I team della sostenibilità sono sotto pressione. Gestiscono tutto, dalla rendicontazione e la conformità normativa allo sviluppo di strategie di approvvigionamento responsabile e alla raccolta di dati da innumerevoli fonti. Anche nei grandi brand, questi team sono spesso piccoli, passando più tempo sepolti nei fogli di calcolo che a guidare le significative strategie di sostenibilità che originariamente intendevano implementare. Non c'è da stupirsi che la promessa dell'IA altamente efficiente sia così allettante.

Gli esperti del settore suggeriscono che l'IA può alleviare la pressione sia sui team della sostenibilità che sui loro partner della catena di fornitura automatizzando la rendicontazione ambientale, migliorando la qualità dei dati, riformattando le informazioni per diverse esigenze e verificando la tracciabilità. L'IA offre anche potenziali guadagni di efficienza all'interno della catena di fornitura stessa, attraverso un uso più intelligente dei materiali e previsioni della domanda più accurate. "L'IA sta sicuramente aiutando i team della sostenibilità con la rendicontazione, permettendo loro di concentrarsi maggiormente sui programmi strategici piuttosto che sulla conformità", afferma Annie Agle, vicepresidente dell'impatto e della sostenità del brand outdoor Cotopaxi.

Tuttavia, c'è un avvertimento. Il vero impatto ambientale dell'uso dell'IA a livello organizzativo rimane in gran parte poco chiaro. Senza un attento monitoraggio, i brand potrebbero aumentare involontariamente la propria impronta di carbonio proprio attraverso la tecnologia progettata per ridurla.

"I benefici sono chiari, ma sappiamo anche che ci sono impatti negativi non ancora pienamente compresi", nota Agle. "Non sappiamo ancora come quell'impronta digitale influisca sulle nostre misurazioni dei gas serra".

Per capire come i team della sostenibilità stanno integrando l'IA e affrontando queste incertezze, Vogue Business ha parlato con una selezione di brand di diverse dimensioni e segmenti di mercato. Mentre alcuni usano l'IA da anni, altri sono ancora in fase sperimentale, ma tutti concordano sul fatto che l'IA avrà un ruolo nelle loro future operazioni.

**Come i Team della Sostenibilità Stanno Utilizzando l'IA**

H&M riferisce di utilizzare l'IA in tutta la sua catena di fornitura, logistica, marketing, vendite ed esperienza cliente. Il brand afferma che l'IA supporta il suo obiettivo di produrre solo ciò che vende, ottimizzando quantità di produzione, luoghi di vendita e tempistiche. "Questo ha effetti positivi sull'uso delle risorse, l'inventario, le materie prime e le emissioni", spiega H&M.

Il gruppo del lusso Kering, che possiede brand come Gucci e Balenciaga, ha nominato Pierre Houlès chief digital, AI and IT officer nel marzo 2026. L'azienda implementa l'IA in alcune delle sue maison da diversi anni. Come H&M, Kering utilizza l'IA analitica per prevedere la domanda e ottimizzare i livelli di inventario per ogni prodotto, secondo Marie-Claire Daveu, chief sustainability and institutional affairs officer. Similmente a Cotopaxi, impiega anche l'IA per automatizzare e migliorare l'affidabilità della rendicontazione, utilizzando strumenti che raccolgono automaticamente e correggono in modo intelligente i dati dai siti Kering. A livello di sviluppo prodotto, il Material Innovation Lab di Kering, con sede in Italia – che ricerca materiali più sostenibili – ha creato un agente di IA per l'eco-design per fornire una guida tecnica ai team di design. Questo aiuta a colmare il divario tra team di design e sostenibilità, spesso separati, assicurando che il lavoro di un gruppo non comprometta gli obiettivi dell'altro.

Mentre H&M e Kering hanno integrato l'IA nelle operazioni centrali nel corso di diversi anni, altri brand la utilizzano principalmente per alleviare il carico di lavoro. "Per quanto riguarda l'IA, siamo ancora nelle prime fasi di esplorazione", ha dichiarato in una nota a Vogue Business Alfred Chang, CEO di Everlane. "Ci concentriamo su come possa supportare i processi interni quotidiani e far risparmiare tempo". H&M SS26.
Foto: Per gentile concessione di H&M Group

Agle nota che il suo piccolo team utilizza l'IA per tradurre i dati grezzi dei fornitori in misurazioni dei gas serra (GHG), riformattare i dati per vari report e creare visualizzazioni per aiutare il team più ampio a comprendere l'impatto dell'azienda. "Aiuta davvero la produttività. Penso sicuramente che le aziende che non adottano l'IA avranno difficoltà a competere commercialmente", afferma.

Maximilien Abadie, deputy CEO dell'azienda tecnologica francese Lectra, è d'accordo. Lectra offre soluzioni di IA che aiutano i brand della moda a raggiungere gli obiettivi di sostenibilità, come verificare i dati di tracciabilità e ottimizzare il taglio dei tessuti per ridurre gli ordini eccessivi. Ma Abadie crede che la maggiore opportunità risieda nell'accorciare il time to market. "La sfida per qualsiasi azienda di moda è come rimanere competitiva in un mondo pieno di interruzioni e incertezze quotidiane, dove non puoi prevedere cosa accadrà tra tre o sei mesi. Devi essere presente al momento giusto con il prodotto giusto, al prezzo giusto, nelle quantità giuste, per il consumatore giusto".

Maximilien Abadie, deputy CEO dell'azienda tecnologica francese Lectra.
Foto: Per gentile concessione di Lectra

Mentre l'IA viene utilizzata per ridurre gli sprechi e ottimizzare le catene di fornitura, è anche ampiamente impiegata per scopi commerciali e creativi. "Dal 2018, abbiamo sviluppato più di 15 piattaforme di machine learning interne, tutte costruite per potenziare creatività, efficienza e servizio clienti", afferma Jordi Alex, chief information technology officer del retailer spagnolo Mango.

Secondo Alex, Mango ha sviluppato internamente la maggior parte di queste piattaforme. Ciò include il suo assistente IA Iris, che gestisce oltre 7,5 milioni di richieste dei clienti all'anno. Un altro strumento, Gaudi, utilizza i dati di navigazione e acquisto dei clienti per generare raccomandazioni di prodotti personalizzate. Mango utilizza anche l'IA generativa per creare immagini per campagne e collezioni. Queste ampie applicazioni al di là della sostenibilità aumentano l'urgenza per i brand di esaminare gli impatti ambientali sottostanti dell'IA.

Un'immagine di campagna generata dall'IA per Mango Teen.
Foto: Per gentile concessione di Mango e generata dall'IA

**Impatti Sconosciuti**

È ampiamente riconosciuto che la crescita dell'IA ha aumentato la domanda di energia e acqua, quest'ultima utilizzata per raffreddare i data center. Un articolo del 2025 su **Nature** affermava che, ai tassi di crescita attuali, i server per l'IA solo negli Stati Uniti genererebbero 24–44 milioni di tonnellate metriche di anidride carbonica (CO₂) – equivalenti ad aggiungere 5–10 milioni di auto alle strade statunitensi. La loro impronta idrica annuale varia da 731 a 1.125 milioni di metri cubi, una preoccupazione aggravata dal fatto che molti data center si trovano in alcune delle regioni più aride del mondo. Nell'aprile 2025, l'Agenzia Internazionale per l'Energia (IEA) ha riferito che i data center rappresentavano l'1,5% del consumo energetico globale nel 2024, una cifra destinata a salire al 3% entro il 2030.

Sebbene i data center supportino più della sola IA, si prevede che i carichi di lavoro di IA rappresenteranno metà di tutta la capacità dei data center entro il 2030, evidenziando la sua domanda energetica significativa e crescente. L'azienda statunitense di IA Anthropic ha riconosciuto che la capacità della rete elettrica e la crescita dei data center richieste per la sua tecnologia aumenteranno i prezzi dell'elettricità per i consumatori e ha dichiarato che coprirà i costi infrastrutturali correlati. L'azienda non ha risposto alle richieste di commento.

Sebbene si possano fare proiezioni più ampie, calcolare l'impatto dell'IA a livello organizzativo è molto più complicato. "Sarà molto complicato per un'azienda non di IA comprendere gli impatti dell'IA. Quando è il tuo servizio e possiedi i data center, puoi contare l'elettricità e l'acqua necessarie per il raffreddamento", afferma Agle di Cotopaxi. Ma per un brand di moda che non controlla tutta l'infrastruttura sottostante, valutare l'impronta completa rimane una sfida. È estremamente difficile arrivare a una cifra esatta di come ogni singolo dipendente stia utilizzando l'IA, che stia scrivendo email con ChatGPT o raccogliendo dati con strumenti interni. Questo calcolo dipende anche dal fatto che le aziende di IA misurino e convalidino i propri impatti in modo che terze parti possano utilizzare i dati. Tuttavia, i principali attori come OpenAI, Perplexity e Anthropic non hanno divulgato pubblicamente alcun dato sulle emissioni, e nessuno ha risposto alle richieste di commento.

"Sarà molto complicato per un'azienda non di IA comprendere gli impatti dell'IA. Quando è il tuo servizio e possiedi i data center, puoi contare l'elettricità e l'acqua necessarie per il raffreddamento", afferma un esperto.

Kering afferma di monitorare attentamente l'impatto ambientale dell'IA in tutte le sue attività IT, inclusi data center e utilizzo del cloud, notando che l'IT rappresenta meno del 2% della sua impronta di carbonio totale. Tra le aziende contattate, Kering è stata l'unica a condividere una traccia della sua strategia di mitigazione: dare priorità a modelli semplici ed efficienti dal punto di vista delle risorse e lavorare con partner tecnologici per supportare la decarbonizzazione e migliorare la trasparenza della rendicontazione del carbonio.

Kering non ha specificato la fonte dei suoi dati, e attualmente non esistono metriche standardizzate. Per consentire valutazioni comparabili in futuro, la Coalition for Sustainable AI – avviata dal governo francese, dal Programma delle Nazioni Unite per l'Ambiente (UNEP) e dall'Unione Internazionale delle Telecomunicazioni (ITU) – chiede una standardizzazione globale. Come passo verso questo obiettivo, l'ITU ha rilasciato linee guida nel febbraio 2026 per valutare e minimizzare l'impatto ambientale dei sistemi di IA. Inoltre, nel gennaio 2026, la Taskforce on Nature-related Financial Disclosures (TNFD) ha rilasciato una bozza di linee guida settoriali per il settore tecnologico e delle comunicazioni per aiutare le organizzazioni a valutare le proprie dipendenze, impatti, rischi e opportunità legati alla natura. Questi sono i primi passi verso un sistema standardizzato, simile a quelli utilizzati per la rendicontazione degli impatti della produzione o del trasporto.

Finché non saranno stabiliti e adottati ampiamente quadri robusti, i brand devono trovare la propria strada. In assenza di standard globali per calcolare l'impronta dell'IA, Cotopaxi prevede di utilizzare stime approssimative per comprenderne l'impatto. "Il primo passo è comprendere il nostro utilizzo. Quali contratti abbiamo con un fornitore di IA? Che tipo di utilizzo vediamo da parte dei dipendenti? Se abbiamo un certo numero di dipendenti che utilizzano uno strumento come Claude, e Claude riporta un insieme di emissioni, quale percentuale di queste ci appartiene? Sarà impegnativo da misurare, ma dobbiamo provare", dice Agle di Cotopaxi.

**Dalla Misurazione alla Mitigazione**

Per Cotopaxi, misurare l'impatto è il primo passo per creare una politica di IA responsabile. Alcuni brand hanno già tali politiche in atto. H&M ha sviluppato un quadro di IA responsabile nel 2018, mentre l'adozione dell'IA presso Mango è guidata da un comitato direttivo. "Attraverso una governance centralizzata, formazione e programmi come AI Champions – ambasciatori interni che supportano l'adozione e condividono le migliori pratiche – garantiamo che l'IA sia adottata correttamente e aiuti le nostre persone a realizzare il proprio potenziale", afferma un rappresentante di Mango. Tuttavia, molte politiche esistenti si concentrano sull'etica dell'IA, come sicurezza, anti-bias e trasparenza, piuttosto che sui fattori ambientali.

Il quadro generale del Ministero della Transizione Ecologica francese per l'uso frugale dell'IA mira a colmare questa lacuna offrendo una guida sulle migliori pratiche e su come passare dalla... Dalla misurazione alla mitigazione, il ministero suggerisce ai brand di considerare diversi passi. Possono chiedersi se l'IA sia veramente necessaria per compiti specifici, programmare la formazione dell'IA in momenti in cui i data center si affidano a energie rinnovabili, utilizzare dati di addestramento precisi e di alta qualità per ridurre le esigenze computazionali ed esplorare se un modello di IA meno energivoro potrebbe essere efficace.

Sebbene siano comuni grandi piattaforme di IA multi-scopo alimentate da data center, esistono alternative. Literal Labs, con sede nel Regno Unito, spin-out dell'Università di Newcastle, si concentra sulla creazione di modelli di IA efficienti che non richiedono costose e specializzate Unità di Elaborazione Grafica (GPU). Invece, i loro modelli funzionano su chip più piccoli, economici ed efficienti presenti in dispositivi di uso quotidiano come telecomandi TV o microonde. Raggiungono questo risultato sostituendo le complesse reti neurali dietro sistemi come ChatGPT con reti più semplici basate sulla logica "se/allora", che richiedono molta meno potenza di calcolo.

Secondo Daniel Dykes, chief product officer dell'azienda, questo approccio non mostra compromessi nelle capacità. Sia le reti neurali che quelle basate sulla logica possono eseguire deep learning per gestire dati complessi. In un test per la previsione della domanda di un'azienda alimentare, la loro rete basata sulla logica è stata il 7% più accurata di un importante concorrente a rete neurale.

Dykes nota: "Se un algoritmo non richiede hardware specializzato, un data center o una nuova centrale elettrica, hai risolto molti dei problemi posti dall'IA attuale". L'azienda, che opera nella regione EMEA e in settori come le utility idriche, afferma che il suo processo di addestramento è oltre 50 volte più efficiente dal punto di vista energetico e 54 volte più veloce rispetto a reti neurali equivalenti.

Un altro innovatore britannico, DeepGate, sta sviluppando IA che funziona su chip più piccoli, rilevando in modo efficiente "parole di attivazione" (come "Hey Siri") e classificando immagini. Sebbene non sia una sostituzione completa per sistemi più esigenti, dimostra che molti compiti specializzati possono essere eseguiti su hardware più economico ed efficiente dal punto di vista energetico invece che su GPU. Esempi includono l'ispezione della qualità dei materiali o l'individuazione di irregolarità in documenti e dati della catena di fornitura – applicazioni mirate e specifiche.

Luke Taylor, co-fondatore di DeepGate, spiega che questi sistemi più semplici possono integrare quelli più grandi, gestendo compiti specializzati solo quando necessario piuttosto che funzionare continuamente, il che spreca energia.

Le soluzioni stanno emergendo, ma per utilizzarle strategicamente, i brand devono prima comprendere l'impatto completo dell'IA per assicurarsi che essa avvantaggi la sostenibilità. Come sottolinea Abadie di Lectra: "Non ha senso migliorare qualcosa in un'area mentre si aumenta l'inquinamento e le emissioni di CO₂ altrove". Egli crede che una maggiore consapevolezza porterà a cicli di sviluppo più brevi e a un'IA migliore. "Man mano che procediamo, più persone si renderanno conto che l'impatto ambientale deve essere considerato fin dall'inizio. Se l'IA crea più danni che benefici, non vale la pena investirci".



Domande Frequenti
FAQ L'IA Renderà la Moda Più Sostenibile o Meno



Domande di Livello Base



1 Cosa significa anche moda sostenibile

La moda sostenibile si riferisce a capi di abbigliamento progettati, fabbricati, distribuiti e utilizzati