Kestävä muoti alkaa tekoälystä

Kirjoittaja: Madhava Venkatesh, TrusTracen perustaja ja teknologiajohtaja, TrusTrace.

Koska olen intohimoinen kestävyyden puolesta, on aina jännittävää nähdä, miten hallitukset astuvat esiin ja tekevät jotain merkittävää. Esimerkiksi Euroopan komission tuotteen ympäristöjalanjälki (PEF) -ohjelma on edelleen testivaiheessa, mutta kun se tulee voimaan, se vaatii yrityksiltä laskemaan ja ilmoittamaan tuotteidensa todellisen ympäristövaikutuksen ottaen huomioon toimintaketjun: raaka-aineiden louhinnasta, tuotannosta ja käytöstä sekä lopulta jätteiden hallinnasta. Tällainen lainsäädäntö olisi voitto aktivisteille, jotka ovat pitkään painostaneet suuria yrityksiä toimimaan kestävämmin, etenkin muotialalla.

Laajalti hyväksyttyjen arvioiden mukaan muotiteollisuus vastaa kahden ja kahdeksan prosentin osuudesta maailman hiilidioksidipäästöistä. Vuonna 2018 maailmanlaajuinen vaatetus- ja jalkineala tuotti yksinään enemmän kasvihuonekaasuja kuin Ranska, Saksa ja Iso-Britannia yhteensä.

PEF on vain yksi monista maailmanlaajuisista säännöksistä, jotka pakottavat suuret yritykset ottamaan huomioon ympäristövahingot toimintaketjuissaan. Kalifornian läpinäkyvyyden toimintaketjussa ja Saksan vasta hyväksytty toimintaketjun huolellisuuslaki ovat kaksi viimeaikaisen esimerkkiä. Noudattaakseen eri vaatimuksia, alueiden yrityksien on löydettävä teknologiaratkaisuja toimintaketjun jäljitettävyyteen sekä uusi tapa ajatella kestävyydestä.

Tähän asti yritykset ovat lähestyneet kestävyyttä ylhäältä alaspäin, laukaisten laajoja yrityskohtaisia aloitteita ja markkinoiden tuotteita vastaavasti. Mutta tämä on jo vanhentunut ja tehokas tapa ajatella (etenkin jos mitään todellista muutosta on tehtävä). Mitä nyt vaaditaan — joko lainsäädännön tai kasvavan ekologisesti tietoisen kuluttajakunnan kautta — on siirtyminen kestävyyteen tuotteen alhaalta ylöspäin.

Jotta voidaan tuottaa todella kestävä vaate, yritysten on tiedettävä kaikki tuotteistaan ja materiaaleistaan. Se vaatii miljoonia yksityiskohtaisia ja tarkkoja tietoja sekä jäljitettävyyden ratkaisun, joka voi sisältää tiedot yhdessä paikassa.

Miksi jäljitettävyys?

Mahdollisuus jäljitellä tuotteita ja materiaaleja toimintaketjussa auttaa ratkaisemaan monia haasteita. Suurempi toimintaketjun näkyvyys mahdollistaa yritysten ennakoida keskeytyksiä ennen kuin ne tapahtuvat. Lisäksi tällainen näkyvyys mahdollistaa yritysten tekemän tuoteväitteitä ja osoittaa niiden aitoutta. Esimerkiksi yritys voi väittää myyvänsä 100 %:ia luomupuuvillaa ja antaa tiedot sen tueksi.

Nykyisessä muodissa toimintaketjut ovat massiivisia, mutta niissä on vain vähän toimittajien näkyvyyttä. Muotiyhtiöt joutuvat siksi kohtaamaan haasteen seurata jokaista tuotetta, kun se liikkuu satojen toimittajien läpi ympäri maailmaa. Tämä edustaa massiivista teknologista haastetta, jonka ainoastaan tekoäly (AI) ja koneoppiminen voivat ratkaista.

AI jäljitettävyyden mahdollistajana

TrusTracessa työskentelemme kymmenien muotialan yritysten kanssa, ja heidän toimintaketjuistaan saatu tieto on usein lukittu asiakirjoihin — sekä paperi- että sähköisiin. Nämä asiakirjat sisältävät esimerkiksi laskuja, jotka osoittavat omistusketjun, sosiaalisen auditoinnin raportteja, jotka kuvaavat työoloja ja palkkoja tehtailla ja muilla laitoksilla, sekä kemikaalikoekertomuksia materiaalieristä ja paljon muuta. Tämä asiakirjatieto on usein eri formaateissa ja kielissä. Lyhyesti sanottuna, pääongelma on tietojen hankinta.

Tässä vaiheessa tekoälystä tulee kriittinen jäljitettävyydelle. Se voi älykkäästi kerätä massiivisia määriä tietoa laajassa mittakaavassa. Lisäksi se voi tukea järjestelmää, joka suorittaa automaattisesti tietojen validoinnin korreloimalla tietoja useista lähteistä parantaakseen jäljitettävyyden tietojen laatua.

Yksinkertaisemmin sanottuna, tekoälyä voidaan käyttää paperiraitojen digitalisointiin, jotta voidaan mahdollistaa kokonaisvaltainen tuotteen jäljittäminen. Digitalisointiprosessi käsittää kolme vaihetta: Luokittelu, Objektin poisto ja tunnistaminen sekä Tietojen validointi ja linkittäminen.

Luokittelu tapahtuu, kun toimittaja lataa asiakirjan toimintaketjun jäljitettävyyden alustalle. Alustan taustalla oleva tekoäly tunnistaa asiakirjan ja luokittelee sen älykkäästi esimerkiksi ostotilaukseksi, tilatutkimukseksi tai sertifikaatiksi.

Asiakirjan luokittelun perusteella tekoäly tunnistaa avain tiedot metadatasta. Esimerkiksi laskujen käsittelyssä jäljitettävyyden järjestelmä tunnistaa ja poistaa automaattisesti tiedot, kuten ostajan, myyjän, tuotteen, määrän, toimituspäivämäärän jne. Vastaavasti sosiaalisen auditoinnin digitalisointi voi vaatia parametreja, jotka liittyvät työoloihin, reiluihin palkkoihin, monimuotoisuuteen jne.

Kun vastaavat objektit on poistettu, tietoja validoidaan ja linkitetään muihin olemassa oleviin tietoihin yrityksen yritysjärjestelmissä, jolloin ne voidaan käyttää halutulla tavalla, esimerkiksi ennustamiseen, analytiikkaan, sääntelyraportointiin tai muihin vaatimuksiin.

Muotitoimintaketjut ovat niin monimutkaisia ja saatavilla oleva tieto on niin laajaa, että niiden hallitseminen ilman tekoälyn tehokasta käyttöä on käytännössä mahdotonta. Kun jäljitettävyyden järjestelmä on otettu käyttöön, yhden tai useamman kumppaniyrityksen kestävyys toimintaketjussa voi jäädyttää alle yrityksen standardien. Tällöin toimintaketjun on sopeuduttava ja uudelleenmääriteltävä muiden kumppaneiden kautta jäädyttääkseen mukautumisessa. Tekoäly ja koneoppiminen ovat selkäranka, joka mahdollistaa nopean sopeutumisen.

Mitä odottaa edessä?

Kuten EC:n PEF-ohjelma osoittaa, tulee aika, jolloin ei riitä sanoa, että olet kestävä; ei riitä edes esittää todisteita. Uskon tulevaisuuteen, jossa yritykset laskavat tuotteidensa kestävyyttä lähes reaaliajassa älykkäästi jäljitellen yhdistettyjä materiaaleja.

Olen ylpeä nähdessäni monia muotibrändejä sitoutuvan kestävyyteen ja sosiaaliseen vastuuseen — jo ennen kuin lainsäädäntö alkoi kiristää. Tämä yritysten sitoutuminen on nyt siirtymässä tuotetasolle. Se ei ole helppoa, mutta jäljitettävyys, jota tukee tekoäly ja tieto, voi tehdä sen mahdolliseksi.