AI 시대, 패션 MD의 하루는 어떻게 바뀌어야 할까

MD의 하루는 왜 달라지지 않을까

패션 기획자의 하루는 여전히 바쁩니다.

출근하면 경쟁사 사이트를 엽니다. 어제 올라온 신상품을 캡처해 엑셀에 붙여넣고, 해외 패션쇼 룩북을 훑고, 인스타그램에서 요즘 뜨는 아이템을 저장합니다. 그러다 오후가 되면 핀터레스트를 열어 무드보드를 만듭니다. 그렇게 하루가 지나갑니다.

그리고 하루의 끝에 가까워질수록, 늘 같은 질문이 남습니다.

"이번 시즌, 이 상품을 왜 만들어야 할까?"

AI 도구를 몇 개 붙여도 이 질문은 사라지지 않습니다. 이 질문은 자동화의 대상이 아니라, 판단과 책임의 영역이기 때문입니다.

문제는 질문이 아니라, 그 질문에 쓸 시간이 없다는 것입니다.

기획자의 하루를 채우는 건 대부분 판단 그 자체가 아니라, 판단을 준비하기 위한 리서치 업무입니다. 자료 수집, 캡처와 정리, 경쟁사 모니터링, 이미지 디깅, 팀 공유용 문서 작업 말이죠.

즉, 기획 리소스는 여전히 '무엇을 만들지'보다 '그 결정을 하기까지의 과정'에 더 많이 쓰이고 있습니다.

현장에서 들은 상품기획의 진짜 병목

FEDIT는 서비스를 만들기 전에 명품·SPA·보세까지 다양한 규모의 현업 MD와 디자이너 54명을 만났습니다. 브랜드 급도, 조직 규모도 달랐지만 이야기는 놀라울 만큼 비슷했습니다.

디자이너 브랜드 디자이너

"지난 시즌 매출 피드백은 하는데 결국 했던 상품을 계속 비슷하게 하게 돼요. 그럼 다른 데에서 전년도 동기간에 뭐가 잘 팔렸나 궁금해지고, 또 계속 핀터레스트 보고 그래요."

쇼핑몰 MD

"경쟁사 00에서 뭐 만들었대~ 그러면 저희도 만드는 주먹구구식이에요. 근데 다른 데들도 마찬가지일 거예요. 우선 트렌드가 빠르게 변하니까…"

SPA 브랜드 MD

"볼 수 있는 게 검색어 정도밖에 없어요. 그리고 그냥 뭐가 유행일 것 같다, MD 감으로 사입하는 거죠."

세 사람의 공통점은 데이터가 없다는 게 아니라, 데이터가 흩어져 있다는 것이었습니다. 런웨이는 룩북에, 경쟁사는 각 브랜드 사이트에, 소비자 반응은 검색어에, 무드는 핀터레스트에. 그걸 한 사람이 매 시즌 손으로 모아 붙이고 있습니다.

그래서 결론은 늘 '감'으로 수렴합니다. 감이 나빠서가 아니라, 감을 검증할 근거를 모을 시간이 없어서입니다.

시장조사 3단계, 어디서 시간이 새고 있을까

현장의 시장조사는 대체로 세 단계로 움직입니다.

여기서 눈여겨볼 지점이 있습니다. 오른쪽 칸은 전부 판단 영역인데, 시간은 전부 왼쪽 칸에 쓰이고 있는 것입니다.

경쟁사 상품을 수기로 캡처하고 정리해 브랜드별·플랫폼별로 분석하는 데만 한 시즌 기준 80시간 이상이 들어갑니다. 그 80시간은 판단이 아니라, 판단을 위한 준비 작업입니다.

그리고 그 결과는 재고로 돌아옵니다. 자사 판매 이력과 단순 데이터 나열에 의존한 수요 예측은 평균 30% 안팎의 재고율로 이어집니다.

AI로 대체 가능한 기획 업무

2026년, 이제 질문을 바꿔야 합니다. "AI를 얼마나 잘 쓰고 있느냐"가 아니라,

"이 일, 꼭 사람이 해야 할까?"

이 기준으로 보면 지금 당장 시스템이 맡아도 되는 일은 꽤 분명합니다.

시스템이나 AI가 맡아도 되는 일

• 경쟁사·플랫폼별 신상품 수집과 분류

• 색상·유형·소재별 비중 집계

• 검색어, SNS 확산도, 미디어 노출량 추적

• 상품 이미지의 카테고리·색상·패턴 태깅

• 시즌 자료 정리와 팀 공유용 리포트화

  
  

사람이 맡아야 하는 일

• 브랜드 무드와 타깃 고객의 정의

• 트렌드를 우리 브랜드 언어로 번역하는 맥락 판단

• 어떤 상품을 만들고, 얼마나 발주할지에 대한 최종 결정과 책임

한 브랜드 대표는 이렇게 말했습니다.

"사람이 꼭 해야 할 판단보다, 사람이 굳이 안 해도 될 정리 업무에 더 많은 시간을 쓰고 있다는 느낌이었어요."

문제는 AI의 부재가 아닙니다. 이 역할을 대신 맡아줄 구조가 없었다는 점입니다.

AI 시대 MD와 디자이너의 핵심 역할

그래서 필요한 변화는 사람의 역할을 없애는 것이 아니라, 하루의 중심을 옮기는 것입니다.

AI 시대의 기획자는 자료를 모으는 사람이 아니라,

• 어떤 질문을 던질지 정하고

• 어떤 기준으로 판단할지 정의하며

• 그 결정에 책임지는 사람

으로 재편되고 있습니다.

이 역할은 자동화할 수 없습니다. 그리고 바로 그렇기 때문에, 이 역할에 집중할 수 있는 구조가 필요합니다.

FEDIT로 달라지는 기획자의 하루

판단에 집중하려면 누군가는 리서치를 맡아야 합니다. 핵심은 AI를 얼마나 많이 쓰느냐가 아니라, 판단과 리서치가 명확히 분리되어 있는가입니다.

이 구조를 전제로 설계된 것이 FEDIT입니다. FEDIT가 맡는 것은 기획자의 판단이 아니라, 그 판단을 가능하게 만드는 과정입니다.

1. 트렌드를 '감'이 아니라 '숫자'로 봅니다

런웨이 이미지를 보며 감으로 예측하던 트렌드를, 색상·유형·대표 룩 단위로 정량 분석합니다. 여기에 검색량뿐 아니라 SNS 확산도와 미디어 노출량, 전년도 플랫폼 내 확산 데이터를 함께 반영해 '대중화 트렌드 점수'를 산출합니다.

"이게 유행할 것 같다"가 아니라, "이 유형은 상위 20%, 지난달 대비 35% 상승"으로 말할 수 있게 됩니다.

2. 80시간의 경쟁사 모니터링을 10분으로 줄입니다

보고 싶은 브랜드와 플랫폼을 선택하면 상품이 자동으로 수집·분류·정량 분석됩니다. 브랜드별 신상품 등록 추이, 베스트 아이템 교체 주기, 소재·색상·유형별 비중까지 몇 분 안에 확인할 수 있습니다.

엑셀 복붙에 쓰던 시간이, 그 데이터를 해석하는 시간으로 바뀝니다.

3. 패션 특화 AI Agent가 기획 의사결정을 돕습니다

"우리 브랜드에 어울리는 26 FW 신상 라인업 추천해줘"처럼 자연어로 물으면, 시장 분석과 경쟁사 비교를 거쳐 브랜드 무드에 맞는 기획 인사이트를 제시합니다. 기획 전·기획 중·스팟 아이템 투입까지, 시점별로 다른 포트폴리오를 제안합니다.

이 모든 분석은 실무 기반 대규모 상품 데이터를 학습한 패션 언어 모델(FLM, Fashion Language Model) 위에서 동작합니다. 브랜드마다 다르게 부르는 표현을 표준 패션 언어로 통합해, 브랜드 급과 무드가 달라도 비교 가능한 데이터로 만듭니다.

그 결과, 하루에서 리서치가 차지하는 비중은 줄고 판단에 쓸 시간은 자연스럽게 늘어납니다. 같은 하루라도 리듬이 달라집니다. 자료에 쫓기던 하루에서, 기획에 집중할 수 있는 하루로.

AI 패션 기획의 본질

AI 상품기획은 판단을 대신하는 기술이 아니라, 판단이 가능해지도록 구조를 바꾸는 일입니다.

AI 시대의 변화는 기획자가 필요 없어지는 과정이 아니라, 기획자가 무엇에 책임져야 하는지가 더 또렷해지는 과정에 가깝습니다.

그리고 기획자에게 남는 질문은, 여전히 이것입니다.

"이 상품을 왜 만들어야 할까?"

다만 이제는, 그 질문에 제대로 답할 수 있는 시간과 근거를 갖추는 것이 중요해졌습니다.

🔍 우리 브랜드의 리서치 시간, 어디까지 줄일 수 있을까요?

지금의 상품기획 프로세스에서

• 사람이 꼭 해야 하는 판단은 무엇인지

• AI와 시스템에 맡겨도 되는 일은 무엇인지

정리해보고 싶다면, FEDIT 무료 PoC로 직접 확인해 보세요. 실제 기획·발주 업무에 적용해 보시고, 체험 기간의 성과는 정량 리포트로 정리해 공유드립니다.

👉 [FEDIT 무료체험 신청하기]