Týmy pro udržitelnost pracují na hranici svých možností. Zvládají vše od reportování a dodržování předpisů až po vývoj strategií odpovědného nákupu a sběr dat z nesčetných zdrojů. I u velkých značek jsou tyto týmy často malé a tráví více času hrabáním se v tabulkách než prosazováním smysluplných strategií udržitelnosti, které původně chtěly realizovat. Není divu, že příslib vysoce efektivní umělé inteligence (AI) je tak lákavý.

Odborníci z oboru naznačují, že AI může ulevit jak týmům pro udržitelnost, tak jejich partnerům v dodavatelském řetězci automatizací environmentálního reportingu, zlepšením kvality dat, přeformátováním informací pro různé potřeby a ověřováním dohledatelnosti. AI také nabízí potenciální zvýšení efektivity v samotném dodavatelském řetězci díky chytřejšímu využití materiálů a přesnější předpovědi poptávky. "AI rozhodně pomáhá týmům pro udržitelnost s reportováním a umožňuje jim více se soustředit na strategické programy než na pouhé plnění předpisů," říká Annie Agle, viceprezidentka pro dopad a udržitelnout u outdoorové značky Cotopaxi.

Je tu však jedno upozornění. Skutečný environmentální dopad používání AI na organizační úrovni zůstává z velké části nejasný. Bez pečlivého sledování by značky mohly neúmyslně zvýšit svou uhlíkovou stopu pomocí samotné technologie, která má za cíl ji snižovat.

"Výhody jsou jasné, ale také víme, že existují negativní dopady, které ještě nejsou plně pochopeny," poznamenává Agle. "Ještě nevíme, jak ta digitální stopa ovlivňuje naše měření skleníkových plynů."

Abychom zjistili, jak týmy pro udržitelnost integrují AI a řeší tyto nejistoty, hovořil Vogue Business s výběrem značek různé velikosti a z různých tržních segmentů. Zatímco některé AI používají již roky, jiné stále experimentují, ale všechny se shodují, že AI bude hrát roli v jejich budoucím fungování.

**Jak týmy pro udržitelnost využívají AI**

H&M uvádí, že používá AI napříč svým dodavatelským řetězcem, logistikou, marketingem, prodejem a zákaznickou zkušeností. Značka tvrdí, že AI podporuje její cíl vyrábět pouze to, co prodá, optimalizací výrobních množství, míst prodeje a načasování. "To má pozitivní dopady na využívání zdrojů, zásoby, suroviny a emise," vysvětluje H&M.

Luxusní skupina Kering, která vlastní značky jako Gucci a Balenciaga, jmenovala v březnu 2026 Pierra Houlese do funkce ředitele pro digitalizaci, AI a IT. Společnost implementuje AI ve vybraných modulech již několik let. Podle Marie-Claire Daveu, ředitelky pro udržitelnost a institucionální záležitosti, Kering podobně jako H&M používá analytickou AI k předpovědi poptávky a optimalizaci úrovní zásob u každého produktu. Podobně jako Cotopaxi také využívá AI k automatizaci a zvýšení spolehlivosti reportingu pomocí nástrojů, které automaticky shromažďují a inteligentně opravují data z lokalit Keringu. Na úrovni vývoje produktů vytvořilo italské Material Innovation Lab společnosti Kering – které zkoumá udržitelnější materiály – ekodesignového AI agenta, aby poskytoval technické vedení designovým týmům. To pomáhá překlenout často oddělené designové týmy a týmy pro udržitelnost a zajistit, aby výstupy jedné skupiny nepodkopávaly cíle druhé.

Zatímco H&M a Kering integrovali AI do klíčových operací v průběhu několika let, jiné značky ji používají především pro ulehčení pracovní zátěže. "Pokud jde o AI, jsme stále v rané fázi zkoumání," uvedl v prohlášení pro Vogue Business generální ředitel Everlane Alfred Chang. "Soustředíme se na to, jak by mohla podpořit každodenní interní procesy a ušetřit čas."

Agle poznamenává, že její malý tým používá AI k převodu surových dat od dodavatelů na měření skleníkových plynů (GHG), přeformátování dat pro různé reporty a vytváření vizualizací, které pomáhají širšímu týmu porozumět dopadu společnosti. "Opravdu to pomáhá produktivitě. Rozhodně si myslím, že společnosti, které AI nepřijmou, budou mít komerční potíže," říká.

Souhlasí Maximilien Abadie, zástupce generálního ředitele francouzské technologické společnosti Lectra. Lectra nabízí řešení AI, která pomáhají módním značkám plnit cíle udržitelnosti, jako je ověřování dat o dohledatelnosti a optimalizace střihu látek ke snížení nadměrného objednávání. Abadie však věří, že největší příležitost spočívá ve zkrácení času uvedení na trh. "Výzvou pro každou módní společnost je, jak zůstat konkurenceschopná ve světě plném každodenních narušení a nejistot, kde nelze předvídat, co se stane za tři nebo šest měsíců. Musíte být ve správný čas přítomni se správným produktem, za správnou cenu, ve správném množství a pro správného zákazníka."

Zatímco se AI používá ke snížení odpadu a optimalizaci dodavatelských řetězců, je také široce nasazována pro komerční a kreativní účely. "Od roku 2018 jsme vyvinuli více než 15 interních platform strojového učení, všechny postavené za účelem zvýšení kreativity, efektivity a zákaznického servisu," říká Jordi Alex, ředitel pro informační technologie u španělského maloobchodníka Mango.

Podle Alexe vyvinulo Mango většinu těchto platform interně. To zahrnuje i jeho AI asistentku Iris, která ročně zvládne přes 7,5 milionu zákaznických dotazů. Další nástroj, Gaudi, využívá data o prohlížení a nákupu zákazníků k vytváření personalizovaných doporučení produktů. Mango také používá generativní AI k vytváření obrazů pro kampaně a kolekce. Tyto rozsáhlé aplikace přesahující udržitelnost zvyšují naléhavost, aby značky zkoumaly základní environmentální dopady AI.

**Neznámé dopady**

Je všeobecně uznáváno, že růst AI zvýšil poptávku po energii a vodě, přičemž ta druhá se používá k chlazení datových center. Článek z roku 2025 v časopise Nature uvedl, že při současných temp růstu by servery AI jen v USA vygenerovaly 24–44 milionů metrických tun oxidu uhličitého (CO₂) – což je ekvivalent přidání 5–10 milionů aut na americké silnice. Jejich roční vodní stopa se pohybuje od 731 do 1 125 milionů kubických metrů, což je problém umocněný tím, že mnoho datových center se nachází v některých nejsušších oblastech světa. V dubnu 2025 Mezinárodní agentura pro energii (IEA) uvedla, že datová centra v roce 2024 představovala 1,5 % celosvětové spotřeby energie, přičemž toto číslo by mělo do roku 2030 vzrůst na 3 %.

Ačkoli datová centra podporují více než jen AI, očekává se, že úlohy AI budou do roku 2030 představovat polovinu veškeré kapacity datových center, což zdůrazňuje její významnou a rostoucí poptávku po energii. Americká společnost zabývající se AI, Anthropic, uznala, že kapacita sítě a růst datových center potřebný pro její technologii zvýší ceny elektřiny pro spotřebitele, a uvedla, že pokryje související náklady na infrastrukturu. Společnost nereagovala na žádosti o vyjádření.

Zatímco lze dělat širší projekce, výpočet dopadu AI na organizační úrovni je mnohem složitější. "Bude velmi komplikované pochopit dopady AI jako společnost, která se AI nezabývá. Když je to vaše služba a vlastníte datová centra, můžete spočítat spotřebu elektřiny a vody potřebnou pro chlazení," říká Agle z Cotopaxi. Ale pro módní značku, která neovládá veškerou základní infrastrukturu, zůstává posouzení celkové stopy výzvou.

Je extrémně obtížné dospět k přesnému číslu, jak každý jednotlivý zaměstnanec používá AI, ať už píše e-maily s ChatGPT nebo shromažďuje data pomocí interních nástrojů. Tento výpočet také závisí na tom, že společnosti zabývající se AI měří a ověřují své vlastní dopady, aby třetí strany mohly data používat. Hlavní hráči jako OpenAI, Perplexity a Anthropic však veřejně nezveřejnili žádná data o emisích a žádný nereagoval na žádosti o vyjádření.

Kering uvádí, že pečlivě sleduje environmentální dopad AI napříč svými IT aktivitami, včetně datových center a využívání cloudu, a poznamenává, že IT představuje méně než 2 % jeho celkové uhlíkové stopy. Mezi oslovenými společnostmi byl Kering jediný, který sdílel náčrt své strategie zmírňování dopadů: upřednostňovat jednoduché, zdrojově efektivní modely a spolupracovat s technologickými partnery na podpoře dekarbonizace a zlepšení transparentnosti reportování uhlíku.

Kering nespecifikoval zdroj svých dat a v současné době neexistují standardizované metriky. Aby bylo možné v budoucnu provádět srovnatelná hodnocení, Koalice pro udržitelnou AI – iniciovaná francouzskou vládou, Programem OSN pro životní prostředí (UNEP) a Mezinárodní telekomunikační unií (ITU) – volá po globální standardizaci. Jako krok k tomu vydala ITU v únoru 2026 pokyny pro hodnocení a minimalizaci environmentálního dopadu systémů AI. Dále v lednu 2026 pracovní skupina pro zveřejňování finančních informací souvisejících s přírodou (TNFD) vydala návrh odvětvových pokynů pro technologický a komunikační sektor, aby pomohla organizacím posoudit jejich závislosti, dopady, rizika a příležitosti související s přírodou. Jedná se o počáteční kroky směrem ke standardizovanému systému, podobně jako ty používané pro reportování dopadů výroby nebo dopravy.

Dokud nebudou stanoveny a široce přijaty robustní rámce, musí značky najít vlastní cestu vpřed. V nepřítomnosti globálních standardů pro výpočet stopy AI plánuje Cotopaxi použít hrubé odhady, aby pochopil svůj dopad. "Krokem číslo jedna je pochopení našeho využívání. Jaké smlouvy máme s poskytovatelem AI? Jaké využívání vidíme od zaměstnanců? Pokud máme určitý počet zaměstnanců používajících nástroj jako Claude a Claude hlásí určitou sadu emisí, jaké procento z nich nám patří? Bude náročné to měřit, ale musíme to zkusit," říká Agle z Cotopaxi.

**Od měření ke zmírňování dopadů**

Pro Cotopaxi je měření dopadu prvním krokem k vytvoření odpovědné politiky AI. Některé značky již takové politiky mají. H&M vyvinul odpovědný rámec AI v roce 2018, zatímco zavádění AI v Mango vede řídící výbor. "Prostřednictvím centralizované správy, školení a programů jako jsou AI Champions – interní ambasadoři, kteří podporují přijetí a sdílejí osvědčené postupy – zajišťujeme, že je AI přijímána správně a pomáhá našim lidem naplnit jejich potenciál," říká zástupce Mangy. Mnoho stávajících politik se však zaměřuje na etiku AI, jako je bezpečnost, potírání předsudků a transparentnost, spíše než na environmentální faktory.

Obecný rámec francouzského ministerstva ekologické transformace pro úsporné používání AI má zaplnit tuto mezeru tím, že nabízí pokyny k osvědčeným postupům a jak přejít od měření ke zmírňování dopadů. Ministerstvo navrhuje, aby značky zvážily několik kroků. Mohou zpochybnit, zda je AI skutečně potřeba pro konkrétní úkoly, naplánovat školení AI na dobu, kdy datová centra spoléhají na obnovitelnou energii, používat přesná, kvalitní tréninková data ke snížení výpočetních nároků a prozkoumat, zda by mohl být efektivní model AI s nižší energetickou náročností.

Zatímco jsou běžné velké, univerzální platformy AI poháněné datovými centry, existují alternativy. Britská společnost Literal Labs, spin-off z Newcastleské univerzity, se zaměřuje na vytváření efektivních modelů AI, které nevyžadují drahé, specializované grafické procesory (GPU). Místo toho jejich modely běží na menších, levnějších a efektivnějších čipech, které se nacházejí v běžných zařízeních, jako jsou dálková ovládání televizí nebo mikrovlnné trouby. Toho dosahují nahrazením složitých neuronových sítí stojících za systémy jako ChatGPT jednoduššími sítěmi založenými na logice "pokud/pak", které vyžadují mnohem méně výpočetního výkonu.

Podle Daniela Dykese, hlavního produktového ředitele společnosti, tento přístup nevykazuje žádné kompromisy ve schopnostech. Jak neuronové sítě, tak sítě založené na logice mohou provádět hluboké učení pro zpracování složitých dat. V testu pro předpověď poptávky potravinářské společnosti byla jejich síť založená na logice o 7 % přesnější než přední konkurent využívající neuronovou síť.

Dykes poznamenává: "Pokud algoritmus nevyžaduje specializovaný hardware, datové centrum nebo novou elektrárnu, vyřešili jste mnoho problémů, které klade současná AI." Společnost, která působí v regionu EMEA a v sektorech, jako jsou vodárenské společnosti, tvrdí, že její tréninkový proces je více než 50krát energeticky účinnější a 54krát rychlejší než ekvivalentní neuronové sítě.

Další britský inovátor, DeepGate, vyvíjí AI, která běží na menších čipech a efektivně detekuje "probouzející slova" (jako "Hey Siri") a klasifikuje obrázky. I když to není plnohodnotná náhrada náročnější