L'IA può rendere la moda più sostenibile?
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.
IN SINTESI Sintesi della redazione
- 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.
- L'IA ha una propria impronta: secondo le stime dell'AIE, nel 2024 i data center hanno consumato circa 415 TWh di elettricità, circa l'1,5% del consumo globale, destinati a salire a circa 945 TWh entro il 2030.
- L'IA rende la moda più sostenibile solo se le aziende agiscono in base alle sue indicazioni, per esempio acquistando meno o in modo diverso, anziché utilizzarla soltanto per vendere di più.
L'IA può rendere la moda più sostenibile quando aiuta le aziende a produrre più vicino alla domanda reale, a utilizzare i materiali in modo più efficiente e a gestire i dati di prodotto e di supply chain richiesti dalle nuove norme UE. Non può rendere la moda sostenibile da sola: i benefici dipendono dalla qualità dei dati e dalla decisione di realizzare meno prodotti indesiderati, e l'IA stessa consuma energia.
Perché la sovrapproduzione è il problema di sostenibilità centrale della moda?
Ogni capo prodotto ma mai indossato porta con sé l'intero costo ambientale di fibra, tintura, confezione e trasporto senza generare alcun valore. Secondo la Commissione europea, il consumo di prodotti tessili nell'UE ha il quarto impatto ambientale più elevato dopo alimentazione, abitazione e mobilità, e ogni anno vengono scartati circa 5 milioni di tonnellate di abbigliamento, circa 12 kg a persona. Solo l'1% del materiale contenuto negli indumenti viene riciclato in nuovi indumenti.
Anche il contesto normativo sta cambiando. In base al Regolamento sulla progettazione ecocompatibile dei prodotti sostenibili, il divieto di distruggere abbigliamento, accessori di abbigliamento e calzature invenduti si applica alle grandi imprese dal 19 luglio 2026, mentre le medie imprese seguiranno nel 2030. Sono previste eccezioni, tra l'altro, per gli articoli non sicuri o danneggiati. Le eccedenze che un tempo potevano essere smaltite senza clamore devono ora essere vendute, donate o preparate per il riutilizzo, e le aziende devono rendicontare ciò che scartano.
Come può l'IA aiutare a ridurre la sovrapproduzione?
La leva più diretta è una pianificazione migliore. I modelli di machine learning che prevedono la domanda per modello, colore e taglia possono aiutare i buyer a impegnare quantità iniziali minori e a riassortire ciò che vende, anziché effettuare grandi ordini speculativi. L'ottimizzazione delle curve taglie riduce il classico eccesso di taglie estreme in alcuni negozi e la carenza in altri. I dati dei pre-order e degli ordini wholesale possono fornire segnali precoci della domanda prima che la produzione sia definitiva.
Questi benefici sono reali ma condizionati. Una previsione riduce gli sprechi solo se l'azienda accetta volumi inferiori ed eventualmente picchi di vendita più bassi. Se l'IA viene utilizzata soprattutto per spingere più prodotti attraverso più canali, l'effetto netto sull'uso delle risorse può essere negativo.
| Ambito | Come può aiutare l'IA | Limite principale |
|---|---|---|
| Previsione della domanda e acquisti | Maggiore corrispondenza tra produzione e domanda, curve taglie migliori | Richiede dati di vendita puliti; il beneficio si perde se i volumi continuano a crescere |
| Design e campionatura | Gli strumenti generativi e 3D riducono i campioni fisici | Non riduce l'impatto del prodotto finale |
| Materiali | Confronto delle opzioni di materiale per costo, prestazioni e dati d'impatto disponibili | I dati d'impatto sono spesso generici o incompleti |
| Resi | Raccomandazioni su vestibilità e taglia per ridurre i resi evitabili | I modelli di vestibilità possono essere meno accurati per tipologie di corpo sottorappresentate |
| Circolarità | Smistamento automatizzato dei tessili usati per fibra e colore | Capacità ed economia del riciclo restano limitate |
| Conformità e rendicontazione | Estrazione e strutturazione dei dati su fornitori e prodotti | Gli output vanno verificati; gli errori creano rischi legali |
Quali altri casi d'uso dell'IA per la sostenibilità esistono nella moda?
- Campionatura digitale: gli strumenti di design 3D e generativo possono ridurre il numero di prototipi fisici spediti tra brand e fabbriche.
- Rivendita e recommerce: il riconoscimento delle immagini e la determinazione automatizzata dei prezzi aiutano le piattaforme di rivendita a mettere online più rapidamente gli articoli di seconda mano. Il report The State of Fashion 2026 prevede che fino al 2027 il mercato dell'usato crescerà da due a tre volte più velocemente di quello del nuovo.
- Smistamento e riciclo: sistemi basati su sensori e machine learning identificano la composizione delle fibre nei tessili usati, un prerequisito per il riciclo fibra-fibra.
- Dati per la regolamentazione: gli strumenti di IA possono aiutare a raccogliere e verificare i dati su fornitori, materiali e origine necessari per il futuro Passaporto digitale del prodotto e per le norme sui green claim.
Di quali dati ha bisogno l'IA per sostenere gli obiettivi di sostenibilità?
I casi d'uso legati alla sostenibilità si basano sulle stesse fondamenta di quelli commerciali: anagrafica prodotto coerente, storico affidabile di vendite e stock e informazioni strutturate sui fornitori. I modelli previsionali devono sapere quali modelli, colori e taglie sono stati venduti, a quale prezzo e in quale canale, compreso ciò che è rimasto invenduto a fine stagione. Senza dati su eccedenze e ribassi, un modello non può imparare dove si verifica la sovrapproduzione.
I dati su materiali e fornitori sono spesso l'anello più debole. Composizione delle fibre, origine e certificati sono frequentemente conservati in documenti anziché in banche dati, e i dati d'impatto relativi a materiali specifici sono spesso generici. Gli strumenti di IA possono aiutare a estrarre e strutturare queste informazioni, ma non possono sostituire i dati primari forniti dai fornitori. Le aziende che investono oggi in questi dati perseguono più obiettivi contemporaneamente: pianificazione migliore, rendicontazione credibile e preparazione al Passaporto digitale del prodotto.
Qual è l'impronta ambientale dell'IA stessa?
L'IA funziona nei data center e il suo consumo di energia è in crescita. L'Agenzia internazionale dell'energia stima che nel 2024 i data center abbiano rappresentato circa l'1,5% del consumo mondiale di elettricità, pari a 415 TWh, e che questo valore sia destinato a più che raddoppiare, arrivando a circa 945 TWh entro il 2030. Non tutto questo consumo è dovuto all'IA, ma l'IA ne è uno dei principali motori.
Per un'azienda della moda, l'impronta di un modello previsionale eseguito alcune volte alla settimana è modesta rispetto ai materiali che aiuta a risparmiare. La generazione su larga scala di immagini e video per il marketing è un caso diverso. Un approccio sobrio confronta energia e costi di un'applicazione di IA con lo spreco che realisticamente evita, e si astiene dal rivendicare benefici di sostenibilità non misurati.
Dunque, l'IA può rendere la moda più sostenibile?
L'IA è uno strumento utile, non una strategia. Funziona meglio quando supporta decisioni che vanno già in una direzione sostenibile: produrre in modo meno speculativo, mantenere i prodotti in uso e sapere che cosa c'è nella supply chain. Le aziende che vogliono risultati misurabili dovrebbero partire da una baseline, per esempio le eccedenze di stock a fine stagione o il numero di campioni fisici, e verificare se le decisioni supportate dall'IA la modificano. È altrettanto importante verificare gli effetti rimbalzo: se previsioni migliori portano soprattutto a più collezioni, più drop e più volumi, i benefici ambientali svaniscono.
- Misurare la sovrapproduzione e le eccedenze attuali per categoria prima di qualsiasi progetto di IA.
- Utilizzare le previsioni per ridurre gli acquisti iniziali e aumentare il riassortimento dove i lead time lo consentono.
- Costruire dati affidabili su prodotti e fornitori, utili sia all'IA sia alla conformità normativa.
- Comunicare i risultati in termini misurati ed evitare claim vaghi.
Domande frequenti
Come riduce l'IA gli sprechi nella moda?
Soprattutto migliorando le previsioni della domanda e le decisioni di acquisto, così che le aziende producano quantità, taglie e colori più vicini a ciò che vende. Può inoltre ridurre i campioni fisici grazie al design 3D e supportare lo smistamento per il riciclo.
L'IA fa male all'ambiente?
L'IA consuma elettricità, e l'AIE prevede che il consumo dei data center più che raddoppi entro il 2030. Se un determinato utilizzo valga la pena dipende da quanto spreco o uso di risorse evita effettivamente rispetto alla propria impronta.
I brand della moda possono ancora distruggere l'abbigliamento invenduto nell'UE?
Dal 19 luglio 2026 alle grandi imprese è vietato distruggere abbigliamento, accessori di abbigliamento e calzature invenduti, con eccezioni limitate come gli articoli non sicuri o danneggiati. Le medie imprese saranno interessate dal 2030.
Un brand può commercializzare prodotti come sostenibili perché è stata usata l'IA?
Solo con cautela. I claim ambientali devono essere comprovati, per cui i brand dovrebbero comunicare risultati misurati, come eccedenze inferiori, anziché presentare l'uso dell'IA in sé come un beneficio di sostenibilità.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.
FONTI
- European Commission: EU Strategy for Sustainable and Circular Textiles
- European Commission: Ban on destruction of unsold clothes and shoes enters into application
- IEA: Energy and AI, executive summary
- McKinsey & Company: The State of Fashion 2026
- EUR-Lex: Directive (EU) 2024/825 on empowering consumers for the green transition
