विचार नेता

सस्टेनेबल फैशन की शुरुआत एआई से होती है

Madhava Venkatesh
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुएआई फैशन ब्रांडों को जटिल दस्तावेजों से लाखों डेटा बिंदुओं को डिजिटाइज़ और मान्य करके…
और देखें
  • एआई फैशन ब्रांडों को जटिल दस्तावेजों से लाखों डेटा बिंदुओं को डिजिटाइज़ और मान्य करके आपूर्ति श्रृंखलाओं का पता लगाने में सक्षम बनाता है।
  • ईयू के पीईएफ जैसे नए नियम ब्रांडों को सामग्री स्तर से ऊपर उत्पाद स्थिरता साबित करने के लिए बाध्य करेंगे।
  • ट्रसट्रेस कार्रवाई योग्य ट्रेसबिलिटी डेटा में चालान और ऑडिट को बदलने के लिए एआई वर्गीकरण और वस्तु निष्कर्षण का उपयोग करता है।

माधव वेंकटेश, सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी, TrusTrace द्वारा लिखित।

मैं हमेशा से स्थिरता के बारे में उत्साहित रहता हूं, और यह देखकर अच्छा लगता है कि सरकारें कुछ महत्वपूर्ण कदम उठा रही हैं। उदाहरण के लिए, यूरोपीय आयोग के उत्पाद पर्यावरणीय पदचिह्न (पीईएफ) कार्यक्रम। अभी यह परीक्षण चरण में है, लेकिन जब यह कानून बन जाएगा, तो यह ब्रांडों को अपने उत्पादों के वास्तविक पर्यावरणीय प्रभाव की गणना और खुलासा करने के लिए मजबूर करेगा, जिसमें आपूर्ति श्रृंखला की गतिविधियों को ध्यान में रखा जाएगा: कच्चे माल के निष्कर्षण से, उत्पादन और उपयोग के माध्यम से, और अंत में अपशिष्ट प्रबंधन। ऐसे कानून कार्यकर्ताओं के लिए एक बड़ा लाभ होगा जो बड़े ब्रांडों को अधिक स्थायी रूप से काम करने के लिए प्रेरित करते हैं, विशेषकर फैशन कंपनियों को अधिक टिकाऊ ढंग से काम करने के लिए प्रेरित करने वाले कार्यकर्ताओं के लिए।

व्यापक रूप से स्वीकृत अनुमानों के अनुसार, फैशन उद्योग दुनिया के कार्बन उत्सर्जन के दो से आठ प्रतिशत के लिए जिम्मेदार है। 2018 में, अकेले कपड़ों और जूतों का वैश्विक उद्योग फ्रांस, जर्मनी और यूनाइटेड किंगडम के संयुक्त से अधिक ग्रीनहाउस गैसें उत्पन्न करता था।

पीईएफ केवल उन कई वैश्विक नियमों में से एक है जो बड़ी कंपनियों को अपनी आपूर्ति श्रृंखला में पर्यावरणीय नुकसान के लिए जिम्मेदार ठहराते हैं। कैलिफोर्निया का पारदर्शिता इन आपूर्ति श्रृंखला अधिनियम और जर्मनी का हाल ही में पारित आपूर्ति श्रृंखला दायित्व अधिनियम दो हाल के उदाहरण हैं। इन नई आवश्यकताओं के अनुपालन के लिए, उन क्षेत्रों में ब्रांडों को आपूर्ति श्रृंखला की अनुरेखणीयता के लिए प्रौद्योगिकी समाधानों की आवश्यकता होगी, साथ ही साथ एक नई सोच की आवश्यकता होगी जो स्थिरता के बारे में है।

हाल तक, ब्रांडों ने स्थिरता के लिए ऊपर से नीचे की ओर बढ़ने वाला दृष्टिकोण अपनाया है, जिसमें व्यापक कॉर्पोरेट पहलों को आगे बढ़ाया जाता है और उत्पादों को विपणन किया जाता है। लेकिन यह अब एक पुराना और अप्रभावी तरीका है (विशेष रूप से यदि कोई वास्तविक परिवर्तन होना है)। अब जो आवश्यक है — चाहे नियमन के माध्यम से या तेजी से बढ़ते पारिस्थितिकी जागरूक उपभोक्ता आधार के माध्यम से — उत्पाद से ऊपर स्थिरता की ओर बढ़ना है।

एक वास्तविक रूप से स्थायी परिधान बनाने के लिए, ब्रांडों को अपने द्वारा संभाले जाने वाले प्रत्येक उत्पाद और सामग्री के बारे में सब कुछ जानने की आवश्यकता है। इसके लिए लाखों सूक्ष्म, सटीक डेटा बिंदु और एक अनुरेखणीयता समाधान की आवश्यकता होती है जो डेटा को एक स्थान पर रख सकता है।

अनुरेखणीयता क्यों?

उत्पादों और सामग्रियों को आपूर्ति श्रृंखला में सटीक रूप से पता लगाने की क्षमता कई चुनौतियों का समाधान कर सकती है। अधिक आपूर्ति श्रृंखला दृश्यता ब्रांडों को व्यवधान होने से पहले उनका पूर्वानुमान लगाने में मदद करती है। इसके अलावा, ऐसी दृश्यता ब्रांडों को उत्पाद दावों को बनाने और उनकी प्रामाणिकता साबित करने में मदद करती है। उदाहरण के लिए, एक ब्रांड 100% जैविक कपास के स्वेटर को बेचने का दावा कर सकता है और इसका समर्थन करने के लिए डेटा प्रदान कर सकता है।

अपने वर्तमान स्वरूप में, फैशन आपूर्ति श्रृंखलाएं विशाल हैं, लेकिन थोड़ी आपूर्तिकर्ता दृश्यता के साथ। फैशन कंपनियों को इसलिए हर उत्पाद को ट्रैक करने का काम सौंपा जाता है क्योंकि वे दुनिया भर में सैकड़ों आपूर्तिकर्ताओं के माध्यम से गुजरते हैं। यह वास्तविकता एक बड़ी प्रौद्योगिकी चुनौती का प्रतिनिधित्व करती है जिसे केवल कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग द्वारा ही हल किया जा सकता है।

एआई एक अनुरेखणीयता सुविधा प्रदाता के रूप में

TrusTrace में, हम फैशन उद्योग में दर्जनों कंपनियों के साथ काम करते हैं, और उनके आपूर्ति श्रृंखला डेटा का अधिकांश हिस्सा दस्तावेजों में बंद है — कागजी और इलेक्ट्रॉनिक। इन दस्तावेजों में वे चालान शामिल हैं जो स्वामित्व की श्रृंखला को साबित करते हैं, सामाजिक ऑडिट रिपोर्ट जो कारखानों और अन्य सुविधाओं में कार्यस्थल और वेतन की स्थितियों का वर्णन करती हैं, रासायनिक परीक्षण रिपोर्ट सामग्री बैच के लिए और बहुत कुछ। यह दस्तावेज डेटा अक्सर विभिन्न प्रारूपों और भाषाओं में होता है। संक्षेप में, मुख्य समस्या डेटा अधिग्रहण है।

यह वह जगह है जहां अनुरेखणीयता के लिए एआई महत्वपूर्ण हो जाता है। यह बड़े पैमाने पर डेटा को बुद्धिमानी से इकट्ठा कर सकता है। अधिक महत्वपूर्ण बात, हालांकि, यह एक प्रणाली का समर्थन कर सकता है जो स्वचालित रूप से कई स्रोतों से जानकारी को संबंधित करके अनुरेखणीयता डेटा की समग्र गुणवत्ता में सुधार करने के लिए डेटा सत्यापन करता है।

सरल शब्दों में, एआई का उपयोग पूरी तरह से उत्पाद अनुरेखणीयता को सक्षम करने के लिए कागजी दस्तावेज़ों के रिकॉर्ड को डिजिटाइज करने के लिए किया जा सकता है। डिजिटाइजेशन प्रक्रिया में तीन चरण शामिल हैं: वर्गीकरण, वस्तु निष्कर्षण और पहचान, और डेटा सत्यापन और लिंकिंग।

वर्गीकरण तब होता है जब एक आपूर्तिकर्ता द्वारा एक आपूर्ति श्रृंखला अनुरेखणीयता प्लेटफ़ॉर्म में एक दस्तावेज़ जमा किया जाता है। अंतर्निहित एआई दस्तावेज़ को पहचानता है और इसे बुद्धिमानी से वर्गीकृत करता है, जैसे कि एक खरीद आदेश, सुविधा ऑडिट, या प्रमाणीकरण।

दस्तावेज़ के वर्गीकरण के आधार पर, एआई तब मेटाडेटा के माध्यम से प्रमुख जानकारी की पहचान करता है। उदाहरण के लिए, चालानों को संसाधित करते समय, अनुरेखणीयता प्रणाली स्वचालित रूप से जानकारी जैसे कि खरीदार, विक्रेता, उत्पाद, मात्रा, वितरण की तारीख, आदि को निकालकर पहचान सकती है। इसी तरह, एक सामाजिक ऑडिट को डिजिटाइज़ करने में कार्यस्थल की स्थिति, न्यायसंगत वेतन, विविधता, और अधिक से संबंधित मापदंडों को पकड़ना शामिल हो सकता है।

एक बार जब संबंधित वस्तुओं को निकाला जाता है, तो डेटा को मान्य किया जाता है और एक ब्रांड के उद्यम प्रणालियों में मौजूद अन्य डेटा से जोड़ा जाता है, जिससे उन्हें डेटा का उपयोग करने की अनुमति मिलती है जैसा वे चाहते हैं, चाहे वह पूर्वानुमान, विश्लेषण, नियामक रिपोर्टिंग, या अन्य आवश्यकताओं के लिए हो।

फैशन आपूर्ति श्रृंखलाएं इतनी जटिल हैं और उपलब्ध डेटा इतना विशाल है कि इसे प्रभावी रूप से एआई के बिना प्रबंधित करना लगभग असंभव है। एक अनुरेखणीयता प्रणाली लागू करने के बाद, एक ब्रांड की आपूर्ति श्रृंखला में एक या एक से अधिक भागीदारों की स्थिरता अनिवार्य रूप से ब्रांड के मानकों से कम हो जाएगी। ऐसे मामले में, आपूर्ति श्रृंखला को अनुपालन में रहने के लिए अन्य भागीदारों के माध्यम से अनुकूलन और पुनर्विन्यास करने की आवश्यकता होगी। एआई और मशीन लर्निंग ऐसे तेजी से समायोजन की अनुमति देने वाली रीढ़ हैं।

आगे देखें

यूरोपीय आयोग का पीईएफ कार्यक्रम जैसा दिखाता है, ऐसा समय आएगा जब यह कहना पर्याप्त नहीं होगा कि आप स्थायी हैं; यह पर्याप्त नहीं होगा कि आप साक्ष्य प्रदान करें। मैं ऐसे भविष्य में विश्वास करता हूं जिसमें ब्रांड संयुक्त सामग्रियों का बुद्धिमानी से पता लगाकर लगभग वास्तविक समय में गणना करेंगे कि उनके उत्पाद कितने टिकाऊ हैं।

मुझे यह देखकर गर्व है कि इतने सारे फैशन ब्रांड स्थिरता और सामाजिक जिम्मेदारी के लिए प्रतिबद्ध हैं — कानूनों के सख्त होने की शुरुआत से पहले भी। उस कॉर्पोरेट प्रतिबद्धता को अब उत्पाद स्तर पर फैलाना होगा। यह कोई आसान काम नहीं है, लेकिन अनुरेखणीयता, एआई और डेटा के साथ, यह संभव हो सकता है।

माधवा TrusTrace में सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी हैं। 2016 में स्थापित, TrusTrace फैशन और रिटेल में बड़े पैमाने पर आपूर्ति श्रृंखला की ट्रेसबिलिटी के लिए बाज़ार में अग्रणी प्लेटफ़ॉर्म प्रदान करता है।