[AX] 패션 리딩 컴퍼니의 실제 사례로 본 ‘AI Native Company’ (2편)
F&F·신성통상·이터널, 서로 다른 DNA로 DX에서 AX로
결단력 있는 오너, 실무를 아는 임원, 현업의 핵심 인재가 함께 움직일 때 혁신이 가능하다

DX(디지털 전환)를 넘어 AX(AI 전환)로 나아가려는 주요 패션기업들의 실질적인 시도가 속도를 내고 있다.
지난 1편이 AX 시대 패션기업의 일하는 방식과 인재 기준을 짚었다면, 이번 2편에서는 F&F·신성통상·이터널그룹을 통해 그 변화가 어떤 사업 구조에서 출발하는지 살펴본다. 세 기업은 규모도, 브랜드 구성도, 조직의 성격도 다르다. 이들을 모두 검증된 ‘AX 성공 기업’으로 단정하려는 것도 아니다. 각자의 경쟁력을 토대로 디지털 전환을 경영 전략으로 끌어올리는 과정에서 한국 패션기업이 참고할 만한 실질적인 힌트를 찾으려는 것이다.
패션 AX의 난제는 기술이 아니라 연결이다. 트렌드 분석에서 포착한 신호는 디자인과 상품 구색으로 이어지고, 소재·패턴·샘플·공장·납기 정보는 판매·재고 데이터로 다시 돌아와야 한다. 이 연결이 끊기면 AI는 화려한 이미지나 빠른 보고서를 만드는 도구에 머물 뿐이다.
# F&F, 디지털을 기업의 운영체계로 만든다
TYPE 1 | System-driven AX…글로벌 브랜드와 축적된 디지털 시스템

F&F는 2017년 디지털 전환에 착수한 데 이어 2019년 디지털본부를 신설하며 상품기획부터 생산·물류·판매·재고까지 잇는 체계를 구축해 왔다. PLM(상품개발), M-ERP(제조·소싱), GOMS(글로벌 주문·물류), S-ERP(판매·재고)로 이어지는 데이터 자산은 AI를 실제 의사결정에 적용하는 기반이 된다. 2025년 제시한 ‘DT 2.0’ 방향과 DCS(Digital Conveyor System) 고도화도 같은 맥락에서 읽힌다.
이를 패션 실무에 대입해 보자. MD가 다음 시즌 아우터의 컬러·소재별 판매 흐름을 분석해 구색을 조정하면, 디자이너의 수정 이력과 BOM(원부자재 명세), 목표 원가, 샘플 승인, 생산 발주가 모두 동일한 상품 정보를 기준으로 움직여야 한다. 경쟁사의 신상품과 가격, 소비자 검색 추이를 파악하는 데서 그치지 않고 실제 기획 수량과 개발 일정으로 이어지는 구조다. 다만 이는 연결형 업무체계의 활용 장면을 예시한 것으로, F&F의 특정 상품 실행 실적을 뜻하지는 않는다.

MLB [사진=F&F]
김유진 센트릭소프트웨어 이사가 이번 설텍2026에서 강조한 마켓 인텔리전스(Market Intelligence)와 PLM의 결합도 같은 방향이다. 트렌드 탐색과 이미지 생성은 출발점일 뿐이다. 제품 사양·원가·승인·소싱으로 연결돼야 비로소 AI가 상품기획 의사결정을 지원할 수 있다. ‘AI가 디자인을 그릴 수 있는가’보다 ‘그 디자인이 실제로 팔리는 상품으로 이어지는가’가 더 중요한 질문이다.
이 과정에서는 김창수 회장의 일관된 추진 의지와 함께, 핵심 임원을 중심으로 한 디지털 전문인력이 기술과 현업을 잇는 역할이 중요하다. 엑셀·PPT 보고서 작성에 시간을 쓰기보다 경영진과 실무자가 같은 데이터를 놓고 AI에 묻고 판단하는 방식으로 회의가 바뀌어야 한다. 혁신적인 업무 프로세스를 제안한 직원에게 승진·특별 상여금 같은 확실한 보상을 주는 것 역시 조직 전반으로 확산하기 위한 조건이다.
F&F의 교훈은 명확하다. 시스템을 몇 개 구축했느냐보다, 연결된 데이터 위에서 상품개발과 판매 의사결정을 얼마나 빠르고 정확하게 실행하느냐가 DX·AX의 성패를 가른다.
# 신성통상, 이커머스와 현장 실행력을 연결하는 운영형 AX
TYPE 2 | Operation-driven AX…대규모 상품 운영과 유통·이커머스

탑텐·지오지아·올젠 등 여러 브랜드를 운영하는 신성통상에서 디지털 전환의 질문은 더 직접적이다. 무엇을 얼마나 만들고, 어느 매장에 배분하며, 언제 추가 발주할 것인가? 전국 유통망과 이커머스에서 발생하는 판매 신호를 늦게 읽으면 인기 상품의 결품과 부진 상품의 과잉재고가 동시에 벌어진다.
탑텐의 계절성 기본상품을 예로 들어 보자. 특정 지역 매장과 온라인에서 판매 속도가 빨라졌다고 곧바로 리오더하는 것은 위험하다. 원단 확보 기간, 공장 가동률, 봉제 리드타임, 물류 소요일, 남은 판매 기간을 함께 따져야 한다. AI의 역할은 단순한 수요 예측에 있지 않다. 공급 제약까지 반영해 ‘지금 추가 생산할 것인가, 다른 매장의 재고를 옮길 것인가, 아예 생산을 포기할 것인가’라는 선택지를 비교하는 데 있다.

탑텐 [사진=신성통상]
이동현 에프씨엘코리아 대표가 제시한 시즌 키워드 검색량과 판매수량 비교, 상품 판매력 예측, 매장별 재고 재배치 모델은 이러한 운영형 AX의 유용한 참고 사례다. 제조 측면에서도 공장별 검사·불량 데이터를 비교하면 최저가만이 아니라 품질과 납기까지 고려해 공급처를 선정할 수 있다. 다만 이 사례들을 신성통상의 확정된 도입 성과로 해석해서는 안 된다.
이 유형의 기업에서 AX의 성과는 화려한 데모가 아니라 재고회전율, 결품률, 할인율, 리오더 리드타임 같은 운영 지표로 검증돼야 한다. 핵심은 대규모 상품 운영의 강점을 데이터 기반의 빠른 실행력으로 바꾸는 것이다.
# 이터널그룹, 감성 중심 패션기업의 AX를 실험하다
TYPE 3 | People & Culture-driven AX…온라인 중심 사업과 조직문화의 변화

AI는 감성을 대체하지 않는다. 감성이 비즈니스 성과로 이어지는 과정을 더 정교하게 만든다
보끄레머천다이징을 비롯한 이터널그룹은 이커머스 비중이 높은 중견 패션기업이다. 디지털 기술에 대한 이해가 깊은 민경준 대표와, 신성통상에서 이커머스·DX·AX를 총괄했던 송대문 부대표의 조합은 기술 친화적 오너와 현장 경험을 갖춘 전문경영인의 협업이라는 점에서 주목된다.
이터널그룹이 AX의 1단계 과제로 꼽는 것은 ‘데이터 해상도’다. 온라인에서 출발한 기업은 판매·고객 데이터가 빠르게 쌓이지만, 채널과 브랜드, 시스템마다 기준이 달라 그대로는 의사결정에 쓰기 어렵다. 상품 속성과 판매·재고·고객 반응 데이터를 같은 기준으로 정비하고 더 잘게 나눠 볼 수 있어야 AI도 의미 있는 신호를 잡아낸다. 회사 측은 AI를 단순 보조 도구로 쓰는 데 그치지 않고, 이 데이터 기반 위에서 상품기획부터 소싱, 판매까지 End-to-End 밸류체인 전체를 실시간으로 모니터링하는 체계를 만드는 데 1단계 AX 역량을 집중하고 있다고 설명한다.

[사진=이터널그룹 홈페이지]
핵심은 얼리워닝(Early Warning)이다. 특정 스타일의 판매 속도가 예측치를 크게 벗어나거나, 원부자재 입고와 생산 납기가 늦어질 조짐이 보이거나, 반품 사유가 한쪽으로 쏠릴 때 문제가 커지기 전에 먼저 알려 주는 구조다. 디자이너는 반품 사유와 경쟁 브랜드 흐름을 근거로 다음 스타일을 다듬고, MD는 판매율·마진·잔여 시즌을 실시간으로 보며 리오더 시나리오를 비교한다. 생산관리자는 MOQ(최소 주문 수량)와 공장별 납기·품질 이력을 대조해 대안을 미리 마련한다. 최종 스타일과 브랜드 정체성은 여전히 사람이 결정하지만, 그 판단의 시점과 근거가 달라진다. 다만 이는 이터널그룹이 밝힌 추진 방향을 바탕으로 구성한 업무 시나리오로, 구축이 완료된 실적은 아니다.
추진 방향을 바탕으로 구성한 업무 시나리오로, 구축이 완료된 실적은 아니다.
데이터 정비는 화려하지 않고 시간이 걸리는 일이다. 원천 데이터의 기준 통일, 보안·접근 권한 관리, 결과 검증 없이 대시보드와 도구만 늘리면 오히려 혼선이 커진다. 디자이너·MD·영업·생산 담당자가 데이터를 통제가 아니라 판단의 근거로 받아들일 때 현장도 움직인다. 오너의 결단력과 전문 임원의 실행 경험이 현업의 자발적인 참여로 이어질 때, ‘데이터 해상도 제고 → 모니터링·얼리워닝을 통한 업무 혁신 → End-to-End AX 드라이브’로 이어지는 이터널그룹의 로드맵은 비로소 힘을 얻는다.
# 서로 다른 DNA, 패션기업의 AX는 어디서 시작할 것인가?

최근 국내 패션시장의 핵심 이슈로 떠오른 ‘제조 OS’와 연결된 비즈니스 생태계(CBE) 관점에서 보면, AX는 기업 내부의 보고 자동화에서 끝나지 않는다. 트렌드 분석과 디자인, 소재 탐색, 패턴·샘플, 공장 선정, 발주·납기, 판매 데이터를 하나의 피드백 구조로 묶어야 한다.
특히 소싱의 원가·속도·품질·시장 검증 관점은 디지털 전환이 제조 현장의 실행력까지 닿아야 한다는 점을 일깨운다. 국내에서 소량 샘플과 초기 판매로 시장을 검증한 뒤 적합한 해외 생산 파트너로 확대하는 방식 역시, 상품 특성·MOQ·납기를 함께 고려해야 가능한 전략이다.
# AI Native Company, 개인의 노하우를 조직의 지능으로
Individual Know-how → Workflow → Company Knowledge → Organizational Intelligence. |
한 브랜드의 상품기획 MD가 만든 판매 분석 방식이 다른 브랜드에서도 재사용되고, 한 생산관리자가 축적한 납기·품질 판단 기준이 신입사원의 업무에 적용될 때 개인의 능력은 조직의 지능이 된다.
여기서 경영자의 역할은 지시보다 학습이다. 현업 직원이 AI로 새로운 프로세스를 만들었다면 초등학생처럼 묻고, 실제 효과를 검증하고, 유용하다면 전사에 공유해야 한다. 이를 실행한 직원에게는 승진과 보상 같은 분명한 인센티브를 제공할 필요가 있다. 동시에 발주·재무·고객정보처럼 위험도가 높은 결정에는 데이터 품질 관리와 책임 있는 최종 승인 절차가 뒤따라야 한다.

F&F·신성통상·이터널그룹이 하나의 정답을 보여주는 것은 아니다. 오히려 각 기업이 이미 가진 강점이 곧 AX의 출발점이라는 사실을 보여준다. 시스템이 강한 기업은 연결된 데이터를 지능화하고, 운영이 강한 기업은 예측을 실행으로 전환하며, 민첩한 조직은 사람의 역할과 업무 문화를 바꾸는 데서 시작할 수 있다. 패션기업의 미래 경쟁력은 AI를 잘 쓰는 몇몇 인재가 아니라 AI와 함께 일하는 조직 전체의 지능에서 나올 것이다.
# 이제 경영자가 물어야 할 질문
□ AI 도입 이후 우리 회사에서 사라진 비효율 업무는 무엇인가?
□ 트렌드 분석에서 디자인·소싱·판매까지 실제로 연결된 데이터는 무엇인가?
□ 직원들이 새로 만든 AI 업무 프로세스가 다른 팀에서도 재사용되는가?
□ 우리 회사의 데이터와 경험을 AI가 안전하고 정확하게 활용할 수 있는가?
□ 혁신 성과를 어떤 지표로 검증하고 누구에게 어떻게 보상하는가?
정인기 에디터 ingi@dito.fashion
[패션기업 AX 실행 준비도 진단표]
CEO·임원·실무팀장 공동 점검용 | 각 문항 1~5점, 총 20문항·100점
평가기준: 1점 미착수 · 2점 논의 중 · 3점 일부 시행 · 4점 조직 단위 운영 · 5점 전사 표준화 및 성과 검증


[AX] 패션 리딩 컴퍼니의 실제 사례로 본 ‘AI Native Company’ (2편)
F&F·신성통상·이터널, 서로 다른 DNA로 DX에서 AX로
DX(디지털 전환)를 넘어 AX(AI 전환)로 나아가려는 주요 패션기업들의 실질적인 시도가 속도를 내고 있다.
지난 1편이 AX 시대 패션기업의 일하는 방식과 인재 기준을 짚었다면, 이번 2편에서는 F&F·신성통상·이터널그룹을 통해 그 변화가 어떤 사업 구조에서 출발하는지 살펴본다. 세 기업은 규모도, 브랜드 구성도, 조직의 성격도 다르다. 이들을 모두 검증된 ‘AX 성공 기업’으로 단정하려는 것도 아니다. 각자의 경쟁력을 토대로 디지털 전환을 경영 전략으로 끌어올리는 과정에서 한국 패션기업이 참고할 만한 실질적인 힌트를 찾으려는 것이다.
패션 AX의 난제는 기술이 아니라 연결이다. 트렌드 분석에서 포착한 신호는 디자인과 상품 구색으로 이어지고, 소재·패턴·샘플·공장·납기 정보는 판매·재고 데이터로 다시 돌아와야 한다. 이 연결이 끊기면 AI는 화려한 이미지나 빠른 보고서를 만드는 도구에 머물 뿐이다.
# F&F, 디지털을 기업의 운영체계로 만든다
TYPE 1 | System-driven AX…글로벌 브랜드와 축적된 디지털 시스템
F&F는 2017년 디지털 전환에 착수한 데 이어 2019년 디지털본부를 신설하며 상품기획부터 생산·물류·판매·재고까지 잇는 체계를 구축해 왔다. PLM(상품개발), M-ERP(제조·소싱), GOMS(글로벌 주문·물류), S-ERP(판매·재고)로 이어지는 데이터 자산은 AI를 실제 의사결정에 적용하는 기반이 된다. 2025년 제시한 ‘DT 2.0’ 방향과 DCS(Digital Conveyor System) 고도화도 같은 맥락에서 읽힌다.
이를 패션 실무에 대입해 보자. MD가 다음 시즌 아우터의 컬러·소재별 판매 흐름을 분석해 구색을 조정하면, 디자이너의 수정 이력과 BOM(원부자재 명세), 목표 원가, 샘플 승인, 생산 발주가 모두 동일한 상품 정보를 기준으로 움직여야 한다. 경쟁사의 신상품과 가격, 소비자 검색 추이를 파악하는 데서 그치지 않고 실제 기획 수량과 개발 일정으로 이어지는 구조다. 다만 이는 연결형 업무체계의 활용 장면을 예시한 것으로, F&F의 특정 상품 실행 실적을 뜻하지는 않는다.
MLB [사진=F&F]
김유진 센트릭소프트웨어 이사가 이번 설텍2026에서 강조한 마켓 인텔리전스(Market Intelligence)와 PLM의 결합도 같은 방향이다. 트렌드 탐색과 이미지 생성은 출발점일 뿐이다. 제품 사양·원가·승인·소싱으로 연결돼야 비로소 AI가 상품기획 의사결정을 지원할 수 있다. ‘AI가 디자인을 그릴 수 있는가’보다 ‘그 디자인이 실제로 팔리는 상품으로 이어지는가’가 더 중요한 질문이다.
이 과정에서는 김창수 회장의 일관된 추진 의지와 함께, 핵심 임원을 중심으로 한 디지털 전문인력이 기술과 현업을 잇는 역할이 중요하다. 엑셀·PPT 보고서 작성에 시간을 쓰기보다 경영진과 실무자가 같은 데이터를 놓고 AI에 묻고 판단하는 방식으로 회의가 바뀌어야 한다. 혁신적인 업무 프로세스를 제안한 직원에게 승진·특별 상여금 같은 확실한 보상을 주는 것 역시 조직 전반으로 확산하기 위한 조건이다.
F&F의 교훈은 명확하다. 시스템을 몇 개 구축했느냐보다, 연결된 데이터 위에서 상품개발과 판매 의사결정을 얼마나 빠르고 정확하게 실행하느냐가 DX·AX의 성패를 가른다.
# 신성통상, 이커머스와 현장 실행력을 연결하는 운영형 AX
TYPE 2 | Operation-driven AX…대규모 상품 운영과 유통·이커머스
탑텐·지오지아·올젠 등 여러 브랜드를 운영하는 신성통상에서 디지털 전환의 질문은 더 직접적이다. 무엇을 얼마나 만들고, 어느 매장에 배분하며, 언제 추가 발주할 것인가? 전국 유통망과 이커머스에서 발생하는 판매 신호를 늦게 읽으면 인기 상품의 결품과 부진 상품의 과잉재고가 동시에 벌어진다.
탑텐의 계절성 기본상품을 예로 들어 보자. 특정 지역 매장과 온라인에서 판매 속도가 빨라졌다고 곧바로 리오더하는 것은 위험하다. 원단 확보 기간, 공장 가동률, 봉제 리드타임, 물류 소요일, 남은 판매 기간을 함께 따져야 한다. AI의 역할은 단순한 수요 예측에 있지 않다. 공급 제약까지 반영해 ‘지금 추가 생산할 것인가, 다른 매장의 재고를 옮길 것인가, 아예 생산을 포기할 것인가’라는 선택지를 비교하는 데 있다.
탑텐 [사진=신성통상]
이동현 에프씨엘코리아 대표가 제시한 시즌 키워드 검색량과 판매수량 비교, 상품 판매력 예측, 매장별 재고 재배치 모델은 이러한 운영형 AX의 유용한 참고 사례다. 제조 측면에서도 공장별 검사·불량 데이터를 비교하면 최저가만이 아니라 품질과 납기까지 고려해 공급처를 선정할 수 있다. 다만 이 사례들을 신성통상의 확정된 도입 성과로 해석해서는 안 된다.
이 유형의 기업에서 AX의 성과는 화려한 데모가 아니라 재고회전율, 결품률, 할인율, 리오더 리드타임 같은 운영 지표로 검증돼야 한다. 핵심은 대규모 상품 운영의 강점을 데이터 기반의 빠른 실행력으로 바꾸는 것이다.
# 이터널그룹, 감성 중심 패션기업의 AX를 실험하다
TYPE 3 | People & Culture-driven AX…온라인 중심 사업과 조직문화의 변화
AI는 감성을 대체하지 않는다. 감성이 비즈니스 성과로 이어지는 과정을 더 정교하게 만든다
보끄레머천다이징을 비롯한 이터널그룹은 이커머스 비중이 높은 중견 패션기업이다. 디지털 기술에 대한 이해가 깊은 민경준 대표와, 신성통상에서 이커머스·DX·AX를 총괄했던 송대문 부대표의 조합은 기술 친화적 오너와 현장 경험을 갖춘 전문경영인의 협업이라는 점에서 주목된다.
이터널그룹이 AX의 1단계 과제로 꼽는 것은 ‘데이터 해상도’다. 온라인에서 출발한 기업은 판매·고객 데이터가 빠르게 쌓이지만, 채널과 브랜드, 시스템마다 기준이 달라 그대로는 의사결정에 쓰기 어렵다. 상품 속성과 판매·재고·고객 반응 데이터를 같은 기준으로 정비하고 더 잘게 나눠 볼 수 있어야 AI도 의미 있는 신호를 잡아낸다. 회사 측은 AI를 단순 보조 도구로 쓰는 데 그치지 않고, 이 데이터 기반 위에서 상품기획부터 소싱, 판매까지 End-to-End 밸류체인 전체를 실시간으로 모니터링하는 체계를 만드는 데 1단계 AX 역량을 집중하고 있다고 설명한다.
[사진=이터널그룹 홈페이지]
핵심은 얼리워닝(Early Warning)이다. 특정 스타일의 판매 속도가 예측치를 크게 벗어나거나, 원부자재 입고와 생산 납기가 늦어질 조짐이 보이거나, 반품 사유가 한쪽으로 쏠릴 때 문제가 커지기 전에 먼저 알려 주는 구조다. 디자이너는 반품 사유와 경쟁 브랜드 흐름을 근거로 다음 스타일을 다듬고, MD는 판매율·마진·잔여 시즌을 실시간으로 보며 리오더 시나리오를 비교한다. 생산관리자는 MOQ(최소 주문 수량)와 공장별 납기·품질 이력을 대조해 대안을 미리 마련한다. 최종 스타일과 브랜드 정체성은 여전히 사람이 결정하지만, 그 판단의 시점과 근거가 달라진다. 다만 이는 이터널그룹이 밝힌 추진 방향을 바탕으로 구성한 업무 시나리오로, 구축이 완료된 실적은 아니다.
추진 방향을 바탕으로 구성한 업무 시나리오로, 구축이 완료된 실적은 아니다.
데이터 정비는 화려하지 않고 시간이 걸리는 일이다. 원천 데이터의 기준 통일, 보안·접근 권한 관리, 결과 검증 없이 대시보드와 도구만 늘리면 오히려 혼선이 커진다. 디자이너·MD·영업·생산 담당자가 데이터를 통제가 아니라 판단의 근거로 받아들일 때 현장도 움직인다. 오너의 결단력과 전문 임원의 실행 경험이 현업의 자발적인 참여로 이어질 때, ‘데이터 해상도 제고 → 모니터링·얼리워닝을 통한 업무 혁신 → End-to-End AX 드라이브’로 이어지는 이터널그룹의 로드맵은 비로소 힘을 얻는다.
# 서로 다른 DNA, 패션기업의 AX는 어디서 시작할 것인가?
최근 국내 패션시장의 핵심 이슈로 떠오른 ‘제조 OS’와 연결된 비즈니스 생태계(CBE) 관점에서 보면, AX는 기업 내부의 보고 자동화에서 끝나지 않는다. 트렌드 분석과 디자인, 소재 탐색, 패턴·샘플, 공장 선정, 발주·납기, 판매 데이터를 하나의 피드백 구조로 묶어야 한다.
특히 소싱의 원가·속도·품질·시장 검증 관점은 디지털 전환이 제조 현장의 실행력까지 닿아야 한다는 점을 일깨운다. 국내에서 소량 샘플과 초기 판매로 시장을 검증한 뒤 적합한 해외 생산 파트너로 확대하는 방식 역시, 상품 특성·MOQ·납기를 함께 고려해야 가능한 전략이다.
# AI Native Company, 개인의 노하우를 조직의 지능으로
Individual Know-how → Workflow → Company Knowledge → Organizational Intelligence.
한 브랜드의 상품기획 MD가 만든 판매 분석 방식이 다른 브랜드에서도 재사용되고, 한 생산관리자가 축적한 납기·품질 판단 기준이 신입사원의 업무에 적용될 때 개인의 능력은 조직의 지능이 된다.
여기서 경영자의 역할은 지시보다 학습이다. 현업 직원이 AI로 새로운 프로세스를 만들었다면 초등학생처럼 묻고, 실제 효과를 검증하고, 유용하다면 전사에 공유해야 한다. 이를 실행한 직원에게는 승진과 보상 같은 분명한 인센티브를 제공할 필요가 있다. 동시에 발주·재무·고객정보처럼 위험도가 높은 결정에는 데이터 품질 관리와 책임 있는 최종 승인 절차가 뒤따라야 한다.
F&F·신성통상·이터널그룹이 하나의 정답을 보여주는 것은 아니다. 오히려 각 기업이 이미 가진 강점이 곧 AX의 출발점이라는 사실을 보여준다. 시스템이 강한 기업은 연결된 데이터를 지능화하고, 운영이 강한 기업은 예측을 실행으로 전환하며, 민첩한 조직은 사람의 역할과 업무 문화를 바꾸는 데서 시작할 수 있다. 패션기업의 미래 경쟁력은 AI를 잘 쓰는 몇몇 인재가 아니라 AI와 함께 일하는 조직 전체의 지능에서 나올 것이다.
# 이제 경영자가 물어야 할 질문
□ AI 도입 이후 우리 회사에서 사라진 비효율 업무는 무엇인가?
□ 트렌드 분석에서 디자인·소싱·판매까지 실제로 연결된 데이터는 무엇인가?
□ 직원들이 새로 만든 AI 업무 프로세스가 다른 팀에서도 재사용되는가?
□ 우리 회사의 데이터와 경험을 AI가 안전하고 정확하게 활용할 수 있는가?
□ 혁신 성과를 어떤 지표로 검증하고 누구에게 어떻게 보상하는가?
정인기 에디터 ingi@dito.fashion
[패션기업 AX 실행 준비도 진단표]
CEO·임원·실무팀장 공동 점검용 | 각 문항 1~5점, 총 20문항·100점
평가기준: 1점 미착수 · 2점 논의 중 · 3점 일부 시행 · 4점 조직 단위 운영 · 5점 전사 표준화 및 성과 검증