Могут ли Технологии восполнить Недостающие Данные Моды о выбросах?

Новейшая функция приложения от Klarna, шведского банка и крупного кредитора, предоставляющего услуги “покупай сейчас, плати позже”, утверждает, что предоставляет информацию, которой многие представители индустрии моды ранее не могли или не хотели делиться: углеродный след от любого предмета одежды, приобретенного пользователем.

По словам Намраты Сандху, соучредителя и исполнительного директора Vaayu, платформы для измерения выбросов углерода, обеспечивающей эту функцию, в приложении доступны данные примерно по 50 миллионам наименований товаров. Klarna даже включает подробную разбивку доли выбросов, производимых на каждом этапе жизненного цикла продукта.

Такой уровень детализации встречается редко, даже в корпоративной отчетности fashion’s. Из 250 крупнейших брендов и розничных продавцов, проанализированных в рамках индекса прозрачности Fashion Revolution за 2022 год, только 34% опубликовали информацию о своем углеродном следе на уровне сырья и обработки, что является наиболее углеродоемкой частью производства одежды.

Даже если компании хотят отслеживать эти выбросы, у них часто возникают трудности с этим. Многие из них не имеют полной информации о своих поставщиках, а без этой информации трудно получить достоверные данные для оценки. Решение Vaayu основано на большом количестве исследований в сочетании с технологиями, в частности, с искусственным интеллектом, включая обработку данных на естественном языке и машинное обучение. “Мы пытаемся решить, как в отсутствие этих данных можно с достаточной точностью оценить влияние, которое они оказывают на сокращение затрат?” - сказал Сандху. Компания также сотрудничает с такими партнерами, как торговая площадка подержанных товаров Vinted, платежный сервис Stripe и бренд очков Ace & Tate.

Результаты не идеальны. Vaayu оценивает точность каждого рассчитанного показателя, признавая, что надежность его выводов может варьироваться. Тем не менее, Санду — ветеран моды, ранее возглавлявший отдел устойчивого развития в немецком гиганте электронной коммерции Zalando, - считает, что технологическое решение проблемы нехватки данных о моде может помочь брендам и потребителям лучше справляться с выбросами углекислого газа, что жизненно важно для начала их сокращения. Не располагая точными данными, Vaayu использует другой метод.

Допустим, вы знаете, что джинсы были сшиты на фабрике в Ханое из смеси хлопка и полиэстера, которая, вероятно, была изготовлена крупным производителем в Шаосине, Китай. Если бы вы могли найти данные об энергетическом профиле каждого из этапов, вы могли бы сопоставить их и получить обоснованную оценку углеродного следа ваших джинсов.

Чем больше у вас информации, тем точнее будет ваша оценка. Однако подход Vaayu, который Сандху называет “обратным проектированием” углеродного следа продукта, представляет собой сложную задачу. Эти исследования, если они и существуют, публикуются в разрозненных источниках, таких как научная литература и государственные базы данных, часто в разных форматах. Компании необходимо найти, скомпилировать и систематизировать информацию, чтобы сделать ее полезной.

Для этого используется искусственный интеллект, способный идентифицировать и извлекать информацию. Сбор всех данных - самая большая часть работы Vaayu, сказал Сандху. Мы работаем над этим уже почти два года, и почти половина команды состоит из экспертов в области LCA, или оценки жизненного цикла, которые могут определить, какие данные являются надежными. По словам Сандху, они используют только рецензируемые исследования, а другие источники включают информацию, предоставленную брендами или найденную в официальных базах данных. “У многих правительств есть разные наборы данных для электросетей и тому подобного”, - отметила она. “У нас есть около 600 000 точек данных или коэффициентов выбросов, которые вы используете для последующего расчета выбросов углерода”.

Чтобы рассчитать выбросы того или иного продукта, Vaayu сопоставляет его характеристики, такие как состав материала и страна происхождения, с информацией в своей базе данных, заполняя пробелы, насколько это возможно.

Это еще одна область, где компания опирается на искусственный интеллект. На данный момент Klarna показывает оценки выбросов только для тех товаров, которые пользователи уже приобрели, чтобы они могли видеть их общее воздействие, но Сандху сказал, что они хотят, чтобы пользователи также могли видеть выбросы перед покупкой.

Недостатком метода Вааю, конечно, является то, что он основан на обоснованных предположениях, а не на данных, собранных самими компаниями. В Sandhu сказали, что они работают напрямую с некоторыми брендами, что позволяет получать более достоверные данные.

Klarna также предоставила данные для подсчета выбросов, которые отображаются в ее приложении. По мнению Сандху, Vaayu “достаточно точен” в том, что касается разбивки выбросов для большинства продуктов. Она также подчеркнула, что Vaayu четко определяет уровень своей достоверности. Оценки жизненного цикла, напротив, часто не позволяют моделировать в условиях неопределенности, сказала она. Компания Vaayu старается не повторять эту ошибку, и со временем, по мере сбора большего количества данных для ввода в свою систему, точность ее моделей должна постоянно повышаться. Мы надеемся, что вся эта работа позволит компаниям сократить выбросы углекислого газа.

Если они не знают, сколько они производят с самого начала, они не могут знать, сокращают ли они свои производственные мощности, не говоря уже о том, насколько сильно. На самом деле, способы сокращения - это еще одна область, в которой Vaayu хочет, чтобы ИИ сыграл свою роль.

Они могут использовать его для моделирования различных сценариев, чтобы бренды могли знать, например, приведет ли перенос дистрибьюторского центра к сокращению или увеличению выбросов. Это еще один способ, которым они полагаются на технологии, чтобы заполнить пробелы, о которых пока нет данных.