浪費原料大宗：食品、時尚業用 AI 實踐永續
食品與服飾是全球浪費最嚴重的兩大產業，根據世界自然基金會（WWF）估計，全球多達 40% 的糧食從未被食用即遭丟棄；Global Fashion Agenda 也預估，全球每年產生的紡織品廢料高達 9,200 萬噸，相當於每秒就有一輛裝滿衣服的垃圾車將廢棄衣料傾倒在垃圾掩埋場。
隨著 AI 技術成熟，企業正逐步尋求以數據驅動的方式改善這一困境。
皇家加勒比遊輪則運用 AI 平台監控食品供應，精準預估當天應該訂購、準備與製作的食物量，並即時調控。
「透過分析歷史數據，預測遊輪航線和旅客人口組成，細緻的預測食材、和份量，盡可能減少浪費。」皇家加勒比全球食品與飲料負責人迪索薩（Linken D'Souza）在接受《CBS》採訪時表示，皇家加勒比遊輪已經成功將全船一週超過五萬磅的食物浪費減少 35%。
在時尚產業中，Zara 母公司 Inditex 透過機器學習即時分析消費者購買行為、氣候、地域偏好等數據，精準預測熱賣款式與尺碼，縮短生產週期、減少庫存積壓與報廢；法國時尚科技新創 Trustrace 則透過 AI 驗證紡織原料來源與碳排數據，協助品牌在上游就做出更永續的採購決策。
運輸：AI 協助優化物流與交通排程，減少空載與碳排
在物流與運輸領域，各種 AI 解決方案正在協助出貨排程和路線優化以降低碳排，成為企業實現永續發展目標的關鍵工具。
傳統物流運輸常面臨「空車返程」的問題，導致能源浪費與營運成本增加。以美國為例，約有 35% 的貨運卡車在高速公路上是空車行駛。為解決此問題，Uber Freight 推出 AI 驅動的平台，協助卡車司機在完成一趟運輸任務後，立即匹配下一筆貨運，減少空車行駛的比例。
物流運輸公司 F&J Logistics Inc. 負責人吉麥茲（Freddie Jimenez）分享：「作為駕駛，最重要的就是保持移動。有 Uber Freight，我不用再花幾小時煩惱下一趟任務在哪。」該平台利用機器學習演算法，考量交通、天氣和道路狀況等因素，為司機提供即時的報價與最佳路線建議。
自 2023 年上線以來，Uber Freight 已協助超過 200 家企業運輸超過 200 億美元的貨品，並將空車比例降低了 10% 至 15% 。
此外，AI 在運輸排程上的應用也日益廣泛。AI 可自動化排程流程，包括交貨、維護甚至司機休息時間，提升生產力並確保符合法規要求 。AI 還能預測需求變化，優化貨物規劃，並實時調整排程，以應對延誤等突發情況 。
在空運方面，美國國防部與 AWS、C3 AI 和 Google Public Sector 合作，開發了「Air Logistics Optimization（ALO）」計劃，旨在優化運輸航班的排程與分配，減少空載航班，降低燃料消耗與碳足跡 。
供應鏈管理：AI 助力碳排追蹤與 ESG 自動報告
企業紛紛投入永續計畫和碳中和目標時，供應鏈中的碳排追蹤與報告變得格外重要，然而碳排放數據來自不同來源，格式不一，加上法規標準不斷變動，使得數據處理充滿困難，傳統依賴手動填報、查核供應商數據的方式，既耗時又容易出錯。
如今，愈來愈多企業開始導入 AI 技術，實現碳排數據的即時整合、智能預測與自動化報告。
例如，Mavarick 提供的 AI 系統可自動收集供應商排放數據，並進行驗證與報告，確保符合全球永續報告標準，減少手動操作的錯誤與時間成本；同樣地，Emitwise 利用機器學習演算法，快速處理來自數千家供應商的數據，精確計算產品層級的碳排放，協助企業識別高碳排熱點，並制定減碳策略 。
AI 的應用不僅限於數據分析，還能提供實際的減碳建議。例如，carbmee 的 EIS 平台利用生成式 AI，快速處理大量數據，提供供應鏈各環節的碳排放資訊，協助企業制定精準的減碳策略 。
透過數據驅動的預測與優化，AI 幫助企業從源頭減少浪費、提高效率，並及早因應永續規範與市場期待。在這場永續競賽中，企業若能善用 AI，不僅能降低營運風險，更有機會在未來的綠色經濟中搶得先機。
資料來源：Defense Innovation Unit、CBS News、Sustainable fashion brands、New York Times、International Supermarket News
※ 本文授權自未來商務，原文見此。
.jpg)