A fenntarthatósági csapatok a teljesítőképességük határán dolgoznak. Mindent ők intéznek, a jelentéskészítéstől és a megfelelőségtől kezdve a felelős beszerzési stratégiák kidolgozásáig és számtalan forrásból származó adatok gyűjtéséig. Még a nagy márkáknál is gyakran kis létszámúak ezek a csapatok, és több időt töltenek táblázatok bújásával, mint azzal, hogy az eredetileg megvalósítani szándékozott értelmes fenntarthatósági stratégiákat hajtsák végre. Nem csoda, hogy a rendkívül hatékony mesterséges intelligencia ígérete ennyire vonzó.

Az iparági szakértők szerint az MI enyhítheti a fenntarthatósági csapatok és beszállítói partnereik nyomását azáltal, hogy automatizálja a környezeti jelentéskészítést, javítja az adatminőséget, átformázza az információkat különböző igényekhez, és ellenőrzi a nyomon követhetőséget. Az MI hatékonyságnövekedést is ígérhet magában az ellátási láncban, okosabb anyagfelhasználással és pontosabb kereslet-előrejelzéssel. "Az MI határozottan segíti a fenntarthatósági csapatokat a jelentéskészítésben, lehetővé téve számukra, hogy inkább a stratégiai programokra koncentráljanak, mint a megfelelőségre" – mondja Annie Agle, a Cotopaxi túramárka hatás- és fenntarthatósági alelnöke.

Van azonban egy kikötés. Az MI szervezeti szintű alkalmazásának valódi környezeti hatása nagyrészt tisztázatlan. Óvatos felügyelet nélkül a márkák éppen a csökkentésére szánt technológiával növelhetik akaratlanul is a szénlábnyomukat.

"Az előnyök egyértelműek, de azt is tudjuk, hogy vannak még nem teljesen megértett negatív hatások" – jegyezi meg Agle. "Még nem tudjuk, hogyan befolyásolja ez a digitális lábnyom az üvegházhatású gázaink mérését."

Hogy megtudja, hogyan építik be a fenntarthatósági csapatok az MI-t és hogyan kezelik ezeket a bizonytalanságokat, a Vogue Business különböző méretű és piaci szegmensű márkákkal beszélt. Egyesek évek óta használják az MI-t, mások még kísérleteznek, de mindannyian egyetértenek abban, hogy az MI szerepet fog játszani a jövőbeli működésükben.

Hogyan használják a fenntarthatósági csapatok az MI-t

A H&M jelentése szerint az MI-t alkalmazza az egész ellátási láncában, logisztikájában, marketingjében, értékesítésében és ügyfélélményében. A márka szerint az MI támogatja azt a célját, hogy csak azt állítsa elő, amit el is ad, a termelési mennyiségek, az értékesítési helyek és az időzítés optimalizálásával. "Ennek pozitív hatása van az erőforrás-felhasználásra, a készletre, a nyersanyagokra és a kibocsátásokra" – magyarázza a H&M.

A Gucci és a Balenciaga márkákat is magába foglaló luxuscsoport, a Kering 2026 márciusában Pierre Houlès-t nevezte ki fő digitális, MI- és IT-vezetővé. A vállalat évek óta alkalmazza az MI-t kiválasztott divatházainál. A H&M-hez hasonlóan a Kering is analitikai MI-t használ a kereslet előrejelzésére és az egyes termékek készletszintjének optimalizálására – mondja Marie-Claire Daveu, a fenntarthatóság és intézményi kapcsolatok fővezetője. A Cotopaxihoz hasonlóan az MI-t a jelentéskészítés automatizálására és megbízhatóságának javítására is használja, olyan eszközökkel, amelyek automatikusan gyűjtik és intelligens módon korrigálják a Kering telephelyeiről származó adatokat. A termékfejlesztési szinten a Kering olaszországi Anyaginnovációs Laboratóriuma – amely fenntarthatóbb anyagokat kutat – létrehozott egy ökotervezési MI-ügynököt, hogy technikai útmutatást nyújtson a tervezőcsapatoknak. Ez segít összekötni a gyakran elkülönülő tervezési és fenntarthatósági csapatokat, biztosítva, hogy az egyik csoport teljesítménye ne akadályozza a másik céljait.

Míg a H&M és a Kering évek óta integrálta az MI-t a fő tevékenységeibe, addig más márkák főként a munkaterhelés csökkentésére használják. "Ami az MI-t illeti, még a felfedezés korai szakaszában járunk" – nyilatkozta Everlane vezérigazgatója, Alfred Chang a Vogue Businessnek. "Arra összpontosítunk, hogyan támogathatná a napi belső folyamatokat és takaríthatna meg időt."H&M SS26.
Fotó: H&M Group

Agle megjegyzi, hogy kis csapata az MI-t arra használja, hogy a nyers beszállítói adatokat üvegházhatású gáz (GHG) mérésekké alakítsa, átformázza az adatokat különböző jelentésekhez, és vizualizációkat készítsen, hogy segítse a szélesebb csapatot a vállalati hatás megértésében. "Valóban segít a termelékenységben. Határozottan úgy gondolom, hogy azok a vállalatok, amelyek nem alkalmazzák az MI-t, nehezen fognak versenyképesek maradni" – mondja.

Maximilien Abadie, a francia Lectra technológiai vállalat vezérigazgató-helyettese egyetért. A Lectra olyan MI-megoldásokat kínál, amelyek segítenek a divatmárkáknak elérni fenntarthatósági céljaikat, például a nyomon követhetőségi adatok ellenőrzésével és a szövetvágás optimalizálásával a túlrendelés csökkentésére. De Abadie úgy véli, hogy a legnagyobb lehetőség a piacra kerülés időtartamának lerövidítésében rejlik. "Bármely divatvállalat kihívása az, hogyan maradjon versenyképes egy tele napi zavarokkal és bizonytalanságokkal teli világban, ahol nem lehet előrejelezni, mi történik három vagy hat hónap múlva. A megfelelő időben kell jelen lennie a megfelelő termékkel, a megfelelő áron, a megfelelő mennyiségben, a megfelelő fogyasztó számára."

Maximilien Abadie, a francia Lectra technológiai vállalat vezérigazgató-helyettese.
Fotó: Lectra

Míg az MI-t hulladékcsökkentésre és ellátási láncok optimalizálására használják, széles körben alkalmazzák kereskedelmi és kreatív célokra is. "2018 óta több mint 15 belső gépi tanulási platformot fejlesztettünk ki, mindet a kreativitás, a hatékonyság és az ügyfélszolgálat fokozására" – mondja Jordi Alex, a spanyol Mango kiskereskedelmi lánc fő információs technológiai vezetője.

Alex szerint a Mango ezeknek a platformoknak a nagy részét saját fejlesztésűként hozta létre. Ebbe beletartozik az Iris MI-asszisztense is, amely évente több mint 7,5 millió ügyfélmegkeresést kezel. Egy másik eszköz, a Gaudi az ügyfelek böngészési és vásárlási adatait felhasználva személyre szabott termékajánlásokat generál. A Mango generatív MI-t is használ kampány- és kollekcióképek létrehozására. Ezek a fenntarthatóságon túlmutató kiterjedt alkalmazások fokozzák a sürgetőségét annak, hogy a márkák megvizsgálják az MI mögöttes környezeti hatásait.

Egy MI által generált kampánykép a Mango Teen számára.
Fotó: Mango, MI által generálva

Ismeretlen hatások

Köztudott, hogy az MI növekedése növelte az energia- és vízigényt, ez utóbbit az adatközpontok hűtésére használják. Egy 2025-ös Nature-cikk szerint a jelenlegi növekedési ütem mellett az Egyesült Államokban található MI-szerverek egyedül 24–44 millió metrikus tonna szén-dioxidot (CO₂) termelnének – ami 5–10 millió autó hozzáadásával egyenlő az amerikai utakhoz. Éves vízlábnyopuk 731–1125 millió köbméter között mozog, ami aggodalomra ad okot, mivel sok adatközpont a világ legszárazabb régióiban található. 2025 áprilisában a Nemzetközi Energiaügynökség (IEA) jelentése szerint az adatközpontok 2024-ben a globális energiafogyasztás 1,5%-át tették ki, és ez az arány várhatóan 3%-ra emelkedik 2030-ig.

Bár az adatközpontok többet támogatnak, mint csak az MI-t, az MI-munkaterhelések várhatóan az összes adatközpont-kapacitás felét fogják kiadni 2030-ig, ami hangsúlyozza annak jelentős és növekvő energiaigényét. Az amerikai Anthropic MI-vállalat elismerte, hogy technológiájához szükséges hálózati kapacitás és adatközpont-növekedés növeli a fogyasztók áramárát, és kijelentette, hogy fedezni fogja a kapcsolódó infrastruktúra költségeit. A cég nem reagált a megkeresésekre.

Bár szélesebb előrejelzéseket lehet készíteni, az MI szervezeti szintű hatásának kiszámítása sokkal trükkösebb. "Nagyon bonyolult lesz megérteni az MI hatásait egy nem MI-vállalat számára. Ha a szolgáltatás a tiéd, és a saját adatközpontjaid vannak, megszámolhatod a hűtéshez szükséges áram- és vízfogyasztást" – mondja a Cotopaxi Agle-je. De egy olyan divatmárka számára, amely nem irányítja az összes mögöttes infrastruktúrát, a teljes lábnyom felmérése továbbra is kihívás marad.Rendkívül nehéz pontos számot kapni arról, hogy minden egyes alkalmazott hogyan használja az MI-t, akár e-maileket írnak ChatGPT-vel, akár adatokat gyűjtenek belső eszközökkel. Ez a számítás attól is függ, hogy az MI-cégek megmérik és hitelesítik saját hatásaikat, hogy harmadik felek is használhassák az adatokat. Azonban az olyan nagy szereplők, mint az OpenAI, a Perplexity és az Anthropic nem hoztak nyilvánosságra kibocsátási adatokat, és egyik sem válaszolt a megkeresésekre.

"Nagyon bonyolult lesz egy nem MI-vállalat számára megérteni az MI hatásait. Ha a szolgáltatás a tiéd, és a saját adatközpontjaid vannak, megszámolhatod a hűtéshez szükséges áramot és vizet" – mondja egy szakértő.

A Kering kijelenti, hogy szorosan figyeli az MI környezeti hatását az összes IT-tevékenységén keresztül, beleértve az adatközpontokat és a felhőhasználatot, megjegyezve, hogy az IT a teljes szénlábnyopuk kevesebb mint 2%-át teszi ki. Az érintett vállalatok közül a Kering volt az egyetlen, amely megosztotta enyhítési stratégiájának vázlatát: elsőbbséget ad az egyszerű, erőforrás-hatékony modelleknek, és együttműködik technológiai partnerekkel a dekarbonizáció támogatása és a szénjelentések átláthatóságának javítása érdekében.

A Kering nem határozta meg adatainak forrását, és jelenleg nincsenek szabványosított mérőszámok. Hogy a jövőben összehasonlítható értékelések lehessenek, a Fenntartható MI Koalíció – amelyet a francia kormány, az ENSZ Környezetprogramja (UNEP) és a Nemzetközi Távközlési Egyesület (ITU) indított – a globális szabványosításra szólít fel. Ennek első lépéseként az ITU 2026 februárjában kiadott irányelveket az MI-rendszerek környezeti hatásának felméréséhez és minimalizálásához. Ezen kívül 2026 januárjában a Természeti Erőforrásokkal Kapcsolatos Pénzügyi Nyilvánosságra Hozatali Munkacsoport (TNFD) kiadta a technológiai és kommunikációs szektor szektori útmutatójának tervezetét, hogy segítse a szervezeteket a természeti erőforrásoktól való függőségük, hatásaik, kockázataik és lehetőségeik felmérésében. Ezek a kezdeti lépések egy szabványos rendszer felé, hasonlóan a gyártási vagy szállítási hatások jelentéséhez használtakhoz.

Amíg robusztus keretrendszerek nem jönnek létre és nem terjednek el széles körben, a márkáknak saját útjukat kell megtalálniuk. Az MI lábnyomának kiszámítására vonatkozó globális szabványok hiányában a Cotopaxi durva becsléseket tervez használni a hatás megértéséhez. "Az első lépés a felhasználásunk megértése. Milyen szerződéseink vannak egy MI-szolgáltatóval? Milyen felhasználást látunk a munkavállalóktól? Ha van egy bizonyos számú munkavállalónk, aki olyan eszközt használ, mint a Claude, és a Claude egy sor kibocsátást jelent, akkor ennek mekkora százalékát tulajdonoljuk? Kihívást jelent majd a mérés, de meg k