Kan AI de tweedehands textielsector helpen zijn waarde te bewijzen?

De tweedehands textielsector beschikt over een schat aan operationele gegevens, maar mist een eenvoudige manier om deze om te zetten in een gezamenlijk bewijs van haar bijdrage. Die uitdaging behandelt ‘growth consultant’ Chris McLellan in zijn presentatie ‘Closing the Data Gap: The Case for Data Collaboration in the Age of AI en EPR’ tijdens de SMART 2026 Annual Convention in Montréal. In een interview met FashionUnited na het evenement legt hij uit hoe AI onafhankelijke bedrijven helpt bij het verzamelen van dat bewijs. Ook vertelt hij waarom vertrouwen belangrijker is dan de technologie zelf.

Informatie die vaak nog mist is volgens McLellan informatie met betrekking tot de hoeveelheid verwerkt materiaal en de bestemming ervan. Ook zijn er geen cijfers over de mate van hergebruik of recycling en het aantal banen dat hierbij betrokken is. Onafhankelijke inzamelaars, sorteerders, beoordelaars en exporteurs bezitten stukjes van die puzzel. Hun gegevens liggen echter verspreid over archiefkasten, spreadsheets en boekhoudsystemen.

“Vermenigvuldig dat over een hele sector en het bewijs bestaat, het ligt alleen verspreid”, zegt hij. Het gevolg is volgens hem een sector die haar economische en ecologische bijdrage moeilijk overtuigend kan presenteren wanneer beleidsmakers om cijfers vragen.

Volgens hem helpt AI die kloof te overbruggen door afgesproken informatie te halen uit bestaande bedrijfsdocumenten. Voorbeelden hiervan zijn weegbonnen, facturen, paklijsten van containers en exportaangiften.

McLellan stelt voor om bestaand papierwerk toegankelijker te maken voor gezamenlijk gebruik. Een bedrijf uploadt een pdf of fotografeert een document, waarna een applicatie geselecteerde details zoals gewicht, kwaliteit, herkomst en bestemming uitleest. Het systeem standaardiseert formaten en rekent eenheden om. Dit maakt gegevens van verschillende partijen onderling vergelijkbaar.

Ter demonstratie van deze aanpak bouwde McLellan een basisprototype voor zijn SMART-presentatie. Met hulp van AI kost dit volgens hem minder dan een uur en vrijwel geen geld. Dit toont een mogelijk startpunt, en nog geen volledig operationeel, sectorbreed rapportagesysteem.

Hij geeft de voorkeur aan een start met een zichtbaar proces. Hierbij controleren en accorderen bedrijven de uitgelezen informatie voor indiening. Autonomere AI-systemen kunnen de werkdruk uiteindelijk verder verlagen, maar de acceptatie daarvan vereist meer vertrouwen in het systeem.

Vertrouwen voor technologie

Het lastigste obstakel is het overtuigen van concurrenten tot deelname. Informatie over volumes, kopers, kwaliteiten en prijzen is commercieel gevoelig. Bedrijfseigenaren hebben dan ook terechte zorgen over wie daar toegang toe krijgt. “Eigenaren maken zich heel terecht zorgen dat concurrenten gedeelde data inzien of tegen hen gebruiken. Ook vrezen ze het verlies van de controle erover”, zegt McLellan.

Zijn voorgestelde aanpak begint met het minimaliseren van de verzamelde informatie en het direct bij de bron verwijderen van identificerende gegevens. Daarnaast bepalen deelnemers zelf welke projecten hun data ondersteunen. Een bedrijf kan toestemming geven voor het gebruik van informatie voor beleidsbeïnvloeding, zonder in te stemmen met het gebruik voor sectorbrede benchmarking.

McLellan omschrijft dit als een ‘Bill of Rights voor data-eigenaren’. Deelnemers moeten hun informatie volgens hem ook kunnen terugtrekken, met een minimum aan kopieën voor het behoud van daadwerkelijke controle.

Een branchevereniging of non-profitorganisatie is in zijn ogen de logische organisator. Deelname moet echter rusten op duidelijk bestuur in plaats van alleen op institutionele reputatie. Hij pleit voor een geschreven handvest, onafhankelijk toezicht en regels tegen dominantie door grotere bedrijven.

McLellan ziet vooral urgentie rond uitgebreide producentenverantwoordelijkheid (UPV) en beslissingen over de textielexport. Volgens hem hebben bedrijven bewijs van hun activiteiten nodig voor een goede vertegenwoordiging in beleids- en financieringsdiscussies.

“Wie geld ontvangt uit UPV-programma's is een economische kwestie. Het openblijven van exportmarkten is een vraagstuk rondom de marktvraag”, zegt hij. “De verdeling van infrastructuurgeld hangt af van de volumes waarvan mensen denken dat ze bestaan.”

Datasamenwerking lost de onderliggende commerciële druk in de sector niet op. McLellan erkent transportkosten, beperkingen in de infrastructuur, vervuiling en de marktvraag als wezenlijke barrières. “Data zelf sorteert geen enkele baal”, zegt hij. Het doel is de positie van de sector te versterken bij beslissingen over die problemen.

Ook AI vereist controle

Het gebruik van AI voor wettelijk bewijs brengt risico's met zich mee. McLellan waarschuwt voor het verkeerd lezen van documenten, het verwarren van eenheden of het verzinnen van ontbrekende informatie door systemen. Een herhaalde fout in inzendingen ondermijnt het vertrouwen in de bredere dataset.

Hij pleit daarom voor de herleidbaarheid van elke gegevensinvoer naar een origineel document bij het deelnemende bedrijf. Menselijke goedkeuring voor indiening en controles op afwijkingen bieden extra waarborgen.

Er is echter nog een ander risico: een gebrekkige documentatie van de sector terwijl AI-systemen steeds vaker bepalen hoe mensen erover leren. McLellan vreest een onevenredig grote invloed van beperkte onderzoeken bij het ontbreken van breder bewijs.

“Wanneer een sector geen cijfers heeft, gelden de cijfers van anderen standaard als bewijs”, zegt hij.

Zijn pleidooi richt zich op collectieve zichtbaarheid zonder het opgeven van individuele controle. AI vergemakkelijkt het verzamelen van bewijs, maar bedrijven hebben een reden voor deelname nodig, plus het vertrouwen dat dit hen niet schaadt.