Zrównoważona moda zaczyna się od sztucznej inteligencji

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 zarządzania 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 razem.

PEF to tylko jeden z wielu globalnych regulacji, które zmuszają duże firmy do uwzględnienia szkód środowiskowych w swoich łańcuchach dostaw. Ustawa o przejrzystości łańcucha dostaw w Kalifornii i niedawno przyjęta Ustawa o due diligence w łańcuchu dostaw w Niemczech 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 inicjatywy korporacyjne i promując produkty zgodnie z tym. Ale to już jest przestarzały i nieskuteczny sposób myślenia (szczególnie jeśli chodzi o wprowadzenie jakichkolwiek realnych zmian). Co jest teraz wymagane – czy to przez regulacje, czy przez coraz bardziej ekologicznie świadomą bazę konsumentów – to przechodzenie w kierunku zrównoważonego rozwoju od samego produktu.

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 do śledzenia, które może pomieścić te 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 na przewidzenie zakłóceń przed ich wystąpieniem. Ponadto, taka widoczność umożliwia markom robienie twierdzeń o produktach i udowadnianie ich autentyczności. Na przykład, marka może twierdzić, że sprzedaje sweter z 100% bawełny organicznej i dostarczyć dane, które to potwierdzają.

Jak są one teraz, łańcuchy dostaw modowe są ogromne, ale z niewielką widocznością dostawców. Dlatego firmy modowe stają przed wyzwaniem śledzenia każdego produktu, gdy porusza się on przez setki dostawców na całym świecie. To jest ogromne wyzwanie technologiczne, które tylko sztuczna inteligencja (AI) i uczenie maszynowe mogą rozwiązać.

AI jako wsparcie śledzenia

W TrusTrace pracujemy z dziesiątkami firm z branży modowej, a większość ich danych dotyczących łańcucha dostaw jest zablokowana w dokumentach – papierowych i elektronicznych. Te dokumenty obejmują faktury, które potwierdzają łańcuch posiadania, raporty z audytów społecznych opisujących warunki pracy i płacy w fabrykach i innych obiektach, raporty z testów chemicznych dla partii materiałów i wiele więcej. Te dane dokumentowe często są w różnych formatach i językach. Krótko mówiąc, głównym problemem jest pozyskiwanie danych.

To jest miejsce, w którym AI staje się kluczowe 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 jakość danych śledzenia.

Prościej mówiąc, AI może być używane do cyfryzacji papierowych śladów, aby umożliwić śledzenie produktów w całości. Proces cyfryzacji obejmuje trzy kroki: Klasyfikacja, Ekstrakcja obiektów i identyfikacja, oraz Walidacja i łączenie danych.

Klasyfikacja zachodzi, gdy dokument jest przesłany do platformy śledzenia łańcucha dostaw przez dostawcę. Podstawowa AI rozpoznaje dokument i inteligentnie klasyfikuje go jako na przykład zamówienie, audyt fabryki 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 Nabywca, Sprzedawca, Produkt, Ilość, Data dostawy itp. Podobnie, cyfryzacja audytu społecznego może obejmować przechwytywanie parametrów związanych z warunkami pracy, sprawiedliwymi płacami, różnorodnością itd.

Gdy obiekty są wyodrębnione, dane są walidowane i połączone z innymi istniejącymi danymi w systemach przedsiębiorstwa, umożliwiając im używanie tych danych w dowolny sposób, czy to do prognoz, analiz, sprawozdawczości regulacyjnej, czy innych wymagań.

Łańcuchy dostaw modowe są tak złożone, a dostępne dane tak ogromne, że praktycznie niemożliwe jest zarządzanie nimi bez skutecznego użycia AI. Po wdrożeniu systemu śledzenia, zrównoważony rozwój jednego lub więcej partnerów w łańcuchu dostaw marki nieuchronnie okaże się niewystarczający. W takim przypadku łańcuch dostaw musi się dostosować i przekonfigurować 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, że w przyszłości 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 tym, zanim legislacja zaczęła się nasilać. To zobowiązanie korporacyjne musi teraz przeniknąć do poziomu produktu. To nie jest łatwe zadanie, ale śledzenie, wspierane przez AI i dane, może to umożliwić.