始于人工智能的可持续时尚

作为一个对可持续发展充满热情的人，看到政府站出来做一些重要的事情总是令人兴奋的。例如，欧盟委员会的产品环境足迹(PEF)计划。虽然仍处于测试阶段，但当它成为法律时，它将要求品牌通过考虑供应链活动来计算和披露其商品的实际环境影响：从原材料的提取到生产和使用，最后是废物管理。对于长期以来推动大品牌以更可持续方式运营的活动人士来说，这样的立法将是一笔意外之财，时装公司就是如此。

根据广泛接受的估计，时装业占全球碳排放量的2%至8%。2018年，仅全球服装和鞋类行业产生的温室气体就超过了法国、德国和英国的总和。

PEF只是众多全球法规之一，这些法规迫使大公司在其供应链中对环境破坏负责。加州的供应链透明度法案和德国最近通过的供应链尽职调查法案是最近的两个例子。为了满足各种新要求，这些地区的品牌将需要供应链可追溯性的技术解决方案，以及对可持续性的新思维方式。

直到最近，品牌一直采用自上而下的可持续发展方法，推出全面的企业计划和相应的营销产品。但这已经是一种过时且无效的思维方式（特别是如果要进行任何真正的改变）。现在需要的是——无论是通过监管还是越来越具有生态意识的消费者群——正在从产品开始朝着可持续发展的方向发展。

为了生产真正可持续的服装，品牌需要了解他们处理的每种产品和材料的所有信息。它需要数百万个精细、准确的数据点和一个可将数据存放在一个地方的可追溯性解决方案。

　　为什么要追溯？

通过供应链精确追踪产品和材料的能力有助于应对许多挑战。更高的供应链可见性使品牌能够在中断发生之前对其进行预测。此外，这种可见性使品牌能够做出产品声明并证明其真实性。例如，一个品牌可以声称销售一件100%有机棉毛衣，并提供数据来支持它。

就目前而言，时尚供应链规模庞大，但供应商的知名度却很低。因此，时装公司面临着一项艰巨的任务，即在每件产品通过全球数百家供应商时对其进行追踪。这一现实代表了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的推动者

在TrusTrace，我们与时尚行业的数十家公司合作，他们的大部分供应链数据都被锁定在文件中——纸质和电子版。这些文件包括证明监管链的发票、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。该文档数据通常采用不同的格式和语言。简而言之，主要问题是数据采集。

这就是人工智能对可追溯性至关重要的地方。它可以智能地大规模收集海量数据。然而，更重要的是，它还可以支持通过关联来自多个来源的信息来自动执行数据验证的系统，以提高可追溯性数据的整体质量。

更简单地说，人工智能可用于将纸质记录数字化，以实现全面的产品可追溯性。数字化过程包括三个步骤：分类、对象提取和识别以及数据验证和链接。

当供应商将文件提交到供应链可追溯平台时，就会发生分类。底层AI识别文档并智能地将其分类为采购订单、设施审计或认证等。

基于文档的分类，人工智能通过元数据识别关键信息。例如，在处理发票时，追溯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，社会审计数字化可能涉及捕获与工作条件、公平工资、多样性相关的参数，和更多。

一旦提取了相应的对象，数据就会被验证并链接到品牌企业系统中的其他现有数据，允许他们按照自己的意愿使用数据，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，可用数据如此庞大，如果不有效使用人工智能，几乎不可能进行管理。实施追溯系统后，品牌供应链中的一个或多个合作伙伴的可持续性将不可避免地达不到品牌的标准。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，以保持合规性。人工智能和机器学习是实现如此快速调整的支柱。

　　展望未来

正如EC的PEF计划所表明的那样，总有一天，说你是可持续的还不够；甚至不足以提供证据。我相信未来品牌会通过智能追踪组合材料来近乎实时地计算其产品的可持续性。

我很自豪看到如此多的时尚品牌致力于可持续发展和社会责任——甚至在立法开始加强之前。这种企业承诺现在必须渗透到产品层面。这绝非易事，但以人工智能和数据为后盾的可追溯性可以使之成为可能。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。