바이트사이즈 : AI·Deep Tech 첨단기술과 신발·패션 산업의 만남

바이트사이즈(BYTESIZE)는 제조 현장 경험과 AI 기술을 결합해 2024년에 설립된 신발·패션 산업 특화 AI 벤처기업이다. 신발 제조 과정에서 발생하는 이미지, 품질검사, 디자인·개발 관련 데이터를 기반으로 품질검사 AI 솔루션(FOQS:Flawless Optimal Quality for Shoe.), 생성형 AI 디자인 솔루션(DEFS:Defining new Values in Shoe Design.)을 개발하며 제조업의 디지털 전환을 추진하고 있다. 바이트사이즈 위영량 대표와의 인터뷰를 통해 좀 더 자세히 회사에 대해 살펴보고자 한다.

Q. 신발은 오래도록 사람의 손으로 만들어 온 산업입니다. 현장에선 "AI까지 필요하냐"는 목소리도 있을 텐데요. 왜 필요하다고 보십니까?

A. 산업의 핵심 지식이 데이터가 아니라 숙련자의 경험에 담겨 있기 때문입니다. 브랜드는 신제품 주기를 계속 당기는데 개발은 여전히 1년 가까이 걸리고, 숙련자는 은퇴를 앞두는 데 그 판단 기준은 문서로 남지 않습니다. 같은 불량을 두고도 검사자마다 판정이 갈리죠. 우리는 이걸 기술이 부족한 문제가 아니라 기준 데이터가 없는 문제로 봅니다. AI를 먼저 얹는 게 아니라, 현장의 판단 기준부터 데이터로 만들고 그 위에 AI를 적용해야 합니다.

Q. 시중에는 이미 범용 비전 검사 AI나 생성형 디자인 도구가 많습니다. 바이트사이즈가 "기존 AI를 신발에 적용하는 것"이 아니라 "데이터 구조부터 다시 쌓는다"고 강조하는 이유는 무엇이며, 이 접근이 범용 솔루션과 결정적으로 갈리는 지점은 어디입니까?

A. 범용 비전 AI나 생성형 디자인 도구는 좋은 기술입니다. 다만 대부분 '이미 정리된 데이터'를 전제로 작동합니다. 그런데 신발은 그 데이터가 아직 정리돼 있지 않습니다.

 신발은 외관 이미지 하나로 판단되는 제품이 아닙니다. 같은 불량처럼 보여도 소재·공정·브랜드 기준에 따라 판정이 갈리고, 똑같은 디자인이라도 '실제로 만들 수 있느냐'는 전혀 다릅니다. 범용 AI는 이미지 속 결함은 잘 찾지만, 그게 어떤 라스트·어떤 공정에서 문제이고, 어떤 소재인지, 어떤 라스트인지, 그리고 어떤 공정이 필요한지까지는 모릅니다.

그래서 우리는 'AI를 신발에 얹는다'가 아니라 '데이터 구조부터 다시 쌓는다'고 말합니다. 범용 도구와 갈리는 지점은 결국 도메인 맥락이에요. AI 기능을 파는 게 아니라, 신발 산업의 판단 기준을 AI가 쓸 수 있는 데이터로 바꾸는 것이 핵심입니다.

Q. 이번 AI EXPO KOREA 2026에서 FOQS와 DEFS를 실제로 시연하셨는데, 참관객들이 가장 큰 관심을 보인 기능은 무엇이었습니까?

A. 참관객들이 가장 큰 관심을 보인 부분은 두 가지였습니다. 하나는 FOQS의 품질검사 AI 기능이고, 다른 하나는 DEFS의 신발 디자인 생성 및 개발 보조 기능이었습니다.

FOQS의 경우 단순히 불량 여부를 판단하는 것을 넘어, 불량 위치와 유형을 시각적으로 확인할 수 있다는 점에 관심이 많았습니다. 제조 현장에서는 검사자별 편차와 기준 불일치가 중요한 문제입니다. FOQS는 검사 기준을 데이터로 고정하고, 반복적으로 동일한 기준을 적용할 수 있다는 점에서 현장 적용 가능성이 높게 평가되었습니다.

DEFS의 경우에는 생성형 AI가 단순히 이미지를 만드는 수준을 넘어, 신발 개발에 필요한 디자인 방향, 컬러, 소재, 개발 데이터까지 연결될 수 있다는 점에 관심이 집중되었습니다. 특히 신발은 보기 좋은 이미지보다 실제 제조 가능한 디자인이 더 중요합니다. 이 부분에서 DEFS가 신발산업 특화 솔루션이라는 점을 설명했을 때 반응이 좋았습니다.

Q. FOQS는 품질검사 솔루션입니다. 앞으로 품질검사 분야에서 AI가 어느 수준까지 인간의 역할을 보완할 수 있다고 보십니까?

A. 품질검사 분야에서 AI는 반복적이고 기준이 명확한 검사 영역부터 빠르게 인간의 역할을 보완할 수 있다고 봅니다.

동일한 기준을 장시간 유지해야 하는 검사 업무에서는 AI의 장점이 분명합니다. 사람은 피로도와 숙련도에 따라 판단 편차가 생길 수 있지만, AI는 동일한 기준을 반복적으로 적용할 수 있습니다.

다만 AI가 모든 품질검사 업무를 완전히 대체한다고 보지는 않습니다. 신발은 소재 특성, 브랜드 기준, 생산 상황에 따라 예외 판단이 필요한 경우가 많습니다. 따라서 단기적으로는 AI가 1차 검사와 이상 탐지를 수행하고, 사람은 최종 판단과 예외 처리를 담당하는 구조가 현실적입니다.

궁극적으로는 AI가 검사자의 눈을 대체하는 것이 아니라, 검사자의 판단을 표준화하고 편차를 줄이는 역할을 하게 될 것입니다.

Q. 신발 개발에는 평균적으로 1년 정도가 소요됩니다. DEFS가 보편화된다면 개발 프로세스는 어떻게 변화할 것이며, 개발 기간은 어느 정도까지 단축될 수 있을까요?

A. DEFS가 보편화되면 신발 개발 프로세스는 순차적 방식에서 동시 검토 방식으로 전환될 가능성이 큽니다.

기존에는 디자인, 소재 검토, 패턴 검토, 샘플 제작, 수정, 재샘플 제작이 반복되면서 시간이 많이 소요되었습니다. 특히 초기 디자인 단계에서 제조 가능성이나 소재 적합성이 충분히 검토되지 않으면 후속 단계에서 수정 비용과 시간이 크게 늘어납니다.

DEFS는 초기 디자인 단계에서부터 소재, 컬러, 패턴, 라스트에 대한 검토를 함께 수행하는 방향을 지향합니다. 즉, 단순히 예쁜 디자인 이미지를 빠르게 만드는 것이 아니라, 개발 단계를 단축시킬 수 있습니다.

개발 기간 단축 폭은 기업의 데이터 수준과 적용 범위에 따라 달라질 수 있습니다. 다만 디자인 초안 생성, 스타일 변형, 컬러웨이 검토, 개발 문서 초안 작성 등 반복 작업이 자동화된다면 기존 개발 기간의 상당 부분을 줄일 수 있을 것으로 봅니다. 정확한 단축 수치는 적용 기업의 공정 데이터와 실증 결과를 기준으로 검증해야 합니다.

Q. 신발산업에서는 라스트가 제품의 핏과 착화감을 결정하는 핵심 자산입니다. 앞으로 라스트 데이터가 디지털 자산으로 활용되는 시대가 올 것이라고 보십니까?

A. 라스트 데이터는 앞으로 신발산업에서 가장 중요한 디지털 자산 중 하나가 될 가능성이 높다고 봅니다.

라스트는 신발의 외형뿐 아니라 착화감, 사이즈 체계, 패턴 설계, 제품군 확장에 직접적인 영향을 미칩니다. 그동안 라스트는 물리적 자산 또는 특정 숙련자의 경험에 의존하는 경우가 많았습니다. 그러나 이를 3D 데이터로 축적하고 표준화하면 신발 개발의 기준 데이터로 활용할 수 있습니다.

특히 AI 기반 디자인, 가상 샘플링, 자동 패턴 생성, 맞춤형 신발 개발이 확산되면 라스트 데이터의 중요성은 더 커질 것입니다. 향후에는 누가 더 많은 라스트 데이터를 보유했는가보다, 라스트 데이터를 제품 개발과 AI 학습에 활용할 수 있는 구조로 정리했는가가 더 중요한 경쟁력이 될 것입니다.

Q. 신발산업의 경쟁력은 오랫동안 생산능력이었습니다. AI 시대에는 무엇이 새로운 경쟁력이 될 것이라고 생각하십니까?

A. AI 시대의 신발산업 경쟁력은 생산능력만으로 결정되지 않을 것입니다. 앞으로는 데이터, 개발 속도, 품질 일관성, 제조 지식의 디지털화가 핵심 경쟁력이 될 것입니다.

과거에는 얼마나 많이, 얼마나 빠르게, 얼마나 저렴하게 생산할 수 있는지가 중요했습니다. 물론 생산능력은 여전히 중요합니다. 그러나 글로벌 시장에서는 소비자 취향이 빠르게 변하고, 브랜드는 더 짧은 주기로 신제품을 요구하고 있습니다. 이런 환경에서는 개발 속도와 의사결정 속도가 경쟁력이 됩니다.

AI를 제대로 활용하는 기업은 디자인 후보를 빠르게 만들고, 품질 문제를 조기에 발견하며, 생산 데이터를 다시 개발에 반영할 수 있습니다. 즉, 제조 현장의 경험이 데이터로 축적되고, 그 데이터가 다시 제품 경쟁력으로 연결되는 구조를 만들 수 있습니다.

앞으로의 경쟁력은 데이터를 기반으로 더 빠르고 품질 높은 제품을 개발하고, 생산능력을 증폭시키는 데 있다. 즉, AI 시대의 핵심 경쟁력은 “AI를 스마트하게 활용하는 생산 능력”이 될 것이다.

Q. 지역 신발기업들이 AI 전환을 준비하기 위해 가장 먼저 구축해야 할 것은 무엇이라고 생각하십니까?

A. 지역 신발기업들이 가장 먼저 해야 할 일은 AI 솔루션을 도입하는 것이 아니라, 자사의 데이터를 정리하는 것입니다.

많은 기업이 디자인 파일, 샘플 이력, 품질검사 자료, 불량 사진, 소재 정보, BOM, 패턴 자료를 가지고 있습니다. 그러나 이 자료들이 부서별, 담당자별, 파일 형태별로 흩어져 있으면 AI가 활용하기 어렵습니다. 먼저 어떤 데이터를 보유하고 있는지 확인하고, 이를 제품·공정·품질 기준에 맞게 분류해야 합니다.

두 번째는 현장 기준을 명확히 하는 것입니다. 예를 들어 어떤 수준을 불량으로 볼 것인지, 어떤 경우에 재작업할 것인지, 검사자의 판단 기준은 무엇인지가 정리되어야 합니다. AI는 불명확한 기준을 대신 만들어주는 기술이 아니라, 정리된 기준을 반복적으로 적용하고 확장하는 기술입니다.

따라서 지역 신발기업의 AI 전환은 거창한 시스템 구축보다 데이터 정리, 기준 표준화, 작은 공정 단위의 실증부터 시작하는 것이 현실적입니다.

Q. AI, 3D 모델링, 데이터 기반 개발이 확산되는 시대에 앞으로 신발학과 학생들과 신발기업 실무자들은 어떤 역량을 갖춰야 한다고 보십니까?

A. 앞으로의 신발 인재는 전통적인 신발 개발 지식과 디지털 도구 활용 역량을 함께 갖춰야 합니다.

 신발학과 학생들은 라스트, 패턴, 소재, 봉제, 접착, 금형, 품질 등 기본 공정 지식을 충분히 이해해야 합니다. AI와 3D 기술이 발전하더라도 신발의 구조와 제조 원리를 모르면 결과물을 제대로 판단할 수 없습니다. 기술을 사용하는 능력보다 중요한 것은 기술이 만든 결과가 실제 신발 개발에 적합한지 판단하는 능력입니다.

동시에 3D 모델링, 데이터 관리, AI 도구 활용, 디지털 샘플링에 대한 이해도 필요합니다. 앞으로는 신발 개발자가 종이 도면과 샘플만 다루는 것이 아니라, 3D 데이터와 AI 생성 결과, 디지털 작업지시서까지 함께 다루게 될 가능성이 높습니다.

실무자에게도 변화가 필요합니다. 기존 경험을 계속 개인의 감각으로만 보유하는 것이 아니라, 후배와 조직이 재사용할 수 있는 데이터와 기준으로 남기는 역량이 중요해질 것입니다. 또한 이러한 데이터를 활용하여 인공지능 솔루션으로 업무에 적용하는 능력 배양도 필요합니다.

Q. 바이트사이즈가 바라보는 2035년 신발산업의 미래상은 무엇이며, 그 안에서 바이트사이즈는 어떤 역할을 수행하고자 합니까?

A. 2035년의 신발산업은 지금보다 훨씬 더 빠르고 큰 성장산업이 될 것입니다. 소비자의 요구는 더 세분화되고, 브랜드는 더 빠른 개발과 더 높은 품질 일관성을 요구하게 될 것입니다.

디자인 단계에서는 AI 기반 협업으로 창의성을 확장하고, 개발 단계에서는 3D 모델과 가상 샘플링을 통해 시행착오가 줄어들며, 생산 현장에서는 품질검사 및 공정 데이터가 실시간으로 축적될 것입니다.

이 변화 속에서 중요한 것은 단순 자동화가 아닙니다. 신발산업이 오랫동안 축적해 온 숙련자의 경험, 제조 노하우, 개발 기준을 디지털 자산으로 전환하는 것이 핵심입니다. AI는 사람을 대체하는 기술이라기보다, 산업의 경험을 보존하고 확장하는 기술로 활용되어야 합니다.

바이트사이즈는 신발·패션 산업에 특화된 AI 기업으로서, 품질검사, 디자인 개발, 데이터 구조화, 3D 모델링 영역을 연결하는 역할을 하고자 합니다. 궁극적으로는 지역 신발기업과 제조 현장이 AI를 어렵고 먼 기술로 느끼지 않도록, 실제 공정에 적용 가능한 산업형 AI 플랫폼을 구축하는 것이 목표입니다.

 2035년에는 신발산업의 경쟁력이 노동집약적 생산능력에서 데이터 기반 개발·제조 역량으로 이동할 것입니다. 바이트사이즈는 그 전환 과정에서 신발산업의 데이터를 축적하고, 현장의 경험을 AI로 확장하는 핵심 파트너가 되고자 합니다.

신발산업은 오랫동안 숙련자의 경험과 감각으로 성장해 온 산업이다. 그러나 숙련인력의 감소와 제품 개발 주기의 단축, 글로벌 시장의 변화는 이제 경험만으로는 대응하기 어려운 시대가 되었음을 보여준다. 이번 인터뷰를 통해 바이트사이즈가 강조한 것도 화려한 AI 기술 자체가 아니었다. 현장의 판단 기준을 데이터로 축적하고, 이를 누구나 활용할 수 있는 디지털 자산으로 전환하는 것이 AI 시대 신발산업 경쟁력의 출발점이라는 점이었다.

품질검사 AI(FOQS), 생성형 디자인 솔루션(DEFS), 데이터 구조화 플랫폼(dotdot) 역시 결국은 제조 현장의 경험을 표준화하고, 개발과 생산을 더욱 빠르고 정확하게 연결하기 위한 도구였다. AI가 사람을 대신하는 것이 아니라 사람의 경험을 더욱 가치 있게 만들고 산업 전반으로 확장하는 역할을 해야 한다는 점도 인상적이었다.

앞으로 신발산업의 경쟁력은 얼마나 많이 생산하느냐보다 얼마나 체계적으로 데이터를 축적하고 활용하느냐에 의해 결정될 가능성이 크다. 특히 지역 신발기업들에게도 AI는 거창한 시스템 구축보다 현장의 데이터를 정리하고 기준을 표준화하는 작은 변화에서부터 시작할 수 있다는 점을 보여주었다.

제조업의 디지털 전환이 가속화되는 지금, 신발산업 역시 새로운 전환점에 서 있다. 바이트사이즈의 도전은 AI 기술을 개발하는 데 그치지 않고, 오랜 시간 축적된 신발산업의 제조 경험과 노하우를 미래 세대까지 이어질 산업 자산으로 만드는 과정이라 할 수 있다. 이러한 시도가 지역 신발산업의 경쟁력 강화는 물론, 대한민국 신발산업의 새로운 성장 모델로 이어질 수 있을지 앞으로의 행보가 더욱 기대된다.

이일형

지오힐대표/경남정보대학교 신발패션과 겸임교수