Co-creating the future of fashion with Google

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Google은 Jane Wade·Sergio Hudson과 Google Flow 기반 도구를 공동 개발해 뉴욕 패션 위크의 가상 스타일링과 예산 내 무대 설계를 지원했다.

📌 핵심 요약

• Google의 Envisioning Studio는 Google Labs의 지원으로 Jane Wade·Sergio Hudson과 협력해 기존 패션 제작 과정의 구체적인 문제를 해결하는 Google Flow 도구 두 가지를 개발했다.
• 독립 패션 디자이너는 행정 업무, 공장 물류, 공급업체 조율에 많은 시간을 쓰며, 이번 협업은 이러한 제작 부담을 줄여 창작에 집중하도록 돕는 데 목적을 뒀다.
• Jane Wade의 Styling Suite는 디지털 모델에 헤어·메이크업·액세서리·신발·의상을 조합해 실물 샘플 제작 전에 전체 룩의 균형과 부족한 요소를 확인하도록 했다. 통상 대면 캐스팅과 피팅에는 디자인팀의 시간이 최대 꼬박 3일 소요된다.
• Sergio Hudson의 Runway Visualization은 변경 때마다 새로운 3D 렌더링이 필요했던 무대 설계를 시뮬레이션으로 지원하고, 예산에 맞는 조명·소품·공간 배치와 모델 동선을 조정하도록 했다.
• Google은 협업 결과가 뉴욕 패션 위크 무대에 반영됐다고 설명하며, 디자이너가 주도권을 유지하는 기존 작업 과정에 AI를 통합할 것을 강조했다. Google Flow에서는 코딩 경험 없이 자연어로 원하는 도구나 작업 흐름을 설명해 맞춤형 도구를 만들 수 있다고 안내했다.

🧩 주요 포인트

1. 실물 제작 전 Styling Suite로 룩을 검토 → 추가 재단·봉제 전에 부족한 요소를 파악하고 스타일링 결정을 구체화할 수 있다.
2. Runway Visualization으로 예산과 무대 구성을 함께 검토 → 조명·소품 수정과 모델 동선 조정을 공연 및 관객 경험에 연결할 수 있다.
3. 기존 작업 과정에 맞춘 공동 개발과 디자이너의 주도권 → AI를 이론적 시험에서 실제 제작 활용으로 옮기는 접근이며, 구체적인 시간·비용 절감량은 제시되지 않았다.

🧠 상세 정리

1. 창작 시간을 잠식하는 제작 업무

글은 독립 패션 디자이너가 실제로 시간을 어디에 쓰는지 묻는 데서 출발하며, 옷을 디자인하는 일이 주된 답은 아니라고 설명한다. 행정 업무와 공장 물류, 공급업체 조율이 하루의 대부분을 차지해 디자인에 쓸 시간이 매우 적다는 것이다. Google의 Envisioning Studio는 뉴욕 패션 위크를 앞두고 Google Labs의 지원을 받아 이러한 창작 과정의 부담을 줄이는 협업에 나섰다. 목표는 디자이너가 구상한 야심 찬 런웨이를 구현할 때 생기는 마찰을 줄이고, 제작 과정이 창작을 더 원활하게 뒷받침하도록 하는 데 있었다.

2. 두 디자이너의 문제에 맞춘 공동 개발

Google 엔지니어들은 Jane Wade 및 Sergio Hudson과 함께 AI 창작 스튜디오인 Google Flow를 활용해 두 가지 특화 도구를 만들었다. 협업의 출발점은 각 디자이너가 실제 작업에서 겪는 구체적인 어려움이었으며, 두 도구가 해결하려는 문제도 서로 달랐다. Jane에게는 실물 샘플을 제작하기 전에 머리부터 발끝까지 균형 잡힌 룩을 구성하는 일이 중요했다. Sergio에게는 빠듯한 스튜디오 예산 안에서 런웨이 무대를 구현하는 일이 핵심 과제였다. 이에 따라 공동 개발은 각각 가상 스타일링과 무대 시각화에 초점을 맞췄다.

3. Styling Suite를 통한 가상 스타일링

Jane과 공동 개발한 Styling Suite는 런웨이 모델의 룩을 이루는 여러 요소를 디지털 환경에서 다룰 수 있도록 했다. 원문에 따르면 대면 캐스팅과 피팅에는 통상 디자인팀의 시간이 최대 꼬박 3일 소요되며, 이는 기존 과정의 부담을 보여주는 수치다. Jane은 디지털 모델에 헤어, 메이크업, 액세서리, 신발, 의상을 조합하고 가상으로 스타일링을 바꿔볼 수 있었다. 이를 통해 추가 의상을 재단하고 봉제하기 전에 각 룩의 균형을 살피고 빠진 요소를 파악했다. 다만 글은 이 도구로 실제 작업 시간이 얼마나 줄었는지에 대한 측정 결과를 제시하지는 않는다.

4. 실제 예산을 반영한 런웨이 시각화

Sergio의 주요 과제는 예산을 초과하지 않고 쇼를 연출하는 것이었다. 기존에는 제작진에게 조명이나 소품의 변경을 요청할 때마다 새로운 3D 렌더링이 필요해 전체 비용이 늘어났다. 공동 개발한 Runway Visualization은 런웨이를 시뮬레이션해 이러한 반복 조율을 줄이고, 행사장 배치와 조명·소품을 예산에 맞는 선택지로 바꿔볼 수 있도록 했다. Sergio는 모델이 걸어갈 경로도 다듬어 쇼의 구성과 관객 경험이 조화를 이루도록 했다. 원문은 이처럼 예산 제약을 설계 과정에 반영한 활용을 설명하지만, 예산 규모나 실제 절감액을 수치로 공개하지는 않는다.

5. 이론적 시험에서 실제 제작 활용으로

Google은 두 협업의 결과가 뉴욕 패션 위크 런웨이에 나타났으며, 앞으로도 혁신할 여지가 있다고 설명한다. 동시에 패션 업계에서 AI에 대한 기대가 높지만 많은 프로젝트가 여전히 이론적 시험 단계에 머물러 있다고 지적한다. 글이 제시하는 방향은 디자이너의 기존 작업 과정 안에서 작동하는 도구를 함께 개발해 제작을 더 원활하게 만드는 것이다. 여기에는 디자이너가 확실히 주도권을 유지해야 한다는 조건도 포함된다. 두 사례는 이러한 접근을 실제 쇼 준비에 적용한 예로 소개되며, 업계 전반의 효과를 입증하는 비교 결과나 정량적 성과는 제시되지 않는다.

6. 자연어로 만드는 맞춤형 도구

글은 협업 사례를 소개한 뒤 독자도 Google Flow에서 자신만의 맞춤형 도구를 만들 수 있다고 안내한다. 만들고 싶은 도구나 작업 흐름을 자연어로 설명하는 방식이며, 코딩 경험은 필요하지 않다는 것이 Google의 설명이다. 이는 앞서 소개한 스타일링과 무대 설계처럼 구체적인 작업상의 필요를 도구 제작의 출발점으로 삼는 흐름과 이어진다. 다만 본문은 독자가 같은 도구를 재현하는 단계별 절차나 구현 범위를 상세히 설명하지는 않는다. 따라서 이 대목의 핵심은 특정 성능을 보장하는 데 있기보다, 자연어를 통해 맞춤형 제작 도구를 구성할 수 있다는 접근 방식을 소개하는 데 있다.

🧾 핵심 주장 / 시사점

• 두 사례는 AI의 활용 지점을 스타일링 사전 검토와 예산 내 무대 조정이라는 구체적인 제작 문제에 두고 있다.
• 실물 제작이나 새로운 3D 렌더링이 필요한 변경을 가상 환경에서 먼저 검토하는 방식은 제작 결정을 앞당길 가능성을 보여주지만, 실제 절감 효과의 크기는 확인되지 않는다.
• Google은 기존 작업 과정과의 적합성, 디자이너의 주도권, 공동 개발을 AI의 실제 현장 활용을 위한 주요 조건으로 제시한다.

✅ 액션 아이템

• Styling Suite를 활용해 실물 샘플 제작 전 전체 룩의 균형과 부족한 요소를 검토하는 방식의 적용 가능성 검토.
• Runway Visualization을 활용한 예산 내 조명·소품·공간 배치 및 모델 동선 조정 방식 검토.
• Google Flow의 자연어 기반 도구 제작을 기존 작업 과정에 적용할 때 디자이너의 주도권을 유지할 수 있는지 확인.

❓ 열린 질문

• Styling Suite는 최대 꼬박 3일이 소요되는 대면 캐스팅과 피팅 과정의 시간을 실제로 얼마나 줄였는가?
• Runway Visualization은 변경마다 새로운 3D 렌더링이 필요했던 방식과 비교해 비용을 얼마나 줄였는가?
• Google Flow로 만든 도구를 기존 작업 과정에 통합하면서 디자이너의 주도권을 유지하려면 어떤 조건이 필요한가?