Duurzame mode begint met AI

Door: Madhava Venkatesh, mede-oprichter en Chief Technology Officer, TrusTrace.

Als iemand die gepassioneerd is over duurzaamheid, is het altijd spannend om te zien hoe overheden stappen nemen en iets doen dat ertoe doet. Een voorbeeld hiervan is het Product Environmental Footprint (PEF)-programma van de Europese Commissie. Hoewel het programma nog in de testfase zit, zal het, wanneer het wet wordt, van bedrijven vereisen dat ze de daadwerkelijke milieueffecten van hun producten berekenen en openbaar maken door rekening te houden met activiteiten in de toeleveringsketen: van de winning van grondstoffen, via productie en gebruik tot afvalbeheer. Een dergelijke wetgeving zou een grote overwinning zijn voor activisten die al lang hebben gepleit voor een meer duurzame bedrijfsvoering van grote bedrijven, met name modebedrijven.

Volgens algemeen aanvaarde schattingen is de mode-industrie verantwoordelijk voor tussen de twee en acht procent van de wereldwijde uitstoot van broeikasgassen. In 2018 produceerde de wereldwijde kleding- en schoenenindustrie alleen al meer broeikasgassen dan Frankrijk, Duitsland en het Verenigd Koninkrijk samen.

De PEF is slechts een van de vele wereldwijde regelgevingen die grote bedrijven verplichten om rekening te houden met milieuschade in hun toeleveringsketen. De Californische Wet op transparantie in de toeleveringsketen en de recent aangenomen Wet op due diligence in de toeleveringsketen in Duitsland zijn twee recente voorbeelden. Om te voldoen aan de verschillende nieuwe eisen, zullen bedrijven in deze regio’s technologie-oplossingen nodig hebben voor traceerbaarheid in de toeleveringsketen, evenals een nieuwe manier van denken over duurzaamheid.

Tot voor kort hadden bedrijven een top-down-benadering van duurzaamheid, waarbij ze brede corporate-initiatieven uitvoerden en producten dienovereenkomstig marketten. Maar deze manier van denken is nu al verouderd en ineffectief (vooral als er echt verandering moet komen). Wat nu nodig is – ofwel door wetgeving of door een steeds meer eco-bewuste consumenten – is dat bedrijven duurzaamheid vanuit het product zelf benaderen.

Om een echt duurzaam kledingstuk te produceren, moeten bedrijven alles weten over elk product en materiaal dat ze hanteren. Dit vereist miljoenen granulaire, nauwkeurige datapunten en een traceerbaarheidsoplossing die alle gegevens op één plek kan opslaan.

Waarom traceerbaarheid?

De mogelijkheid om producten en materialen precies te traceren door de toeleveringsketen kan helpen om veel uitdagingen aan te pakken. Grotere zichtbaarheid van de toeleveringsketen stelt bedrijven in staat om verstoringen te voorspellen voordat ze plaatsvinden. Bovendien maakt een dergelijke zichtbaarheid het bedrijven mogelijk om productclaims te doen en de authenticiteit ervan te bewijzen. Bijvoorbeeld, een bedrijf kan claimen een 100% biologisch katoenen trui te verkopen en de gegevens te bieden om dit te ondersteunen.

Zoals ze nu zijn, zijn de toeleveringsketens van de mode-industrie enorm, maar met weinig zichtbaarheid van de toeleveranciers. Modebedrijven staan daarom voor de moeilijke taak om elk product te volgen terwijl het door honderden toeleveranciers over de hele wereld gaat. Deze realiteit vertegenwoordigt een enorme technologische uitdaging die alleen door kunstmatige intelligentie (AI) en machine learning kan worden opgelost.

AI als een middel voor traceerbaarheid

Bij TrusTrace werken we met tientallen bedrijven in de mode-industrie, en veel van hun toeleveringsketen-gegevens zijn opgeslagen in documenten – zowel papier als elektronisch. Deze documenten omvatten facturen die de keten van bewaring aantonen, sociale audit-rapporten die de arbeids- en loonvoorwaarden in fabrieken en andere faciliteiten beschrijven, chemische test-rapporten voor materiaalbatchen en nog veel meer. Deze documentgegevens zijn vaak in verschillende formaten en talen. Kortom, het primaire probleem is gegevensverwerving.

Dit is waar AI essentieel wordt voor traceerbaarheid. Het kan grote hoeveelheden gegevens op schaal verzamelen. Nog belangrijker is dat het ook een systeem kan ondersteunen dat automatisch gegevensvalidatie uitvoert door gegevens van meerdere bronnen te correleren om de algehele kwaliteit van de traceerbaarheidsgegevens te verbeteren.

Eenvoudiger gezegd, AI kan worden gebruikt om papieren sporen te digitaliseren om wholescale producttraceerbaarheid mogelijk te maken. Het digitalisatieproces omvat drie stappen: classificatie, object-extractie en -identificatie, en gegevensvalidatie en -koppeling.

Classificatie vindt plaats wanneer een document wordt ingediend bij een toeleveringsketen-traceerbaarheidsplatform door een toeleverancier. De onderliggende AI herkent het document en classificeert het intelligent als, bijvoorbeeld, een aankooporder, een faciliteitsaudit of een certificering.

Op basis van de classificatie van het document, identificeert de AI de belangrijke informatie via metadata. Bijvoorbeeld, bij het verwerken van facturen, zal het traceerbaarheidssysteem automatisch informatie extraheren en identificeren zoals koper, verkoper, product, hoeveelheid, leveringsdatum, enz. Evenzo kan het digitaliseren van een sociale audit het vastleggen van parameters in verband met arbeidsomstandigheden, eerlijke lonen, diversiteit en meer omvatten.

Als de overeenkomstige objecten eenmaal zijn geëxtraheerd, worden de gegevens geverifieerd en gekoppeld aan andere bestaande gegevens binnen de ondernemingssystemen van een bedrijf, waardoor ze de gegevens kunnen gebruiken zoals ze willen, ofwel voor forecasting, analytics, rapportage of andere vereisten.

De toeleveringsketens van de mode-industrie zijn zo complex en de beschikbare gegevens zo uitgebreid, dat het bijna onmogelijk is om ze te beheren zonder effectief gebruik van AI. Na het implementeren van een traceerbaarheidssysteem, zal de duurzaamheid van een of meer partners in de toeleveringsketen van een bedrijf onvermijdelijk tekortschieten in de normen van het bedrijf. In dat geval moet de toeleveringsketen zich aanpassen en opnieuw configureren via andere partners om in overeenstemming te blijven. AI en machine learning vormen de ruggengraat die een dergelijke snelle aanpassing mogelijk maakt.

Terugblik

Zoals het PEF-programma van de EC aantoont, zal er een tijd komen waarin het niet genoeg is om te zeggen dat je duurzaam bent; het zal niet genoeg zijn om bewijs te leveren. Ik geloof in een toekomst waarin bedrijven in near-real-time berekenen hoe duurzaam hun producten zijn door intelligent materiaal te traceren.

Ik ben trots om te zien dat zoveel modebedrijven zich inzetten voor duurzaamheid en maatschappelijke verantwoordelijkheid – zelfs voordat de wetgeving begon op te schalen. Die corporate inzet moet nu naar het productniveau doorsijpelen. Het is geen gemakkelijke prestatie, maar traceerbaarheid, ondersteund door AI en gegevens, kan het mogelijk maken.