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。

作为一个热衷于可持续发展的人，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，但一旦成为法律，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，直到废物管理。这样的立法将是长期以来推动大品牌采取更可持续经营方式的活动家的福音，尤其是在时尚行业。

根据广泛接受的估计，时尚行业占全球碳排放的比例在2%至8%之间。2018年，全球服装和鞋类行业仅这一行业就产生的温室气体排放量超过了法国、德国和英国的总和。

PEF只是众多全球性法规中的一个，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。为了遵守这些新要求，各地区的品牌将需要供应链可追溯性技术解决方案和对可持续发展的新思维方式。

直到最近，品牌仍采用自上而下的可持续发展方法，推出全面的企业计划，并相应地宣传其产品。但这种思维方式已经过时且无效（尤其是如果要真正实现变化）。现在，无论是通过立法还是日益环保意识强的消费者所驱动，所需的都是从产品层面开始向可持续发展转变。

要生产真正可持续的服装，品牌需要了解每个产品和材料的所有信息。这需要数百万个细粒度的、准确的数据点和一个可以将这些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提出产品声明并证明其真实性。例如，一个品牌可以声称销售100%有机棉毛衣，并提供数据来支持这一说法。

时尚供应链如今非常庞大，但供应商的可见性却很低。因此，时尚公司面临着追踪每个产品在全球数百个供应商中移动的艰巨任务。这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赋能者

在TrusTrace，我们与时尚行业的几十家公司合作，他们的大部分供应链数据被锁在文档中——纸质和电子文档。这些文档包括证明所有权链的发票、描述工厂和其他设施的工作条件和工资的社会审计报告、材料批次的化学测试报告等。这些文档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。

这就是人工智能在可追溯性方面变得至关重要的地方。它可以智能地以大规模收集大量数据。更重要的是，它还可以支持一个系统，该系统通过从多个来源关联信息来自动执行数据验证，从而提高可追溯性数据的整体质量。

简单来说，人工智能可以用来数字化纸质记录，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。

分类发生在供应商将文档提交到供应链可追溯性平台时。底层人工智能识别文档并智能地将其分类为例如采购订单、设施审计或认证。

根据文档的分类，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现有数据，允许他们按照自己的意愿使用这些数据，无论是用于预测、分析、监管报告还是其他要求。

时尚供应链如此复杂，现有的数据如此庞大，以至于几乎不可能在没有人工智能有效使用的情况下管理它。一旦实施了可追溯性系统，品牌供应链中一个或多个合作伙伴的可持续性可能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这种快速调整的基础。

展望未来

正如欧洲委员会的PEF计划所示，将会有一个时候，仅仅声称自己是可持续的将不再足够；即使提供证据也不足够。我相信在未来，品牌将通过智能地追踪综合材料来实时计算其产品的可持续性。

我为看到许多时尚品牌致力于可持续发展和社会责任而感到自豪——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。这并不是一件容易的事，但可追溯性，结合人工智能和数据，可以使其成为可能。