생성적 AI: 패션 산업의 미래를 열다

지금쯤이면 하룻밤 사이에 센세이션을 일으키고 경쟁 제품을 구축 및 출시하기 위한 디지털 경쟁을 촉발한 인공 지능 챗봇인 OpenAI의 ChatGPT에 대해 들어보셨을 것입니다. ChatGPT는 오디오, 코드, 이미지, 텍스트, 시뮬레이션 및 비디오를 비롯한 새로운 콘텐츠를 만드는 데 사용할 수 있는 알고리즘으로 구성된 기술인 생성 AI의 소비자 친화적인 예일 뿐입니다. 생성 AI는 단순히 정보를 식별하고 분류하는 것이 아니라 GPT-3.5, DALL-E 등 여러 복잡한 작업을 동시에 처리할 수 있는 딥 러닝 모델인 기본 모델을 활용하여 새로운 정보를 생성합니다.

지금까지 패션 업계는 메타버스, 대체 불가능한 토큰(NFT), 디지털 ID, 증강 현실(AR), 가상 현실(VR) 등 기본적인 AI와 기타 최첨단 기술을 실험해 왔습니다. 아직까지는 생성 AI에 대한 경험이 거의 없습니다. 물론, 이 신기술은 최근에야 널리 보급되었으며 여전히 걱정스러운 문제와 버그로 ​​가득 차 있습니다. 그러나 모든 징후는 이 기술이 잠재적으로 빛의 속도로 개선되고 비즈니스 Changemaker의 여러 영역에서 판도를 바꾸는 역할을 할 가능성이 있음을 나타냅니다.

맥킨지 분석에 따르면 생성 AI는 향후 3~5년간 1,500억 달러 증가하고, 의류, 패션, 명품 산업의 영업이익은 2,750억 달러 증가할 것으로 보수적으로 추산된다. 협업 디자인부터 콘텐츠 개발 프로세스 가속화에 이르기까지 제너레이티브 AI는 창의성을 위한 새로운 공간을 열어줍니다. 원시 텍스트, 이미지, 비디오 등 모든 형태의 "구조화되지 않은" 데이터를 입력할 수 있으며 완전한 스크립트부터 3D 디자인, 비디오 이벤트의 실제와 같은 가상 모델에 이르기까지 새로운 미디어 형식을 출력할 수 있습니다.

아직 초기 단계이지만, 패션 분야에서 생성 AI의 명확한 사용 사례가 이미 나타나고 있습니다. (이러한 사용 사례 중 상당수는 뷰티 및 럭셔리 산업에도 적용됩니다.) 특히 제품 혁신, 마케팅, 판매 및 고객 경험에서 이 기술은 패션 가치 사슬의 다른 영역에 비해 상당한 결과를 얻을 수 있으며, 단기. 이 기사에서는 가장 유망한 사용 사례 중 일부를 간략하게 설명하고 경영진이 취할 수 있는 조치와 그렇게 할 때 알아야 할 위험을 제공합니다.

제너레이티브 AI는 자동화뿐만 아니라 향상과 가속화도 담당한다고 생각합니다. 이는 패션 전문가와 창작자들에게 특정 작업을 더 빠르게 완료할 수 있는 기술 도구를 제공하고 인간만이 할 수 있는 일을 할 수 있는 시간을 더 많이 제공한다는 의미이기도 합니다.

사용 사례 이해

기본 모델과 생성 AI는 전체 패션 가치 사슬에서 사용할 수 있습니다.

판매 및 제품:

• 스케치, 무드 보드 및 설명을 충실도 높은 디자인(예: 가구 및 보석의 3D 모델)으로 변환합니다.
• AI 에이전트와 협력하여 데이터에서 데이터 생성(예: 크리에이티브 생성) 과거 제품 라인의 옵션(예: 새로운 아이디어, 변형), 영감을 주는 이미지 및 스타일)을 통해 제품 아이디어를 풍부하게 합니다.
• 개별 소비자를 위한 대량 맞춤 제품(예: 얼굴 움직임에 따른 안경)

공급망 및 물류:

• 연구 결과를 수집하여 공급업체와의 협상을 지원합니다.
• 실시간 분석(예: 증강 현실 기반 통찰력)을 통해 창고 운영 및 재고 관리의 로봇 자동화를 향상합니다. 소비자 맞춤형 제품에 대한 반품 할인.
• 마케팅:

정형화되지 않은 데이터(예: 소비자 감정, 매장 내 소비자 행동, 옴니채널 데이터)에서 추세를 식별하고 예측하여 타겟 마케팅을 개선합니다.

• 마케팅 계획을 맞춤화하기 위한 자동화된 소비자 세분화; 소비자 프로필 및 커뮤니티 통찰력의 구조화되지 않은 데이터를 기반으로 한 맞춤형 마케팅 콘텐츠
• AI 대행사와 협력하여 콘텐츠 개발을 가속화하고 사내 마케팅 팀의 창의적 장벽을 낮춥니다.
• 디지털 상거래 및 소비자 경험:

과거의 성공적인 판매 역할을 기반으로 판매 설명을 작성하고 생성합니다.

개인 소비자 프로필을 기반으로 온라인 소비자 여정 및 제안(예: 웹 페이지, 제품 설명)을 개인화합니다. 개별 소비자를 위한 가상 제품 피팅 및 시연(예: 의류 피팅, 스타일링 조언)

• 향상된 지능형 AI 에이전트(예: 대화형 챗봇, 가상 비서) 및 고급 소비자를 지원하는 셀프 서비스 컨설팅(예: 다국어 지원)
• 매장 운영:
• 다양한 매개변수(예: 유동인구, 현지 소비자 대상, 규모)에 따라 레이아웃 계획을 생성 및 테스트하여 매장 레이아웃 계획을 최적화합니다.

매장 내 인력을 최적화하고 실시간 비디오 모니터링을 통해 제거합니다. 직원 할당 공백 및 도난 감지와 같은 데이터 병목 현상

AR 보조 장치를 지원하여 직원에게 제품 정보(예: 상태, 분류, 재고, 권장 사항)를 실시간으로 더 잘 알릴 수 있습니다.

• 조직 및 지원 기능:
• • 실시간 추천, 피드백 보고, 높은 가치의 소비자 프로필을 통해 영업 직원이 성공적인 "고객" 관계를 유지하도록 지도합니다.
  • 직원 역할 및 성과에 따라 맞춤형 교육 콘텐츠를 개발합니다.
  • 셀프 서비스 및 자동화된 지원을 활성화합니다. 작업(예: HR 티켓, 대규모 문서 회계, 법률 문서 검토)

  제너레이티브 AI는 전체 패션 생태계에 영향을 미칠 수 있는 잠재력을 가지고 있습니다. 패션 회사는 이 기술을 사용하여 보다 시장성이 있는 디자인을 만들고, 마케팅 비용을 줄이고, 고객 커뮤니케이션을 고도로 개인화하고, 프로세스 속도를 높이는 데 도움을 줄 수 있습니다. 또한 공급망과 물류, 매장 운영, 조직 및 지원 기능을 재구성할 수도 있습니다.

  제품 개발 및 혁신

  대중 패션 소매업체와 명품 브랜드의 크리에이티브 디렉터는 트렌드 보고서와 시장 분석에만 의존하기보다는 생성 AI를 사용하여 다양한 유형의 비정형 데이터를 실시간으로 분석할 수 있습니다. 다음 시즌 시리즈 디자인 정보를 제공합니다. 예를 들어 생성적 AI는 소셜 미디어의 비디오에서 감정 분석을 신속하게 집계하고 수행하거나 다양한 소비자 데이터 소스의 추세를 모델링할 수 있습니다.

  크리에이티브 디렉터와 그 팀은 스케치와 패브릭, 색상 팔레트, 패턴과 같은 필수 세부 사항을 제너레이티브 AI 기반 플랫폼에 입력할 수 있습니다. 제너레이티브 AI는 일련의 디자인을 자동으로 생성하여 디자이너가 다양한 스타일과 룩을 디자인할 수 있도록 해줍니다. 그런 다음 팀은 이러한 결과물을 기반으로 새로운 제품을 디자인하고 패션 하우스의 시그니처 요소를 각 룩에 추가할 수 있습니다. 이는 혁신적인 한정판 제품 라인 창출의 문을 열어줍니다. 생성적 AI 기반 얼굴 인식 기술을 사용하면 안경과 같은 제품을 개인에 맞게 디자인하고 얼굴 지형을 스캔하여 고객의 크기와 스타일 선호도에 맞게 조정할 수 있습니다.

  이 시나리오는 2022년 12월 AI 디자인 랩(AiDLab)의 홍콩 패션 디자이너 그룹이 '제너레이티브 AI 지원 디자인'을 주제로 패션쇼를 열면서 현실이 되었습니다. Cala, Designovel, Fashable과 같은 기술 회사의 도구를 통해 패션 디자이너는 이미 생성 AI의 힘을 활용하여 새로운 아이디어에 영감을 주고, 값비싼 샘플을 만들지 않고도 수많은 디자인 변형을 시도하고, 프로세스 속도를 극적으로 높이고 있습니다. (뷰티 산업의 경우 생성 AI는 브랜드에게 새로운 제품 일치를 식별할 수 있는 기회도 제공하므로 실험실 테스트 비용을 줄이는 데 도움이 될 수 있습니다.)

  마케팅

  마케팅 임원 및 대행사는 생성 AI를 사용할 수 있습니다. 와서 브레인스토밍 캠페인 전략, 제품 캠페인 콘텐츠, 각 마케팅 채널의 아바타까지 빠르게 생성할 수 있습니다.

  마케팅의 황금률을 찾는 것은 종종 숫자 게임입니다. TikTok을 살펴보세요. 이 플랫폼에는 바이럴성에 대한 단일 승리 공식이 없습니다. 반대로, 더 많이 생산할수록 히트작이 될 가능성이 높아져 브랜드 인지도와 매출이 높아집니다. AI 생성 비디오 플랫폼을 통해 TikTok 또는 기타 소셜 미디어 플랫폼용 짧은 비디오를 제작하면 소셜 미디어 콘텐츠 출력과 관련된 시간과 비용을 절약할 수 있습니다. 생성적 AI는 바이러스성 콘텐츠의 패턴과 추세를 식별하고 마케팅 담당자의 사양을 기반으로 새로운 콘텐츠를 만들 수 있습니다.

  이러한 연습은 내부 마케팅 팀이 작업을 관리하는 동시에 광고 대행사에 대한 아웃소싱 작업에 대한 의존도를 줄이는 데 도움이 될 수 있습니다. 그러나 마케팅 담당자는 이 접근 방식을 사용할 때 주의해야 합니다. 다른 브랜드가 하는 일을 모방하여 소비자를 유치하려고 하면 브랜드가 수년 동안 쌓아온 고유한 정체성과 가치 제안이 훼손될 수 있습니다.

  제너레이티브 AI는 개인화된 고객 커뮤니케이션에도 적용될 수 있습니다. McKinsey의 연구에 따르면 개인화에 탁월한 기업은 개인화를 활용하지 않는 기업에 비해 수익이 40% 증가하는 것으로 나타났습니다.

  copyai, Jasper AI, Writesonic 등 여러 스타트업이 생성 AI를 통해 대규모 개인화 마케팅을 개척하는 데 도움을 주고 있습니다. 이러한 도구를 사용하여 마케터의 일상 업무는 다음과 같습니다. 이메일, 긴 형식의 블로그 게시물 또는 자신이 무엇인지 설명하는 프롬프트를 추가하여 생성하려는 콘텐츠 유형을 선택할 수 있습니다. 브랜드와 일치하는 마케팅 커뮤니케이션을 만드는 데 도움이 되는 목소리 톤과 같은 기타 매개 변수와 대상 고객을 찾고 포함합니다. 그런 다음 AI 도구는 마케팅 담당자가 선택할 수 있는 몇 가지 옵션을 제공합니다.

  이러한 도구는 유명 브랜드 구축 커뮤니케이션보다는 낮은 퍼널 마케팅 채널(주로 판매 전환을 장려하는 데 사용됨)에 적용할 때 가장 유용합니다.

  판매 및 소비자 경험

  보다 강력한 자연어 처리(NLP)를 사용하여 인간을 더 잘 이해하고 상호 작용하는 오늘날의 AI 생성 채팅은 이미 기존 AI 채팅에 비해 측정 가능한 개선입니다. 하지만 아직 완벽한 AI 챗봇은 없으며, 현재의 챗봇과 기타 텍스트 생성 도구는 여전히 때때로 심각한 고객 서비스 재앙으로 이어질 수 있는 실수를 저지르고 있습니다. 그러나 이 기술은 결국 고객 지원 상담원이 복잡한 쿼리를 아웃소싱하는 데 도움이 될 수 있습니다. 예를 들어 챗봇을 사용하여 여러 언어로 개인화된 응답을 제공하는 데 도움을 줄 수 있습니다.

  현재 브랜드에 생성 AI '대표'를 지정하여 이메일, 채팅, 문자 및 브랜드 자체 플랫폼을 통해 고객 서비스 문의를 처리하는 서비스가 있습니다. 이러한 서비스는 고객 서비스 대기 시간을 줄이고 응답 시간을 개선하는 데 도움이 됩니다.

  제너레이티브 AI 에이전트는 특히 "클라이언트" 측에서 명품 브랜드에 서비스를 제공할 수 있습니다. 이는 판매 보조원이 브랜드에서 가장 지출이 많은 고객과 장기적인 관계를 구축하여 구매를 장려하고 브랜드 충성도를 높이는 소매 전략입니다. (예를 들어 고급 브랜드는 예약 쇼핑을 통해 명품 부티크에서 60~70%의 판매 전환율을 달성할 수 있습니다.) 프로세스는 여전히 다소 아날로그적이고 수동적이며 다양한 메시지를 통해 소통하는 브랜드 판매 보조원에 의존합니다. 판매 직원이 근무하는 동안에만 고객에게 연락할 수 있는 플랫폼 또는 SMS입니다. AI 기반 도구는 쇼핑객이 매장을 떠난 후에도 대화를 계속하거나 스타일 제안을 할 수 있고, 판매 직원에게 고객과 상호 작용하는 방법을 지도하고, 특정 고객에 대한 커뮤니케이션을 개인화하고, 소비자 프로필과 실시간 온라인 상호 작용을 분석할 수 있습니다.

  2022년 7월 의류 소매업체 스티치픽스(Stitch Fix)는 더 나은 스타일링 서비스를 통해 매출을 늘리고 고객 만족도를 높이기 위해 GPT-3 및 DALL-E 2(텍스트-이미지 AI 생성기)를 실험하고 있다고 밝혔습니다. 이러한 생성 모델은 스타일리스트가 대량의 고객 피드백을 빠르고 정확하게 해석하고 고객이 구매할 가능성이 더 높은 제품을 선별하는 데 도움을 주기 위해 테스트되고 있습니다. 예를 들어, AI 도구는 수백 개의 텍스트 댓글, 이메일 요청, 제품 평가 및 온라인 게시물을 포함할 수 있는 모든 고객 피드백을 분석할 수 있습니다. 고객이 특정 바지에 대해 "핏이 좋고" "색상이 재미있다"고 자주 언급하는 경우 DALL-E는 고객이 구매하고 싶어할 만한 유사한 바지의 이미지를 생성할 수 있습니다. 그러면 스타일리스트는 Stitch Fix의 재고에서 유사한 제품을 찾아 해당 고객에게 추천할 수 있습니다.

  가상 시험은 판매 및 소비자 경험을 향상시키는 생성 AI의 또 다른 예입니다. 파리에 본사를 둔 Veesual은 전자상거래 패션 브랜드에 가상 시착 통합 기능을 제공합니다. 즉, 고객이 자신의 모델과 옷을 선택하여 입어볼 수 있습니다.

  실용적인 조언

  생성 AI 기술이 흥미로울 수 있지만 기업은 핵심 작업을 생성 AI에 완전히 위임하기 전에 여전히 주의를 기울이는 실수를 하고 싶어합니다. 그러나 이 기술이 발전하는 속도와 사용자 기반의 폭발적인 성장을 고려할 때 이 기술이 제공하는 가능성을 탐색하지 않는 것도 마찬가지로 위험할 수 있습니다. 경영진은 이제 비즈니스에서 생성 AI를 어떻게 사용할 수 있는지 생각해 볼 수 있습니다. 리더는 몇 가지 단계부터 시작할 수 있습니다.

  당신의 "북극성"을 소중히 여기세요

  패션 리더들은 생성 AI가 비즈니스에 가장 큰 가치를 제공할 수 있는 부분을 개략적으로 설명해야 합니다. 먼저 창의적인 디자인, 머천다이징, 패션쇼 프로모션, 고객 등 어떤 영역이 생성 AI로 가장 많은 이점을 얻을 수 있는지 주목하세요. 그런 다음 리더는 사용 사례가 비즈니스에 얼마나 영향을 미칠지에 따라 어떤 생성 AI 사용 사례를 추구해야 하는지 우선순위를 정할 수 있습니다. 일부 영향 측정에는 고객 만족도 점수 향상 및 고객 서비스 대기 시간 단축이 포함됩니다.

  가치가 결정되면 구현 가능성에 따라 사용 사례의 우선순위도 결정해야 하며, 생성 AI를 원활하게 사용하는 방법은 팀의 기술력과 같은 요소에 따라 달라집니다. 이후 팀은 이러한 사용 사례를 테스트하고 검증하기 위한 단기 로드맵을 구축해야 합니다. 동시에 디자이너가 시즌마다 업데이트하고 사용할 수 있는 생성적 디자인 플랫폼을 구축하는 방법과 같은 장기적인 목표에 포함될 수 있는 것도 고려할 수 있습니다.

  생성 AI로 재미있게 놀고 싶을 수도 있지만, 그 힘을 활용하려면 추가적인 노력이 필요합니다. 패션업계 경영진은 기존 도구를 무분별하게 실험하기보다는 의도적으로 가치를 전달하는 도구를 구축해야 합니다.

  위험을 이해하고 이를 완화할 계획을 세웁니다

  이전 기사에서는 생성 AI 사용에 따른 몇 가지 위험을 나열했습니다. 하나는 생성 AI 사용을 둘러싼 법적 매개 변수가 여전히 해결되고 있다는 것입니다. 디자이너는 때때로 파생 작품과 모방 디자인을 만든다는 이유로 비판을 받습니다. AI 생성 작품에 대한 지적 재산권과 창작권은 누가 소유합니까? 이러한 작품은 다른 디자이너의 과거 컬렉션과 같은 다중 모드 데이터 소스를 기반으로 할 수 있으며 강력한 법적 판례가 나올 때까지 사례별로 결정됩니다. 나타난다. (생성 AI가 관련되지는 않지만, 판사가 NFT가 Hermès의 상표를 침해했다고 판결한 Meta Birkin NFT를 두고 Hermès와 아티스트 Mason Rothschild 간의 세간의 이목을 끄는 싸움은 새로운 기술이 등장할 때 패션 브랜드가 법적 어려움에 직면할 수 있음을 보여줍니다. )

  또 다른 위험은 생성된 AI 시스템, 특히 편향된 데이터 세트에 대한 편견과 공정성으로, 이는 기술에 의존하는 브랜드에 대한 평판에 문제를 일으킬 수 있습니다. 예를 들어, 이미지 생성 도구가 부적절하거나 공격적인 이미지를 사용하여 광고 캠페인을 만든 다음 전 세계적으로 공유하는 경우 브랜드의 평판이 손상될 수 있습니다. 피해 통제를 위해 AI 회사를 비난하는 것은 소비자 분노를 진정시키는 데 도움이 되지 않을 수 있습니다.

  생성 AI를 사용하는 직원이 그 단점을 완전히 인식하지 못하고 기술로 인해 발생하는 오류를 확인하지 못할 위험도 있습니다. 이 경우 기업은 정기적으로 직원을 교육하고 기술 사용 방법을 이해하는 데 필요한 리소스를 제공해야 합니다.

  위험은 불가피하지만 관리자는 위험, 윤리 및 품질 보증을 해결하는 프로세스를 확립하여 잠재적인 영향을 완화할 수 있습니다.

  기존 직원의 기술 향상

  제너레이티브 AI 도구는 비즈니스의 다양한 영역에 가치를 더할 수 있으므로 디자이너, 마케팅 담당자, 판매 직원, 고객 서비스 담당자를 포함한 직원에게 이 기술을 사용하도록 교육하고 훈련하는 것이 중요합니다.

  일부 회사에서는 AI 중심 교육을 시작했습니다. 예를 들어 Levi Strauss는 회사의 디자인 프로세스에서 기계 학습을 사용하는 방법을 비기술 직원에게 교육하기 위해 2021년에 기계 학습 부트 캠프를 시작했습니다. 프로젝트를 완료한 직원들은 자신의 업무와 관련된 새로운 AI 도구를 만들었습니다. 프로그램 설정 시 Levi의 목표 중 하나는 기술 지식을 갖춘 직원의 다양성을 높여 회사가 전통적인 기술 배경을 가진 직원이 놓칠 수 있는 문제를 발견할 수 있도록 하는 것이었습니다. 또한 이 프로젝트는 설계 및 엔지니어링 팀과 같이 다양한 분야의 팀이 더 효과적으로 의사소통하고 공통점을 찾는 데 도움이 됩니다. 또한 Levi's는 이 프로그램이 직원 유지율 향상에 도움이 된다는 사실을 발견했습니다.

  AI에 능숙한 직원들과 함께 협업은 새로운 의미를 갖게 될 것입니다. 리더는 다음을 고려해야 합니다. 책임을 어떻게 정의하고 기술적 역할과 비기술적 역할 간에 협력할 수 있습니까? 디자인 및 소프트웨어 엔지니어링 팀은 분기별 로드맵과 팀 간 작업 세션을 개발하기 위해 주간 리더십 회의를 개최할 수 있습니다. 설계 리드는 특정 통찰력과 도구(예: 스케치에서 설계 변경을 생성하는 도구)에 대한 요구 사항을 공유할 수 있으며 엔지니어링 팀은 이러한 도구를 제공합니다.

  올바른 기술 지원자와 협력하세요

  패션 기업이 생성 AI를 활용하려면 인력에 투자해야 하지만, 애플리케이션이나 기본 모델을 직접 구축할 필요는 없습니다. 대신 패션 리더는 AI 기업 및 전문가와 협력하여 신속하게 조치를 취할 수 있습니다. 패션 경영진은 Microsoft 또는 OpenAI와 같은 신기술을 제공하는 기업이나 클라우드 컴퓨팅 또는 API와 같은 지원 기능을 제공하는 파트너와 협력할 수 있습니다.

  생성 AI의 잠재적인 사용 사례가 빠르게 나타나고 있지만 의류 및 명품 산업에서 이 기술의 미래는 여전히 탐구되고 있습니다. 그러나 오늘 새로운 도구를 시도하는 것은 내일의 무한한 가능성을 의미합니다.

위 내용은 생성적 AI: 패션 산업의 미래를 열다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!