可持续时尚从人工智能开始

作者：Madhava Venkatesh，TrusTrace联合创始人兼首席技术官TrusTrace。

作为一个对可持续性充满热情的人，每当看到政府采取有意义的行动时，我都会感到非常兴奋。例如，欧洲委员会的产品环境足迹（PEF）计划。虽然该计划仍处于测试阶段，但当它成为法律时，它将要求品牌计算和披露其产品的实际环境影响，考虑到供应链活动：从原材料的提取，到生产和使用，最后到废物管理。这样的立法将是长期以来推动大品牌更可持续地运营的活动家的福音，尤其是时尚公司。

根据广泛接受的估计，时尚行业占全球碳排放量的比例在2%至8%之间。2018年，全球服装和鞋类行业单独产生的温室气体排放量超过了法国、德国和英国的总和。

PEF只是众多全球法规中的一项，这些法规迫使大公司对其供应链中的环境损害负责。加利福尼亚州的供应链透明法和德国最近通过的供应链尽职调查法是两个最近的例子。为了遵守各种新要求，品牌在这些地区需要供应链可追溯性技术解决方案，以及对可持续性的新思考方式。

直到最近，品牌对可持续性采取了自上而下的方法，推出全面性的企业计划，并相应地营销产品。但这种思考方式已经过时且无效（尤其是如果要实现真正的改变）。现在，无论是通过法规还是日益环保意识强的消费者群体，都需要从产品开始，逐步推进可持续性。

要生产真正可持续的服装，品牌需要了解他们处理的每个产品和材料的所有信息。这需要数百万个细致、准确的数据点和一个可以将所有数据存储在一个地方的可追溯性解决方案。

为什么需要可追溯性？

能够精确地追踪产品和材料通过供应链可以帮助解决许多挑战。更大的供应链可见性使品牌能够预测中断发生之前。另外，这种可见性使品牌能够对产品做出声明并证明其真实性。例如，一个品牌可以声称出售100%有机棉的毛衣，并提供数据来支持这一说法。

时尚供应链就目前而言是巨大的，但供应商的可见性却很低。因此，时尚公司面临着试图跟踪每个产品在全球数百个供应商之间移动的艰巨任务。这一现实代表着一个巨大的技术挑战，只有人工智能（AI）和机器学习才能解决。

人工智能作为可追溯性启用器

在TrusTrace，我们与时尚行业的几十家公司合作，他们的供应链数据大部分被锁在文件中——纸质和电子的。这些文件包括证明所有权链的发票、描述工厂和其他设施的工作场所和工资条件的社会审计报告、材料批次的化学测试报告等等。这种文件数据通常以不同的格式和语言呈现。简而言之，主要问题是数据采集。

这就是人工智能对于可追溯性至关重要的地方。它可以在规模上智能地收集大量数据。更重要的是，它还可以支持一个系统，该系统通过关联多个来源的信息来自动执行数据验证，以提高可追溯性数据的整体质量。

更简单地说，人工智能可以用来数字化纸质文件，以实现整体产品可追溯性。数字化过程包括三个步骤：分类、对象提取和识别、数据验证 和链接。

当供应商将文件提交到供应链可追溯性平台时，分类就会发生。底层人工智能识别文件并将其智能地分类为例如采购订单、设施审计或认证。

根据文件的分类，人工智能然后通过元数据识别关键信息。例如，在处理发票时，可追溯性系统将自动提取和识别买方、卖方、产品、数量、交货日期等信息。同样，数字化社会审计可能涉及捕获与工作条件、公平工资、多样性等相关的参数。

一旦提取相应的对象，数据就会被验证并链接到品牌的企业系统中的其他现有数据，使他们能够按照自己的意愿使用数据，无论是用于预测、分析、法规报告还是其他要求。

时尚供应链如此复杂，现有的数据如此庞大，以至于如果没有人工智能的有效使用，几乎不可能管理。实施可追溯性系统后，品牌的供应链中一个或多个合作伙伴的可持续性最终会低于品牌的标准。在这种情况下，供应链必须通过其他合作伙伴进行调整和重新配置，以保持合规。人工智能和机器学习是实现此类快速调整的骨干。

展望未来

正如欧盟委员会的PEF计划所示，将来仅仅声称自己是可持续的将不够；甚至提供证据也不够。我相信在一个品牌可以实时计算其产品的可持续性并智能地追踪综合材料的未来。

我为看到许多时尚品牌致力于可持续性和社会责任感到自豪——即使在立法开始加强之前。这种企业承诺现在必须传递到产品层面。这不是一件容易的事，但可追溯性、人工智能和数据可以使其成为可能。