NEXUS OS
Decision Operating System
⌂
홈
Home
▶
업무
Work
⚗
업무2
Work2
⚖
심의
Council
▦
프로젝트
Projects
◳
프로젝트2
Project2
◰
프로젝트3
Project3
⬡
두뇌
Brain
◫
기억
Memory
◇
온톨로지
Ontology
↻
루프
Loop
▣
전략
Strategy
S
Steve
CEO
ⓘ
소개
About
⚙
설정
Settings
한국어
⇄
EN
◐ 다크
⇄
라이트
Web v2.0.0 · 시스템(헌법) v0.13
업무
브릿 운영 콕핏
2026년 8월 22일 토요일
운영
▣
현황판
Overview
▦
일정
Schedule
2
✓
할 일
Tasks
1
✉
메일
Mail
15
인사·조직
⧉
조직도
Org
⊡
직원
Staff
고객·영업
⊞
거래처
Clients
▥
명함
Contacts
2
◢
매출
Sales
경영·문서
▤
문서
Documents
5
✍
계약
Contracts
₩
재무
Finance
▧
회사일반
Company
일정 편집
← 상세
제목
종류
일정
미팅
📅
날짜
· 6월 11일 (목)
오늘
내일
모레
다음 주
시작
끝
상대
장소
메모
**목적**: CLO의 **AI 도입·활용 현황 파악** + ★***그 방식에서 STEP NEXT·NEXUS가 배워 적용할 게 있나* 체크.** ### 1. 회사 — 클로버추얼패션 (CLO Virtual Fashion) - **무엇**: 3D 의상 시뮬레이션 *세계 1위.* 제품 둘 — - **CLO3D** — 패션·어패럴 (패턴·테크팩·생산 파일) - **Marvelous Designer** — 영화·게임·애니 (실사 천 시뮬) - **연혁**: 2009 서울 창업("샘플 낭비" → 실물처럼 거동하는 1:1 디지털 복제) → MD 베타 2009 / CLO 2010 → 뉴욕 오피스 2014·뮌헨 → *에미 기술상(2021)* · *아카데미 기술상*(MD) → *2025 활성 전문가 100만 명.* 본사 서울. - **투자**: ~$34–40M, Series D(2024.12) — ★**Epic Games**·DSC·신한·Stonebridge·IMM. *2026 이커머스 전략 투자자* 유치 중. - **AI**: 자체 *AI 패턴 자동화 → 생산성 40–60%↑.* - **경영진**: CEO Simon Kim · 창업자/CTO Jaden Oh(시뮬레이션 엔진 발명) · 부사장 **김광일**(상대). *(창업자 표기는 출처별 상이 — 확정은 본인 확인.)* ### 2. 인물 — 김광일 부사장 - **AI 세계관 (공개 발언 — 확인됨)**: 1. *데이터가 AI의 기초* (3D 패턴·원단·컬러 데이터가 정리돼 있어야 AI가 됨) 2. *API로 확장·연결* → 생태계·상호운영성 3. *자동화 = 검수·드러지 제거 / 창의성은 인간* (대체 아닌 증강) 4. *인재 부족이 최대 난제* → 교육에 직접 관여 - 직접 인용: *"API로 다양한 기업과 연결될 가능성이 무궁무진 … 검수를 자동화하고 진입 장벽을 낮춰 상호 운영성을 높이는 것이 목표."* (fashionbiz) - **개인 학력·경력**: ✗ **공개 정보 없음** (동명이인 다수로 검색 미확인 — *지어내지 않음*). 필요하면 *소개자에게 묻거나 미팅서 자연스럽게.* ### 3. 오프닝 한 줄 > *"CLO가 AI를 어디까지·어떻게 쓰고 계신지 현장 이야기를 듣고 싶어 왔습니다 — 제품 안이든, 사내 운영이든."* ### 4. 질문 **A. 제품 속 AI** - 패턴 자동화 40–60%↑ — *어느 공정*(패턴/그레이딩/QC)서 가장 컸나? 고객 반응? - MD 2026 AI = *시뮬 가속* vs *생성형(말→의상)*? 로드맵? - AI가 디자이너 *대체* vs *증강*? **B. 사내 운영 AI** (Steve 전문 — 깊게) - 내부(개발·QC·CS·문서) AI 어디까지? *사내 도구 직접* vs *상용*? - 개발에 코딩 AI(Claude Code 등) 도입? 체감? **C. 전략·인재** (★= 김광일 hot button) - ★API 통합 다음 = *AI 에이전트가 워크플로 자동* 도는 방향도? - AI 시대 *해자*는? 가장 큰 *병목*은? - ★디자이너 부족 — *비전문가도 쓰게* vs *전문가 교육*? **D. ★배울 점 추출 (진짜 목적 — 현황 말고 *방식·교훈*)** - AI 도입의 가장 큰 *실수/교훈*? 다시 한다면 뭘 다르게? - 조직이 AI를 *받아들이게* 한 방법? (현장 저항) - *효과(40–60%)를 어떻게 측정*했나? - *데이터를 AI 기초로 정리*하며 가장 어려웠던 점? ### 5. 팁 / 주의 - ★질문(API 에이전트화·인재교육)이 김광일 *hot button* — 거기 건드리면 대화 풀림. - 내부 AI·전략은 *기밀 민감* 가능 → 깊이는 상대 편한 만큼. - ★*"데이터 = 해자"* 관점이 Steve 생각과 정면으로 맞물림 → ***"데이터를 어떻게 자산화했나"*가 최대 배울 점.** ### 6. 배울 점 / 후속 (미팅 *후* 채움) - STEP NEXT·NEXUS에 가져올 것: - 결정/후속: --- *출처*: clovirtualfashion.com · fashionbiz · Crunchbase/Tracxn · CG Channel · KoreaTechDesk. *(개인 배경 = 미확인 공란.)*
미팅 브리핑 받기
— 서서가 상대 회사·인물·히스토리 분석 (비즈니스 미팅은 체크 안 해도 자동)
저장
📎
🕘
실행