Устойчивая мода начинается с ИИ

Автор: Мадхава Венкатеш, сооснователь и технический директор TrusTrace.

Как человек, увлеченный устойчивостью, всегда приятно видеть, как правительства принимают меры, которые действительно имеют значение. Например, программа Европейской комиссии по экологическому следу продукта (PEF). Хотя она еще находится на стадии тестирования, когда она станет законом, она потребует от брендов рассчитывать и раскрывать фактическое воздействие на окружающую среду их товаров, учитывая деятельность цепочки поставок: от добычи сырья до утилизации отходов. Такое законодательство будет прорывом для активистов, которые давно призывают крупные бренды действовать более устойчиво, особенно в модной индустрии.

По широко распространенным оценкам, модная индустрия составляет между двумя и восемью процентами выбросов парниковых газов в мире. В 2018 году глобальная индустрия одежды и обуви произвела больше парниковых газов, чем Франция, Германия и Великобритания вместе взятые.

PEF – это только одно из многих глобальных правил, которые заставляют крупные компании учитывать ущерб окружающей среде в своих цепочках поставок. Закон Калифорнии о прозрачности цепочки поставок и недавно принятый Закон о цепочке поставок в Германии – два недавних примера. Чтобы соответствовать различным новым требованиям, бренды в этих регионах будут нуждаться в технологических решениях для отслеживания цепочки поставок, а также в новом подходе к устойчивости.

До недавнего времени бренды имели верхний подход к устойчивости, продвигая корпоративные инициативы и маркетинг продуктов соответственно. Но это уже устаревший и неэффективный подход (особенно если речь идет о реальных изменениях). Теперь требуется переход к устойчивости снизу вверх – от продукта.

Чтобы произвести действительно устойчивую одежду, бренды должны знать все о каждом продукте и материале, с которым они работают. Для этого требуется миллионы точных данных и решение для отслеживания, которое может хранить эти данные в одном месте.

Почему отслеживаемость?

Способность точно отслеживать продукты и материалы через цепочку поставок может помочь решить многие проблемы. Больше видимости цепочки поставок позволяет брендам предвидеть сбои до их возникновения. Кроме того, такая видимость позволяет брендам делать заявления о продуктах и доказывать их подлинность. Например, бренд может заявить, что продает свитер из 100% органиального хлопка, и предоставить данные, подтверждающие это.

Как они существуют сегодня, цепочки поставок модной индустрии огромны, но с очень слабой видимостью поставщиков. Модные компании поэтому сталкиваются с сложной задачей отслеживания каждого продукта, когда он проходит через сотни поставщиков по всему миру. Это представляет собой огромный технологический вызов, который можно решить только с помощью искусственного интеллекта (ИИ) и машинного обучения.

ИИ как средство обеспечения отслеживаемости

В TrusTrace мы работаем с десятками компаний в модной индустрии, и большая часть их данных о цепочке поставок находится в документах – бумажных и электронных. Эти документы включают счета-фактуры, которые подтверждают цепочку владения, отчеты социальных аудитов, описывающие условия труда и оплату на фабриках и других объектах, отчеты о химических испытаниях материалов и многое другое. Эти документы часто находятся в разных форматах и языках. Коротко говоря, основная проблема – сбор данных.

Именно здесь ИИ становится критически важным для отслеживаемости. Он может собирать огромные объемы данных масштабно. Более того, он также может поддерживать систему, которая автоматически выполняет проверку данных, коррелируя информацию из нескольких источников для улучшения качества данных отслеживаемости.

Проще говоря, ИИ можно использовать для оцифровки бумажных документов для обеспечения целостной отслеживаемости продукта. Процесс оцифровки включает три шага: Классификация, Извлечение и идентификация объектов и Данные проверки и связывания.

Классификация происходит, когда документ представляется в платформу отслеживания цепочки поставок поставщиком. Основной ИИ распознает документ и интеллектуально классифицирует его, например, как заказ на покупку, аудит объекта или сертификат.

На основе классификации документа ИИ затем извлекает ключевую информацию через метаданные. Например, при обработке счетов-фактур система отслеживания автоматически извлекает и идентифицирует информацию, такую как Покупатель, Продажа, Продукт, Количество, Дата поставки и т. д. Аналогично, оцифровка социального аудита может включать захват параметров, связанных с условиями труда, справедливой оплатой, разнообразием и т. д.

Как только соответствующие объекты извлечены, данные проверяются и связываются с другими существующими данными в системах бренда, позволяя им использовать эти данные по своему усмотрению, будь то для прогнозирования, аналитики, отчетности или других требований.

Цепочки поставок модной индустрии настолько сложны, а доступные данные настолько обширны, что практически невозможно управлять ими без эффективного использования ИИ. После внедрения системы отслеживания устойчивость одного или нескольких партнеров в цепочке поставок бренда неизбежно окажется ниже стандартов бренда. В этом случае цепочка поставок должна адаптироваться и переконфигурироваться через других партнеров, чтобы оставаться в соответствии. ИИ и машинное обучение являются основой, которая позволяет такую быструю корректировку.

Взгляд в будущее

Как демонстрирует программа PEF Европейской комиссии, наступит время, когда просто заявить о своей устойчивости будет недостаточно; даже предоставление доказательств будет недостаточно. Я верю, что в будущем бренды будут рассчитывать устойчивость своих продуктов в режиме реального времени, интеллектуально отслеживая объединенные материалы.

Я горжусь тем, что многие модные бренды обязались следовать устойчивости и социальной ответственности – даже до начала законодательных изменений. Это корпоративное обязательство теперь должно распространиться на уровень продукта. Это не простая задача, но отслеживаемость, поддержанная ИИ и данными, может сделать это возможным.