Target가 "네트워크 속도"로 옷을 만든다고? GenAI×새로운 생산 모델이 의류를 변화시키다

1）"트렌드는 '발견한 순간'이 정점"이 되었다

WWD가 보도한 바에 따르면, Target이 GenAI와 생산 모델의 업데이트를 통해 패션 기획부터 공급 속도를 한 단계 끌어올리고 있다는 이야기다 (헤드라인에서는 '인터넷 속도'라는 비유도 사용되고 있다). WWD

배경에는 구매 행동의 '출발점'이 SNS로 이동한 것이 있다. Target은 "Z세대·밀레니얼의 85%가 '유행 아이템을 SNS에서 보면 24시간 이내에 사고 싶다'고 느끼고 있다"는 조사를 인용하며, 속도를 경쟁력의 핵심으로 삼고 있다. corporate.target.com

여기서 중요한 것은, **"유행을 맞추는 것"보다 "맞춘 순간에 내놓을 수 있는 것"**이다. 트렌드의 수명이 짧을수록, '정답을 찾는 능력'보다 '정답을 형태로 만들어 내놓는 능력'이 승패를 가른다.

2）최대 80% 단축의 열쇠는 "speed tracks" = 공정의 '가변 설계'

Target이 도입한 것은 유연한 생산 계획 "speed tracks"이다. 상품을 일률적인 공정에 올리는 것이 아니라, 잘 팔리는 제품·시기·소재 상황에 따라 공정의 조립 방식을 바꾸어, 의류 및 액세서리 영역에서 설계 프로세스의 타임라인을 최대 80% 단축할 수 있다고 한다. corporate.target.com

상징적인 것은 Wild Fable의 후디 사례이다. 벤더와 협력하여샘플을 1주일 만에 작성하고, 그래픽이나 색상 등 '마지막까지 움직일 수 있는 부분'은 매장 투입 직전까지 버티며 최종 결정. 결과적으로 기존보다17주 단축했다고 한다. corporate.target.com

즉, "앞당겨서 고정할 부분"과 "마지막까지 유연하게 할 부분"을 의도적으로 나누었다는 것이다.

더 나아가 Target은 검색이나 SNS의 징후를 받아들여 페이크 스웨이드 아이템의 폭을 넓히고,7주 만에 시장에 투입한 예도 소개하고 있다. corporate.target.com

'기획이 빠르다' 뿐만 아니라, '내놓기까지의 시스템이 빠르다'. 이 순서가 반대가 되면, AI는 단지 슬라이드 자료로 끝난다.

3）속도를 지탱하는 것은 AI보다 먼저 "소재"와 "생산 여유"

간과되기 쉽지만, 속도는 공급망에서 결정된다. Target은 데님의 '리저브(비축)'를 활용하여 신형 투입을 앞당기고, 리드 타임을 25% 단축한 예나, 인기 레깅스 수요에 맞춰 원단 공급과 벤더 관계를 활용해 추가 생산을 한 예 등,'만들 수 있는 상태'를 전제로 정비하고 있다는 것을 보여주고 있다. corporate.target.com

AI가 아무리 똑똑해도, 천과 여유가 없으면 속도는 나오지 않는다. 반대로 말하면, 여기를 정비해야 비로소 AI의 가치가 극대화된다.

4）GenAI "Target Trend Brain": 수 주의 수작업이 '수 시간'으로

이번의 주역은, GenAI 탑재의 트렌드 분석 도구 "Target Trend Brain"이다. 이미지·문서 등의 방대한 정보에서 색상·소재·스타일의 징후를 추출하여,기존에는 수 주가 걸렸던 분석을 수 시간으로 단축할 수 있다고 한다. 초기의 학습으로, 가을의 필수 컬러(그린, 베리, 블루)를 확인하고, 컬렉션에 반영했다고도 말한다. corporate.target.com

더 나아가 3D 설계의 활용으로, 가상 상에서 설계·테스트·개선을 반복하여, 개발 기간의 단축과 물리적 샘플 감소를 진행한다. corporate.target.com
"Trend Brain(징후의 추출)"×"3D(시작의 압축)"×"speed tracks(공급의 가변 운영)"이 갖춰짐으로써, 트렌드 즉응이 '운'이 아니라 '시스템'이 된다.

5）패션만이 아니다: AI는 '현장의 판단'을 빠르게 하는 방향으로

Retail Dive의 취재에서도, CIPO인 Prat Vemana는 "Target의 강점은 인간의 디자인 능력"이며, Trend Brain은 상인(머천다이저)의 창조성과 AI의 효율을 결합하려는 의도라고 말한다. 의사 결정은 디자이너가 하고, AI는 지원하는 입장이라고 한다. Retail Dive

또한, 마켓플레이스 "Target Plus"의 입점 심사에서도, 에이전트형 AI로 지원 기업의 정보를 집약하여, 분석가가 '한 곳에서 리뷰할 수 있는' 노력을 소개하고 있다. Retail Dive

게다가, 사내에서는 AI 이용의 저변을 넓히기 위해 라이선스를 늘리고, OpenAI에 의한 트레이닝도 실시했다고 한다. Retail Dive

여기서 보이는 것은, Target이 AI를 "자동화로 사람을 줄이는 장치"보다, "판단의 재료를 갖추어 의사 결정을 빠르게 하는 장치"로 설계하고 있다는 점이다.

6）SNS의 반응(주로 LinkedIn): "확장"에 대한 기대와 "압력"에 대한 불안

SNS에서 두드러지는 것은, 비즈니스 문맥의 논의다. 예를 들어 LinkedIn에서는, "인간의 전문성과 AI를 보완 관계로 다루는 것이 건설적"이라는 평가가 게시물 본문에서 강하게 드러나고, 댓글란에서도 '사람을 대체하지 않고, 시너지 효과를 만들어야 한다'는 의견이 겹친다. LinkedIn

흥미로운 것은, 댓글 중에 "Trend Brain에 관여했다(worked on Trend Brain)"고 말하는 인물이 나타나, **"창조 영역의 패러다임이 변하고 있다"고 말하고 있는 점이다. LinkedIn

한편, 같은 게시물 내에서 "자동화와 고용 상실에 대한 정당한 우려(legitimate concerns)"에 대해 언급하며,"이념은 좋지만, 현실에는 비용 압력이 발생할 것"**이라는 분위기도 보인다. LinkedIn

즉, 반응은,

• 환영: "인간의 창조성을 빠르게 돌리는 '증폭기'가 된다면 좋다"

• 경계: "결국 단가·외주·직종이 압축될 것"
  의 두 층으로 나뉘어 있다.

7）이 움직임이 의미하는 것: 일본 기업이 배울 것은 'AI 도입'보다 먼저

Target의 사례가 보여주는 교훈은 간단하다.AI는 마법의 지팡이가 아니라, 공정 설계의 레버이다.

일본의 소매·의류 업계가 배울 것은, 우선순위는 이렇게 된다.

1. 마지막까지 움직일 항목을 결정하기(색상·무늬·수량·홍보 카피를 언제 확정할지)

2. 소재·여유의 '여백'을 갖추기(비축, 계약, 근거리 생산의 조합)

3. AI의 시사를 채택/기각할 책임자를 명확히 하기(지재·유사·품질·논란도 포함한 거버넌스)

트렌드는 빨라진다. 그래서 필요한 것은 "맞추는 정확도"만이 아니다. "맞춘 후에 내놓는 속도"를, 조직의 표준 장비로 만들 수 있는지——. WWD가 다룬 Target의 도전은, 그 경쟁이 이미 시작되었음을 알려준다. WWD