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 dat overheden stappen ondernemen en iets doen dat ertoe doet. Een goed voorbeeld 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 merken 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 en met afvalbeheer. Een dergelijke wetgeving zou een meevaller zijn voor activisten die al lang hebben gepleit voor meer duurzaamheid bij grote merken, met name bij 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.

Het PEF is slechts een van de vele wereldwijde regelgevingen die grote bedrijven verplichten om milieuschade in hun toeleveringsketen te verantwoorden. De Transparency in Supply Chains Act van Californië en de recent aangenomen Supply Chain Due Diligence Act van Duitsland zijn twee recente voorbeelden. Om te voldoen aan de verschillende nieuwe vereisten, zullen merken in die regio’s technologieoplossingen voor toeleveringsketentraceerbaarheid nodig hebben, evenals een nieuwe manier van denken over duurzaamheid.

Tot voor kort hadden merken een top-downbenadering van duurzaamheid, waarbij ze brede corporate-initiatieven lanceerden en producten dienovereenkomstig marketten. Maar deze manier van denken is al verouderd en ineffectief (vooral als er echt verandering moet komen). Wat nu vereist is – ofwel door regelgeving of door een steeds meer eco-bewuste consumentenbasis – is dat men naar duurzaamheid toe werkt vanuit het product.

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

Waarom traceerbaarheid?

De mogelijkheid om producten en materialen nauwkeurig te traceren door de toeleveringsketen kan helpen om veel uitdagingen aan te pakken. Grotere zichtbaarheid van de toeleveringsketen stelt merken in staat om verstoringen te voorspellen voordat ze gebeuren. Bovendien maakt een dergelijke zichtbaarheid het mogelijk voor merken om productclaims te doen en hun authenticiteit te bewijzen. Bijvoorbeeld, een merk kan claimen een 100% biologisch katoenen trui te verkopen en de gegevens ter ondersteuning daarvan aanleveren.

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

AI als traceerbaarheidsverzekeraar

Bij TrusTrace werken we met tientallen bedrijven in de mode-industrie, en veel van hun toeleveringsketengegevens zijn opgesloten in documenten – zowel papier als elektronisch. Deze documenten omvatten facturen die de keten van bewaring bewijzen, sociale auditrapporten die de arbeids- en loonvoorwaarden in fabrieken en andere faciliteiten beschrijven, chemische testrapporten voor materiaalpartijen en nog veel meer. Deze documentgegevens zijn vaak in verschillende formaten en talen. Kortom, het primaire probleem is gegevensverwerving.

Dit is waar AI kritiek wordt voor traceerbaarheid. Het kan op intelligente wijze grote hoeveelheden gegevens verzamelen op grote schaal. 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, objectextractie en -identificatie, en gegevensvalidatie en koppeling.

Classificatie gebeurt wanneer een document wordt ingediend bij een toeleveringsketentraceerbaarheidsplatform door een leverancier. De onderliggende AI herkent het document en classificeert het op intelligente wijze als, bijvoorbeeld, een aankooporder, een faciliteitsaudit of een certificering.

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

Zodra de overeenkomstige objecten zijn geëxtraheerd, worden de gegevens geverifieerd en gekoppeld aan andere bestaande gegevens binnen de ondernemingssystemen van een merk, waardoor ze de gegevens kunnen gebruiken zoals ze willen, of het nu gaat om forecasting, analytics, rapportage voor regelgeving of andere vereisten.

Mode-toeleveringsketens zijn zo complex en de beschikbare gegevens zo uitgebreid, dat het vrijwel 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 merk onvermijdelijk tekortschieten in de normen van het merk. 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 zo’n snelle aanpassing mogelijk maakt.

Terugkijken

Zoals het PEF-programma van de EC laat zien, zal er een tijd komen waarin het niet genoeg is om te zeggen dat je duurzaam bent; het zal niet eens genoeg zijn om bewijs te leveren. Ik geloof in een toekomst waarin merken in bijna realtime berekenen hoe duurzaam hun producten zijn door op intelligente wijze gecombineerde materialen 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-verplichting moet nu doorsijpelen naar productniveau. Het is geen eenvoudige taak, maar traceerbaarheid, ondersteund door AI en gegevens, kan het mogelijk maken.