令人欣慰的是，我們看到各國政府正在采取行動，支持可持續(xù)發(fā)展的未來。例如，歐盟委員會的產品環(huán)境足跡（PEF）計劃，將要求品牌計算和披露他們的商品如何影響環(huán)境，并通過測量從原材料到生產的供應鏈活動，最后到廢物管理。活動家們長期以來一直在推動這種立法，這將促使大品牌更可持續(xù)地運營。

在尋求讓品牌對供應鏈活動負責的全球法規(guī)中，PEF并不孤單。最近的兩個例子是美國加州的《供應鏈透明法》和德國的《供應鏈盡職調查法》。為了遵守新的法規(guī)或公司主導的可持續(xù)發(fā)展承諾，品牌將需要供應鏈追蹤的技術工具，以及更新的可持續(xù)發(fā)展思維。

傳統(tǒng)上，品牌自上而下地處理可持續(xù)發(fā)展問題，首先引入全面的企業(yè)倡議，然后再擔心如何實施其戰(zhàn)略。但這種思維方式已經過時，而且沒有效果。現(xiàn)在需要的是--無論是通過監(jiān)管還是通過日益增長的生態(tài)意識的消費者基礎--從產品開始走向可持續(xù)性。

生產真正的可持續(xù)發(fā)展的商品需要對每一種產品和材料的了解。收集這些知識的關鍵是數據--事實上是數以百萬計的數據點，以及一個能將所有數據放在一個地方的可追溯系統(tǒng)。

在整個供應鏈中追蹤產品和材料的能力可以幫助解決許多挑戰(zhàn)。更大的供應鏈可視性使品牌能夠在中斷發(fā)生之前預測到它們。這樣的可見性也使品牌能夠做出產品聲明并證明其真實性。例如，一個品牌可以聲稱出售100%的有機羊毛衫，但必須提供數據來支持它。

各個行業(yè)的供應鏈--包括時尚、零售和食品--都很龐大，但供應商的可見度卻很低。這些公司面臨著一項艱巨的任務，即試圖跟蹤每件產品在全球數百個供應商中的流動情況。這一現(xiàn)實代表了一個巨大的技術挑戰(zhàn)，只有人工智能（AI）和機器學習可以補救。

如果沒有可追溯性系統(tǒng)，品牌商將他們的大部分供應鏈數據儲存在文件中，無論是紙質還是電子文件，往往是不同的格式和語言。它們包括監(jiān)管鏈發(fā)票、詳細說明工作場所和薪酬條件的社會審計報告、材料批次的化學測試報告等等。簡而言之，首要問題是數據獲取。

這就是人工智能發(fā)揮作用的地方，它有能力精簡物理和數字紙張跟蹤，從而實現(xiàn)大規(guī)模的產品追蹤。這個過程包括三個步驟：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追蹤平臺時，分類過程開始。然后底層人工智能自動將信息分類，例如，生產訂單、設施檢查或認證。

基于文件的分類，人工智能然后通過元數據識別關鍵信息。例如，在處理發(fā)票時，追溯系統(tǒng)將自動提取和識別買方、賣方、產品、數量和交貨日期等信息。根據可追溯性系統(tǒng)，還可能涉及捕獲與工作條件、公平工資、多樣性等有關的參數。

在提取了相應的對象后，人工智能驗證了數據，并將其與品牌企業(yè)系統(tǒng)內的其他現(xiàn)有數據連接起來。這使得它可以將數據用于多種目的，無論是預測、分析、監(jiān)管報告還是其他要求。

供應鏈往往是如此錯綜復雜，可用數據如此廣泛，沒有人工智能的支持，幾乎不可能管理。一旦啟用全面的供應鏈可見性，品牌供應鏈中的一個或多個合作伙伴的可持續(xù)性將不可避免地受到質疑。在這種情況下，供應鏈必須通過其他供應商重新配置自己，以保持合規(guī)性。人工智能可以實現(xiàn)這種快速調整。

正如歐盟委員會的PEF項目所證明的那樣，僅僅聲稱可持續(xù)發(fā)展最終是不夠的。甚至披露證據也是不夠的。一個可持續(xù)的未來是一個品牌能夠近乎實時地提供關于產品可持續(xù)性的詳細計算。

許多品牌正在致力于可持續(xù)發(fā)展和社會責任，甚至在立法開始加強之前。企業(yè)的承諾現(xiàn)在必須從產品層面開始。這并不容易，但在人工智能和數據的支持下，可追溯性可以使之成為可能。