Ajatusjohtajat

Kestävä muoti alkaa tekoälystä

Madhava Venkatesh
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatTekoäly mahdollistaa muotibrändien jäljittää toimitusketjuja digitalisoimalla ja…
Näytä lisää
  • Tekoäly mahdollistaa muotibrändien jäljittää toimitusketjuja digitalisoimalla ja vahvistamalla miljoonia datapisteitä monimutkaisista asiakirjoista.
  • Uudet säädökset kuten EU:n PEF pakottavat brändit todistamaan tuotteiden kestävyyden materiaalitasolta alkaen.
  • TrusTrace hyödyntää tekoälyluokittelua ja objektinpoimintaa muuttaakseen laskut ja tarkastukset käyttökelpoiseksi jäljitettävyysdataksi.

Kirjoittaja: Madhava Venkatesh, TrusTracen toinen 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 toimitusketjun: 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 muotiteollisuuden osuus on kahdesta kahdeksaan prosenttia 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 toimitusketjuissaan. Kalifornian toimitusketjujen läpinäkyvyyttä koskeva laki ja Saksan vastikään hyväksytty toimitusketjun huolellisuuslaki ovat kaksi tuoretta esimerkkiä. Noudattaakseen eri vaatimuksia, alueiden yrityksien on löydettävä teknologiaratkaisuja toimitusketjun jäljitettävyyteen sekä uusi tapa ajatella kestävyydestä.

Tähän asti yritykset ovat lähestyneet kestävyyttä ylhäältä alaspäin, käynnistäen laajoja yrityskohtaisia aloitteita ja markkinoiden tuotteita vastaavasti. Mutta tämä on jo vanhentunut ja tehoton tapa ajatella (etenkin jos mitään todellista muutosta on tehtävä). Mitä nyt vaaditaan — joko lainsäädännön tai kasvavan ekologisesti tietoisen kuluttajakunnan kautta — on siirtyminen kestävyyteen tuotteesta 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 jäljittää tuotteita ja materiaaleja toimitusketjussa auttaa ratkaisemaan monia haasteita. Suurempi toimitusketjun näkyvyys antaa yrityksille mahdollisuuden ennakoida keskeytyksiä ennen kuin ne tapahtuvat. Lisäksi tällainen näkyvyys antaa yrityksille mahdollisuuden esittää tuotteista väitteitä ja osoittaa ne todeksi. Esimerkiksi yritys voi väittää myyvänsä 100-prosenttisesta luomupuuvillasta valmistettua neuletta ja antaa tiedot sen tueksi.

Nykyisellään muotialan toimitusketjut 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 toimitusketjuistaan 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 paperisten asiakirjaketjujen digitointiin, jotta voidaan mahdollistaa kokonaisvaltainen tuotteen jäljittäminen. Digitalisointiprosessi käsittää kolme vaihetta: Luokittelu, Tietokohteiden poiminta ja tunnistaminen sekä Tietojen validointi ja linkittäminen.

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

Asiakirjan luokittelun perusteella tekoäly tunnistaa keskeiset tiedot metadatasta. Esimerkiksi laskujen käsittelyssä jäljitettävyyden järjestelmä poimii ja tunnistaa 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 tietokohteet on poimittu, tiedot validoidaan ja linkitetään muihin olemassa oleviin tietoihin brändin yritysjärjestelmissä, jolloin niitä voidaan käyttää halutulla tavalla, esimerkiksi ennustamiseen, analytiikkaan, sääntelyraportointiin tai muihin vaatimuksiin.

Muotitoimitusketjut 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 toimitusketjussa jää väistämättä alle brändin vaatimusten. Tällöin toimitusketjun on sopeuduttava ja uudelleenmääriteltävä muiden kumppaneiden kautta täyttääkseen edelleen vaatimukset. 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 laskevat lähes reaaliajassa, kuinka kestäviä niiden tuotteet ovat, älykkäästi jäljittämällä tuotteisiin yhdistettyjä materiaaleja.

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

Madhava on TrusTracen toinen perustaja ja teknologiajohtaja. Vuonna 2016 perustettu TrusTrace tarjoaa markkinoiden johtavan alustan toimitusketjujen laajamittaiseen jäljitettävyyteen muodin ja vähittäiskaupan aloilla.