Thời Trang Bền Vững Bắt Đầu Với Trí Tuệ Nhân Tạo

By: Madhava Venkatesh, Đồng sáng lập và Giám đốc Công nghệ, TrusTrace.

Là một người đam mê tính bền vững, luôn thú vị khi thấy các chính phủ thực hiện các hành động có ý nghĩa. Ví dụ, chương trình Product Environmental Footprint (PEF) của Ủy ban Châu Âu. Mặc dù vẫn đang trong giai đoạn thử nghiệm, nhưng khi nó trở thành luật, nó sẽ yêu cầu các thương hiệu tính toán và công bố tác động môi trường thực sự của sản phẩm của họ bằng cách xem xét các hoạt động trong chuỗi cung ứng: từ khai thác nguyên liệu thô, sản xuất và sử dụng, và cuối cùng là quản lý chất thải. Luật như vậy sẽ là một lợi ích lớn cho các nhà hoạt động đã lâu dài thúc đẩy các thương hiệu lớn hoạt động bền vững hơn, không chỉ trong ngành thời trang.

Theo ước tính được chấp nhận rộng rãi, ngành thời trang chiếm từ hai đến tám phần trăm lượng khí thải carbon của thế giới. Năm 2018, ngành hàng may mặc và giày dép toàn cầu chỉ riêng đã sản xuất nhiều khí nhà kính hơn so với Pháp, Đức và Vương quốc Anh kết hợp.

PEF chỉ là một trong nhiều quy định toàn cầu đang buộc các công ty lớn phải tính đến thiệt hại môi trường trong chuỗi cung ứng của họ. Đạo luật Minh bạch trong Chuỗi Cung ứng của California và Đạo luật Due Diligence trong Chuỗi Cung ứng mới được thông qua của Đức là hai ví dụ gần đây. Để tuân thủ các yêu cầu mới, các thương hiệu trong những khu vực này sẽ cần các giải pháp công nghệ cho khả năng theo dõi chuỗi cung ứng, cùng với một cách nghĩ mới về tính bền vững.

Cho đến gần đây, các thương hiệu đã có cách tiếp cận từ trên xuống trong tính bền vững, thúc đẩy các sáng kiến doanh nghiệp và tiếp thị sản phẩm theo đó. Nhưng đây đã là một cách nghĩ lỗi thời và không hiệu quả (đặc biệt nếu bất kỳ thay đổi thực sự nào sẽ được thực hiện). Những gì bây giờ được yêu cầu — cho dù thông qua quy định hay ngày càng nhiều người tiêu dùng ý thức về môi trường — là chuyển hướng sang tính bền vững từ sản phẩm lên.

Để sản xuất một sản phẩm thời trang thực sự bền vững, các thương hiệu cần biết mọi thứ về mỗi sản phẩm và vật liệu họ xử lý. Điều này đòi hỏi hàng triệu điểm dữ liệu chi tiết và chính xác, cũng như một giải pháp theo dõi có thể chứa dữ liệu trong một nơi.

Tại Sao Theo Dõi?

Khả năng theo dõi chính xác sản phẩm và vật liệu qua chuỗi cung ứng có thể giúp giải quyết nhiều thách thức. Tính minh bạch cao hơn trong chuỗi cung ứng cho phép các thương hiệu dự đoán các gián đoạn trước khi chúng xảy ra. Hơn nữa, tính minh bạch như vậy cho phép các thương hiệu đưa ra các tuyên bố về sản phẩm và chứng minh tính xác thực của chúng. Ví dụ, một thương hiệu có thể tuyên bố bán một chiếc áo len cotton hữu cơ 100% và cung cấp dữ liệu để chứng minh điều đó.

Như chúng đang đứng ngày hôm nay, chuỗi cung ứng thời trang là khổng lồ, nhưng có rất ít khả năng hiển thị của nhà cung cấp. Do đó, các công ty thời trang phải đối mặt với nhiệm vụ đầy thách thức khi cố gắng theo dõi mọi sản phẩm khi chúng di chuyển qua hàng trăm nhà cung cấp trên toàn cầu. Thực tế này đại diện cho một thách thức công nghệ khổng lồ mà chỉ trí tuệ nhân tạo (AI) và học máy có thể giải quyết.

Trí Tuệ Nhân Tạo Là Người Kích Hoạt Theo Dõi

Tại TrusTrace, chúng tôi làm việc với hàng chục công ty trong ngành thời trang, và phần lớn dữ liệu chuỗi cung ứng của họ bị khóa trong tài liệu — giấy và điện tử. Những tài liệu này bao gồm hóa đơn chứng minh chuỗi sở hữu, báo cáo kiểm toán xã hội mô tả điều kiện làm việc và trả lương tại các nhà máy và cơ sở khác, báo cáo kiểm tra hóa chất cho lô vật liệu và nhiều hơn nữa. Dữ liệu tài liệu này thường ở các định dạng và ngôn ngữ khác nhau. Ngắn gọn, vấn đề chính là thu thập dữ liệu.

Đây là nơi trí tuệ nhân tạo trở nên quan trọng cho việc theo dõi. Nó có thể thu thập thông minh một lượng lớn dữ liệu ở quy mô lớn. Hơn nữa, nó cũng có thể hỗ trợ một hệ thống thực hiện tự động xác thực dữ liệu bằng cách liên kết thông tin từ nhiều nguồn để cải thiện chất lượng dữ liệu theo dõi tổng thể.

Cụ thể hơn, AI có thể được sử dụng để số hóa giấy tờ để cho phép theo dõi sản phẩm toàn diện. Quá trình số hóa bao gồm ba bước: Phân loại, Trích xuất và xác định đối tượng, và Xác thực và liên kết dữ liệu.

Phân loại xảy ra khi một tài liệu được gửi vào một nền tảng theo dõi chuỗi cung ứng bởi một nhà cung cấp. Trí tuệ nhân tạo cơ bản nhận ra tài liệu và phân loại nó một cách thông minh, ví dụ, như một đơn đặt hàng, kiểm toán cơ sở, hoặc chứng nhận.

Dựa trên phân loại tài liệu, AI sau đó xác định thông tin chính qua siêu dữ liệu. Ví dụ, khi xử lý hóa đơn, hệ thống theo dõi sẽ tự động trích xuất và xác định thông tin như Người mua, Người bán, Sản phẩm, Số lượng, Ngày giao hàng, v.v. Tương tự, số hóa một kiểm toán xã hội có thể liên quan đến việc thu thập các tham số liên quan đến Điều kiện làm việc, Lương công bằng, Đa dạng, và nhiều hơn.

Khi các đối tượng tương ứng được trích xuất, dữ liệu được xác thực và liên kết với dữ liệu hiện có khác trong hệ thống doanh nghiệp của một thương hiệu, cho phép họ sử dụng dữ liệu theo cách họ muốn, cho dù là dự báo, phân tích, báo cáo quy định, hoặc các yêu cầu khác.

Chuỗi cung ứng thời trang rất phức tạp và dữ liệu có sẵn rất lớn, vì vậy gần như không thể quản lý mà không có sự sử dụng hiệu quả của AI. Sau khi triển khai một hệ thống theo dõi, tính bền vững của một hoặc nhiều đối tác trong chuỗi cung ứng của một thương hiệu chắc chắn sẽ không đạt tiêu chuẩn của thương hiệu. Trong trường hợp đó, chuỗi cung ứng phải thích nghi và tái cấu hình thông qua các đối tác khác để duy trì tuân thủ. Trí tuệ nhân tạo và học máy là xương sống cho phép điều chỉnh nhanh chóng như vậy.

Nhìn Về Tương Lai

Như chương trình PEF của EC chứng minh, sẽ có lúc mà không đủ để nói rằng bạn bền vững; Nó thậm chí không đủ để cung cấp bằng chứng. Tôi tin vào một tương lai nơi các thương hiệu tính toán gần như thời gian thực làm thế nào bền vững sản phẩm của họ bằng cách theo dõi thông minh vật liệu kết hợp.

Tôi tự hào thấy nhiều thương hiệu thời trang cam kết tính bền vững và trách nhiệm xã hội — ngay cả trước khi luật pháp bắt đầu tăng lên. Cam kết doanh nghiệp đó bây giờ phải trick xuống đến cấp độ sản phẩm. Đó không phải là một việc dễ dàng, nhưng khả năng theo dõi, được hỗ trợ bởi AI và dữ liệu, có thể làm cho nó có thể.