När AI och mode möts – hållbarhetsdata i varje produktetikett

Modeindustrin står inför ett växande krav på transparens, där konsumenter vill veta mer om hur kläder tillverkas, transporteras och påverkar miljön. Samtidigt utvecklas artificiell intelligens snabbt och kan göra stora mängder hållbarhetsdata mer lättillgängliga. Genom att kombinera AI med digitala produktetiketter kan information om material, ursprung, klimatpåverkan och återvinning följa med plagget genom hela dess livscykel. Det skapar nya möjligheter för både företag och konsumenter att fatta mer informerade beslut. Men tekniken väcker också frågor om datakvalitet, integritet och hur trovärdig informationen egentligen är när allt fler beslut automatiseras i modebranschen.

Så kan AI göra hållbarhetsdata mer tillgänglig

Modebranschen producerar stora mängder information om material, tillverkning, transporter och produktens livslängd. Problemet är att uppgifterna ofta finns utspridda hos olika leverantörer och i olika digitala system. Artificiell intelligens kan hjälpa företag att samla, strukturera och analysera dessa uppgifter så att de blir enklare att använda. När informationen sedan kopplas till en produktetikett kan konsumenten få tillgång till mer detaljer än vad en traditionell etikett kan rymma. Det kan exempelvis handla om var råvaran kommer ifrån, hur plagget har tillverkats och vilka delar som kan återvinnas när användningen är över.

Från spridda uppgifter till användbar information

AI kan framför allt fungera som ett verktyg för att bearbeta stora informationsmängder. Ett modeföretag kan ha data från spinnerier, färgerier, fabriker, transportörer och återvinningsaktörer. Genom att analysera uppgifterna kan AI identifiera mönster, upptäcka avvikelser och strukturera informationen efter olika produkter. Det gör det lättare att skapa en enhetlig bild av plaggets miljöpåverkan. Samtidigt behöver tekniken inte innebära att människor försvinner ur processen. Tvärtom krävs kontroll och granskning för att avgöra om informationen är korrekt, relevant och tillräckligt aktuell innan den presenteras för konsumenten.

En viktig möjlighet är att AI kan omvandla teknisk hållbarhetsdata till information som fler faktiskt förstår. Klimatberäkningar, materialfördelningar och uppgifter från leverantörskedjan kan vara svåra att tolka för den som bara vill köpa ett plagg. Ett AI-system kan exempelvis hjälpa till att sortera informationen efter material, produktionsland, vattenanvändning eller uppskattad klimatpåverkan. På produktnivå kan det ge konsumenten en tydligare bild av vad som ligger bakom plagget. Det blir särskilt intressant när informationen kan uppdateras digitalt utan att själva etiketten behöver bytas ut.

AI kan följa plaggets hela livscykel

En digital produktetikett kan också göra det möjligt att följa ett plagg under flera olika faser. Vid inköp kan konsumenten få information om material och tillverkning. Senare kan samma digitala källa innehålla skötselråd som förlänger plaggets livslängd eller uppgifter om hur materialet bör sorteras. Om plagget säljs vidare kan informationen följa med till nästa ägare. På så sätt blir hållbarhetsdata inte bara ett försäljningsargument, utan en del av produktens digitala identitet.

För företag kan den här utvecklingen ge andra fördelar än enbart bättre konsumentinformation. När data samlas in och analyseras löpande kan AI hjälpa till att upptäcka var i leverantörskedjan det finns störst potential att minska resursanvändning eller utsläpp. Företaget kan också jämföra produkter och material utifrån samma typer av uppgifter. Det kan underlätta beslut om framtida kollektioner och inköp. Samtidigt blir det viktigare att företagen kan visa var informationen kommer ifrån, eftersom automatiserad analys inte automatiskt innebär att underlaget är korrekt.

Produktetiketten blir en digital informationskälla

Den traditionella produktetiketten har länge haft en begränsad funktion. Den ska bland annat visa materialinnehåll, storlek och skötselråd, men utrymmet räcker inte för större mängder information. Med en digital produktetikett kan etiketten i stället fungera som en ingång till ett betydligt mer omfattande informationssystem. Genom en QR-kod, NFC-teknik eller annan digital identifiering kan konsumenten exempelvis få tillgång till information om plaggets ursprung, material och tillverkning. Det innebär att en liten fysisk etikett kan ge tillgång till betydligt mer data utan att själva plagget behöver förändras.

QR-koder och digitala produktpass

En digital produktetikett kan innehålla en unik identitet som kopplas till ett specifikt plagg eller en viss produktmodell. När konsumenten skannar etiketten kan informationen presenteras direkt i mobilen. AI kan sedan användas för att sortera och anpassa innehållet beroende på vad personen vill veta. En kund kanske främst är intresserad av materialets ursprung, medan en annan vill veta hur plagget ska tvättas för att hålla längre. Samma databas kan därför användas för olika behov, vilket gör hållbarhetsinformationen mer flexibel än en traditionell tryckt etikett.

Informationen kan exempelvis omfatta:

• Materialens ursprung och andel i plagget.

• Produktionsland och uppgifter om leverantörer.

• Information om klimatpåverkan och resursanvändning.

• Skötselråd som kan förlänga produktens livslängd.

• Instruktioner för återanvändning eller återvinning.

För konsumenten kan detta göra det enklare att jämföra produkter utifrån fler faktorer än pris och utseende. Det kan också förändra hur företag kommunicerar hållbarhet. I stället för att placera ett fåtal generella miljöpåståenden på förpackningen kan företaget erbjuda mer detaljerad information som går att följa tillbaka till olika delar av leverantörskedjan. Det skapar samtidigt ett större krav på transparens. Om ett företag påstår att ett plagg har låg klimatpåverkan behöver det kunna förklara vilka data och beräkningar som ligger bakom påståendet.

Informationen kan följa plagget

Den digitala identiteten kan dessutom vara användbar efter det första köpet. Om ett plagg säljs vidare kan nästa ägare få tillgång till samma produktinformation. Det kan göra det enklare att förstå material, storlek och skötsel även när plagget inte längre har kvar sin ursprungliga förpackning. På längre sikt kan informationen även stödja reparation, återbruk och återvinning. För modebranschen innebär det en möjlighet att se plagget som en produkt med en längre livscykel, snarare än som en vara vars informationsvärde försvinner när köpet är genomfört.

AI kan samtidigt göra informationen mer dynamisk. Om nya uppgifter kommer in från leverantörer eller om företagets beräkningar uppdateras kan den digitala informationen ändras utan att en ny etikett behöver produceras. Det kan vara effektivt, men innebär också att företagen måste ha tydliga rutiner för hur data kontrolleras och versionshanteras. En digital produktetikett är därför inte bara en teknisk lösning. Den blir en del av företagets informationsinfrastruktur och behöver behandlas med samma krav på noggrannhet som andra uppgifter som kommuniceras till kunder.

Utmaningar med datakvalitet och transparens

AI kan göra hållbarhetsdata enklare att hantera, men tekniken kan inte själv garantera att uppgifterna är riktiga. Om informationen från början är ofullständig eller felaktig riskerar även den AI-baserade analysen att bli missvisande. Detta är särskilt relevant inom modeindustrin, där en produkt ofta passerar genom många företag och länder innan den når konsumenten. Material kan komma från en leverantör, bearbetas av en annan och sys ihop hos en tredje. För att en digital produktetikett ska vara trovärdig måste informationen därför kunna kontrolleras genom hela kedjan.

När dålig data blir ett större problem

Ett av de största problemen är skillnader i hur företag samlar in och rapporterar hållbarhetsdata. Olika leverantörer kan använda olika metoder för att beräkna utsläpp eller beskriva materialens ursprung. Om informationen matas in i ett AI-system utan tillräcklig kontroll kan tekniken ge ett intryck av precision som underlaget egentligen inte förtjänar. Ett automatiserat system kan snabbt bearbeta miljontals datapunkter, men det kan inte på egen hand avgöra om varje uppgift bygger på en tillförlitlig källa. Därför måste mänsklig granskning fortfarande vara en central del av processen.

Det finns också en risk att företag använder digitala etiketter för att framhäva utvalda positiva uppgifter medan mindre fördelaktig information hamnar i bakgrunden. Hållbarhetsdata behöver därför presenteras på ett balanserat sätt. Om ett plagg innehåller återvunnet material betyder det exempelvis inte automatiskt att hela produkten har låg miljöpåverkan. Även tillverkning, färgning, transporter, användning och slutlig hantering kan påverka resultatet. För att konsumenten ska kunna göra en rimlig bedömning krävs därför sammanhang, tydliga definitioner och information om hur olika siffror har tagits fram.

Integritet och ansvar blir centrala frågor

En annan fråga handlar om vilken information som ska vara offentlig och vem som ansvarar för den. Leverantörskedjor innehåller ofta kommersiellt känsliga uppgifter, samtidigt som konsumenter och myndigheter efterfrågar större transparens. Företagen behöver därför hitta en balans mellan insyn och skydd för affärskritisk information. AI-systemen måste dessutom hantera data på ett säkert sätt. Om digitala produktetiketter kopplas till köp, användare eller andra personuppgifter kan även integritetsfrågor bli relevanta.

För att tekniken ska skapa verkligt värde behöver därför flera delar fungera samtidigt:

• Data måste komma från identifierbara och relevanta källor.

• Beräkningsmetoder behöver vara tydliga och jämförbara.

• Företagen måste kunna korrigera felaktiga uppgifter.

• Konsumenten bör kunna förstå informationen utan specialistkunskaper.

• Ansvarsfördelningen måste vara tydlig när uppgifter visar sig vara fel.

När AI används på det här sättet blir hållbarhetsdata en fråga om mer än teknik. Det handlar också om företagsstyrning, dokumentation och förtroende. En produktetikett som ger intryck av exakthet kan få stor betydelse för konsumentens köpbeslut. Därför behöver företag kunna visa hur informationen har samlats in, bearbetats och uppdaterats. Ju mer avancerade AI-systemen blir, desto viktigare blir det att transparensen bakom tekniken utvecklas i samma takt.