Bæredygtig mode begynder med kunstig intelligens

Af: Madhava Venkatesh, medstifter og Chief Technology Officer, TrustTrace.

Som en person, der brænder for bæredygtighed, er det altid spændende at se regeringer træde frem og gøre noget, der betyder noget. Eksempelvis Europa-Kommissionens Product Environmental Footprint (PEF)-program. Mens det stadig er i testfasen, når det bliver lov, vil det kræve, at mærker beregner og oplyser den faktiske miljøpåvirkning af deres varer ved at tage højde for forsyningskædeaktiviteter: fra udvinding af råmaterialer, gennem produktion og brug og endelig affaldshåndtering. En sådan lovgivning ville være en vindfang for aktivister, der længe har presset store mærker til at operere mere bæredygtigt, ingen mere end modevirksomheder.

Efter bredt accepterede skøn tegner modeindustrien sig for mellem to og otte procent af verdens COXNUMX-udledning. I 2018, blev alene den globale beklædnings- og fodtøjsindustri producerede flere drivhusgasser end Frankrig, Tyskland og Storbritannien tilsammen.

PEF er blot en af ​​mange globale reguleringer, der tvinger store virksomheder til at redegøre for miljøskader i deres forsyningskæder. Californiens lov om gennemsigtighed i forsyningskæder og Tyskland er for nylig vedtaget Lov om due diligence i forsyningskæden er to nyere eksempler. For at overholde forskellige nye krav vil brands i disse regioner have brug for teknologiske løsninger til forsyningskædesporbarhed plus en ny måde at tænke bæredygtighed på.

Indtil for nylig har brands haft en top-down tilgang til bæredygtighed, der har skubbet omfattende virksomhedsinitiativer ud og markedsført produkter i overensstemmelse hermed. Men dette er allerede en dateret og ineffektiv måde at tænke på (især hvis der skal foretages en reel ændring). Hvad der nu kræves - enten gennem regulering eller en stadig mere miljøbevidst forbrugerbase —bevæger sig mod bæredygtighed fra produktet og opefter.

For at producere en virkelig bæredygtig beklædningsgenstand skal brands vide alt om hvert produkt og materiale, de håndterer. Det kræver millioner af granulære, præcise datapunkter og en sporbarhedsløsning, der kan huse dataene ét sted.

Hvorfor sporbarhed?

Evnen til præcist at spore produkter og materialer gennem forsyningskæden kan hjælpe med at løse mange udfordringer. Større synlighed i forsyningskæden giver brands mulighed for at forudse forstyrrelser, før de opstår. Plus, sådan synlighed gør det muligt for brands at fremsætte produktkrav og bevise deres ægthed. For eksempel kan et mærke hævde at sælge en 100 % økologisk bomuldstrøje og levere dataene til at sikkerhedskopiere den.

Som de ser ud i dag, er modeforsyningskæder massive, men med ringe leverandørsynlighed. Modevirksomheder står derfor over for den skræmmende opgave at prøve at spore hvert produkt, når det bevæger sig gennem hundredvis af leverandører over hele kloden. Denne virkelighed repræsenterer en massiv teknologisk udfordring, som kun kunstig intelligens (AI) og maskinlæring kan afhjælpe.

AI som en sporbarhedsaktiverer

Hos TrusTrace arbejder vi med snesevis af virksomheder i modebranchen, og meget af deres forsyningskædedata er låst inde i dokumenter – papir og elektronisk. Disse dokumenter omfatter fakturaer, der beviser kæden af ​​forældremyndighed, sociale revisionsrapporter, der beskriver arbejdsplads- og lønforhold på fabrikker og andre faciliteter, kemikalietestrapporter for materialepartier og meget mere. Disse dokumentdata er ofte i forskellige formater og sprog. Kort sagt, det primære problem er dataindsamling.

Det er her AI bliver afgørende for sporbarhed. Det kan intelligent indsamle massemængder af data i skala. Endnu vigtigere er det dog, at det også kan understøtte et system, der automatisk udfører datavalidering ved at korrelere information fra flere kilder for at forbedre den overordnede kvalitet af sporbarhedsdata.

Mere enkelt kan AI bruges til at digitalisere papirspor for at muliggøre sporbarhed af produkter i hele skala. Digitaliseringsprocessen omfatter tre trin: Klassifikation, objektudtrækning og identifikation og datavalidering og linker.

Klassificering sker, når et dokument indsendes til en forsyningskædesporbarhedsplatform af en leverandør. Den underliggende AI genkender dokumentet og klassificerer det intelligent som for eksempel en indkøbsordre, facilitetsrevision eller certificering.

Baseret på dokumentets klassificering identificerer AI derefter nøgleinformationen gennem metadata. Ved behandling af fakturaer vil sporbarhedssystemet f.eks. automatisk udtrække og identificere oplysninger som køber, sælger, produkt, mængde, leveringsdato osv. På samme måde kan digitalisering af en social revision involvere indfangning af parametre relateret til arbejdsforhold, rimelige lønninger, mangfoldighed , og mere.

Når de tilsvarende objekter er udtrukket, valideres dataene og linkes til andre eksisterende data i et brands virksomhedssystemer, hvilket giver dem mulighed for at bruge dataene, som de ønsker, uanset om det er til prognoser, analyser, regulatoriske rapportering eller andre krav.

Modeforsyningskæder er så komplekse og de tilgængelige data så omfattende, at det praktisk talt er umuligt at administrere uden effektiv brug af kunstig intelligens. Efter implementering af et sporbarhedssystem vil bæredygtigheden for en eller flere partnere i et brands forsyningskæde uundgåeligt ikke leve op til et brands standarder. I så fald skal forsyningskæden tilpasse sig og omkonfigurere gennem andre partnere for at forblive i overensstemmelse. AI og maskinlæring er rygraden, der giver mulighed for så hurtig justering.

Looking Ahead

Som EU's PEF-program viser, vil der komme et tidspunkt, hvor det ikke vil være nok at sige, at du er bæredygtig; Det vil ikke engang være nok til at fremlægge beviser. Jeg tror på en fremtid, hvor brands regner i nær-realtid hvordan bæredygtige deres produkter er ved intelligent sporing af kombinerede materialer.

Jeg er stolt over at se så mange modemærker, der forpligter sig til bæredygtighed og socialt ansvar - selv før lovgivningen begyndte at stige. Det virksomheders engagement skal nu sive ned på produktniveau. Det er ikke let, men sporbarhed, understøttet af kunstig intelligens og data, kan gøre det muligt.