비바테크 2026, 디자인 다음을 이야기한 나흘

신발과 의류는 한 장의 이미지로 완성되지 않습니다. 누구를 위한 제품인지 정하고, 쓰임과 착화감을 상상하며, 소재와 구조를 고르는 판단이 쌓여야 합니다. 패턴을 다루고 샘플을 고치며 축적한 작업자의 감각도 그 안에 남습니다. AI가 이미지를 빠르게 만들 수 있어도 어떤 불편을 해결할지, 어떤 구조를 끝까지 지킬지는 사람이 정합니다. 기획과 장인정신이 제품의 기준을 세우는 이유입니다.

2026년 6월 17일부터 20일까지 파리 포르트 드 베르사유에서 ShoeCatch와 SINPLE을 함께 시연했습니다. 스케치와 레퍼런스를 벡터 데이터로 정리하고, 신발과 의류 디자인을 확장한 뒤 제조 논의로 넘기는 순서였습니다. 방문객은 화면에서 빠르게 달라지는 실루엣과 컬러웨이를 먼저 봤지만, 대화는 곧 그 이미지가 다음 팀에서 어떻게 쓰이는지로 넘어갔습니다.

이미지 다음 단계에서 질문이 시작됐다

만든 이미지를 설계 데이터로 다시 쓸 수 있는지, 소재와 구조를 함께 다룰 수 있는지, 샘플 제작 전에 제조 조건을 점검할 수 있는지에 질문이 모였습니다. 벡터로 정리된 선이 다음 작업에 활용되는지, 디자인 정보가 제조 파트너에게 전달될 때 다시 해석해야 하는지도 실무자들이 확인한 부분이었어요.

올해 전시장에는 이미지를 빠르게 만드는 AI 솔루션이 많았습니다. 실제 생산까지 설명할 수 있는 사례는 상대적으로 드물었어요. 관심은 생성 품질에서 디자인 탐색이 끝난 뒤에도 정보가 끊기지 않는 구조로 옮겨갔습니다. 이미지와 벡터 데이터는 패턴과 제조 사양으로 넘어가고, 샘플 수정 내역은 다음 생산과 제품 관리에 다시 쓰여야 했습니다.

지난해에는 3D 변환과 호환성을 물었다

3D에 관한 논점은 지난해 현장에서 이미 구체적으로 등장했습니다. 2025년 비바테크에서 반복된 질문은 3D 변환과 호환성이었어요. UV 매핑은 어느 범위까지 가능한지, 제조에 맞게 데이터를 최적화할 수 있는지, FBX와 GLB 같은 포맷을 실무에서 주고받을 수 있는지를 물었습니다.

당시 질문은 입체 모델을 만들 수 있는가에서 끝나지 않았습니다. 생성형 AI와 3D로 만든 결과를 현업 담당자와 생산 파트너가 이어받을 수 있는지, 실제 적용 사례와 PoC 경험이 있는지까지 확인했습니다. 지난해 가장 긍정적인 반응이 디자인과 제조를 잇는 구조에 모였던 이유도 여기에 있습니다. 화면 속 모델보다 그 데이터의 다음 쓰임을 보고 있었던 겁니다.

올해 생산 연계 프로세스에 대한 관심은 더 구체적이었습니다. 3D 관련 질문은 사라지지 않았습니다. 질문의 기준이 한 단계 뒤로 이동했어요. 단일 변환 결과보다 벡터, 패턴, 소재, 제조 정보가 한 작업 안에서 어떻게 연결되는지, 검증한 데이터를 실제 생산에서 어디까지 재사용할 수 있는지가 대화의 중심에 놓였습니다.

AI가 바꾼 것은 3D의 필요보다 순서였다

과거에는 디자인을 입체로 확인하려면 3D 모델링이 초기부터 필수 단계에 가까웠습니다. 형태를 만들고 소재를 입힌 뒤 여러 각도에서 검토해야 다음 판단으로 넘어갈 수 있었죠. 생성형 AI가 들어오면서 디자이너는 스케치와 레퍼런스만으로 실루엣, 컬러웨이, 시점의 변형을 빠르게 비교할 수 있게 됐습니다. 모든 아이디어를 같은 수준의 3D 자산으로 먼저 만들 필요는 줄었습니다.

지난해의 질문이 어떤 3D 포맷으로 주고받을 수 있는가에 가까웠다면, 올해는 그 데이터를 어느 단계에서 다시 쓸 것인가로 이어졌습니다. AI가 탐색 범위를 넓히고, 3D는 선택된 안을 깊게 검증하는 데 집중하는 방식입니다. 여러 시안 가운데 생산으로 이어질 디자인을 고른 뒤 정확한 입체 정보와 구조 검토에 시간을 쓰는 편이 효율적이죠.

ShoeCatch 팀이 풀고 있는 패터닝 설계에서는 이 검증이 특히 중요합니다. 2D 패턴을 입체 형상과 맞추고, 파츠의 관계와 아웃솔 구조를 살피며, 핏과 조립 조건이 실제 제품으로 성립하는지 확인해야 합니다. AI는 패턴 후보와 반복 수정을 보조하고, 3D는 그 정보가 물리적인 형태에서 맞는지를 검증합니다.

제조 이후까지 이어지는 정보를 만들다

비바테크에서 만난 관계자들은 디자인 파일이 제조 단계에서 매번 새로 해석되지 않기를 바랐습니다. 패턴과 소재, 구조 정보가 함께 남고, 샘플에서 수정한 내용이 다음 생산과 제품 관리에 활용되는 방식입니다. 이미지 생성은 시작점이었고, 관심은 제조 연계와 제품 라이프사이클로 넓어졌어요.

행사 뒤에는 현장의 대화를 디자인 탐색, 패턴과 제조 연계, 소재 데이터, 실제 적용 검증으로 나눠 후속 시연과 협업 논의를 준비했습니다. AI가 반복 작업을 줄인 만큼 작업자는 더 많은 안을 비교하고, 제품의 기준을 세우며, 다음 담당자가 이해할 수 있는 정보를 남길 수 있어야 합니다. 속도가 빨라질수록 판단의 근거를 보존하는 일이 중요해집니다.

두 번의 비바테크에서 질문의 변화가 보였습니다. 지난해에는 3D로 무엇을 만들고 어떤 포맷으로 전달할 수 있는지를 물었고, 올해는 그 데이터가 패턴과 제조에서 어떻게 다시 쓰이는지를 확인했습니다. 작업자의 기획과 장인정신은 제품의 기준을 세우고, AI는 탐색을 앞당깁니다. 3D와 패터닝은 선택한 디자인이 실제 제품으로 성립하는지를 검증합니다. 이 역할을 생산과 제품 라이프사이클까지 연결해 본 것이 이번 참가의 가장 큰 의미였습니다.