를 앞당기는 전략, 구매단가를 높일 수 있는 퍼포먼스 마케팅 전략을 수립하는 근간으로 삼고 있다"고 말했다. 오동근 IT전략팀 과장은 "파워BI를 활용해 매출 데이터를 시각화하는 것을 배웠는데 상품부서에서 이 툴을 활용해 매주 판매 보고를 한다. 고급 과정을 배우면서는 우리가 직접 고객 데이터를 관리할 수 있는 1차 고객 관리 시스템을 개발했고 현재 고도화 시스템을 만들고 있다. 외부 전문 기업들도 있지만 구체적이지 못한 대략적인 데이터밖에 없다. 직접 데이터를 관리하자는 생각에 고객 관리 시스템을 개발하고 있다"고 말했다. 김준호 팀장은 "우리는 IT 기술에 대한 전반적인 지식이 있기 때문에 이번 교육 과정이 과외를 받는 것처럼 너무 유용했다. 앞으로 디자인, 기획, 영업 모든 부서에서도 데이터 관리에 대한 중요성을 인지할 수 있도록 공유하고 효과적인 데이터 관리 방법을 찾아나가고자 한다"고 말했다.
AI가 도와주는 라이브러리 자동화 시스템
지앤지엔터프라이즈는 작업지시서의 빅데이터화를 위해 지난해 디지털라이브러리팀을 신설했다. 생소한 팀명이었지만 새로운 도전이 될 것 같아 심리스 부서에서 디지털라이브러리팀으로 보직을 변경했다. 디지털라이브러리팀은 그 동안 오프라인으로만 관리했던 작업지시서를 데이터 자산으로 활용하기 위해 디지털 콘텐츠로 업로드하는 작업을 하고 있다. 디자인팀이 현 시즌 제품의 작업지시서를 관리하고 있고, 우리 디지털라이브러리팀은 과거의 작업지시서를 모두 데이터화하는 작업을 하고 있다. 기존에 하던 업무가 아니어서 좀 더 쉽고 효율적인 관리 방법이 있을까 하는 생각에 ECO융합섬유연구원에서 진행한 [AI추천기술을 활용한 홀가먼트 니트 제품자동설계] 교육을 받게 됐다. '세컨스킨'은 그 동안 생산했던 제품이나 샘플 작업 등의 작업지시서를 CLO 3D와 MES(제조 실행 시스템)에 정보를 입력하고 있는데 교육을 받은 이후 좀 더 수월하게 작업이 진행되고 있다. 제조 방식이 독특한 홀가먼트 의류의 공정별 등록하는 과정과 원부자재 등 수많은 데이터를 편리하게 등록하는 것은 물론 타 부서에서도 쉽게 확인할 수 있어 생산, 기획, 디자인실이 유기적으로 소통하는데 도움이 된다. 또한 개인적으로 작업지시서를 등록하는 업무에 있어서도 기 등록되어 있는 유사한 제품의 데이터를 자동적으로 불러올 수 있어 좀 더 쉽고 빠르게, 정확하게 등록할 수 있기에 생산성이 높아진 것 같다. 패션 브랜드 디자인실은 평균적으로 이직률이 높은 편이다. 만약 작업지시서를 데이터화하고 이를 라이브러리로 관리한다면 새로운 디자이너가 일을 한다고 해도 브랜드에 대한 이해를 빠르게 할 수 있고 시스템에 의한 디자인 관리가 될 수 있을 것으로 생각한다. - Copyrights ⓒ 메이비원(주) 패션인사이트, 무단 전재 및 재배포 금지 -
|