令人欣慰的是，我們看到各國政府正在采取行動，支持可持續發展的未來。例如，歐盟委員會的產品環境足跡（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地運營。

在尋求讓品牌對供應鏈活動負責的全球法規中，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》。為了遵守新的法規或公司主導的可持續發展承諾，品牌將需要供應鏈追蹤的技術工具，以及更新的可持續發展思維。

傳統上，品牌自上而下地處理可持續發展問題，首先引入全面的企業倡議，然后再擔心如何實施其戰略。但這種思維方式已經過時，而且沒有效果。現在需要的是--無論是通過監管還是通過日益增長的生態意識的消費者基礎--從產品開始走向可持續性。

生產真正的可持續發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。

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。更大的供應鏈可視性使品牌能夠在中斷發生之前預測到它們。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）和機器學習可以補救。

如果沒有可追溯性系統，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。它們包括監管鏈發票、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，從而實現大規模的產品追蹤。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，在處理發票時，追溯系統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，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，并將其與品牌企業系統內的其他現有數據連接起來。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，以保持合規性。人工智能可以實現這種快速調整。

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

許多品牌正在致力于可持續發展和社會責任，甚至在立法開始加強之前。企業的承諾現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。