Zrównoważona moda zaczyna się od AI

Przez: Madhava Venkatesh, współzałożyciel i dyrektor techniczny, TrusTrace.

Jako osoba pasjonująca się zrównoważonym rozwojem, zawsze jestem podekscytowany, gdy rządy podejmują kroki, które mają znaczenie. Przykładem jest program Product Environmental Footprint (PEF) Komisji Europejskiej. Chociaż nadal jest w fazie testowej, gdy wejdzie w życie, będzie wymagał od marek obliczania i ujawniania rzeczywistego wpływu środowiskowego ich produktów, biorąc pod uwagę działania łańcucha dostaw: od wydobycia surowców, przez produkcję i użytkowanie, aż do gospodarowania odpadami. Taka legislacja będzie wielkim sukcesem dla aktywistów, którzy od dawna naciskają na duże marki, aby działały w sposób bardziej zrównoważony, zwłaszcza firmy modowe.

Według powszechnie akceptowanych szacunków, przemysł modowy odpowiada za 2-8% emisji dwutlenku węgla na świecie. W 2018 roku globalny przemysł odzieżowy i obuwniczy wyprodukował więcej gazów cieplarnianych niż Francja, Niemcy i Wielka Brytania łącznie.

PEF to tylko jeden z wielu globalnych regulacji, które zmuszają duże firmy do uwzględnienia szkód środowiskowych w swoich łańcuchach dostaw. Kalifornijski Transparentny Akt Łańcucha Dostaw i niedawno przyjęty Niemiecki Akt Due Diligence to dwa niedawne przykłady. Aby spełnić różne nowe wymagania, marki w tych regionach będą potrzebować rozwiązań technologicznych dla śledzenia łańcucha dostaw, a także nowego sposobu myślenia o zrównoważonym rozwoju.

Do niedawna marki miały podejście odgórne do zrównoważonego rozwoju, wdrażając ogólne korporacyjne inicjatywy i produkty marketingowe. Ale to już jest przestarzały i nieskuteczny sposób myślenia (szczególnie jeśli mają być wprowadzane jakieś prawdziwe zmiany). To, co jest teraz wymagane — niezależnie od regulacji lub coraz bardziej ekologicznie świadomej bazy konsumentów — to przechodzenie w kierunku zrównoważonego rozwoju od produktu w górę.

Aby wyprodukować naprawdę zrównoważony produkt, marki muszą wiedzieć wszystko o każdym produkcie i materiale, którymi się zajmują. Wymaga to milionów drobnych, dokładnych punktów danych i rozwiązania śledzenia, które mogą pomieścić dane w jednym miejscu.

Dlaczego śledzenie?

Możliwość dokładnego śledzenia produktów i materiałów w łańcuchu dostaw może pomóc w rozwiązaniu wielu wyzwań. Większa widoczność łańcucha dostaw pozwala markom przewidzieć przerwy przed ich wystąpieniem. Ponadto, taka widoczność umożliwia markom robienie twierdzeń o produkcie i udowadnianie ich autentyczności. Na przykład, marka może twierdzić, że sprzedaje sweter z 100% bawełny organicznej i dostarczyć dane, aby to potwierdzić.

Jak one są teraz, łańcuchy dostaw modowe są ogromne, ale z niewielką widocznością dostawców. Dlatego firmy modowe stają przed trudnym zadaniem śledzenia każdego produktu, gdy przechodzi on przez setki dostawców na całym świecie. Ta rzeczywistość reprezentuje ogromne wyzwanie technologiczne, które może być rozwiązane tylko za pomocą sztucznej inteligencji (AI) i uczenia maszynowego.

AI jako włącznik śledzenia

W TrusTrace pracujemy z dziesiątkami firm z branży modowej, a wiele ich danych łańcucha dostaw jest zablokowanych w dokumentach — papierowych i elektronicznych. Te dokumenty obejmują faktury, które potwierdzają łańcuch posiadania, raporty audytu społecznego opisujące warunki pracy i płacy w fabrykach i innych obiektach, raporty testów chemicznych dla partii materiałów i wiele więcej. Te dane dokumentów są często w różnych formatach i językach. Krótko mówiąc, głównym problemem jest pozyskiwanie danych.

To jest miejsce, w którym AI staje się krytyczne dla śledzenia. Może ono inteligentnie zbierać ogromne ilości danych w skali. Co więcej, może również wspierać system, który automatycznie wykonuje walidację danych, korelując informacje z wielu źródeł, aby poprawić ogólną jakość danych śledzenia.

Prościej, AI może być używana do cyfryzacji papierowych śladów, aby umożliwić śledzenie produktów w dużym zakresie. Proces cyfryzacji obejmuje trzy etapy: klasyfikację, ekstrakcję i identyfikację obiektów oraz walidację i łączenie danych.

Klasyfikacja zachodzi, gdy dokument jest wprowadzony do platformy śledzenia łańcucha dostaw przez dostawcę. Podstawowa AI rozpoznaje dokument i inteligentnie klasyfikuje go jako, na przykład, zamówienie zakupu, audyt obiektu lub certyfikat.

W oparciu o klasyfikację dokumentu, AI następnie identyfikuje kluczowe informacje za pomocą metadanych. Na przykład, podczas przetwarzania faktur, system śledzenia automatycznie wyodrębnia i identyfikuje informacje takie jak Kupujący, Sprzedawca, Produkt, Ilość, Data dostawy itp. Podobnie, cyfryzacja audytu społecznego może obejmować przechwytywanie parametrów związanych z warunkami pracy, sprawiedliwymi płacami, różnorodnością itp.

Gdy odpowiednie obiekty są wyodrębnione, dane są walidowane i połączone z istniejącymi danymi w systemach przedsiębiorstwa, umożliwiając im używanie danych w dowolny sposób, czy to do prognozowania, analizy, raportowania regulacyjnego lub innych wymagań.

Łańcuchy dostaw modowe są tak złożone, a dostępne dane tak ogromne, że praktycznie niemożliwe jest ich zarządzanie bez skutecznego użycia AI. Po wdrożeniu systemu śledzenia, zrównoważoność jednego lub więcej partnerów w łańcuchu dostaw marki nieuchronnie okaże się niewystarczająca do standardów marki. W takim przypadku łańcuch dostaw musi się dostosować i ponownie skonfigurować za pomocą innych partnerów, aby pozostać zgodnym. AI i uczenie maszynowe są podstawą, która umożliwia takie szybkie dostosowanie.

Spójrzmy w przyszłość

Jak program PEF Komisji Europejskiej pokazuje, przyjdzie czas, kiedy nie wystarczy powiedzieć, że jesteśmy zrównoważeni; nie wystarczy nawet dostarczyć dowody. Wierzę w przyszłość, w której marki będą obliczać w czasie rzeczywistym, jak zrównoważone są ich produkty, inteligentnie śledząc połączone materiały.

Jestem dumny, widząc, jak wiele marek modowych zobowiązuje się do zrównoważonego rozwoju i odpowiedzialności społecznej — nawet przed rozpoczęciem legislacji. To zaangażowanie korporacyjne musi teraz przeniknąć do poziomu produktu. Nie jest to łatwe zadanie, ale śledzenie, wspierane przez AI i dane, może to umożliwić.