AI 피팅 서비스, AI 패션이미지 서비스 알아보신 분들 있으실 겁니다. 검색하면 FASHN.ai, Kive, Higgsfield 같은 이름들이 나옵니다. 예시 결과물 보면 나쁘지 않아 보입니다. 써봤거나, 써보려고 했거나.
근데 막상 쓰다 보면 두 가지 문제가 생깁니다.
"뭔가 우리 쇼핑몰이랑 까라가 안 맞아요. 이질감이 든달까, 결이 다른 느낌?"
"같은 설정으로 돌렸는데 어제랑 오늘 결과가 달라요. 세트로 못 쓰겠어요."
둘 다 AI가 나빠서가 아닙니다. 이유가 따로 있습니다. 하나씩 설명합니다.
첫 번째 문제 그 AI들, 에이블리를 학습한 적 없습니다
먼저 해외 서비스들이 뭘 하는 곳인지 정확하게 짚고 넘어갑니다. 다 비슷해 보이지만 각자 다른 문제를 풀고 있습니다.
옷 사진 + 사람 사진 → 착용 이미지. 체형 시뮬레이션, 패턴·텍스트 보존이 핵심. 피팅 정확도를 극한까지 올리는 게 목표입니다.
제품 사진 업로드 → 캠페인용 이미지·영상 생성. 패션뿐 아니라 전 카테고리 제품 촬영 대체용. 팀 협업·에셋 관리 기능도 있습니다.
옷을 AI 아바타 화보로 만들거나 스타일 프리셋을 적용하는 크리에이티브 툴. 서구권 감성 프리셋 50개 이상. 영상 생성도 지원합니다.
세 서비스가 해결하는 문제가 다 다릅니다. 근데 한국 셀러한테 생기는 문제는 똑같습니다.
셋 다 한국 패션 커머스에서 잘 팔리는 이미지가 뭔지 모릅니다. 서구권 공개 데이터셋으로 학습됐습니다. 한국 소비자가 클릭하는 포즈, 성수·홍대 배경의 색온도, 국내 탑셀러 착장 특유의 연출 방식 — 이건 거기에 없습니다.
결과물이 그래서 다 비슷해 보입니다. AI 특유의 유사한 모델과 배경 — 지역별, 트렌드별 구성 없이 일반적인 수준으로 수렴합니다.
뉴욕 포토그래퍼한테 "한국 온라인 쇼핑몰 느낌으로 찍어줘"라고 하는 것과 같습니다. 실력이 없는 게 아니라, 그 감성을 한 번도 본 적 없는 겁니다.
정확하지도, 일관되지도 않고, 로컬 트렌드(패션 & 커머스)를 아는 AI는 없습니다. 이 문제는 한국만의 문제가 아니라, 아시아 전체 이커머스 셀러의 문제입니다.
두 번째 문제 매번 다르게 나오는 건 버그가 아닙니다
학습 데이터 문제를 해결한다고 해서 끝이 아닙니다. AI 이미지 서비스를 써보신 분들이 공통으로 겪는 또 다른 문제가 있습니다.
"같은 모델, 같은 설정인데 어제 결과물이랑 오늘 결과물이 달라요."
"상품 10개를 돌렸더니 모델 얼굴이랑 옷 디테일이 다 미묘하게 달라서 세트로 못 쓰겠어요."
이거 버그가 아닙니다. 확산 모델(Diffusion Model)의 근본 속성입니다.
확산 모델은 이미지를 확률로 만듭니다. 순수한 가우시안 노이즈에서 시작해서 timestep마다 조금씩 노이즈를 제거하며 이미지를 완성하는데, 이 denoising 과정에 무작위 시드(seed)가 개입합니다. 같은 프롬프트, 같은 모델이라도 시드가 다르면 결과가 달라집니다. ChatGPT도, Midjourney도, FASHN도 마찬가지입니다. 피할 수 없는 구조입니다.
소비자 한 명이 자기 사진으로 피팅을 한 번 해보는 건 매번 달라도 괜찮습니다. 근데 셀러는 상품 수백 개를 같은 브랜드 세계관 안에서 찍어야 합니다. 오늘 찍은 상의와 어제 찍은 하의가 같은 모델처럼 보여야 하고, 이번 달 신상과 지난달 재고가 같은 분위기여야 합니다. 일관성이 곧 브랜드입니다.
이걸 해결하는 방법은 확률을 없애는 게 아닙니다. 파라미터를 고정하고 파이프라인으로 관리하는 겁니다. 아바타 임베딩을 고정하고, 배경 파라미터를 저장해서 재사용합니다. 이 세팅을 한 번 잡으면 수백 컷을 찍어도 같은 visual identity가 유지됩니다.
스타일룸의 접근 ARIA: 한국 패션 커머스를 위해 설계된 생성 아키텍처
스타일룸 내부 아키텍처를 ARIA(Adaptive Reference Intelligence Architecture)라고 부릅니다. 현재 특허 출원 중입니다. 이름에서 핵심이 드러납니다 — Adaptive와 Reference.
일반적인 AI 이미지 생성은 프롬프트를 받아 이미지를 만들어냅니다. 여기서 "좋은 이미지"의 기준은 학습 데이터에 내재된 서구권 미학입니다. ARIA는 다른 방향에서 출발했습니다. 한국 패션 커머스에서 실제로 성과를 낸 이미지들이 공통적으로 가진 패턴을 시스템의 판단 기준으로 삼습니다. "예쁜 이미지"가 아니라 "팔리는 이미지"의 기준으로 생성을 컨디셔닝합니다.
1. 상품 유형별 적응형 분석 파이프라인
ARIA의 핵심 설계 원칙 중 하나는 상품 유형마다 분석과 합성의 규칙이 달라야 한다는 것입니다. 의류는 착장과 배경의 자연스러운 조합이 중요합니다. 신발이나 액세서리는 아바타 피팅 없이 직접 배치 방식이 더 적합합니다. 모자류는 머리 위치와 각도 분석이 핵심입니다.
기존 AI 시스템 대부분은 이걸 하드코딩으로 처리합니다. 새 상품군이 추가될 때마다 개발자가 코드를 직접 수정해야 합니다. ARIA는 상품 유형별 분석 규칙을 독립된 프리셋으로 정의하여, 코드 수정 없이 파이프라인이 동적으로 전환되는 구조를 채택했습니다. 한 상품군의 설정 변경이 다른 상품군에 영향을 주지 않습니다.
이미지 분석 단계에서 추출되는 데이터는 성격에 따라 세 가지로 분리됩니다. 고정된 형식으로 추출되는 구조화 데이터(촬영 각도, 조명 유형, 색온도 등), 상품 유형에 따라 구조가 달라지는 동적 데이터, 자연어 형태로 생성되는 자유서술형 데이터. 각 데이터 유형은 이후 프롬프트 조립 방식이 다르게 적용됩니다.
2. 30가지 비정형 속성 자동 추출
의류 이미지 39,625벌에서 30가지 비정형 속성을 자동으로 추출합니다. 색상이나 카테고리 같은 정형 속성이 아닙니다. 핏감(오버핏·슬림핏·루즈핏), 소재 드레이프(광택·매트·니트감), 실루엣 구조, 디테일 처리 방식 같은 것들입니다. 사람이 "이 옷 좋다"고 느낄 때 무의식으로 읽는 요소들을 데이터로 구조화한 겁니다.
추출된 속성들은 내부 모듈 라이브러리와 매칭되어 최종 합성 프롬프트 조립에 사용됩니다. 프롬프트를 매번 새로 작성하는 게 아니라, 분석된 속성에 따라 검증된 프롬프트 모듈들이 조합되는 방식입니다.
3. Human-in-the-Loop — 셀러가 교정한 11,270개 라벨
AI가 추출한 속성을 셀러와 MD가 직접 교정합니다. "AI는 이걸 루즈핏으로 분류했는데, 우리 브랜드에선 이게 오버핏이다." 이 교정 데이터 11,270개가 시스템에 다시 투입됩니다.
매칭되지 않은 새로운 속성이 등장하면 시스템이 신규 태그를 자동 생성하고, 관리자 승인을 거쳐 라이브러리에 추가됩니다. 이 자기진화 구조 덕분에 트렌드가 바뀌어 새로운 스타일 표현이 등장해도 시스템이 수동 업데이트 없이 적응합니다. 사용할수록 시스템이 정교해지는 이유입니다.
4. 쓸수록 강해지는 구조
셀러가 결과물 중 더 나은 이미지를 선택하는 순간, 이 판단이 데이터로 쌓입니다. 한국 패션 셀러들의 미적 판단이 구조화된 데이터로 축적되는 겁니다. 이 데이터가 다음 생성의 품질을 높이고, 품질이 높아지면 더 많은 셀러가 씁니다.
내일 새 경쟁자가 동일한 베이스 모델을 가져다 한국 서비스를 만들어도, 이 축적 데이터는 없습니다. 사용자 기반이 곧 기술 우위가 되는 구조입니다.
5. 브랜드 전용 모델 — 쌓일수록 떠날 수 없는 구조
브랜드가 전용 모델을 구성하는 과정에서 그 브랜드의 선호 핏·소재·스타일이 시스템에 기록됩니다. 국내외 주요 패션 브랜드들이 전용 모델을 보유하면 일반 사용 대비 크레딧 사용량이 약 3배로 늘어납니다. 브랜드 내부에서 자연스럽게 확산되기 때문입니다. 시즌이 쌓일수록 교정 데이터와 브랜드 자산이 누적되어, 다른 서비스로 이전하는 순간 이 모든 것이 소실됩니다.
데이터 쌓이는 격차
이 파이프라인 전체를 실제 셀러들과 함께 운영하면서 쌓은 데이터입니다.
30가지 비정형 속성 자동 추출
핏·스타일링·소재·디테일 검수
39,625벌 + 11,270건 — 암묵지가 명시적 데이터로 전환됐습니다. 복제 불가 시드 데이터. 시간이 지날수록 가치가 상승합니다.
내일 누가 FASHN 모델을 그대로 가져다 한국 서비스를 만들어도, 이 preference 데이터와 교정 라벨은 없습니다. cold start가 불가능한 이유입니다. Kive도 Higgsfield도 이건 못합니다. 안 할 테죠, ROI가 안 나오니까. 아마도 영원히.
배경 교체로 피드 톤 통일, 모델 교체로 다양한 스타일링까지.
이 시리즈의 다음 편들