핏이 맞지 않는다; 여기저기 당김이 있다; 드레이핑이 잘못되었다. 이와 같은 피드백은 고객이 물건을 구매하기 전 옷을 입어 볼 때 AI 기반 애플리케이션이 제공할 수 있는 예시다. 이러한 기술은 상품의 반품 가능성을 줄여 소매업체의 손익에 직접적인 영향을 줄 수 있다.
2026년 4월 5일, CNBC뉴스의 보도에 따르면 패션 소매업체들은 증가하는 상품 반품 문제를 해결하기 위해 인공지능(AI)에 점점 더 의존하고 있다. 업계에서는 이 문제를 종종 “산업의 침묵의 살인자”라 칭하며, 수익성에 지속적으로 악영향을 미치는 요인으로 보고 있다. 미국 소매연맹(NRF)은 2025년 연간 소매판매의 15.8%가 반품으로 처리되어 총 8499억 달러에 달할 것으로 추정했으며, 온라인 판매의 경우 19.3%로 더욱 높게 나타났다고 발표했다. 특히 18세에서 30세 사이의 Z세대 소비자들은 지난해 온라인으로 평균 거의 8회의 반품을 한 것으로 조사됐다.
온라인에서 반품된 상품의 대부분은 매장에 재진열되지 못하며, 반품 처리비용이 환불액보다 더 많이 드는 경우가 빈번하다. 이로 인해 소매업계는 수십억 달러 규모의 비용 부담을 지고 있으며, 이는 곧바로 기업의 마진을 잠식하고 있다. Guggenheim의 수석 전무인 Simeon Siegel은
“반품을 선제적으로 관리하고 이를 최소화하는 방법을 찾는 것은 비즈니스와 수익성에 의미 있는 동인이 될 수 있다”
고 말했다.
가상 착용(virtual try-on) 기술을 제공하는 AI 스타트업이 증가하고 있다. 이들 솔루션은 소비자가 구매 전에 핏(fit)과 스타일을 시각적으로 확인할 수 있게 해주며, 특히 생성형 AI(Generative AI)의 급속한 발전으로 인해 상용 수준에서 실질적인 비용 절감 효과를 내기 시작했다.
AI 스타트업 Catches의 창업자 겸 CEO Ed Voyce는 CNBC와의 인터뷰에서 반품과 장바구니 포기(abandoned carts)의 주된 원인은 핏에 대한 불확실성이라고 지적했다. Catches는 사용자가 스스로의 디지털 트윈(digital twin)을 만들어 의류를 가상으로 착용해볼 수 있는 플랫폼을 개발했고, 자사 기술은 “거울처럼 현실적(mirror-like realism)”이라고 설명한다. 이 애플리케이션은 지난달 럭셔리 브랜드 Amiri의 웹사이트에 한정된 옷 종류에 대해 도입됐다.
Catches가 다른 모델과 구별되는 점은 단순한 시각화에 그치지 않고 원단의 물리적 특성과 움직이는 신체와의 상호작용을 반영해 옷의 늘어남, 주름 발생, 드레이핑 등을 시뮬레이션한다는 것이다. Voyce는 자사가 LVMH의 Antoine Arnault의 지원을 받고 있으며, 기술적 기반으로는 Nvidia의 CUDA 플랫폼을 활용했다고 밝혔다.
Voyce는
“지금은 시각화를 클라우드의 베어메탈 환경에서 충분히 저렴하게 구동할 수 있기 때문에 브랜드 측에서 투자 대비 수익(ROI)을 낼 수 있는 시점”
이라며 타이밍상 문제 해결이 가능한 상태임을 강조했다. 그는 또한 이 기술이 업계 전반에 영향을 미치며 소비자 기대치를 새롭게 정의할 잠재력이 있다고 설명했다.
마진 보호와 정책적 대응
AI 도구는 단순히 반품을 줄이는 목적뿐 아니라 구매 전환을 촉진하는 역할도 한다. 전자상거래가 소매 성장의 핵심 동력으로 자리한 가운데, 미국의 무역정책(도널드 트럼프 행정부의 정책)은 동남아시아 제조 의존도가 큰 섹터에 부담을 주며 전반적인 비용 상승과 소비자의 가격 민감도를 높였다. 이 환경에서 소매업체들은 마진을 지키기 위해 기술적, 정책적 조합을 시험 중이다.
반품을 줄이기 위한 전략으로는 반품 배송 비용을 부과하거나, 보다 세분화된 사이즈 정보를 제공하고, 환불보다는 교환을 유도하는 인센티브를 제공하는 방식 등이 있다. 스페인의 인디텍스(Inditex)가 운영하는 Zara는 온라인 주문에 대해 반품 수수료를 도입했고, 이는 고객들 사이에서 논란이 있었으나 총마진 보호와 ‘브래캣팅(bracketing)’—집에서 여러 사이즈를 사서 시착 후 반품하는 관행—억제에 도움이 됐다고 회사 측은 밝혔다. Zara는 또한 12월에 “Zara try-on”이라는 가상 착용 도구를 공개했다.
영국의 온라인 패스트패션 기업 ASOS는 반품률을 160 베이시스 포인트(basis point) 낮추는 데 기여한 성과를 강조했고, 이를 부분적으로는 딥테크 스타트업 AIUTA와의 파트너십으로 진행한 가상 착용 실험 덕분이라고 밝혔다. ASOS의 도구는 다양한 신체 유형, 신장, 피부 톤에서 옷을 보여주는 기능을 제공하되, 고객에게는 여전히 사이즈 가이드를 확인하라고 권고한다.
Shopify는 스타트업 Genlook의 AI 가상 착용 앱을 커머스 플랫폼에 통합해 사이즈 의구심을 제거하고 구매자 신뢰를 높여 전환율을 끌어올리며 비용이 큰 반품을 줄인다고 설명했다. 아마존(Amazon), 어도비(Adobe), 구글(Google) 등 기술 대기업들도 다양한 형태의 가상 착용 기술을 브랜드들과 협력해 전개하고 있다. 구글의 가상 착용 기술은 4월 30일부터 구글 플랫폼의 제품 검색 결과 내에서 직접 접근 가능해졌다(구글 랩스 발표 기준).
성과 예측과 한계
Catches는 자사 앱이 브랜드 파트너의 전환율을 10% 증가시키고, 투자 대비 20~30배의 ROI를 창출할 수 있다고 전망하고 있다. 해당 스타트업은 주로 고가의 럭셔리 브랜드를 주요 대상으로 삼고 있으며, 반품률 자체가 얼마만큼 감소할지는 구체적인 숫자를 제시하지 않았지만 “대폭적인 감소(massive reductions)”을 목표로 하고 있다.
그러나 Simeon Siegel은
“실제로 혜택을 본 회사들이 분명히 존재하지만, 이를 정량화하기는 더 어렵다”
며 AI가 만능 해결책은 아니라고 경고했다. 소매업체들은 핏 외에도 재고 관리, 고객 타깃팅, 사기 방지 등 다양한 AI 활용 사례를 검토하고 있으며, 기업이 자사 정체성을 유지하면서 기술을 도입하는지가 향후 성패를 가를 것으로 분석된다. 그는 “무엇을 파느냐(제품) 가 어떻게 파느냐(판매 방식)보다 항상 더 중요하다”고 덧붙였다.
용어 설명
이 기사가 다루는 주요 용어를 정리하면 다음과 같다. 디지털 트윈(digital twin)은 개인의 체형과 치수를 디지털로 모델링한 3차원 복제본을 뜻한다. 거울처럼 현실적(mirror-like realism)은 가상 착용 시 실제 착용 이미지와 유사한 수준의 시각적 재현을 의미한다. 브래캇팅(bracketing)은 소비자가 여러 사이즈를 동시에 주문해 집에서 시착한 뒤 맞지 않는 제품을 반품하는 관행이다. 베이시스 포인트(basis point)는 1%의 1/100에 해당하는 단위로, 160베이시스 포인트는 1.6%포인트 차이를 뜻한다. CUDA는 Nvidia가 제공하는 병렬 컴퓨팅 플랫폼으로, 복잡한 그래픽·AI 연산을 고속 처리하는 데 쓰인다.
향후 파급효과 분석
전문가 및 업계 관측에 따르면, 가상 착용 기술의 보급은 단기적으로는 반품 처리 비용과 재고 회전 비효율을 완화해 소매업체의 영업이익 개선에 기여할 가능성이 높다. 반환률이 높은 카테고리(패션·의류 등)에서 의미 있는 감소가 관찰되면, 기업들은 반품 정책을 재설계하거나 배송·물류 구조를 최적화해 추가 비용 절감을 도모할 수 있다. 또한 소비자 신뢰가 회복될 경우 전환율 상승과 함께 고객생애가치(LTV) 개선이 기대된다.
다만 기술 도입 비용, 개인정보·이미지 데이터 보호 이슈, 모델의 정확성 한계 등은 여전히 해결해야 할 과제로 남아 있다. 또한 일부 소매업체는 반품 수수료 부과와 같은 정책적 방법으로 즉각적인 마진 보호를 선택할 수 있어, 가상 착용 기술의 보급 속도와 실제 경제적 효과 사이에는 지역·브랜드별 편차가 클 것으로 전망된다.
결론적으로, 생성형 AI 기반의 가상 착용·핏 솔루션은 소매업계가 수년간 직면해 온 반품 문제에 대한 실질적 대응 수단으로 부상하고 있다. 다만 기술적 완성도와 비용-편익의 균형, 규제와 소비자 수용성 등이 어떻게 전개되느냐에 따라 업계의 구조적 변화 속도와 범위는 달라질 것이다.
