作為一個對可持續發展充滿熱情的人，看到政府站出來做一些重要的事情總是令人興奮的。例如，歐盟委員會的產品環境足跡(PEF)計劃。雖然仍處于測試階段，但當它成為法律時，它將要求品牌通過考慮供應鏈活動來計算和披露其商品的實際環境影響：從原材料的提取到生產和使用，最后是廢物管理。對于長期以來推動大品牌以更可持續方式運營的活動人士來說，這樣的立法將是一筆意外之財，時裝公司就是如此。

根據廣泛接受的估計，時裝業占全球碳排放量的2%至8%。2018年，僅全球服裝和鞋類行業產生的溫室氣體就超過了法國、德國和英國的總和。

PEF只是眾多全球法規之一，這些法規迫使大公司在其供應鏈中對環境破壞負責。加州的供應鏈透明度法案和德國最近通過的供應鏈盡職調查法案是最近的兩個例子。為了滿足各種新要求，這些地區的品牌將需要供應鏈可追溯性的技術解決方案，以及對可持續性的新思維方式。

直到最近，品牌一直采用自上而下的可持續發展方法，推出全面的企業計劃和相應的營銷產品。但這已經是一種過時且無效的思維方式（特別是如果要進行任何真正的改變）。現在需要的是——無論是通過監管還是越來越具有生態意識的消費者群——正在從產品開始朝著可持續發展的方向發展。

為了生產真正可持續的服裝，品牌需要了解他們處理的每種產品和材料的所有信息。它需要數百萬個精細、準確的數據點和一個可將數據存放在一個地方的可追溯性解決方案。

　　為什么要追溯？

通過供應鏈精確追蹤產品和材料的能力有助于應對許多挑戰。更高的供應鏈可見性使品牌能夠在中斷發生之前對其進行預測。此外，這種可見性使品牌能夠做出產品聲明并證明其真實性。例如，一個品牌可以聲稱銷售一件100%有機棉毛衣，并提供數據來支持它。

就目前而言，時尚供應鏈規模龐大，但供應商的知名度卻很低。因此，時裝公司面臨著一項艱巨的任務，即在每件產品通過全球數百家供應商時對其進行追蹤。這一現實代表了一個巨大的技術挑戰，只有人工智能(AI)和機器學習才能解決。

　　人工智能作為可追溯性的推動者

在TrusTrace，我們與時尚行業的數十家公司合作，他們的大部分供應鏈數據都被鎖定在文件中——紙質和電子版。這些文件包括證明監管鏈的發票、描述工廠和其他設施的工作場所和工資條件的社會審計報告、材料批次的化學測試報告等等。該文檔數據通常采用不同的格式和語言。簡而言之，主要問題是數據采集。

這就是人工智能對可追溯性至關重要的地方。它可以智能地大規模收集海量數據。然而，更重要的是，它還可以支持通過關聯來自多個來源的信息來自動執行數據驗證的系統，以提高可追溯性數據的整體質量。

更簡單地說，人工智能可用于將紙質記錄數字化，以實現全面的產品可追溯性。數字化過程包括三個步驟：分類、對象提取和識別以及數據驗證和鏈接。

當供應商將文件提交到供應鏈可追溯平臺時，就會發生分類。底層AI識別文檔并智能地將其分類為采購訂單、設施審計或認證等。

基于文檔的分類，人工智能通過元數據識別關鍵信息。例如，在處理發票時，追溯系統將自動提取和識別買方、賣方、產品、數量、交貨日期等信息。同樣，社會審計數字化可能涉及捕獲與工作條件、公平工資、多樣性相關的參數，和更多。

一旦提取了相應的對象，數據就會被驗證并鏈接到品牌企業系統中的其他現有數據，允許他們按照自己的意愿使用數據，無論是用于預測、分析、監管報告還是其他要求。

時尚供應鏈如此復雜，可用數據如此龐大，如果不有效使用人工智能，幾乎不可能進行管理。實施追溯系統后，品牌供應鏈中的一個或多個合作伙伴的可持續性將不可避免地達不到品牌的標準。在這種情況下，供應鏈必須通過其他合作伙伴進行調整和重新配置，以保持合規性。人工智能和機器學習是實現如此快速調整的支柱。

　　展望未來

正如EC的PEF計劃所表明的那樣，總有一天，說你是可持續的還不夠；甚至不足以提供證據。我相信未來品牌會通過智能追蹤組合材料來近乎實時地計算其產品的可持續性。

我很自豪看到如此多的時尚品牌致力于可持續發展和社會責任——甚至在立法開始加強之前。這種企業承諾現在必須滲透到產品層面。這絕非易事，但以人工智能和數據為后盾的可追溯性可以使之成為可能。