Myslitelé

Udržitelná móda začíná s umělou inteligencí

Madhava Venkatesh
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyAI umožňuje módním značkám sledovat dodavatelské řetězce digitalizací a ověřováním…
Zobrazit více
  • AI umožňuje módním značkám sledovat dodavatelské řetězce digitalizací a ověřováním milionů datových bodů ze složitých dokumentů.
  • Nové regulace jako PEF EU přinutí značky prokazovat udržitelnost produktů od úrovně materiálů výše.
  • TrusTrace využívá AI klasifikaci a extrakci objektů k přeměně faktur a auditů na využitelná data pro sledovatelnost.

Autor: Madhava Venkatesh, spoluzakladatel a technický ředitel TrusTrace.

Jako někdo, kdo je vášnivě zapálený udržitelností, je vždycky vzrušující vidět, jak vlády podnikají kroky, které mají význam. Příkladem je program Evropské komise pro environmentální stopu produktů (PEF). Ačkoli je stále ve fázi testování, jakmile se stane zákonem, bude vyžadovat, aby značky vypočítaly a zveřejnily skutečný environmentální dopad svých výrobků, přičemž vezmou v úvahu činnosti v dodavatelském řetězci: od těžby surovin, přes výrobu a použití až po nakládání s odpady. Taková legislativa by byla velkým úspěchem pro aktivisty, kteří dlouho tlačili na velké značky, aby fungovaly udržitelněji, a to zejména u módních společností.

Podle všeobecně uznávaných odhadů je módní průmysl zodpovědný za 2 až 8 procent celosvětových emisí uhlíku. V roce 2018 vyrobil globální oděvní a obuvnický průmysl sám o sobě více skleníkových plynů než Francie, Německo a Spojené království dohromady.

PEF je pouze jedním z mnoha globálních předpisů, které nutí velké společnosti zohledňovat environmentální poškození ve svých dodavatelských řetězcích. Kalifornský zákon o transparentnosti dodavatelských řetězců a nedávno přijatý německý zákon o dodavatelském řetězci jsou dva nedávné příklady. Aby značky v těchto regionech splnily různé nové požadavky, budou potřebovat technologická řešení pro stopovatelnost dodavatelského řetězce a nový způsob myšlení o udržitelnosti.

Až donedávna přistupovaly značky k udržitelnosti shora dolů, zaváděly rozsáhlé firemní iniciativy a podle toho propagovaly produkty. Ale tento přístup je již zastaralý a neúčinný (zejména pokud má dojít k jakékoli skutečné změně). Nyní je zapotřebí, ať už prostřednictvím legislativy nebo rostoucího počtu ekologicky uvědomělých spotřebitelů, přechod k udržitelnosti od produktu nahoru.

Aby mohla značka vyprodukovat skutečně udržitelný oděv, musí znát vše o každém produktu a materiálu, se kterým pracuje. To vyžaduje miliony jemných, přesných datových bodů a řešení stopovatelnosti, které může tyto údaje uložit na jednom místě.

Proč stopovatelnost?

Schopnost přesně stopovat produkty a materiály v dodavatelském řetězci může pomoci řešit mnoho výzev. Lepší přehled o dodavatelském řetězci umožňuje značkám předvídat narušení, než k nim dojde. Kromě toho tato viditelnost umožňuje značkám uvádět tvrzení o produktech a doložit jejich pravdivost. Například značka může tvrdit, že prodává 100% organický bavlněný svetr a poskytnout údaje, které to potvrzují.

Jak jsou módní dodavatelské řetězce nyní, jsou obrovské, ale s malou viditelností dodavatelů. Módní společnosti proto čelí úkolu stopovat každý produkt, zatímco se pohybuje prostřednictvím stovek dodavatelů po celém světě. Tato realita představuje obrovskou technologickou výzvu, kterou může řešit pouze umělá inteligence (AI) a strojové učení.

AI jako umožňovatel stopovatelnosti

V TrusTrace pracujeme s desítkami společností v módním průmyslu a většina jejich dat v dodavatelském řetězci je uzavřena v dokumentech – papírových a elektronických. Tyto dokumenty zahrnují faktury, které prokazují řetězec vlastnictví, sociální auditní zprávy popisující pracovní a platové podmínky v továrnách a dalších zařízeních, chemické testovací zprávy pro materiálové dávky a mnoho dalšího. Tato dokumentační data jsou často v různých formátech a jazycích. Stručně řečeno, primárním problémem je získání dat.

Tady se stává AI kritickou pro stopovatelnost. Může inteligentně shromažďovat velké množství dat v měřítku. Ještě důležitější je, že může také podporovat systém, který automaticky provádí validaci dat tím, že koreluje informace z více zdrojů, aby zlepšil celkovou kvalitu dat stopovatelnosti.

Jednoduše řečeno, AI může být použita k digitalizaci papírových stop, aby umožnila celkovou stopovatelnost produktů. Proces digitalizace zahrnuje tři kroky: klasifikace, extrakce a identifikace objektů a validace dat a jejich propojení.

Klasifikace nastává, když dodavatel předloží dokument do platformy stopovatelnosti dodavatelského řetězce. Základní AI rozpozná dokument a inteligentně ho klasifikuje, například jako nákupní objednávku, audit provozovny nebo certifikát.

Na základě klasifikace dokumentu AI identifikuje klíčové informace prostřednictvím metadat. Například při zpracování faktur bude systém stopovatelnosti automaticky extrahovat a identifikovat informace, jako je kupující, prodávající, produkt, množství, datum dodání atd. Podobně digitalizace sociálního auditu může zahrnovat zachycení parametrů souvisejících s pracovními podmínkami, spravedlivými platy, rozmanitostí a dalšími.

Jakmile jsou odpovídající objekty extrahovány, data jsou validována a propojena s ostatními existujícími daty v podnikových systémech značek, aby mohly být použita podle potřeby, ať už pro prognózování, analytiku, legislativní reportování nebo jiné požadavky.

Módní dodavatelské řetězce jsou tak složité a dostupná data tak rozsáhlá, že je prakticky nemožné je řídit bez efektivní podpory AI. Po implementaci systému stopovatelnosti se udržitelnost jednoho nebo více partnerů v dodavatelském řetězci značky nevyhnutelně ukáže jako nedostatečná. V takovém případě se musí dodavatelský řetězec přizpůsobit a rekonfigurovat prostřednictvím jiných partnerů, aby zůstal v souladu. AI a strojové učení jsou páteří, která umožňuje takovou rychlou úpravu.

Pohled do budoucnosti

Jak program PEF Evropské komise ukazuje, nastane čas, kdy nebude dostatečné říkat, že jste udržitelní; nebude dostatečné ani poskytnout důkazy. Věřím, že v budoucnosti budou značky vypočítávat téměř v reálném čase, jak udržitelné jsou jejich produkty, a inteligentně přitom sledovat kombinované materiály.

Jsem hrdý na to, že vidím tolik módních značek, které se zavázaly k udržitelnosti a sociální odpovědnosti – dokonce i předtím, než legislativa začala zesilovat. Tento firemní závazek se nyní musí projevit na úrovni produktu. Není to jednoduchý úkol, ale stopovatelnost, podpořená AI a daty, může to učinit možným.

Madhava je spoluzakladatel a technologický ředitel ve firmě TrusTrace. Založena v roce 2016, TrusTrace nabízí špičkovou platformu pro sledovatelnost dodavatelského řetězce ve velkém měřítku v oblasti módy a maloobchodu.