F&F의 1순위 아젠다는 AX입니다. 5개 팀, 5명의 인턴이 선발 — 교육 — 실전 미션 — 회장님 보고 — 정규 전환까지. 경험보다 태도를, 스펙보다 AI 친밀도를 봅니다.
F&F는 「AI 100% 적용」 36개월 로드맵을 진행 중입니다 — 목표는 반복 업무 자동화율 70%, 의사결정 속도 3배. 이번 인턴쉽은 그 로드맵의 현장 실행 인력을 키우는 첫 채용 트랙입니다. 인턴 한 명이 소속 팀의 AI 미션 하나를 8주 안에 실제 결과물로 완성합니다.
| 부 | 팀 | 미션 업무 | 인원 | 연결되는 사내 자산 |
|---|---|---|---|---|
| 영업 | 카테고리 운영 | AI 활용한 카테고리 운영 효율화 | 1 | CLA 에이전트 |
| AX | AX | 데이터 라벨링 고도화 및 팀별 AI 활용 서포트 | 1 | 상품 라벨링 체계 |
| 소싱 | 의류 | AI 활용한 소싱 프로세스 / 협력업체 운영 효율화 | 1 | 소싱 AI 로드맵 P1–P2 |
| 기획 | 용품 | AI 활용을 위한 상품 라벨링 고도화 | 1 | 라벨링 플레이북 |
| 디자인 | 아우터 | AI 활용을 위한 디자인 프로세스 고도화 | 1 | Vision 라벨링 파이프라인 |
추정치·가짜 수치는 보고서에 들어갈 수 없습니다. 민감한 실데이터 보호를 위해 인턴 기간에는 사내 DB 직접 접속 없이, 실데이터와 동일 구조의 대체 데이터셋(마스킹·샘플)을 AX팀이 제공합니다.
"패션을 이해하는 사람이 AI를 쓸 때" 효과가 납니다. 기술에 매몰되는 순간 방향을 잃습니다.
슬라이드 속 계획이 아니라, 그 자리에서 돌아가는 자동화를 보여줍니다.
실무 경험 유무는 평가 기준이 아닙니다. 8주면 도구는 가르칠 수 있지만 습관은 가르치기 어렵습니다. 아래 5가지 DNA가 면접 평가표이자, 인턴 기간 관찰 항목이자, 정규 전환 심사 기준입니다.
ChatGPT·Claude 등을 일상 도구로 이미 쓰고 있는가. 과제·일·취미에서 AI로 문제를 풀어본 자기 사례가 있는가.
처음 보는 도구를 두려워하지 않고, 모르는 것을 AI에게 물어가며 스스로 돌파하는가. "찾아서 해봤어요"형.
감(感)이 아니라 수치로 말하려는 본능. 숫자를 보면 "왜?"를 묻고, 검증 안 된 숫자를 불편해하는 감각.
MLB의 방향 — 기능성 기반 웰니스 × 리얼 라이프스타일 — 에 공감하고, 옷과 시장을 자기 언어로 말하는가.
"검토했습니다"가 아니라 "만들었습니다"로 끝내는 사람. 80%라도 굴러가는 결과물을 내놓고 개선하는 실행력.
"AI가 일을 대신해주길 기다리는 사람이 아니라,
AI를 데리고 일하는 법을 스스로 발명하는 사람."
구조: 공통 질문(AI 친밀도) → 팀별 질문(도메인 적합성) → 라이브 미니과제(실행력), 약 40분. 각 질문을 누르면 좋은 답변과 경계 신호가 펼쳐집니다.
| 팀 | 팀별 질문 예시 | 보려는 것 |
|---|---|---|
| 영업 · 카테고리 운영 | "잘 팔리는 카테고리와 안 팔리는 카테고리, 어떤 데이터를 먼저 보겠어요? AI에게 뭐라고 물어보겠어요?" | 매출 데이터를 구조로 쪼개는 감각, 질문 설계력 |
| AX | "'데이터 라벨링'이 왜 AI 활용의 선행 조건일까요? 라벨이 지저분하면 무슨 일이 생길까요?" | Garbage in, garbage out 직관, 정제 작업을 견디는 성실함 |
| 소싱 · 의류 | "협력업체 수십 곳의 납기·단가·품질 데이터가 흩어져 있다면, AI로 어디서부터 정리하겠어요?" | 비정형 → 정형화 사고, 프로세스 감각 |
| 기획 · 용품 | "모자·가방·신발에 '잘 팔릴 속성' 태그를 단다면 어떤 속성들이 필요할까요?" | 상품을 속성으로 분해하는 눈, 분류 체계 설계 감각 |
| 디자인 · 아우터 | "생성형 AI는 디자이너를 대체할까요, 무기가 될까요? 디자인 과정 어디에 AI를 끼워넣겠어요?" | AI를 위협이 아닌 도구로 보는 관점, 창작 프로세스 이해 |
노트북을 주고 그 자리에서 시킵니다: "이 상품 리뷰 20개를 AI에게 요약시키고, 불만 TOP3를 뽑아보세요." 보는 것은 결과의 품질이 아니라 ① 프롬프트 설계 ② 첫 출력이 부족할 때 다시 묻는 방식 ③ 결과를 의심하는지 여부. 5분 안에 두 번째 프롬프트를 던지는 지원자가 진짜입니다.
| 평가 축 | 가중치 | 5점 기준 | 1점 기준 |
|---|---|---|---|
| AI 친밀도 | 30% | 일상 도구화 + 반복 개선 경험을 구체 사례로 재현 | 면접용 지식, 프롬프트 재현 불가 |
| 학습 민첩성 | 25% | AI로 미지의 영역을 스스로 돌파한 경험 보유 | "배운 적 없어서 못 한다" 프레임 |
| 데이터 사고 | 20% | 검증 루틴 보유, 환각 경험과 대처를 설명 | AI 출력을 무비판 수용 |
| 패션 감수성 | 15% | 브랜드 관찰 + 자기 언어의 개선 아이디어 | 브랜드 무관심 |
| 실행력 (미니과제) | 10% | 10분 내 프롬프트 2회 이상 반복 개선 | 한 번 묻고 결과 그대로 제출 |
전원이 같은 AI 기초 체력을 만든 뒤 각 팀 미션으로 흩어지고, 마지막에 회장님 보고라는 하나의 무대로 모입니다. 매주 금요일 AX팀 주관 Weekly Demo Day(15분 × 5명)로 전원 공유.
LLM 작동 원리(왜 환각이 생기는가) · 프롬프트 엔지니어링 실습(역할 부여, 단계 분해, 출력 형식 지정) · Claude/ChatGPT 업무 활용 패턴 · "질문의 품질 = 결과의 품질" 체득. F&F AI 100% 로드맵과 MLB 브랜드 방향성 오리엔테이션.
✓ 수료 기준 — 자기 업무 시나리오 1개를 프롬프트 체인으로 설계해 발표데이터 라벨링이 왜 AI의 선행 조건인가 · 사내 라벨링 체계 실습(라이프스타일·핏·소재·기능성) · 대체 데이터셋 구조 이해(실데이터와 동일 스키마) + AI에게 SQL 짜게 하는 법 · 데이터 검증 원칙(추정치 금지, 출처 명시, 대체 데이터 기반 명기) · 데이터 보안 교육(민감 데이터 비접속 원칙) · 엑셀 → AI 자동화 미니 프로젝트.
✓ 수료 기준 — 상품 30개 속성 라벨링 + 검증 리포트 제출현업 멘토 + AX 서포터 매칭. 미션을 "8주 안에 데모 가능한 단위"로 좁혀 미션 정의서 작성(현재 프로세스 → 병목 → AI 개입 지점 → 기대 효과 수치화). 4주차 말까지 거칠어도 좋으니 동작하는 v0.1을 만듭니다.
✓ 수료 기준 — 미션 정의서 승인 + v0.1 데모 (Demo Day)프로토타입에 AX팀이 제공하는 대체 데이터셋(실데이터와 동일 구조의 마스킹·샘플 데이터)을 붙이고 현업 피드백 2회 이상 반영. 자동화 전/후 비교 측정 시작(소요 시간·처리 건수·정확도). 이 단계의 목표는 "현업이 실제로 쓰겠다"는 한마디를 받아내는 것 — 정규 전환 후 실데이터로 그대로 갈아끼울 수 있는 구조가 핵심.
✓ 수료 기준 — 대체 데이터 기반 v1.0 + Before/After 측정치 확보결과물 동결(기능 추가 금지, 완성도만). 수치 전수 검증 — 보고서의 모든 숫자에 출처를 답니다. 보고용 대시보드/데모 시나리오 제작, AX팀 리허설 1차.
✓ 수료 기준 — 검증 통과 + 리허설 1차 완료1인 7분 발표 + 3분 라이브 데모. 형식은 최종 보고 가이드를 따릅니다. 보고 직후 멘토·AX·인사 합동 정규 전환 심사.
✓ 수료 기준 — 회장님 보고 완료, 프로그램 종료도메인은 현업 멘토가, AI 기술은 AX팀이 백업. 인턴이 기술 벽에 막혀 미션이 죽는 일을 방지합니다.
매주 금요일 전원 데모. "다음 주에 보여줄 것"이 있다는 긴장이 8주를 끌고 갑니다.
매일 가장 효과적이었던 프롬프트 1개를 공용 라이브러리에 기록. 이것 자체가 AX팀의 사내 자산이 됩니다.
5개 미션 모두 이미 사내에 검증된 파이프라인·플레이북이 존재합니다. 인턴은 기존 자산을 자기 팀 업무로 확장·이식합니다. 그래서 8주 안에 회장님 앞 데모가 가능합니다.
상품 라벨링 테이블의 품질 검증을 자동화하고, 4개 팀 인턴의 AI 활용을 지원하며 사내 프롬프트 라이브러리를 구축한다.
카테고리별 판매·재고 현황 분석 리포트를 AI로 자동화해, 주간 카테고리 운영 회의의 준비 시간을 단축한다.
흩어져 있는 협력업체 정보(납기·단가·품질 이력)를 정형 DB로 구조화하고, AI 기반 업체 비교·요약 리포트를 자동화한다.
의류에서 검증된 라벨링 체계를 ACC(용품·신발)로 확장한다 — 모자·가방·신발의 속성 라벨 체계를 설계하고 Vision AI로 라벨링을 자동화한다.
디자인 초기 단계(레퍼런스 수집 → 컨셉 방향 설정)를 AI로 가속하고, 디자인 시안의 브랜드 방향성 부합도를 자동 점검한다.
인턴이 무엇을 향해 달리는지 알아야 전력 질주합니다. 면접 때의 5대 DNA를 8주간의 행동 관찰로 다시 검증하는 구조입니다.
| 시점 | 평가 | 내용 | 평가자 |
|---|---|---|---|
| W2 말 | 부트캠프 수료 체크 | 프롬프트 체인 설계 발표 + 라벨링 실습 검증 리포트 | AX팀 |
| W4 말 | 중간 점검 ① | 미션 정의서 + v0.1 데모 — 방향이 틀렸다면 여기서 피벗 | 멘토 + AX팀 |
| W6 말 | 중간 점검 ② | 대체 데이터 기반 v1.0 + Before/After 측정치 — 현업 사용 의향 확인 | 멘토 + 현업 팀장 |
| W8 | 최종 평가 | 회장님 보고 + 종합 심사 | 합동 (멘토·AX·인사) |
결과물이 현업에서 실사용 시작 + 멘토가 "뺏기기 싫다"고 말하는 수준. 도구 확장 속도가 눈에 보였고, 검증 습관이 몸에 배어 있음.
결과물은 완성했으나 실사용 검증이 부족하거나 특정 역량 보완 필요. 전환 후 90일 과제를 명시해 재확인.
AI 활용이 수동적(시키는 것만), 결과물 데모 불가, 또는 데이터 원칙 위반(추정치를 검증 데이터처럼 보고, 민감 데이터 무단 접근 시도). 마지막 항목은 단독으로도 결격.
"이 사람이 내년에도 우리 팀에서 AI로 새로운 일을 벌일 것 같은가?" — 결과물은 8주의 증거일 뿐, 뽑는 것은 다음 10년의 습관입니다.
1인 7분 발표 + 3분 라이브 데모, 5명 × 10분 + AX팀 총괄 마무리 10분 = 약 60분. 모든 발표는 아래 4단 스토리라인을 따릅니다.
기존 프로세스를 30초로. 수작업 몇 시간, 몇 단계, 어디서 병목이 생기는지 구체적 장면으로.
무엇을 자동화했는지 구조 한 장. 기술 자랑 금지 — 어떤 판단을 AI에 맡기고 어떤 판단을 사람이 지켰는지.
라이브 3분. 입력 → AI 처리 → 결과물이 눈앞에서 나오는 순간이 보고의 전부. 백업 영상 필수.
Before/After 수치(시간·건수·정확도) + "정규로 합류하면 어디까지 키우겠다"는 확장 로드맵 1장.
이 보고는 인턴 평가인 동시에 "AI 인재 채용 트랙이 작동한다"는 것을 경영진에게 증명하는 자리입니다. 5명의 결과물이 곧 차기 인턴쉽 확대·AX 조직 강화의 근거가 됩니다. AX팀은 개별 발표 품질만큼 전체 묶음의 서사 — "8주 만에, 경험 없던 인턴들이, 실무 자동화 5건" — 를 설계할 것.
인턴에게 첫 주에 공유할 사내 AI 자산의 지도. 모든 미션은 이 자산들의 확장·이식이며, 맨땅 개발은 없습니다.