Retailers, zoals supermarkten, moeten weten waar hun producten vandaan komen en onder welke omstandigheden ze zijn gemaakt. In wereldwijde ketens gaat het om een enorme hoeveelheid data. AI kan helpen die data te beheersen, maar alleen als AI zelf veilig en betrouwbaar is. Bedrijven zetten steeds vaker AI in om de data uit hun ketens te verzamelen en te analyseren. Dat geeft risico’s omdat veel AI-modellen werken met data die is gebaseerd op schattingen en aannames. Bovendien komt de data terecht in datasets van grote AI modelleveranciers waar retailers geen controle over hebben. Ketenspecialist ImpactBuying richt zich al 17 jaar op het verzamelen, verifiëren en analyseren van ketendata van grote retailers, producenten en traders. Daarmee is een uniek en groot arsenaal aan daadwerkelijk gecontroleerde data opgebouwd van productwaardeketens over de hele wereld.

Veilige AI in eigen beheer

Om tegelijk de data veilig te houden en het ophalen efficiënter te maken, lanceert het bedrijf de AI Evidence Scanner. ,,Deze tool is door onszelf gebouwd, met eigen data getraind en wordt gehost op onze eigen servers in de EU. Dat betekent dat er een soevereine AI oplossing is voor Europese retailers,” zegt Leontien Hasselman-Plugge, CEO van ImpactBuying. ,,We willen duurzame, weerbare ketens bouwen, dat betekent dat ook de AI veilig en in eigen beheer moet zijn.”

Hoe beter retailers hun ketens kennen, hoe beter zij kunnen voldoen aan ESG-wetgeving én hoe sneller zij kunnen reageren op misstanden en klimaat- of geopolitieke risico’s. AI kan daarin een grote rol spelen: om data sneller op te halen, te vertalen en te analyseren.

Duurzame, eerlijke ketens

Retailers en hun leveranciers zijn veel tijd kwijt aan het verzamelen en interpreteren van data uit hun ketens. Zo kan een certificaat voor een biologische productiemethode uit Thailand er compleet anders uitzien dan uit Colombia en ook nog eens in een andere taal zijn opgesteld. Tot nu toe komt daar veel handmatig werk bij kijken, zoals het overtypen van gegevens.

Door AI verkleint de foutmarge, terwijl de schaalbaarheid een grote vlucht neemt. Zo blijft er meer tijd over om op basis van deze data te sturen, zoals het verbeteren van arbeidsomstandigheden, het verduurzamen van productie en het aanpakken van misstanden. Dat is mensenwerk.

Hasselman-Plugge: ,,Dit is echt een grote stap voorwaarts in het bouwen van transparante, stabiele, eerlijke en duurzame ketens. In deze onzekere wereld moeten we zorgen dat we op eigen benen staan en dat we snel inzicht hebben in data die klopt. Onze oplossing maakt dat mogelijk.”