Hvordan får man flere produkter til at leve længere – uden at gensalg bliver manuelt, langsomt og svært at drive i større skala?
Hvordan får man flere produkter til at leve længere – uden at gensalg bliver manuelt, langsomt og svært at drive i større skala?
Et spørgsmål som undersøges i TRACE-projektet 'Blockchain, IoT and Resale', hvor virksomheder og videnspartnere undersøger, hvordan teknologi inklusiv kunstig intelligens kan understøtte nye cirkulære forretningsmodeller i mode-, design- og livsstilsbranchen.
TRACE står for” a transition towards circular economy, aiming for a regenerative circular society by 2050, where resources circulate in closed loops, waste is eliminated, and natural systems are restored”. TRACE er fundet af Innovation Fund Denmark og European Union. Ifølge Thomas Jensen, projektleder og lektor ved CBS, handler udfordringen sjældent om manglende vilje hos virksomhederne.
Ifølge Thomas Jensen, projektleder og lektor ved CBS, handler udfordringen sjældent om manglende vilje hos virksomhederne: “Bæredygtighed er vigtig prioritet for mange virksomheder og gensalg er en af de oplagte veje, men de fleste mangler overblik over data, teknologier og potentielle samarbejdspartnere. TRACE-projektet er sat i verden for at gøre den kompleksitet mere overskuelig og handlingsorienteret. Gennem projektet har vi opnået en bedre forståelse for balancen mellem anvendelsen af teknologier – herunder AI – og hensynet til bæredygtighed. Ved at understøtte øget gensalg ved anvendelse af AI kan produkters levetid forlænges markant, hvilket i høj grad opvejer teknologiens negative miljøpåvirkning,”siger Thomas Jensen.
“Bæredygtighed er vigtig prioritet for mange virksomheder og gensalg er en af de oplagte veje, men de fleste mangler overblik over data, teknologier og potentielle samarbejdspartnere. TRACE-projektet er sat i verden for at gøre den kompleksitet mere overskuelig og handlingsorienteret. ”
Projektet samler derfor virksomheder, teknologipartnere og forskningsmiljøer om at teste, dokumentere og dele viden om, hvad der faktisk virker i praksis. Gensalg virker – men hvordan skalerer vi mere effektivt Interessen for gensalg er stor, men markedet er fortsat præget af uens kvalitet, manglende dokumentation og tidskrævende processer. Produkter bliver ofte lagt op på gensalgsplatforme med tilfældige billeder, upræcise beskrivelser og usikker prissætning.
Det gør det svært for både brands og platforme at arbejde systematisk med gensalg.
Her kommer erfaringerne fra bl.a. Create2Stay ind. Virksomheden har arbejdet med AI-understøttet gensalg for mere end 50 brands og ser et klart mønster: Problemet er ikke varerne – men arbejdsgangene og produkt data.
Data fra Create2stay viser, at omkring 80 % af alle produkter kan identificeres og markedsføres alene ud fra billeder og produktdata i care-labels, mens 3–4 % kræver reparation eller ekstra klargøring.
“Langt de fleste produkter kan faktisk sælges videre uden større indsats. Udfordringen er ikke varerne – det er data og processerne.”
I TRACE-projektet er der arbejdet med, hvordan AI kan bruges målrettet til at fjerne netop den friktion, der i dag gør gensalg tungt at håndtere. Her handler det ikke om én enkelt teknologi, men om at automatisere de mest tidskrævende led i værdikæden.
Ifølge Alexandra Instituttet er der især nogle klare knudepunkter, hvor AI kan flytte branchen.
“Vi ser især tre steder, hvor AI kan flytte gensalg: når produkter skal genkendes hurtigt, når data skal struktureres automatisk, og når den rigtige vare skal matches med den rigtige køber.”
Konkret kan AI blandt andet:
Når disse processer automatiseres, bliver gensalg mindre afhængigt af manuel håndtering – og lettere at arbejde med i større skala.
Brands har allerede det vigtigste aktiv: data
Et centralt indblik fra TRACE-projektet er, at mange brands allerede ligger inde med omfattende produktdata: billeder, materialer, størrelser, kollektioner og tekniske specifikationer. Når disse data bringes i spil igen efter første salg, opstår nye forretningsmuligheder.
Ifølge Thomas Østergaard-Geisler er det netop her, mange virksomheder undervurderer deres eget udgangspunkt: “Brands har i forvejen dokumentationen. Når vi bruger teknologi til at koble de fysiske produkter til deres data spor kan AI hjælpe med at skalere data og genbruge den til gensalg, reparation eller andre kommende ydelser.” siger han.
Samtidig åbner datamatch mulighed for at identificere kopivarer og øge troværdigheden i gensalg – særligt for premium- og designprodukter, hvor dokumentation er afgørende.
Projektet viser også, at gensalg ikke er ét homogent marked. Der er stor forskel på at sælge en limited edition-taske, en børnejakke eller en standard T-shirt.
Erfaringerne peger på tre overordnede kategorier:
AI kan understøtte alle tre – men løsningerne skal tilpasses den konkrete kontekst.
For mange små og mellemstore virksomheder er udfordringen ikke ambitioner, men kapacitet. De færreste har ressourcer til selv at udvikle AI-løsninger. TRACE-projektet peger derfor på fælles løsninger, testmiljøer og partnerskaber som vejen frem.
Her fungerer projekter som TRACE som bindeled mellem virksomheder, viden og teknologi – og gør det muligt at tage de første skridt uden at stå alene.
AI, blockchain og IoT er ikke mål i sig selv. Men sammen kan de gøre gensalg mere struktureret, mere troværdigt og lettere at arbejde med i praksis.
TRACE-projektet viser, at cirkulære forretningsmodeller ikke kræver et radikalt opgør med eksisterende forretning – men en ny måde at bruge data, teknologi og samarbejder på.
For virksomheder, der er nysgerrige på at koble AI med gensalg, er næste skridt ofte tættere på, end de tror.
Læs mere om Blockchain, IoT and Resale og partnerne bag.
