Zespoły ds. zrównoważonego rozwoju pracują na granicy swoich możliwości. Zajmują się wszystkim – od raportowania i zgodności z przepisami, po opracowywanie strategii odpowiedzialnego pozyskiwania surowców i zbieranie danych z niezliczonych źródeł. Nawet w przypadku dużych marek zespoły te są często nieliczne, spędzając więcej czasu na żmudnej pracy w arkuszach kalkulacyjnych niż na wdrażaniu znaczących strategii zrównoważonego rozwoju, które pierwotnie zamierzały realizować. Nic dziwnego, że obietnica niezwykle wydajnej sztucznej inteligencji jest tak kusząca.

Eksperci branżowi sugerują, że SI może odciążyć zarówno zespoły ds. zrównoważonego rozwoju, jak i ich partnerów w łańcuchu dostaw, automatyzując raportowanie środowiskowe, poprawiając jakość danych, przekształcając informacje na potrzeby różnych odbiorców i weryfikując możliwość śledzenia pochodzenia. SI oferuje również potencjalne korzyści w zakresie efektywności w samym łańcuchu dostaw, dzięki inteligentniejszemu wykorzystaniu materiałów i dokładniejszemu prognozowaniu popytu. „Sztuczna inteligencja zdecydowanie pomaga zespołom ds. zrównoważonego rozwoju w raportowaniu, pozwalając im skupić się bardziej na programach strategicznych niż na zgodności” – mówi Annie Agle, wiceprezes ds. wpływu i zrównoważonego rozwoju w outdoorowej marce Cotopaxi.

Istnieje jednak pewne zastrzeżenie. Prawdziwy wpływ środowiskowy stosowania SI na poziomie organizacyjnym pozostaje w dużej mierze niejasny. Bez starannego monitorowania marki mogą niechcący zwiększyć swój ślad węglowy za pomocą tej samej technologii, która miała go redukować.

„Korzyści są jasne, ale wiemy też, że istnieją negatywne skutki, które nie są jeszcze w pełni zrozumiane” – zauważa Agle. „Nie wiemy jeszcze, jak ten cyfrowy ślad wpływa na nasze pomiary gazów cieplarnianych”.

Aby dowiedzieć się, w jaki sposób zespoły ds. zrównoważonego rozwoju integrują SI i radzą sobie z tymi niepewnościami, Vogue Business porozmawiał z wybranymi markami o różnej wielkości i z różnych segmentów rynku. Podczas gdy niektóre korzystają z SI od lat, inne wciąż eksperymentują, ale wszystkie zgadzają się, że SI odegra rolę w ich przyszłej działalności.

**W jaki sposób zespoły ds. zrównoważonego rozwoju wykorzystują sztuczną inteligencję**

H&M informuje o wykorzystywaniu SI w całym swoim łańcuchu dostaw, logistyce, marketingu, sprzedaży i obsłudze klienta. Marka twierdzi, że SI wspiera jej cel produkowania tylko tego, co sprzedaje, poprzez optymalizację wielkości produkcji, lokalizacji sprzedaży i czasu. „Ma to pozytywny wpływ na zużycie zasobów, zapasy, surowce i emisje” – wyjaśnia H&M.

Luksusowa grupa Kering, do której należą marki takie jak Gucci i Balenciaga, w marcu 2026 roku powołała Pierre'a Houlesa na stanowisko dyrektora ds. cyfryzacji, sztucznej inteligencji i IT. Firma od kilku lat wdraża SI w wybranych domach mody. Podobnie jak H&M, Kering wykorzystuje analityczną SI do prognozowania popytu i optymalizacji poziomów zapasów dla każdego produktu, jak mówi dyrektor ds. zrównoważonego rozwoju i spraw instytucjonalnych Marie-Claire Daveu. Podobnie jak Cotopaxi, wykorzystuje również SI do automatyzacji i zwiększenia wiarygodności raportowania, używając narzędzi, które automatycznie zbierają i inteligentnie korygują dane z witryn Kering. Na poziomie rozwoju produktu, Włochy-based Material Innovation Lab firmy Kering – który bada bardziej zrównoważone materiały – stworzył agenta SI ds. ekoprojektowania, aby zapewnić zespołom projektowym wskazówki techniczne. Pomaga to połączyć często odseparowane zespoły projektowe i ds. zrównoważonego rozwoju, zapewniając, że wynik pracy jednej grupy nie podważa celów drugiej.

Podczas gdy H&M i Kering zintegrowały SI z kluczowymi operacjami przez kilka lat, inne marki wykorzystują ją głównie do odciążenia pracowników. „Jeśli chodzi o sztuczną inteligencję, wciąż jesteśmy na wczesnym etapie eksploracji” – powiedział w oświadczeniu dla Vogue Business prezes Everlane, Alfred Chang. „Skupiamy się na tym, jak może ona wspierać codzienne wewnętrzne procesy i oszczędzać czas”.H&M SS26.
Zdjęcie: dzięki uprzejmości H&M Group

Agle zauważa, że jej niewielki zespół wykorzystuje SI do przekształcania surowych danych od dostawców w pomiary gazów cieplarnianych (GHG), przeformatowywania danych na potrzeby różnych raportów oraz tworzenia wizualizacji, które pomagają szerszemu zespołowi zrozumieć wpływ firmy. „To naprawdę pomaga w produktywności. Zdecydowanie uważam, że firmy, które nie przyjmą SI, będą miały trudności z konkurencyjnością komercyjną” – mówi.

Zgadza się z tym Maximilien Abadie, zastępca dyrektora generalnego francuskiej firmy technologicznej Lectra. Lectra oferuje rozwiązania SI, które pomagają markom modowym osiągać cele zrównoważonego rozwoju, takie jak weryfikacja danych dotyczących możliwości śledzenia pochodzenia i optymalizacja cięcia tkanin w celu zmniejszenia nadmiernego zamawiania. Ale Abadie uważa, że największa szansa tkwi w skróceniu czasu wprowadzenia produktu na rynek. „Wyzwaniem dla każdej firmy odzieżowej jest to, jak pozostać konkurencyjnym w świecie pełnym codziennych zakłóceń i niepewności, gdzie nie można przewidzieć, co wydarzy się za trzy czy sześć miesięcy. Musisz być obecny we właściwym czasie z właściwym produktem, we właściwej cenie, we właściwych ilościach, dla właściwego konsumenta”.

Maximilien Abadie, zastępca dyrektora generalnego francuskiej firmy technologicznej Lectra.
Zdjęcie: dzięki uprzejmości Lectra

Podczas gdy SI jest wykorzystywana do ograniczania odpadów i optymalizacji łańcuchów dostaw, jest również szeroko stosowana do celów komercyjnych i kreatywnych. „Od 2018 roku opracowaliśmy ponad 15 wewnętrznych platform uczenia maszynowego, wszystkie zbudowane w celu zwiększenia kreatywności, efektywności i obsługi klienta” – mówi Jordi Alex, dyrektor ds. technologii informatycznych w hiszpańskim sprzedawcy detalicznym Mango.

Według Alexa, Mango opracowało większość tych platform wewnętrznie. Obejmuje to jego asystenta SI o nazwie Iris, który obsługuje ponad 7,5 miliona zapytań klientów rocznie. Inne narzędzie, Gaudi, wykorzystuje dane dotyczące przeglądania i zakupów klientów do generowania spersonalizowanych rekomendacji produktów. Mango używa również generatywnej SI do tworzenia obrazów na kampanie i kolekcje. Te rozległe zastosowania wykraczające poza zrównoważony rozwój zwiększają pilność, z jaką marki muszą zbadać podstawowy wpływ środowiskowy SI.

Wygenerowane przez SI zdjęcie kampanii dla Mango Teen.
Zdjęcie: dzięki uprzejmości Mango i wygenerowane przez SI

**Nieznane skutki**

Powszechnie uznaje się, że rozwój SI zwiększył zapotrzebowanie na energię i wodę, tę ostatnią wykorzystywaną do chłodzenia centrów danych. W artykule z 2025 roku w **Nature** stwierdzono, że przy obecnych stopach wzrostu serwery SI same w Stanach Zjednoczonych wygenerowałyby 24–44 miliony ton metrycznych dwutlenku węgla (CO₂) – co odpowiada dodaniu 5–10 milionów samochodów na amerykańskie drogi. Ich roczny ślad wodny waha się od 731 do 1125 milionów metrów sześciennych, co jest szczególnie niepokojące, ponieważ wiele centrów danych znajduje się w niektórych z najsuchszych regionów świata. W kwietniu 2025 roku Międzynarodowa Agencja Energii (IEA) poinformowała, że centra danych odpowiadały za 1,5% globalnego zużycia energii w 2024 roku, a liczba ta ma wzrosnąć do 3% do 2030 roku.

Chociaż centra danych obsługują nie tylko SI, przewiduje się, że do 2030 roku obciążenia związane z SI będą stanowić połowę całej mocy centrów danych, co podkreśla jej znaczące i rosnące zapotrzebowanie na energię. Amerykańska firma SI Anthropic przyznała, że wymagana dla jej technologii rozbudowa sieci energetycznej i centrów danych podniesie ceny energii elektrycznej dla konsumentów i oświadczyła, że pokryje związane z tym koszty infrastrukturalne. Firma nie odpowiedziała na prośby o komentarz.

Chociaż można tworzyć szersze prognozy, obliczenie wpływu SI na poziomie organizacyjnym jest znacznie trudniejsze. „Będzie bardzo skomplikowane zrozumieć wpływ SI jako firma niebędąca firmą SI. Kiedy to twoja usługa i posiadasz centra danych, możesz policzyć zużycie energii elektrycznej i wody potrzebnej do chłodzenia” – mówi Agle z Cotopaxi. Ale dla marki modowej, która nie kontroluje całej podstawowej infrastruktury, ocena pełnego śladu pozostaje wyzwaniem. Niezwykle trudno jest uzyskać dokładną liczbę, w jaki sposób każdy pojedynczy pracownik używa SI, czy to pisząc e-maile za pomocą ChatGPT, czy zbierając dane za pomocą wewnętrznych narzędzi. To obliczenie zależy również od tego, czy firmy SI mierzą i weryfikują własny wpływ, aby osoby trzecie mogły korzystać z danych. Jednak główni gracze, tacy jak OpenAI, Perplexity i Anthropic, nie ujawnili publicznie żadnych danych dotyczących emisji i żaden nie odpowiedział na prośby o komentarz.

„Będzie bardzo skomplikowane dla firmy niebędącej firmą SI, aby zrozumieć wpływ SI. Kiedy to twoja usługa i posiadasz centra danych, możesz policzyć energię elektryczną i wodę potrzebną do chłodzenia” – mówi jeden z ekspertów.

Kering twierdzi, że ściśle monitoruje wpływ środowiskowy SI w ramach wszystkich swoich działań IT, w tym centrów danych i korzystania z chmury, zauważając, że IT stanowi mniej niż 2% jego całkowitego śladu węglowego. Wśród skontaktowanych firm Kering był jedynym, który podzielił się zarysem swojej strategii łagodzenia skutków: priorytetyzacja prostych, zasobooszczędnych modeli i współpraca z partnerami technologicznymi w celu wspierania dekarbonizacji i poprawy przejrzystości raportowania emisji dwutlenku węgla.

Kering nie sprecyzował źródła swoich danych, a obecnie nie ma znormalizowanych metryk. Aby umożliwić porównywalne oceny w przyszłości, Koalicja na rzecz Zrównoważonej SI – zainicjowana przez rząd francuski, Program Środowiskowy ONZ (UNEP) i Międzynarodowy Związek Telekomunikacyjny (ITU) – wzywa do globalnej standaryzacji. Jako krok w tym kierunku, ITU opublikowało w lutym 2026 roku wytyczne dotyczące oceny i minimalizacji wpływu środowiskowego systemów SI. Dodatkowo, w styczniu 2026 roku, Grupa Zadaniowa ds. Ujawniania Informacji Finansowych Związanych z Naturą (TNFD) opublikowała projekt wytycznych sektorowych dla sektora technologii i komunikacji, aby pomóc organizacjom ocenić ich zależności, wpływ, ryzyka i możliwości związane z naturą. Są to pierwsze kroki w kierunku ustandaryzowanego systemu, podobnego do tych stosowanych do raportowania wpływu produkcji lub transportu.

Dopóki nie zostaną ustalone i powszechnie przyjęte solidne ramy, marki muszą znaleźć własną drogę naprzód. W obliczu braku globalnych standardów obliczania śladu SI, Cotopaxi planuje używać przybliżonych szacunków, aby zrozumieć swój wpływ. „Krok pierwszy to zrozumienie naszego wykorzystania. Jakie umowy mamy z dostawcą SI? Jakiego rodzaju wykorzystanie widzimy ze strony pracowników? Jeśli mamy określoną liczbę pracowników korzystających z narzędzia takiego jak Claude, a Claude zgłasza określony zestaw emisji, jaki procent tego jest nasz? Będzie to trudne do zmierzenia, ale musimy spróbować” – mówi Agle z Cotopaxi.

**Od pomiaru do łagodzenia skutków**

Dla Cotopaxi pomiar wpływu jest pierwszym krokiem w tworzeniu odpowiedzialnej polityki SI. Niektóre marki mają już takie polityki. H&M opracowało ramy odpowiedzialnej SI w 2018 roku, podczas gdy wdrażanie SI w Mango jest prowadzone przez komitet sterujący. „Dzięki scentralizowanemu zarządzaniu, szkoleniom i programom takim jak AI Champions – wewnętrzni ambasadorzy, którzy wspierają adopcję i dzielą się najlepszymi praktykami – zapewniamy, że SI jest przyjmowana prawidłowo i pomaga naszym ludziom realizować ich potencjał” – mówi przedstawiciel Mango. Jednak wiele istniejących polityk koncentruje się na etyce SI, takiej jak bezpieczeństwo, przeciwdziałanie uprzedzeniom i przejrzystość, a nie na czynnikach środowiskowych.

Ogólne ramy francuskiego Ministerstwa Transformacji Ekologicznej dotyczące oszczędnego korzystania z SI mają na celu wypełnienie tej luki, oferując wskazówki dotyczące najlepszych praktyk i tego, jak przejść od... Od pomiaru do łagodzenia skutków ministerstwo sugeruje markom rozważenie kilku kroków. Mogą one kwestionować, czy SI jest naprawdę potrzebna do konkretnych zadań, planować szkolenia SI w czasie, gdy centra danych opierają się na energii odnawialnej, używać precyzyjnych, wysokiej jakości danych treningowych, aby zmniejszyć zapotrzebowanie na moc obliczeniową, i badać, czy mniej energochłonny model SI mógłby być skuteczny.

Chociaż powszechne są duże, wielozadaniowe platformy SI zasilane przez centra danych, istnieją alternatywy. Brytyjska firma Literal Labs, wywodząca się z Uniwersytetu w Newcastle, koncentruje się na tworzeniu wydajnych modeli SI, które nie wymagają drogich, specjalistycznych jednostek przetwarzania grafiki (GPU). Zamiast tego ich modele działają na mniejszych, tańszych i bardziej wydajnych chipach znajdujących się w codziennych urządzeniach, takich jak piloty telewizyjne lub mikrofalówki. Osiągają to, zastępując złożone sieci neuronowe stojące za systemami takimi jak ChatGPT prostszymi sieciami opartymi na logice „jeśli/to”, które wymagają znacznie mniej mocy obliczeniowej.

Według Daniela Dykesa, głównego dyrektora produktowego firmy, to podejście nie wiąże się z żadnymi kompromisami w zakresie możliwości. Zarówno sieci neuronowe, jak i sieci oparte na logice mogą przeprowadzać głębokie uczenie w celu obsługi złożonych danych