La guida completa all’IA nella supply chain e nella sostenibilità della moda

Dalla pianificazione della domanda ai robot di magazzino fino al monitoraggio dei fornitori: dove l'IA funziona già nelle supply chain della moda, di quali dati ha bisogno e quali sono i suoi limiti.

• Nelle supply chain della moda, l'IA viene utilizzata soprattutto per la pianificazione della domanda e della produzione, l'automazione della logistica e dei magazzini, il monitoraggio dei rischi legati ai fornitori e il controllo qualità.
• La maggior parte dell'IA applicata alla supply chain è machine learning predittivo o computer vision più che IA generativa, e dipende da dati puliti e collegati su ordini, inventario e prodotti.
• Nel marzo 2026 Zalando ha annunciato l'installazione di fino a 50 robot di picking basati sull'IA nei suoi centri logistici europei, dopo un progetto pilota che ha raggiunto 100.000 prelievi al giorno.

Le norme sul lavoro forzato e le leggi sulla due diligence spingono le aziende della moda a conoscere meglio i propri fornitori. L'IA può esaminare documenti e segnali su larga scala, ma non può sostituire audit e dialogo.

• Il monitoraggio del rischio fornitori con l'IA utilizza machine learning e modelli linguistici per esaminare dati, documenti, notizie e segnali commerciali sui fornitori alla ricerca di rischi legati al lavoro, all'ambiente, alla solidità finanziaria e alle interruzioni.
• Il Regolamento UE sul lavoro forzato (UE) 2024/3015 si applica dal 14 dicembre 2027 e riguarda prodotti di tutti i settori, in qualsiasi fase della produzione.
• Le linee guida della Commissione pubblicate il 30 giugno 2026 affermano che una due diligence solida non costituisce un porto sicuro contro i divieti di prodotto previsti dal Regolamento sul lavoro forzato.

Dalla ricerca delle tendenze alla consegna in negozio, una stagione di moda tradizionale richiede molti mesi di lavoro. Dove va il tempo, che cosa lo determina e come i brand lo comprimono.

• Il calendario tradizionale della moda avvia il lavoro di design molto prima che il prodotto arrivi in negozio, perché sviluppo, vendita, produzione e spedizione richiedono ciascuno un tempo significativo.
• Il sourcing di tessuti e accessori è spesso il lead time singolo più lungo, soprattutto per gli sviluppi su misura.
• Le finestre di vendita wholesale si collocano tra campionatura e produzione, per cui decisioni di vendita tardive ritardano ordini di acquisto e consegne.

La computer vision sta spostando l'ispezione tessile dall'occhio umano a telecamere e modelli. Come funziona, dove viene utilizzata e perché dati e definizioni dei difetti contano più di tutto.

• Nel tessile, il controllo qualità con l'IA utilizza telecamere e modelli di computer vision per rilevare difetti come buchi, macchie, fili rotti ed errori di cucitura su rotoli di tessuto o capi finiti.
• Secondo una rassegna del 2024 pubblicata su Electronics, i metodi di deep learning, in particolare le reti neurali convoluzionali, costituiscono oggi la maggior parte degli approcci di ricerca al rilevamento automatico dei difetti dei tessuti.
• Gli ostacoli principali sono la mancanza di definizioni condivise dei difetti, dataset di addestramento per lo più privati e la potenza di calcolo necessaria in fabbrica.

Riciclare abiti in nuove fibre richiede uno smistamento preciso per materiale e colore. Sensori e machine learning lo rendono possibile su larga scala, ma capacità ed economia restano limitanti.

• Lo smistamento tessile automatizzato combina spettroscopia nel vicino infrarosso, telecamere visive e machine learning per identificare la composizione delle fibre e il colore dei capi usati.
• Uno smistamento accurato è il prerequisito del riciclo fibra-fibra, perché i riciclatori hanno bisogno di materia prima uniforme e di composizione nota.
• Secondo la Commissione europea, l'impianto SIPTex di Malmö, in Svezia, può smistare 4,5 tonnellate all'ora, pari a 24.000 tonnellate all'anno, per tipo di fibra e colore.

L'IA può aiutare la moda a realizzare meno prodotti indesiderati e a gestire le nuove norme UE, ma consuma a sua volta energia e non può correggere da sola un modello di business. Uno sguardo sobrio su entrambi i versanti.

• L'IA può sostenere la sostenibilità nella moda soprattutto migliorando previsioni e decisioni di acquisto, così che le aziende producano più vicino alla domanda reale.
• Dal 19 luglio 2026 le grandi imprese non possono più distruggere nell'UE abbigliamento, accessori di abbigliamento e calzature invenduti, il che aumenta il costo della sovrapproduzione.
• La Commissione europea stima che nell'UE vengano scartati ogni anno circa 5 milioni di tonnellate di abbigliamento, circa 12 kg a persona, e che solo l'1% del materiale contenuto negli indumenti venga riciclato in nuovi indumenti.

Produrre più di quanto si possa vendere a prezzo pieno è insito nel modo in cui la moda pianifica, acquista e produce. Perché accade, perché la regolamentazione alza ora la posta e quali leve funzionano davvero.

• La sovrapproduzione è un esito strutturale di lead time lunghi, quantitativi minimi d'ordine, assortimenti ampi e previsioni in condizioni di incertezza, non semplicemente di scarsa disciplina.
• Dal 19 luglio 2026 le grandi imprese nell'UE non possono più distruggere abbigliamento, accessori di abbigliamento e calzature invenduti, salvo deroghe circoscritte, il che rende più difficile far sparire lo stock in eccesso.
• Le leve più efficaci si trovano a monte: assortimenti più piccoli e mirati, segnali di domanda migliori da pre-order e sell-through e un approvvigionamento flessibile.

Il Passaporto digitale del prodotto dell'UE trasforma i dati di prodotto in un adempimento regolamentato. L'IA può aiutare a raccogliere, verificare e strutturare questi dati, ma non può inventare ciò che i fornitori non hanno mai registrato.

• Il Passaporto digitale del prodotto (DPP) è una scheda digitale del prodotto istituita dal Regolamento UE sulla progettazione ecocompatibile dei prodotti sostenibili (UE) 2024/1781, accessibile tramite un supporto dati come un codice QR.
• La Commissione europea prevede di adottare nel quarto trimestre 2027 l'atto delegato sul tessile che definirà il contenuto del passaporto per l'abbigliamento, per cui i requisiti vincolanti per la moda non sono ancora fissati.
• Il registro centrale DPP della Commissione è operativo dal 20 luglio 2026; conserva gli identificativi univoci dei prodotti e i metadati, mentre i dati di prodotto restano decentralizzati.

L'UE sta costruendo un'identità digitale per i prodotti venduti sul suo mercato. Ecco che cosa significherà il passaporto per l'abbigliamento, che cosa resta da definire e come i brand possono preparare fin d'ora i propri dati.

• Il passaporto digitale del prodotto (DPP) è un registro digitale collegato a un prodotto fisico tramite un vettore di dati come un codice QR, istituito dal regolamento UE sulla progettazione ecocompatibile dei prodotti sostenibili (ESPR).
• Per i tessili, i campi di dati esatti saranno fissati in un atto delegato specifico per prodotto, che la Commissione europea ha indicato di voler adottare verso la fine del 2027.
• I contenuti probabili comprendono identificazione del prodotto, composizione fibrosa, informazioni su manutenzione e riparazione, indicazioni sul fine vita, informazioni sull'origine e gli operatori economici coinvolti.

Il regolamento sulla progettazione ecocompatibile dei prodotti sostenibili estende ad abbigliamento e calzature le norme UE sulla progettazione dei prodotti. Che cosa richiede, che cosa è già in vigore e che cosa è ancora in fase di redazione.

• Il regolamento sulla progettazione ecocompatibile dei prodotti sostenibili, regolamento (UE) 2024/1781, è entrato in vigore il 18 luglio 2024 e riguarda quasi tutti i beni fisici immessi sul mercato UE.
• È una legge quadro: i requisiti specifici per i tessili arriveranno tramite un atto delegato, che la Commissione ha indicato di voler adottare verso la fine del 2027.
• Il divieto di distruggere abbigliamento e calzature invenduti si applica alle grandi imprese dal 19 luglio 2026 e alle medie imprese da luglio 2030, con esenzione per micro e piccole imprese.