Smartex Inspect: H&M이 원단 5% 초과 주문을 AI 상시 검사로 줄이려는 방식
H&M은 원단 품질을 믿기 어려워 필요량보다 약 5% 더 주문합니다. H&M이 투자하고 첫 고객이 된 Smartex는 기존 섬유 기계에 붙인 카메라로 원단을 사람보다 3배 빠르게 쉬지 않고 검사합니다. Smartex CEO는 H&M이 연 약 1억 달러를 아낄 수 있다고 추정합니다.
H&M은 원단 품질을 롤마다 확인할 수 없어서 필요량보다 약 5%를 더 사 두는데, Smartex는 이 여유분을 AI 검사로 줄이려 합니다. 기존 섬유 기계에 카메라를 붙여 원단이 지나가는 동안 결함과 색 편차를 계속 봅니다. 따라 하려면 먼저 우리 회사의 초과 주문률을 재무 숫자로 꺼내고, 공장 한 곳에서 AI 판정이 브랜드 기준과 맞는지 확인한 뒤 여유분을 낮춰야 합니다.
요약
Fortune의 Jim Edwards 기자가 2026년 11월 19일에 쓴 기사입니다. 리스본 Web Summit에서 Smartex.AI의 Max Easton CEO를 만나 들은 이야기가 뼈대입니다. 패션 브랜드는 유행을 앞서가는 이미지로 팔지만, 원단을 짜고 옷을 만드는 공장은 1970년대와 크게 다르지 않다는 진단에서 출발합니다. 지금 원단 검사는 대부분 사람이 합니다. 검사원이 지나가는 원단 롤을 지켜보며 색 견본을 손에 들고 구멍, 바늘 자국, 잘못 들어간 실을 찾습니다. Smartex는 iPod·iPhone·Nest를 함께 설계한 Tony Fadell과 함께 이 일을 맡을 피지컬 AI(physical AI, 카메라·센서로 현실의 물건을 보고 판단하는 AI) 제품을 내놓습니다. Smartex Inspect는 기존 섬유 기계에 붙는 카메라 시스템으로, 원단이 지나가는 동안 사람보다 3배 빠르게 쉬지 않고 품질을 봅니다. Smartex IQ는 이 제품들이 만든 공급망 데이터를 분석해 줍니다. Fadell은 약 1,000만 달러를 투자하고 의장을 맡습니다. H&M도 투자사이자 첫 고객입니다.
돈이 걸린 곳은 원단입니다. 원단은 의류 회사 원가의 50%를 차지합니다. 품질이 들쭉날쭉하니 H&M 같은 회사는 필요량보다 약 5%를 더 주문합니다. Easton은 H&M이 한 해 전 세계에서 약 25억 m의 원단을 쓴다고 봅니다. 기사는 m당 4달러로 셈해 원단 비용을 약 100억 달러로 잡습니다. Easton은 낭비를 줄이면 H&M이 연 약 1억 달러를 아낄 수 있다고 추정합니다. 이 금액은 실측 결과가 아니라 업체의 추정치입니다. Fadell은 H&M이 가격, 속도, 품질, 지속가능성 네 가지를 본다고 말합니다. 낭비가 줄면 마진이 좋아집니다. 원단이 늦거나 틀리게 오면 이미 팔아 둔 옷을 내보내지 못할 수도 있습니다. 정확한 검사는 쉽지 않습니다. 조명 변화, 원단이 지나가는 속도, 미세한 색 차이를 견뎌야 하고 고객사마다 다른 기준에 맞춰야 합니다. Smartex는 이를 위해 원단 이미지 500억 장을 모았다고 밝힙니다. 아래에서는 상시 검사, 기준 보정, 품질 여유분, 공급망 가시성의 네 가지 메커니즘을 풀고 브랜드와 원단 공장이 함께 시작할 때 필요한 기술·현업 디테일을 덧붙입니다.
핵심 메커니즘
Inline Fabric Inspection: 원단이 기계를 지나가는 동안 검사한다
무엇인가. 원단을 다 만든 뒤 따로 펼쳐 보는 대신, 원단이 섬유 기계를 지나가는 자리에 카메라를 달아 계속 검사하는 방식입니다. Smartex Inspect는 새 기계가 아니라 공장이 이미 쓰는 기계에 붙습니다.
어떻게 작동하나. 입력은 지나가는 원단을 찍은 이미지입니다. 처리 단계에서 구멍, 바늘 자국, 잘못된 실 같은 물리적 결함과 색 편차를 찾습니다. 출력은 결함 위치 기록과 작업자 알림입니다. Fadell은 사람 검사가 실수하기 쉽고 주관적이라고 봅니다. 카메라는 같은 기준으로 쉬지 않고 봅니다. 기사는 이 검사가 사람보다 3배 빠르다고 전합니다.
언제 쓰나. 같은 원단을 대량으로 짜는 공장, 결함이 뒤 공정(염색·재단)까지 넘어가면 손실이 커지는 원단에 맞습니다. 공장 기계가 제각각이면 기계 종류마다 장착과 보정을 따로 해야 해 확대가 느려집니다.
원문의 예. Smartex Inspect, H&M이 첫 고객. 실측 결함 검출률은 기사에서 밝히지 않았습니다.
Customer-standard Calibration: 브랜드마다 다른 ‘흰색’에 맞춘다
무엇인가. 결함을 찾는 기준을 고객 브랜드의 기준에 맞추는 일입니다. 기사가 드는 예처럼, 흰 티셔츠라도 어떤 브랜드는 눈부신 흰색을, 어떤 브랜드는 크림빛 흰색을 원합니다.
어떻게 작동하나. 같은 원단도 공장 조명과 지나가는 속도에 따라 다르게 찍힙니다. 그래서 모델은 조명·속도에 흔들리지 않게 학습하고, 그 위에 고객사의 합격 기준을 얹어 보정합니다. Smartex는 원단 이미지 500억 장의 라이브러리를 이 작업의 근거로 듭니다. 기준을 사람 눈이 아니라 고객사 합격 기준에 묶는 것이 요점입니다.
언제 쓰나. 색과 촉감이 상품 가치를 좌우하는 의류, 여러 공장에서 같은 원단을 받아 섞어 쓰는 브랜드에 특히 필요합니다. 결함 기준이 문서로 정리돼 있지 않으면 보정의 정답부터 만들어야 합니다.
Quality Buffer: 품질을 모르니 5%를 더 산다
무엇인가. 품질 불확실성에 대비해 미리 더 사 두는 원단 여유분입니다. 기사는 H&M 같은 회사가 보통 약 5%를 더 주문한다고 씁니다.
어떻게 작동하나. 불량 원단이 섞여 오면 재단할 원단이 모자랍니다. 브랜드는 이 위험을 여유분으로 메웁니다. 남는 원단은 비용이자 폐기물이 됩니다. 롤마다 품질을 알 수 있으면 여유분을 감이 아니라 데이터로 정할 수 있습니다. 기사 속 숫자로 크기를 가늠하면, 연 약 100억 달러 원단 비용에서 Easton이 추정한 절감액은 약 1억 달러로 1% 수준입니다.
언제 쓰나. 원단 원가 비중이 큰 의류·잡화 브랜드, 협력사 품질 편차가 커서 안전 재고를 넉넉히 잡는 회사가 먼저 따져 볼 만합니다.
Supply-chain Visibility: 검사 기계가 공급망 데이터의 출발점이 된다
무엇인가. 공장 기계에서 나온 품질 데이터를 모아 브랜드가 원단의 상태와 도착 시점을 보게 하는 일입니다. Smartex IQ가 이 분석을 맡습니다.
어떻게 작동하나. 브랜드는 여러 나라의 독립 운영사에 기대고 있어 원단이 언제, 어떤 상태로 올지 잘 모릅니다. Easton은 물건이 도착해도 보이지 않는다고 말합니다. 검사 카메라가 롤마다 품질을 기록하면 그 기록이 공급망 데이터가 되고, Smartex IQ가 이를 분석합니다. Fadell은 이메일은 있어도 Wi-Fi가 없는 공장도 있다고 전합니다. 그래서 그는 도구가 고객이 쓰기 쉬워야 한다고 강조합니다.
언제 쓰나. 협력 공장이 많고 국가가 흩어진 브랜드에 맞습니다. 공장의 네트워크와 데이터 공유 동의가 먼저 갖춰져야 합니다.
통념과 다른 주장
흔히 이렇게 봅니다패션의 AI는 디자인 생성, 마케팅, 수요 예측처럼 고객 가까운 곳에서 돈이 된다고 봅니다.
Smartex와 Fadell은 이렇게 봅니다큰돈은 반세기 가까이 바뀌지 않은 원단 공장 바닥에 있습니다. 원단 품질을 기계가 보게 하면 원가의 절반을 차지하는 원단에서 낭비를 덜어 낼 수 있습니다.
근거원단이 의류 원가의 50%이고, 품질 편차 때문에 약 5%를 더 사며, H&M 한 곳의 원단 비용만 연 약 100억 달러라는 기사 속 숫자입니다.
저자가 든 사례
H&M: 원단 여유분과 연 1억 달러 절감 추정
| 구분 | 내용 |
|---|---|
| 상황 | 원단 품질 편차 때문에 필요량보다 약 5% 더 주문. 연 약 25억 m, 약 100억 달러(m당 4달러 기준) |
| 한 일 | Smartex에 투자하고 새 제품의 첫 고객이 됨 |
| 결과 | Smartex CEO 추정 연 약 1억 달러 절감. 실측 결함률·절감 실적은 원문에서 밝히지 않음 |
| 연결 | Quality Buffer, Inline Fabric Inspection |
Smartex: 기존 고객 기반 위에 새 제품을 올림
| 구분 | 내용 |
|---|---|
| 상황 | 원단 검사는 대부분 사람이 하고, 공장은 디지털화가 늦음 |
| 한 일 | Tony Fadell(약 1,000만 달러 투자, 의장 합류)과 Smartex Inspect·Smartex IQ 출시 |
| 결과 | 직원 약 65명, 매출 수백만 달러대, 이전 세대 감시 시스템 800대를 10개국 고객사에 설치, 4년 전 기업가치 5,500만 달러 |
| 연결 | Customer-standard Calibration, Supply-chain Visibility |
기술 디테일: 원단 공장 한 곳에 상시 검사를 붙인다면
아래는 원문에 없는 내용으로, 같은 구조를 실제로 돌릴 때 필요한 것을 정리했습니다. 수치와 필드는 모두 가상 예시입니다.
Inline Fabric Inspection을 돌리려면 결함 하나를 롤과 발주에 묶어 기록합니다. 카메라가 찾은 결함마다 어느 공장, 어느 기계, 어느 롤의 몇 m 지점인지 남기고 브랜드 발주 번호와 원단 코드를 함께 붙입니다. 이 연결이 있어야 나중에 “이 발주의 불량률”을 계산하고 여유분을 다시 정할 수 있습니다. 결함 유형은 처음부터 닫힌 목록으로 둡니다. 자유 텍스트로 받으면 공장마다 이름이 달라 집계가 안 됩니다.
{
"event_id": "FI-20261121-0087",
"mill_id": "MILL-VN-03",
"machine_id": "CK-12",
"roll_id": "R-55120",
"po_no": "PO-26S-1044",
"fabric_code": "JER-160-WHT",
"position_m": 412.5,
"defect_type": "hole",
"severity": "critical",
"standard_version": "WHT-BRIGHT-v3",
"action": "stop",
"image_ref": "img/R-55120/412.5.jpg",
"inspector_confirm": null
}
defect_type은 hole, needle_line, wrong_yarn, shade_off처럼 기사에 나온 결함 종류에서 시작합니다. inspector_confirm에는 공장 검사원이 실제 결함인지 오판인지 남깁니다. 이 기록이 쌓여야 임계값을 고칠 수 있습니다.
Customer-standard Calibration은 승인 견본을 기준 데이터로 만드는 일부터 합니다. 브랜드가 승인한 색 견본과 합격·불합격 원단 사진을 원단 코드마다 모으고 standard_version을 붙입니다. 색 편차는 숫자(예: 색차 ΔE)로 재되 합격 범위는 브랜드 컬러 담당이 정합니다. 조명이 흔들리면 같은 원단도 다른 색으로 찍히므로, 카메라 화면 안에 기준 색표를 함께 두고 교대마다 촬영값을 점검합니다. 원단 속도는 기계 속도 신호를 받아 촬영 간격을 맞춥니다. 실패는 대개 세 곳에서 납니다. 조명 교체 뒤 재보정을 빼먹는 경우, 원단 코드가 바뀌었는데 이전 기준으로 판정하는 경우, 렌즈에 보풀이 쌓이는 경우입니다.
AI 판정을 믿기 전에 그림자 모드로 사람과 나란히 봅니다. 처음 3주는 기계를 세우지 않고 AI 판정만 기록합니다. 같은 롤을 공장 검사원도 기존 방식대로 보게 해 두 판정을 비교합니다. 볼 숫자는 두 가지입니다. 치명 결함(구멍, 잘못된 실)을 사람보다 덜 놓치는지, 그리고 교대당 잘못 세우는 횟수가 몇 건인지입니다. 오정지가 많으면 작업자가 알림을 꺼 버리므로 정지 규칙은 치명 결함에만 걸고, 색 편차는 위치만 표시해 롤 끝에 판정합니다. 임계값은 결함 유형마다 따로 둡니다. 검사원이 inspector_confirm에 남긴 오판 사례는 매주 모아 재학습 데이터로 쓰고, 새 모델은 지난주 롤 이미지로 다시 돌려 놓친 결함이 늘지 않았을 때만 바꿉니다.
Quality Buffer를 줄이려면 여유분 계산식을 데이터로 바꿉니다. 원단 코드·공장별로 최근 시즌의 실제 불량 폐기율과 납기 지연을 모아, 여유분을 “불량 폐기율 + 안전 여유” 식으로 다시 잡습니다. 상시 검사 데이터가 일정 기간 안정적인 공장부터 다음 발주의 여유분을 1%p씩 낮추고, 재단 단계에서 원단이 모자란 건수를 함께 봅니다.
Supply-chain Visibility를 위해 오프라인 공장을 전제로 설계합니다. Wi-Fi가 없는 공장이 있다는 점을 감안해 판정은 기계 옆 장치에서 끝내고, 결과는 장치에 쌓았다가 연결될 때 올립니다. 브랜드 쪽에는 롤 단위 품질 기록을 발주·출하 정보와 합쳐 “이번 주 출하분 중 등급 미달 롤 수”처럼 바로 쓸 지표로 보여 줍니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 브랜드 원단 소싱 담당(파일럿 오너) | 공장·원단 선정, 여유분 조정안 제안 |
| 브랜드 QC·컬러 담당 | 승인 견본과 합격 기준 확정, 기준 버전 승인 |
| 원단 공장 생산 반장 | 카메라 설치 기계 지정, 정지 알림 대응 |
| 공장 검사원 | 그림자 모드 동안 병행 판정, inspector_confirm 기록 |
| 데이터 엔지니어 | 결함 기록과 발주·출하 데이터 연결 |
| 구매 원가·재무 담당 | 초과 주문 비용과 절감액을 같은 기준으로 산정 |
| 지속가능성 담당 | 줄어든 원단 폐기량 집계 |
시작 전 준비물. 최근 2시즌의 원단 코드별 발주량과 실제 사용량(초과 주문률), 공장별 원단 불량 반품·클레임 기록, 승인 색 견본과 합격·불합격 샘플, 공장 기계 목록과 네트워크 상태, 그리고 “절감액”을 무엇으로 셀지 재무와 합의한 한 장짜리 정의서(남은 원단 원가, 폐기 비용, 납기 지연 비용)입니다. 공장이 협력사라면 검사 데이터를 누가 갖고 누가 볼지 정한 합의서도 필요합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 공장 1곳·주력 원단 1종 선정, 초과 주문률 기준선 산출 | 기준선 표, 절감액 정의서 |
| 3~5주 | 카메라 설치, 그림자 모드로 AI와 검사원 판정 비교 | 판정 일치표, 놓친 결함 목록 |
| 6~8주 | 치명 결함 정지 운영, 오정지 기록 | 결함 로그, 교대당 오정지 수 |
| 9~10주 | 원단 코드별 불량률로 여유분 재산정, 1년 환산 | 판정 보고서, 다음 발주 여유분안 |
확인 질문. 지난 시즌 원단 초과 주문 비용은 얼마였고 그중 품질 때문이 몇 %인가? 우리 브랜드의 ‘흰색’은 문서와 견본으로 정해져 있나? 불량 원단이 재단 전에 걸리나, 재단 후에 걸리나? 공장이 검사 데이터를 우리와 나눌 의사가 있나? 공장에 네트워크가 없으면 데이터는 어떻게 올라오나?
진행 판정 기준(가상 예시). 치명 결함을 공장 검사원보다 덜 놓치고, 교대당 오정지가 2건 이하이며, 파일럿 원단의 다음 발주 여유분을 1%p 낮춰도 재단 부족이 생기지 않으면 같은 공장 다른 원단과 두 번째 공장으로 넓힙니다. 하나라도 못 미치면 기준을 고쳐 4주 더 돌리고 두 번째도 못 미치면 접습니다. 10주차 판정 회의는 소싱 담당이 열고 QC·재무 담당이 함께 승인합니다.
AX 적용 제언. 국내 SPA 브랜드와 의류 OEM·원단 협력사라면 시작점은 기술이 아니라 숫자입니다. “우리는 원단을 몇 % 더 사는가”를 재무 장부에서 꺼내면 상시 검사의 투자 한도가 정해집니다. H&M 사례처럼 브랜드가 투자자이자 첫 고객으로 들어가면 협력 공장이 장비를 받아들이기 쉬워집니다. 다만 장비는 공장에, 혜택은 브랜드에 생기므로 비용 분담과 데이터 공유를 공급 계약에 넣어야 확대가 됩니다. 경영진 보고에는 절감액과 함께 줄어든 원단 폐기량을 같이 올려 지속가능성 목표와 묶습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 기사 | Fortune, Jim Edwards, 2026.11.19 (Web Summit 리스본 인터뷰) |
| Smartex.AI | CEO Max Easton, 직원 약 65명, 매출 수백만 달러대, 4년 전 기업가치 5,500만 달러 |
| Tony Fadell | iPod·iPhone·Nest 공동 설계, 약 1,000만 달러 투자, Smartex 의장 합류 |
| H&M | Smartex 투자사, 새 제품의 첫 고객 |
| Smartex Inspect | 기존 섬유 기계에 부착하는 카메라, 원단을 사람보다 3배 빠르게 상시 검사 |
| Smartex IQ | 제품군이 만든 공급망 데이터 분석 |
| 기존 설치 | 이전 세대 감시 시스템 800대, 10개국 고객사 |
| 데이터 | 원단 이미지 500억 장 |
| 원단 경제 | 원단이 의류 원가의 50%, 약 5% 초과 주문, H&M 연 약 25억 m, m당 4달러로 약 100억 달러 |
| 절감 추정 | 연 약 1억 달러(Smartex CEO 추정, 실측 결함률 미공개) |
| 현장 여건 | 여러 나라 독립 운영사, 출하 시점·상태 가시성 낮음, Wi-Fi 없는 공장도 있음 |
핵심 개념
- Physical AI
- 카메라·센서로 공장이나 현장의 실제 물건을 보고 판단하는 AI로, 화면 속 문서가 아니라 물리적 대상을 다룹니다.
- Fabric inspection
- 원단에 구멍, 바늘 자국, 잘못 들어간 실, 색 편차가 없는지 확인하는 검사입니다.
- Over-ordering
- 불량이나 부족에 대비해 필요량보다 원단을 더 주문하는 관행으로, 남는 원단은 비용과 폐기물이 됩니다.
- Shade
- 같은 색 이름 안의 미세한 색조 차이로, 브랜드마다 합격 범위가 다릅니다.
- Shadow mode
- 새 검사 시스템이 판정은 하되 기계를 세우지 않고 기록만 남기며 사람 판정과 비교하는 시험 운영 방식입니다.
내 메모
TODO: 내 생각 추가
원문은 Fortune에 실린 Jim Edwards의 기사 「iPhone designer Tony Fadell’s next big thing: Bringing AI to fashion in hopes of saving H&M $100 million a year」(2026.11.19)입니다. 연 약 1억 달러 절감과 연 약 25억 m 사용량은 Smartex CEO Max Easton의 추정이고, 약 100억 달러는 기사가 m당 4달러로 계산한 값입니다. 요약과 사례는 원문이 전한 사실을 AX Partners가 다시 정리했고 핵심 메커니즘의 작동 설명, 기술·현업 디테일, 인포그래픽, 표는 새로 작성했습니다(디테일 절의 수치·필드·일정은 가상 예시). 전체 내용은 원문에서 볼 수 있습니다.