Contour · 패션 전자상거래를 위한 AI 핏 예측

동일한 체형이라도 원단 신축 한계에 따라 한 청바지에서는 29 사이즈, 외관이 똑같은 다른 청바지에서는 28 사이즈가 맞습니다. 사이즈 차트는 원단의 차이를 느끼지 못하지만, 우리는 이를 감지하는 엔진을 개발했습니다.

Name: Contour
Author: Veriprajna

반품 문제는 곧 핏(fit) 문제이며, 핏은 물리학의 영역입니다. Contour는 주어진 신체(사진 없이 신체 치수만 활용)와 의류(원단 역학 및 완성 치수) 데이터를 바탕으로, 각 구역의 둘레 변형률을 해당 원단의 신축 한계와 비교 계산하여 신뢰도 높은 사이즈를 추천하거나 적합한 사이즈가 없을 경우 솔직하게 기권(abstain)합니다. 에이전트는 조언하고, 코드가 결정합니다.

+40 pp

기존 허리 치수 전용 사이즈 차트 대비 정확도 향상(100% 대 60%)

라벨링된 105개 쌍의 합성 골든 세트

67.6%

단일 고신뢰도 사이즈가 제공되어 구매자가 두 사이즈를 복수 주문(브래케팅)할 필요가 없는 쌍의 비율

동일한 105개 쌍 골든 세트, 신뢰도 0.80 이상

105건 중 39건

허리 사이즈 차트였다면 그대로 출고되었을 핏 충돌을 구매 전에 감지

동일한 105개 쌍 골든 세트

15명의 가상 쇼퍼 코호트와 8개 의류 카탈로그를 대상으로 작동하는 메커니즘 데모입니다. 결정론적 변형률 엔진과 벤치마크는 API 키 없이 완전히 오프라인으로 실행되며, 모델을 사용하는 부분은 선택적 에이전트뿐입니다.

원단 특성을 측정해 본 적도 없으면서 신체를 설명하는 척하는 네 개의 숫자

의류 반품의 대부분은 핏 문제이며, 그 근본 원인은 미적인 것이 아니라 역학적인 것입니다.

의류 반품의 53~67%가 핏 관련 문제이며, 쇼퍼의 약 63%가 하나를 반품할 목적으로 두 사이즈를 주문하는 '브래케팅(bracketing)'을 합니다(업계 소스를 기반으로 한 Veriprajna WP34 연구, 2026년). 운송업체와 브랜드가 역물류 비용을 떠안게 되며, 청바지는 신축성, 밑위(rise), 허리 역학 구조 때문에 의류 중 반품률이 가장 높은 품목에 속합니다.

근본 원인은 간단합니다. 사이즈 차트는 3차원 신체를 설명하기 위해 4개의 1차원 숫자만 제공하며, 원단이 신축성이 전혀 없는 로 셀비지(raw selvedge)인지 4방향 폰테(4-way ponte)인지 알지 못합니다. 따라서 동일한 허리 치수를 가진 쇼퍼라도 뻣뻣한 리지드 데님에서는 맞지 않는 사이즈를, 스트레치 데님에서는 맞는 사이즈를 추천받게 되며, 차트는 이 두 의류를 구분하지 못합니다. 브래케팅은 원단을 보지 못하는 도구에 대한 쇼퍼들의 합리적인 대응입니다.

업계의 관행적 대응은 더 나은 시각 이미지로 반품을 해결하려는 것이었습니다. 생성형 가상 피팅은 옷이 몸에 잘 어울려 보이게 만들 수는 있지만, 쇼퍼가 앉았을 때 허벅지 부위가 해당 데님의 신축 한계를 초과하는지는 이미지가 알려주지 못합니다. 사이즈 적합 여부는 역학적 사실입니다. 즉, 원단의 탄성 한계에 대한 신체 각 부위의 둘레 변형률입니다. 이는 사이즈 차트가 놓치고 렌더링 이미지는 애초에 담지 못했던 물리량이며, 바로 Contour가 계산하는 핵심입니다.

타입 지정 에이전트 크루가 제품 문구를 정규화하고, 결정론적 엔진이 사이즈를 결정합니다

단계별로 보여주는 단일 파이프라인. 핵심 하중을 지탱하는 결정은 모델이 아닌, 단위 테스트를 거친 순수 Python 코드로 실행됩니다.

신체와 의류에 대해 파이프라인은 다음 순서로 실행됩니다: 원단 역학 에이전트가 판매자 문구에서 정형화된 사양을 추출하고, 적대적 비평가가 이를 검증하며 차단할 수 있고, 변형률 엔진이 순수 코드로 사이즈를 결정하며, 정책 게이트가 적합한 사이즈를 선택하거나 기권하고, 핏 노트 에이전트가 결과를 문장으로 표현합니다. 추천을 결정하는 모든 수치는 언어 모델이 문구를 다루기 전에 이미 계산됩니다.

제품 문구 + 신체 치수 → FabricMechanicsAgent (추출) → FabricMechanicsCritic (검증, 차단 가능) → 변형률 엔진 (결정, 순수 코드) → 정책 게이트 (적합 사이즈 선택, 없으면 기권) → FitNoteAgent (문구 표현) → 감사 영수증 (JSON) + /api/fit 엔드포인트

결정론적 신뢰 코어

언어 모델의 외부에 존재하는 부분입니다. 후보 사이즈별로 변형률 엔진은 (신체 둘레 - 의류 완성 둘레) / 의류 완성 둘레로 구역 변형률을 계산한 다음, 각 구역을 원단의 탄성 한계 및 구역별 편안함 대역과 비교합니다. 정책 게이트는 구역별 총 후회도(regret)가 가장 낮은 사이즈를 선택하며, 모든 구역이 편안함 범위에 들어오는 사이즈가 없을 경우 기권합니다. 이것이 핵심 하중을 지탱하는 결정이며, 전적으로 순수 Python으로 구현되어 있고 8개의 단위 테스트가 물리 법칙을 보장하므로 신뢰성이 모델에 의존하지 않습니다.

조언으로 범위가 한정된 에이전트

코어 위에서 타입 지정 크루가 데이터를 읽고 전달합니다. FabricMechanicsAgent는 제품 제목, 섬유 혼용률, 중량, 조직 등 정돈되지 않은 판매자 문구를 신축성 등급, 탄성 변형률 한계, 각 매개변수의 근거가 되는 원문 문구가 포함된 정형 원단 사양으로 변환합니다. FabricMechanicsCritic은 해당 사양을 물리적 제약 조건과 대조 확인하고 모순을 차단합니다. FitNoteAgent는 계산된 결과를 자연스러운 문장으로 표현합니다. 조언자들은 제공자 교체가 가능하며 기본값은 claude-opus-4-8입니다. API 키가 없으면 원단 추출은 캐시된 사양으로 대체되고 결정론적 엔진은 여전히 실시간으로 실행되므로 데모는 완전히 오프라인으로 구동됩니다. 에이전트는 조언하고, 코드가 결정합니다.

3인의 에이전트 크루와 최종 결정권자

단계	역할	기반
FabricMechanicsAgent	판매자 제품 문구를 읽어 신축성 등급, 탄성 변형률 한계, 중량 및 출처 문구가 포함된 정형화된 원단 사양으로 변환합니다.	LLM, 타입 지정
FabricMechanicsCritic	사양을 물리적 제약 조건과 비교 검증하고 모순을 차단하여 추천 없이 사람의 검토로 라우팅합니다.	LLM 및 결정론적 규칙
변형률 엔진	모든 후보 사이즈에 대해 원단의 탄성 한계 대비 구역별 둘레 변형률을 계산합니다.	순수 코드, 결정
정책 게이트	구역별 총 후회도가 가장 낮은 사이즈를 선택하거나, 모든 구역을 만족하는 사이즈가 없을 경우 기권합니다.	순수 코드, 기권
FitNoteAgent	계산된 결과를 표현합니다(예: 엉덩이 밀착, 허벅지 여유). 수치를 직접 계산하지는 않습니다.	LLM, 문구 표현
감사 영수증 및 API	재생 가능한 JSON 영수증을 작성하고 AI 쇼핑 에이전트가 활용할 수 있도록 동일한 결과를 /api/fit에서 제공합니다.	결정론적 출력

지속 가능한 가치는 사이징을 더 잘 추측하는 모델이 아니라 물리학과 감사 영수증에 있습니다. 완벽한 언어 모델이라 할지라도 원단 역학, 신체 기하학 구조, 구역별 변형률 계산, 기권 정책, 재생 가능한 영수증이 반드시 필요합니다. 이 인프라 자체가 핵심 제품이며, LLM은 그 내부에서 교체 가능한 하나의 조언자일 뿐이므로 모델이 발전하더라도 이 접근 방식의 가치는 퇴색되지 않습니다.

화면으로 보는 5가지 핵심 순간

모든 쇼퍼와 의류는 합성 데이터입니다. 15개의 신체 코호트와 8개의 의류 카탈로그로 구성되어 있으며 가상의 이름을 사용합니다. 화면의 각 수치는 하드코딩된 것이 아니라 런타임에 엔진이 직접 생성합니다.

핵심 포착: 로 셀비지 데님에서 Riley에게 맞는 사이즈는 차트에 표시된 28이 아닌 29입니다

Ironside 14oz Raw Selvedge Straight Jean을 입은 Riley의 경우, 모든 구역에서 편안한 29 사이즈가 95%의 신뢰도로 추천됩니다. 허리 전용 차트라면 28을 제시했겠지만 이는 오답입니다. 28 사이즈에서는 신축성이 전혀 없는 이 데님의 허벅지 신축 한계를 초과하기 때문입니다. 구역별 변형률 막대를 통해 각 구역이 원단의 편안함 범위 내에 있으면 녹색으로 표시되어 쉽게 확인할 수 있습니다. 차트는 원단을 느낄 수 없으므로 사이즈를 결정하는 유일한 핵심 변수를 놓칩니다.

Ironside 생지 셀비지 진에서 Riley에게 95% 신뢰도로 29 사이즈를 추천하는 Contour 화면. 허리 전용 차트는 28 사이즈를 제시하여 오답이 된다는 안내와 함께 허리, 엉덩이, 허벅지, 인심 구역별 변형률 바가 모두 '편안함'으로 표시됩니다. — 로 셀비지를 입은 Riley: 95% 신뢰도로 29 사이즈 추천, 허리 전용 차트의 28은 오답으로 취소선 처리.

동일한 체형, 다른 원단, 달라지는 정답 사이즈

동일한 쇼퍼를 외관상 유사한 Driftwood Stretch Slim Jean으로 변경하면, 모든 구역이 완벽히 맞아떨어지며 90% 신뢰도로 정답 사이즈가 28로 바뀝니다. 여기서는 원단의 신축성이 로 셀비지에서 문제가 되었던 허벅지 부위를 수용해 주기 때문에 허리 전용 차트도 우연히 28과 일치합니다. 이것이 바로 핵심 논지입니다. 동일한 체형이라도 엔진이 각 원단의 신축 한계와 신체의 결합을 계산하기 때문에 한 청바지에서는 29, 겉보기에 비슷한 다른 청바지에서는 28이 정답이 됩니다.

Driftwood Stretch Slim Jean에서 동일 쇼퍼 Riley에게 90% 신뢰도로 28 사이즈가 추천되는 화면. 신축성 데님이 다른 구역을 수용하므로 허리 전용 차트 역시 여기서는 28과 일치한다는 안내가 포함됩니다. — 스트레치 데님을 입은 동일 체형: 28 사이즈. 정답 사이즈는 쇼퍼가 아니라 원단에 따라 바뀌었습니다.

완벽한 사이즈가 없을 때는 억지 추측 대신 기권합니다

Ironside 로 셀비지 진을 입은 쇼퍼 Jordan의 경우 실제 핏 충돌이 발생합니다. 작은 사이즈는 허벅지가 맞지 않고 큰 사이즈는 허리가 헐렁하며, 신축성이 없는 이 원단에서는 어떤 사이즈도 모든 구역을 만족하지 못합니다. Contour는 58% 신뢰도에서 솔직하게 기권(abstain)을 반환하고, 차선책 사이즈를 추천하면서 쇼퍼에게 두 사이즈를 주문(브래케팅)하거나 스타일리스트와 상담할 것을 안내합니다. 반면 허리 전용 차트는 확신에 찬 어조로 28을 제시합니다. 라벨링된 골든 세트 전체에서 엔진은 무리하게 추측하는 대신 105개 쌍 중 33개에서 기권합니다.

Ironside 생지 셀비지 진에서 Jordan에 대해 58% 신뢰도로 기권하는 Contour 화면. 허리와 엉덩이는 헐렁하고 허벅지는 꽉 끼는 실제 핏 충돌을 언급하며 차선책인 31 사이즈 추천 및 브래케팅 또는 스타일리스트 상담을 권장하는 정직한 기권 배너. — 기권 처리 순간: 58% 신뢰도에서 실제 핏 충돌 발생 시, 억지 사이즈 제시 대신 브래케팅이나 스타일리스트로 연결.

적대적 비평가가 물리적으로 모순된 제품 문구를 차단합니다

Maverick Raw Selvedge Flex Jean에는 '4방향 스트레치를 갖춘 100% 면 생지 셀비지 데님'이라는 물리적으로 모순된 판매자 문구가 포함되어 있습니다. FabricMechanicsCritic은 이 추론을 거부합니다. 로 셀비지와 엘라스테인은 역학적으로 양립할 수 없으며, 뻣뻣한 직물이 4방향 스트레치가 될 수는 없기 때문입니다. 사이즈 추천은 발행되지 않으며 해당 품목은 담당자 검토로 라우팅됩니다. 이는 점수화된 메트릭이 아닌 정직성 행동이며, 이 의류는 차단 기능을 보여주기 위해 의도적으로 평가 대상 골든 세트에서 제외되었습니다.

Maverick Raw Selvedge Flex Jean을 차단하는 비평가 화면. 붉은색 담당자 검토 패널에 '로 셀비지와 엘라스테인은 역학적으로 양립 불가하며 뻣뻣한 직포는 4방향 신축이 될 수 없어 원단 추론이 거부되었으므로 사이즈 추천이 발행되지 않음'으로 표시됩니다. — 4방향 신축을 주장하는 로 셀비지 등 모순된 문구는 거부되며 추천 없이 담당자 검토로 라우팅됩니다.

벤치마크 및 핵심 제시 지표

라벨링된 105개 쌍의 합성 골든 세트(15개 체형 × 7개 평가 의류)에서 Contour는 허리 전용 기준선인 60% 대비 100%를 기록하여 40%p의 정확도 향상을 달성했습니다. 이 과정에서 39건의 충돌을 사전에 잡아냈고 67.6%의 쌍에 단일 고신뢰도 사이즈를 제공했습니다. 적용 범위를 명확히 밝히자면, 골든 세트 라벨은 엔진이 사용하는 것과 동일한 측정 가능한 원단 신축성 수치를 사용하므로 100%라는 수치는 이 구성된 세트의 고유한 특성이며 오픈 월드에서의 완벽한 보증은 아닙니다. 신뢰할 수 있는 독립적 핵심 지표는 실제 기존 방식 대비 +40%p의 향상이며, 이는 뻣뻣한 원단에서 가장 두드러집니다: 로 셀비지 100 대 33, 리지드 치노 100 대 40, 울 수트 100 대 53, 구조적 새틴 100 대 60, 스트레치 데님 100 대 53, 폰테 니트 100 대 87, 골지 니트 100 대 93. 신축성이 매우 뛰어난 니트에서는 원단이 거의 모든 치수 차이를 보완해 주기 때문에 단순 허리 매칭도 근접한 결과를 냅니다.

엔진 정확도 100%, 허리 전용 기준선 60%, +40%p 정확도 향상, 105건 평가, 39건 충돌 감지, 67.6% 단일 사이즈 추천을 보여주는 Contour 벤치마크 화면. 로 셀비지 진에 대한 쇼퍼별 표에서 엔진이 정답을 맞히고 허리 전용 차트는 기권 사례에서 오답을 낸 것으로 표시됩니다. — 라벨링된 105개 쌍 골든 세트에서의 +40%p 향상. 엔진의 강점은 뻣뻣한 데님과 테일러링 의류에 집중되어 있습니다.

재생 가능한 영수증과 AI 에이전트가 활용하는 페이로드

모든 추천은 JSON 감사 영수증을 작성합니다. 각 매개변수를 유도한 정확한 원문 문구가 포함된 추출 원단 사양, 비평가 평결, 사이즈별 전체 변형률 매트릭스, 그리고 신뢰도가 포함된 결정 결과입니다. 동일한 결과가 AI 쇼핑 에이전트가 처리할 수 있는 기계 판독 가능 페이로드 형태로 /api/fit에서 제공되며, 추천 사이즈, 신뢰도, 기권 플래그, 구역별 핏 배열, 감사 ID를 전달합니다. 커머스가 우리를 대신해 거래하는 에이전트 중심으로 이동함에 따라, 이들이 읽는 사이징 신호는 이미지가 아닌 신뢰도 점수가 매겨지고 감사가 가능한 보고서 형태여야 합니다.

원단 클래스 raw selvedge denim, 신축률 1%, 탄성 변형률 한계 0.02, 추출 신뢰도 0.95, 출처 문구 14oz raw selvedge denim, 100 percent cotton, rigid non-stretch, 비평가 평결, 사이즈별 변형률 매트릭스를 표시하는 Contour의 JSON 감사 영수증. — 감사 영수증: 원단 출처 문구, 비평가 평결, 결정의 근거가 된 사이즈별 전체 변형률 매트릭스.

recommended_size 29, confidence 0.95, abstain false, 추출된 원단 블록, 허리·엉덩이·허벅지에 대한 변형률 및 편안함 상태가 포함된 per_zone_fit 배열을 표시하는 Contour 에이전트 API의 기계 판독 가능 응답. — /api/fit 페이로드: 추천 사이즈, 신뢰도, 기권 플래그, 구역별 핏 정보가 모두 감사 ID로 추적 가능.

Contour의 역할과 적용 범위

더 보기 좋은 이미지나 더 똑똑한 추측기가 아닌, 물리학과 정직성 정책에 기반한 핏 인텔리전스 레이어입니다.

고려 항목	사이즈 차트 또는 가상 피팅	Contour
원단의 신축 한계	확인 불가; 리지드와 스트레치 원단에 동일한 수치 적용	각 원단의 탄성 한계에 맞춰 구역별로 직접 계산
동일한 체형, 유사한 두 청바지	두 바지 모두 단일 사이즈 제시, 뻣뻣한 원단에서는 오답 빈번	생지 셀비지는 29, 스트레치 데님은 28로 각각 정확한 사이즈 도출
완벽히 맞는 사이즈가 없을 때	확신에 찬 어조로 어쨌든 사이즈를 출력	기권하고 브래케팅 또는 스타일리스트 상담 권장
모순된 판매자 제품 설명	검증 없이 그대로 통과	적대적 비평가가 차단하여 담당자 검토로 라우팅
사이즈 결정 주체	단순 조회 테이블 또는 감사되지 않은 모델	LLM이 아닌 단위 테스트를 거친 결정론적 변형률 엔진
AI 쇼핑 에이전트가 읽는 정보	단순 이미지, 또는 기계 판독 불가	신뢰도 점수 및 기권 인식이 포함되고 감사 ID가 부여된 /api/fit 페이로드

이 데모가 다루지 않는 범위

완벽한 핏을 보장하지는 않습니다. 100%라는 수치는 엔진의 측정 가능한 신축성 수치를 공유하는 고정 라벨링 105개 쌍 합성 골든 세트 기준이므로 오픈 월드에서의 정확도 보증이 아닙니다. 지속적이고 실질적인 수치는 기존 허리 전용 방식 대비 +40%p의 향상입니다.
쇼퍼, 신체, 의류, 제품 문구 및 측정치는 모두 합성 데이터입니다. 15개 체형 코호트와 8개 의류 카탈로그, 그리고 Riley, Jordan, Ironside, Driftwood, Maverick 등의 이름은 가상입니다.
완전한 유한요소해석(FEA) 직물 시뮬레이션이 아닌 축소 차수 해석적 변형률 모델입니다. Tier-3 단계에서 CLO3D, Browzwear, Style3D와 같은 FEA 툴과 연동하며, 이 데모에서 이를 새로 구축하지는 않습니다.
사진을 바탕으로 신체를 재구성하지 않습니다. 온디바이스 사진 기반 치수 캡처는 스텁(stub)으로 처리되어 있으며, 데모는 치수를 직접 입력받아 처리합니다. 이는 실제 프라이버시 보호 인터페이스이기도 합니다.
실시간 리테일 연동은 포함되지 않습니다. Shopify, CLO-SET, Browzwear 커넥터는 모의 픽스처 기반으로 문서화된 어댑터 인터페이스이며 실시간 연동이 아닙니다.
생성형 가상 피팅이 아닙니다. 핵심 논지는 보기 좋은 픽셀 이미지가 핏 데이터가 될 수 없다는 점입니다.
기권과 비평가 기능은 정직성 행동으로 제시되며, 감지된 오류율의 점수 지표로 마케팅되지 않습니다.
실제 고객, 브랜드, 배포 사례, 추천사, 로고 또는 주장된 ROI는 없습니다. 핵심 결정은 8개의 단위 테스트를 갖춘 결정론적 Python으로 이루어지며, LLM 조언자는 제공자 교체 및 생략이 가능하고 기본값은 claude-opus-4-8입니다.

구매 담당자가 자주 묻는 질문

이미 사이즈 차트를 제공하고 가상 피팅도 도입했는데, 왜 여전히 핏 관련 반품이 발생하는 건가요?

두 방식 모두 원단을 감지할 수 없기 때문입니다. 사이즈 차트는 3차원 신체를 설명하는 4개의 1차원 숫자만 제공하며, 데님이 신축성 없는 로 셀비지인지 4방향 폰테인지 알지 못합니다. 생성형 가상 피팅 이미지는 옷이 신체에 잘 맞아 보이게 만들지만, 쇼퍼가 앉았을 때 허벅지 부위가 원단의 신축 한계를 초과하는지는 전혀 알려주지 않습니다. 핏은 원단의 탄성 한계에 대한 각 구역의 둘레 변형률이라는 역학적 사실이며, 이는 사이즈 차트와 화려한 렌더링 이미지 모두가 놓치고 있는 부분입니다. Contour는 이를 직접 계산하므로, 동일한 체형이라도 생지 셀비지에서는 29가 맞고 스트레치 데님에서는 28이 맞게 도출됩니다.

이 솔루션은 신체에 옷을 입혀 보여주는 가상 피팅인가요?

아닙니다. 그것은 본 솔루션의 논지와 정반대입니다. 가상 피팅은 몸에 청바지를 입힌 모습을 보여줄 수 있지만 실제로 맞을지는 알 수 없습니다. 시각적 이미지는 핏 데이터가 아니기 때문입니다. Contour는 신체 측정치를 입력받아 원단 역학을 기반으로 계산된 사이즈, 신뢰도, 구역별 핏 노트를 반환합니다. 이미지가 아닌 보고서 형태이므로 결제 시점에 AI 쇼핑 에이전트가 직접 활용할 수 있습니다.

벤치마크에서 100%라고 했는데, 실제로 항상 맞나요?

아닙니다. 저희는 그렇게 주장하지 않습니다. 100%라는 수치는 엔진이 사용하는 것과 동일한 측정 가능 원단 신축성 수치를 라벨에 적용한 고정 105개 쌍 합성 골든 세트 기준이므로, 완전한 독립 오라클이 아니며 오픈 월드에서의 정확도 보증이 아닌 해당 구성 세트의 특성입니다. 주목해야 할 핵심 지표는 동일 라벨에서 기존의 실제 방식인 허리 전용 사이즈 차트 매칭 대비 향상도입니다. Contour는 100% 대 60%로 40%p 앞서며, 특히 핏을 맞추기 가장 까다로운 뻣뻣한 데님과 테일러링 의류에서 강점이 두드러집니다. 100%는 라벨링된 세트에서의 내부 상한선으로 이해해야 하며, 실제 환경에서의 완벽한 핏 보증으로 해석해서는 안 됩니다.

쇼퍼의 사진이나 신체 스캔이 필요한가요?

아닙니다. Contour는 프라이버시 우선 원칙을 따르며, 사진 없이 측정치만 입력받습니다. 본 데모는 센티미터(cm) 단위의 치수를 직접 입력받아 의류의 원단 역학과 대조 확인하며, 이는 실제 제공될 프라이버시 보호 인터페이스와 동일합니다. 온디바이스 사진 기반 치수 캡처는 데모에서 스텁(stub) 처리되어 있으며 구축되지 않았으므로 단안 카메라 기반 신체 재구성에 의존하지 않습니다.

현재 Shopify나 자체 PLM, CLO3D, Browzwear와 연동되나요?

본 데모에서는 연동되지 않습니다. Shopify, CLO-SET, Browzwear 커넥터는 모의 픽스처 뒤에 구현된 문서화된 어댑터 인터페이스이며 실시간 연동이 아닙니다. 쇼퍼, 의류, 제품 문구 및 측정치는 실제 카탈로그가 아닌 합성 테스트 픽스처입니다. 또한 적용 범위를 명확히 하자면, 본 솔루션은 Tier-1 및 Tier-2 수준의 축소 차수 해석적 변형률 모델이며 완전한 FEA 직물 시뮬레이션이 아닙니다. Tier-3에서 CLO3D나 Browzwear와 같은 FEA 도구와 연동하며 이를 재구축하지는 않습니다.

결제 전환에 직결되는 사이즈를 AI가 선택하는데, 어떻게 신뢰할 수 있나요?

핵심 하중을 지탱하는 결정이 LLM에 의해 내려지지 않기 때문입니다. 사이즈 선정과 기권 처리는 단위 테스트를 거친 순수 Python 코드로 계산됩니다. 엔진은 각 후보 사이즈에 대해 원단의 탄성 한계 대비 구역별 둘레 변형률을 계산하며, 8개의 단위 테스트가 물리 법칙을 엄격히 검증합니다. 언어 모델은 정돈되지 않은 판매자 문구를 정형 원단 사양으로 변환하고 최종 안내 문구를 작성할 뿐, 수치나 결정 자체를 계산하지 않습니다. '에이전트는 조언하고 코드가 결정한다'는 특성 덕분에 결제 시스템이 호출할 수 있는 안전한 API로 제공될 수 있습니다.

확신할 수 없을 때는 어떻게 동작하나요?

억지로 추측하지 않고 솔직하게 기권(abstain)합니다. 작은 사이즈는 허벅지가 끼고 큰 사이즈는 허리가 남는 비신축 원단처럼 어떤 단일 사이즈도 모든 구역을 편안하게 만족하지 못할 때, 정책 게이트는 기존 차트처럼 잘못된 사이즈를 확신에 차 출력하는 대신 차선책 사이즈를 추천하고 복수 주문(브래케팅)이나 스타일리스트 상담 플래그를 표시합니다. 라벨링된 105개 쌍 골든 세트 전체에서 엔진은 105개 중 33개 쌍에 대해 기권했습니다. 또 다른 정직성 기능인 적대적 비평가는 4방향 신축을 주장하는 로 셀비지처럼 물리적으로 모순된 판매자 문구를 차단하고 추천 없이 담당자 검토로 라우팅합니다.

기술 연구

본 데모의 기반이 된 연구 — 아키텍처, 검증 설계 및 엔터프라이즈 청사진.

전체 솔루션

패션 전자상거래를 위한 AI 핏 예측 솔루션 알아보기 →

반품 문제를 계산 가능한 핏 문제로 전환하십시오

원단을 감지하는 물리학, 그리고 완벽한 사이즈가 없을 때 기권하는 엄격한 원칙.

귀사의 전자상거래, 반품 관리 또는 엔지니어링 팀이 구매자와 향후 이들을 대신해 쇼핑할 AI 에이전트에게 신뢰할 수 있는 사이징 신호를 제공하는 방법을 고민하고 계시다면, 귀사의 인사이트를 함께 나누고 싶습니다. 이는 업계 전체의 과제이며 해결책 역시 함께 만들어가야 합니다.

핏 및 반품 평가

✓ 귀사 카탈로그에서 핏 반품 및 브래케팅이 집중되는 영역 분석
✓ 보유 핏에 대한 원단 역학 및 구역별 편안함 대역 모델링
✓ 사진이 필요 없는 프라이버시 우선 치수 입력 인터페이스 설계
✓ 머천다이징 및 CX 팀이 신뢰할 수 있는 기권 정책 수립

협업 및 구축

✓ 모델 외부에서 동작하는 단위 테스트 완료 결정론적 변형률 엔진
✓ 잘못된 문구를 차단할 수 있는 적대적 비평가를 갖춘 타입 지정 에이전트 크루
✓ 재생 가능한 감사 영수증을 제공하는 신뢰도 점수 기반 /api/fit 엔드포인트
✓ Shopify, CLO-SET, Browzwear 및 자체 PLM을 위한 어댑터 인터페이스

WhatsApp으로 문의하기 팀에 이메일 보내기