Ho l’impressione che oggi si parli di intelligenza artificiale come qualche anno fa si parlava di sostenibilità: ovunque, con grande entusiasmo e spesso a sproposito. Ogni brand “ottimizza“, ogni processo è “smart“, ogni collezione è “data-driven“, e basta aprire una newsletter di settore per imbattersi in una promessa di rivoluzione verde che passa per un algoritmo. È un copione che nel mondo della moda conosciamo bene: l’abbiamo già visto con le capsule “eco” lanciate tra una collezione e l’altra, con le etichette colorate di verde che non rimandavano a nessun dato verificabile, con il termine “sostenibile” usato come aggettivo decorativo. E proprio per questo, forse, vale la pena fermarsi un momento prima di decidere se l’AI sia la salvezza dell’industria o l’ennesima trovata di marketing con un’impronta ambientale più pesante di quanto si ammetta.
La questione, in realtà, è doppia: da una parte c’è una tecnologia che, usata con criterio, può intervenire proprio sui punti dove la moda fa più danni, come l’eccesso di produzione, gli sprechi, la difficoltà di riciclare. Dall’altra c’è il fatto che quella stessa tecnologia non galleggia in una “nuvola” immateriale, ma poggia su infrastrutture fisiche che assorbono energia in quantità crescenti.
La risposta onesta alla domanda del titolo dunque, come spesso accade, sta in mezzo, e dipende essenzialmente da chi usa lo strumento, per quale scopo e con quale trasparenza.
Il problema di partenza: la moda produce più di quanto riesca a vendere
Prima di giudicare l’AI, guardiamo il contesto in cui dovrebbe intervenire. Secondo una stima dell’Observer Research Foundation, ogni anno viene scartato l’85% degli abiti e solo l’1% dei materiali usati per produrre abbigliamento viene riciclato in nuovi capi. Sono numeri che fanno impressione, ma soprattutto raccontano un sistema che si regge su un equivoco: produrre molto è più “sicuro” che produrre il giusto. Prevedere quali colori, quali taglie e quali quantità funzioneranno in una stagione è difficilissimo, e sbagliare per eccesso costa: il risultato è l’invenduto, le svendite, i capi che non incontreranno mai chi li indosserà. Come per il fast fashion, è un modello che ormai fatica a reggere sia dal punto di vista ambientale sia da quello umano, e che le dinamiche del commercio online (fatte di algoritmi che premiano la novità e la velocità) continuano ad alimentare.
È esattamente in questo nodo che l’AI può fare la differenza, a patto di puntarla nella direzione giusta. Un esempio concreto arriva dal brand tedesco ARMEDANGELS, che ha adottato il software di previsione della domanda di paretos, capace di ragionare capo per capo, tenendo conto di colori e taglie, e di individuare in anticipo i prodotti che venderanno meno. L’azienda stima di poter ridurre la sovrapproduzione di oltre 40.000 pezzi all’anno. Va detto che si tratta di una stima dichiarata dal brand, ma il principio è quello che conta: se so meglio quanto vendere, posso ordinare meno materia prima, tagliare meno tessuto, trasportare meno merce. Non è una rivoluzione, è “semplicemente” buon senso supportato da dati.
Dove l’AI può davvero aiutare
C’è poi tutto il discorso del riciclo: per dare nuova vita a un capo bisogna sapere di che cosa è fatto, e riconoscere in grandi volumi un misto cotone e poliestere da un tessuto in lana o da un capo con elastan è un’operazione lenta e imprecisa. I sistemi di visione artificiale sono pensati proprio per questo: riescono a distinguere le fibre con più rapidità e precisione, rendendo lo smistamento più veloce e meno costoso. Di conseguenza, più si riesce a separare correttamente la materia, più materia può tornare a essere un capo, e meno finisce in discarica o negli inceneritori. A questo si aggiungono strumenti meno visibili ma altrettanto utili: la prototipazione in 3D, che permette di testare silhouette e vestibilità senza cucire decine di campioni fisici, e gli strumenti di taglia virtuale, che puntano a ridurre i resi online e il carico di trasporti e imballaggi. Infine, c’è il tema che più ci sta a cuore qui, ovvero, quello della trasparenza. Analizzare dati di fornitori, lotti e passaggi di filiera può aiutare a individuare anomalie e a rendere verificabili promesse che altrimenti rimangono slogan: in un settore dove il greenwashing è fin troppo diffuso, la capacità di leggere e incrociare dati è già, di per sé, una forma di onestà. Ma è anche qui che la cautela diventa obbligatoria, perché uno strumento che rende i dati più leggibili non garantisce che i dati siano buoni, né che qualcuno abbia la volontà di renderli pubblici.
Il conto che non si vede
Fin qui, la parte comoda del racconto. L’altra metà è meno fotogenica. Ogni richiesta che facciamo a un sistema di intelligenza artificiale viene elaborata in un data center, e i data center consumano elettricità. Secondo l’Agenzia Internazionale dell’Energia, nel 2025 la domanda elettrica dei data center è cresciuta del 17%, e la stessa agenzia prevede che entro il 2030 raddoppi, con la parte legata specificamente all’AI destinata a triplicare. La stessa IEA fa notare che i data center rappresentano circa un decimo della crescita della domanda elettrica fino al 2030, meno di quanto pesino motori industriali, condizionatori ed auto elettriche, e che le emissioni aggiuntive potrebbero in parte essere compensate dai risparmi che l’AI rende possibili in altri settori, se la sua adozione sarà diffusa. C’è inoltre un dato che a prima vista rassicura ma che va letto con attenzione: ogni singola operazione di AI richiede sempre meno energia, ma il consumo complessivo continua a crescere. L’efficienza, insomma, non basta, perché più lo strumento diventa economico e facile da usare, più lo utilizziamo.
L’effetto rimbalzo e il turbo del fast fashion
Questo meccanismo, che gli economisti chiamano effetto rimbalzo, è quello che dovrebbe far drizzare le antenne a chi si occupa di moda. Se generare cento idee di design, cento immagini per una campagna o cento varianti di colore richiede pochi secondi e quasi nessuno sforzo, la tentazione di accorciare ancora i cicli di collezione, di moltiplicare i drop, di riempire i canali social di novità diventa fortissima. Il rischio non è che l’AI sia “cattiva” in sé, ma che diventi il turbo di un modello già insostenibile: e se è vero, come ci ripetiamo da tempo, che comprare meno e meglio è la direzione giusta, uno strumento che rende ancora più facile e rapido produrre il nuovo rema, se lasciato a se stesso, nel senso opposto.
C’è anche una questione di racconto. “Ottimizzato dall’intelligenza artificiale” suona moderno, rassicurante, quasi neutro, e proprio per questo può diventare l’ultima etichetta verde da appiccicare a processi che di sostenibile hanno poco. Mi viene in mente una domanda che ci siamo già posti a proposito dei report di sostenibilità: com’è possibile che siano ancora, in larga parte, un esercizio volontario, senza linee guida condivise su come compilarli? Lo stesso ragionamento vale per l’AI. Se un brand dichiara di usarla per ridurre gli sprechi, ci aspettiamo di trovare nei suoi documenti dei numeri: quanti capi in meno, quanto tessuto risparmiato, e, perché no, quanta energia in più è servita per ottenere quel risultato.
Senza dati verificabili, la promessa resta una promessa.
Come usarla con cognizione di causa
Se non esiste una risposta valida per tutti, esistono almeno delle domande utili da farsi, da brand o da consumatori, per distinguere un uso consapevole da un’operazione di facciata. La prima è se l’AI riduca davvero qualcosa di misurabile, che si tratti di invenduto, campioni, resi o scarti: se l’impatto non si può dimostrare, c’è da diffidare. La seconda è se stia risolvendo il problema giusto, perché prevedere meglio la domanda per produrre meno è cosa ben diversa dall’usarla per sfornare più prodotti più in fretta. La terza riguarda la proporzione: scegliere lo strumento adeguato all’obiettivo è già una forma di sobrietà digitale. L’ultima è la trasparenza, perché un brand che dichiara dati, limiti e compromessi merita più fiducia di chi parla soltanto di rivoluzione.
Alla fine dei conti, l’intelligenza artificiale non ha valori: ha gli obiettivi che le assegniamo. Se le chiediamo di vendere di più e più in fretta, lo farà con grande efficienza. Se le chiediamo di sprecare meno lungo la filiera, può aiutarci a farlo, con risultati concreti e, se sono ben documentati, anche misurabili. La differenza non la fa l’algoritmo, la fa la direzione che gli diamo, e la volontà di rendere conto di quella scelta. Forse, allora, la domanda giusta non è se l’AI sia green, ma se lo siamo noi quando decidiamo come usarla.
CREDITS PICTURES
Cover picture: images from the brand campaign of Stella McCartney, and Ganni
Pictures in the article: images from the brand campaign of Reformation, Canada Goose x Reformation, Levi’s x Ganni, and Prada
What do you think?