Maisa Benatti, AIUTA의 CEO – 인터뷰 시리즈

Maísa Benatti는 AIUTA의 CEO로서 패션 테크와 생성적 인공지능 분야의 비전있는 리더입니다. 런던에서 2024년 12월부터 디지털 패션 경험을 혁신하는 회사 미션을 이끌고 있습니다. 최고 경영자로서 그는 확장 가능한 인공지능 솔루션을 구축하는 데 집중하고 있으며, 이는 브랜드가 프리미엄 시각적 콘텐츠를 생산하고, 고객 여정을 개선하며, 성장 기회를 잠금할 수 있도록 도와줍니다. 그는 이전에 AIUTA의 최고 제품 책임자이자 Farfetch와 Amazon의 고위 제품 리더십 역할에서 얻은 제품 디자인, UX 연구, 인공지능에 대한 깊은 전문성을 활용하고 있습니다. 그의 배경은 개인화와 발견을 위한 생성적 인공지능, 대규모 언어 모델, 전자상거래 혁신을 포함하며, 항상 패션 쇼핑을 더 직관적이고 흥미롭게 만드는 인공지능 응용 프로그램을 앞으로 추진하고 있습니다.

AIUTA는 가상 시연, 개인화된 스타일링, 인공지능 기반 콘텐츠 생성을 디지털 매장으로 직접 통합하여 패션 브랜드와 소매업체가 쇼퍼와 상호작용하는 방식을変革하는 모듈식 인공지능 혁신 플랫폼입니다. 회사의 솔루션 제품군은 소비자가 실시간으로 의류를 자신身上에 시각화할 수 있도록 하여 전환을 높이고 반품을 줄이는 몰입형 및 상호작용형 쇼핑 경험을 가능하게 합니다. 또한 브랜드는 독점적인 인공지능 모델을 사용하여 스튜디오급 시각적 콘텐츠와 의류 추천을 확장할 수 있습니다. 이러한 모델은 현실적인 렌더링, 신체 보존 가상 피팅, 그리고 무결한 카탈로그 통합을 처리합니다.

패션 디자인과 트렌드 연구에서부터 시작하여 Farfetch와 Amazon Fashion의 고객 맞춤형 및 제품 리더십 역할로 이동했습니다. 초기 패션 경험은 어떻게 상업에서 인공지능이 가장 의미 있는 영향을 미칠 수 있는 곳을 이해하는 데 도움이 되셨나요?

저는 패션에 들어오기 전에 아름다운 것을 디자인하고 싶어서가 아니었습니다. 저는 산업이 실제로 어떻게 작동하는지에 대해 궁금했습니다. 초기에 저는 어떻게 확장할 수 있는지, 왜 이것이 비싼지, 왜 고객에게 도달했을 때 깨지는지와 같은 질문에 더 관심이 있었습니다.

Farfetch와 Amazon Fashion의 고객 및 제품 역할로 이동했을 때, 그 궁금증은 매우 구체적인 것으로 변했습니다. 저는 온라인 쇼핑 경험의 많은 부분이 시각적 콘텐츠에 의존하며, 이러한 시각적 콘텐츠가 실제로 의류가 몸에 어떻게 맞는지 또는 어떻게 행동하는지에 대해 얼마나 적은 정보를 제공하는지 볼 수 있었습니다.

그것이 인공지능이 저에게 의미 있는 것으로 느껴지는 곳입니다. 창의적인 트릭으로서가 아니라, 브랜드가 보여주는 것과 고객이 실제로 받는 것 사이의 간격을 메우는 방법으로서입니다. 인공지능이 의류를 더诚實하게 그리고 대규모로 표현하는 데 도움이 될 수 있다면, 그것은 신뢰를 높이고,浪費를 줄이고, 모든 관련자에게 더 나은 상업을 만들 수 있을 것입니다.

패션에 대한 인공지능은 종종 과장된 기대에 둘러싸여 있습니다. 브랜드가 소매에 컴퓨터 비전과 생성적 인공지능을 적용할 때 가장 큰 오해는 무엇이며, 대부분의 이니셔티브는 어디에서 실패합니까?

가장 큰 오해는 데모에서 인상적인 것으로 보이면 바로 생산에 준비가 된 것으로 생각하는 것입니다. 실제로 그것은 두 가지 매우 다른 것입니다.

패션은 많은 에지 케이스(Edge Cases)를 가지고 있습니다. 다른 신체 유형, 직물, 구조, 브랜드 표준이 있습니다. 많은 인공지능 도구는 이러한 복잡성을 일관되게 처리하도록 설계되지 않았습니다. 한 번에 좋은 결과를 생성할 수 있지만, 전체 카탈로그에 적용하려고 하면 깨지기 쉽습니다.

또 다른 문제는 패션이 일반적인 시각적 문제로 간주된다는 것입니다. 그것은 아닙니다. 의류는 물리적 객체입니다. 시스템이 실제 세계에서 의류가 어떻게 행동하는지 이해하지 못한다면, 출력은 매력적으로 보일 수 있지만 신뢰할 수 없습니다. 그 간격의 영향은 상당합니다. 온라인 패션 주문 중 약 40%는 반품됩니다. 그것은 소매업체의 수익과 환경 모두에게 해를 끼칩니다. 시각적 콘텐츠가 피팅이나 외관을 잘못 표현하면, 불확실성이 증가하고, 그것이通常 인공지능 이니셔티브가 중단되는 곳입니다.

많은 소매업체는 피팅과 외관의 불확실성을 주요 반품 원인으로 지적합니다. Farfetch와 Amazon에서 사이즈와 피팅에 대한 경험을 바탕으로, 인공지능이 측정 가능한 방식으로 반품을 줄이기 위해서는 실제로 무엇이 필요한가요?

반품을 줄이는 것은 기능을 추가하는 것이 아닙니다. 그것은 구매 시에 확신을 높이는 것입니다.

사이즈와 피팅은 지역마다 다르게 정의됩니다. 피팅 기대는 문화적입니다. 한 시장에서 “완벽한 피팅”이라고 생각하는 것이 다른 시장에서는 너무.tight하거나 느슨하게 느껴질 수 있습니다. 인공지능은 이러한 패턴을 매핑하고 지역별 행동 및 개인별 선호도에 따라 개인화된 추천을 제공할 수 있습니다. 측정치만이 아니라 지역별 행동과 개인별 선호도를 고려하여 추천을 제공할 수 있습니다.

패션 이미지에 구조적인 문제도 있습니다. 대부분의 제품은 한 가지 샘플 사이즈로 촬영되며, 스튜디오에서 더 매력적으로 보이도록 클리핑됩니다. 그것은 비현실적인 기대를 생성합니다. 모든 의류를 여러 신체 유형에 촬영하는 것이 이상적이지만, 대부분의 비즈니스에서는 운영적으로 복잡하고 비용이 많이 듭니다.

그것이 인공지능이 변革적인 역할을 할 수 있는 곳입니다. 브랜드가 의류를 다양한 신체 유형과 피부 톤에 걸쳐서 현실적으로 보여줄 수 있도록 합니다. 인공지능은 스튜디오급 시각적 콘텐츠와 의류 추천을 확장할 수 있도록 합니다.

현실성이 핵심입니다. 소비자가看到하는 것이 진실하고 일관성이 있다면, 확신이 높아집니다. 확신이 높아지면 반품이 줄어듭니다.

가상 시연 데모는 분리된 환경에서 인상적인 것으로 보일 수 있지만, 수천 개의 SKU에 걸쳐 확장하는 것은 다른 도전입니다. 대형 카탈로그에서 기술적 또는 운영적 장애물은 무엇이며, AIUTA는 어떻게 이러한 문제를 해결하였나요?

대규모로 확장할 때, 좋은 데모만으로는 충분하지 않습니다. Farfetch와 Amazon에서 가상 시연과 피팅 이니셔티브를 운영한 경험에서, 가장 큰 도전은 정확성과 관련된 것이 아니었습니다. 그것은 비용, 속도, 운영 복잡성에 관한 것이었습니다. 시스템이 작동하는 데모에서는 생산에 투입할 때 너무 비싸거나, 너무 느리거나, 수동 작업이 많아졌습니다.

대기 시간은 큰 부분입니다. 가상 시연이 너무 오래 로딩되면, 고객은 사용하지 않습니다. 그 이유로 성능은 처음부터 핵심 설계 제약조건이었습니다. 현재 AIUTA의 가상 시연은 생산 환경에서 약 4~7초 내에 로딩됩니다. 그것은 시장의 대부분의 솔루션보다 훨씬 빠릅니다.

운영 복잡성도 중요합니다. 많은 솔루션은 세부적인 입력, 자세한 준비, 또는 지속적인 수동 작업을 브랜드 팀에서 요구합니다. AIUTA는 매우 간단한 입력으로 작동하도록 설계되었으며, 소매업체에서 최소한의 노력이 필요합니다. 그 결과, 우리는 일주일에 수백 개의 이미지에서 하루에 수천 개의 이미지를 생성할 수 있습니다. 브랜드는 가상 시연을 대형 카탈로그에 걸쳐 확장할 수 있으며, 운영 오버헤드를 추가하지 않습니다.

마지막으로, 일관성이 있습니다. 많은 시스템은 확장할 때 직물이나 비율을 왜곡합니다. 파이프라인을 제어함으로써, 우리는 가상 피팅과 모델 훈련 및 배포에서 의류의 정체성과 현실성을 유지할 수 있습니다. 그것은 대규모로 운영하는 소매업체에서 실제로 작동합니다.

AIUTA는 컴퓨터 비전 파이프라인과 생성적 모델을 결합합니다. 현실성과 의류 정확성을 유지하면서 엔터프라이즈 워크플로우에서 충분히 빠른 출력을 제공하기 위해 어떻게 접근합니까?

우리는 최적화를 위해 매우 의도적으로 접근합니다. 속도는 중요하지만, 정확성이 먼저입니다.

우리의 시스템은 패션 데이터에 특화되어 훈련되었습니다. 그 차이는 중요합니다. 우리는 일반적인 전자상거래 데이터셋을 사용하지 않습니다. 이러한 데이터셋은 동일한 좁은 신체 유형을 반복적으로 복제합니다. 우리는 매우 다양한 데이터셋을 소유하고 합성하여 현실적인 인간 표현을 중심으로 구축했습니다. 다양한 신체 형태, 비율, 의류 구성이 포함되어 있습니다.

모델은 이러한 다양성에 특화되어 훈련되므로, 직물의 질감, 드레이프, 구성에 대해 훨씬 더 현실적으로 이해합니다. 결과적으로, 우리는 출력을事後 수정할 필요가 없습니다. 현실성이 시스템에서 처음부터 구축됩니다.

인프라 측면에서 우리는 성능에大量으로 투자했습니다. 결과는 브랜드가 높은 품질의 출력을 초당으로 생성할 수 있으며, 실제 생산 환경에서 기술을 사용할 수 있도록 합니다.

엔터프라이즈에서 기존의 창의적, 상품, 콘텐츠 생산 워크플로우에 인공지능 도구를 통합할 때 발생하는 가장 큰 도전은 무엇인가요?

대부분의 엔터프라이즈는 이미 복잡한 시스템과 프로세스가 있습니다. 가장 큰 도전은 많은 인공지능 도구가 독립적인 제품으로 구축되어 있다는 것입니다. 더 넓은 워크플로우의 일부로 구축되지 않은 것입니다.

인공지능이 실제로 채택되려면, 기술적으로 그리고 운영적으로 깨끗하게 통합되어야 합니다. 그것은 API, 보안 준수, 예측 가능한 품질, 그리고何か가 잘못될 때 명확한 소유권을 의미합니다.

신뢰 요소도 있습니다. 브랜드는 자연스럽게 핵심 시각적 자산에 접근할 수 있는 생성적 시스템에 대해 주의를 기울입니다. 그것은 혁신만큼 신뢰성과 품질 제어가 중요하다는 것을 의미합니다.

대형 플랫폼 내에서 인공지능 및 개인화 이니셔티브를领导한 경험이 있습니다. 패션 인공지능 인프라에만 집중된 深科技 회사를 구축하는 것은 어떻게 다릅니까?

대형 플랫폼 내에서, 인공지능은 많은 움직이는 부분 중 하나입니다. 기존의 제약과 경쟁 우선순위를 균형있게 최적화하는 것입니다.

AIUTA를 구축하는 것은 매우 다릅니다. 회사의 모든 부분이 패션 시각에만 집중되어 있습니다. 그 집중으로 우리는 기술적으로 그리고 창의적으로 더 깊이 들어갈 수 있으며, 생산에서 문제가 발생할 때 더 빠르게 움직일 수 있습니다.

또한 장기적인 인프라를 구축할 수 있도록 합니다. 우리는 오늘의 사용 사례만을 해결하는 것이 아니라, 기술이 발전함에 따라 시스템을 발전시킬 수 있는 시스템을 설계하고 있습니다.

사이즈 데이터, 신체 표현, 쇼퍼 행동 신호와 함께 개인화를 어떻게 균형있게 유지합니까?

개인정보 보호는 시스템에서 처음부터 구축되어야 합니다. 나중에 추가할 수 없습니다.

AIUTA에서, 우리는 개인 정보를 수집하는 것보다 표현을 개선하는 데 집중합니다. 의류와 신체 다양성을 집단적으로 더 잘 이해함으로써, 우리는 개인 정보를頼하지 않고도 더 관련性 있는 경험을 제공할 수 있습니다.

그 균형은 중요합니다. 특히 패션에서 신뢰가 구매 결정에서 중요한 역할을 하기 때문입니다.

AI 생성 시각적 콘텐츠는 아름다운 몸이나 잘못된 의류를 나타낼 수 있습니다. 대규모로 생성적 시스템을 배포할 때, 어떻게 진실성과 브랜드 정체성을 접근합니까?

이것은 우리가 끊임없이 생각하는 것입니다. 그리고 저에게는 매우 개인적인 것이 되었습니다.

임신 중에, 저는 대부분의 인공지능 시스템이 좁은 표준을 벗어난 몸에 대해 얼마나 제한적인지 더意识하게 되었습니다. 임신은 임시적이지만, 실제로 물리적인 상태입니다. 그러나 그것은 종종 대부분의 훈련 데이터에서 완전히 누락됩니다. 저는 직접적으로 인공지능이 몸이 조금만 바뀌어도, 즉 표준에서 벗어나면, 얼마나 쉽게 실패하는지 볼 수 있었습니다.

많은 생성적 시스템은 “더 좋게” 만들도록 설계되었습니다. 그러나 패션에서는, 그것은 신뢰를 깨는 것입니다. 몸이 아름답게 보이거나 의류가 미묘하게 변경되면, 고객은 실제로 본 것과 다른 제품을 받게 됩니다.

AIUTA에서, 우리는 의도적으로 현실성을 설계합니다. 우리의 목표는 실제 몸에 의류를 보여주는 것입니다. 그것은 산업의 좁은 기대에 맞지 않는 몸도 포함됩니다. 우리는 또한 AI와 인간의 품질 관리를 결합하여 에지 케이스를 잡고, 모든 출력이 브랜드 표준과 일치하는지 확인합니다.

진실성은 우리에게 가치입니다. 그것은 또한 고객과 브랜드가看到하는 것을 신뢰하지 않는다면, 기술이 작동하지 않는다는 것을 의미합니다.

앞으로, 생성적 인공지능은 더 넓은 패션 생태계, 디지털 트윈, 수익화 모델, 창의적 생산의 미래를 어떻게変革할 것이라고 생각합니까?

저는 시각적 콘텐츠가 더 이상 정적인 자산이 아닌, 살아있는 시스템으로 바뀌는 세계로 이동하고 있다고 생각합니다.

디지털 트윈, 의류와 모델 모두에서, 더 일반적으로 사용될 것입니다. 그것은 새로운 수익화 모델을 열어주고, 창의적 작업을 이전에 불가능했던 방식으로 확장할 수 있도록 합니다.

보다 넓게, 창의적 생산은 더 빠르고, 더 유연하고, 더 반응성이 될 것입니다. 궁극적으로, 성공하는 브랜드는 인공지능을 생각있게 사용하고, 정확성, 창의성, 신뢰를 지원하는 인프라로서 배포하는 것입니다.

감사합니다. 더 많은 정보를 배우고 싶은 독자는 AIUTA를 방문하십시오.