Dari Dangkal ke Rak dan Kembali: Tinjauan, Sintesis, dan Agenda Penelitian untuk Rantai Pasokan Mode Digital Berbasis AI yang Berkelanjutan Secara Sosial

ABSTRAK
Rantai pasokan mode tengah mengalami transformasi yang didorong oleh AI, dengan implikasi signifikan bagi keberlanjutan sosial dan etika. Studi ini meneliti bagaimana inovasi bertenaga AI mengoptimalkan operasi rantai pasokan, meningkatkan transparansi, dan mendukung praktik ketenagakerjaan yang etis. Melalui tinjauan pustaka yang sistematis, kami mengidentifikasi tantangan dan peluang utama, dengan menekankan peran AI dalam mendorong model ekonomi sirkular, pengadaan yang bertanggung jawab, dan kolaborasi pemangku kepentingan. Temuan kami mengusulkan agenda penelitian yang berpusat pada kerangka kebijakan, kemajuan teknologi, dan tata kelola AI yang etis. Studi ini berkontribusi pada wacana tentang adopsi AI yang berkelanjutan secara sosial dan etis dalam rantai pasokan mode, yang menawarkan wawasan bagi para peneliti dan pemimpin industri.

1 Pendahuluan
Ketika perusahaan memperkenalkan kecerdasan buatan (AI) ke dalam rantai pasokan mode, mereka juga memperkenalkan paradoks etika. AI menjanjikan efisiensi dan keuntungan yang lebih besar, tetapi berpotensi memperburuk atau meningkatkan keberlanjutan sosial. Paradoks ini menimbulkan pertanyaan utama: Bagaimana perusahaan dapat menerapkan AI dalam rantai pasokan mode untuk menyeimbangkan tujuan bisnis dengan tanggung jawab etika?

Aplikasi AI telah menjadi hal yang lumrah di sebagian besar rantai pasokan dan sebagian besar industri (Benbya et al. 2020 ; Raba et al. 2021 ; Jin and Shin 2021 ; Hermann 2022 ; Gonzalo et al. 2020 ; Brynjolfsson et al. 2018 ; Danaher 2017 ; Huang and Rust 2018 ; Huang et al. 2019 ; Kaplan 2015 ; Kolbjørnsrud et al. 2016 ; Zuboff 2019 ). Meski demikian, rantai pasokan pakaian fesyen patut mendapat perhatian khusus saat memasuki Industri 4.0. Rantai pasokan ini memiliki jangkauan global dan memiliki implikasi signifikan bagi studi masa depan dalam bisnis dan etika rantai pasokan (D’Cruz et al. 2022 ; Benbya et al. 2020 ; Liu 2022 ).

Kekhawatiran etis terkait desain yang dihasilkan AI telah memicu perdebatan signifikan, khususnya di bidang hak cipta dan keaslian desain. Penggunaan AI dalam desain busana menimbulkan pertanyaan tentang kekayaan intelektual, karena sistem AI dapat mereplikasi atau memodifikasi desain yang sudah ada, yang berpotensi melanggar hak pencipta asli dan mengurangi keunikan karya mereka. Lebih jauh, ada risiko bahwa algoritme AI dapat melanggengkan bias yang sudah ada dengan mengutamakan tipe tubuh atau etnis tertentu, sehingga memperkuat standar kecantikan yang eksklusif (Stateless 2024 ).

Kekhawatiran etika seputar desain yang dihasilkan AI juga semakin menonjol dengan diperkenalkannya undang-undang baru. “Fashion Workers Act,” yang disahkan di New York pada Desember 2024 dan mulai berlaku pada Juni 2025, memperkenalkan langkah-langkah perlindungan bagi para model dan profesional lain di industri mode, termasuk ketentuan untuk mencegah penyalahgunaan AI. Undang-undang ini berupaya mengatasi ketidakseimbangan kekuasaan dan eksploitasi dalam industri, dengan menekankan kebutuhan penting untuk penerapan AI yang etis dalam praktik mode (Vogue Business 2025 ).

Perusahaan seperti Shein memanfaatkan AI untuk menyesuaikan rantai pasokan mereka dengan cepat terhadap permintaan pelanggan, sehingga mempercepat proses produksi secara signifikan. Meskipun hal ini meningkatkan responsivitas dan efisiensi, hal ini juga menimbulkan kekhawatiran tentang dampak lingkungan akibat peningkatan laju produksi. Selain itu, ada pertanyaan serius mengenai kondisi tenaga kerja di lingkungan produksi yang dipercepat ini. Penggunaan AI dalam konteks ini menggarisbawahi keharusan untuk memprioritaskan pertimbangan etika guna mengurangi konsekuensi sosial dan lingkungan yang negatif (Time 2024 ).

Penelitian ini menanggapi dua kesenjangan signifikan dalam literatur terkini. Pertama, meskipun para pakar etika bisnis telah menyerukan perspektif interdisipliner tentang etika konsumsi (Carrington et al. 2021 ), sedikit perhatian diberikan pada bagaimana AI mengubah pengambilan keputusan etis di seluruh rantai pasokan mode. Kedua, meskipun ada penekanan yang semakin besar pada “Logistik untuk Dunia yang Lebih Baik” (Davis-Sramek dan Richey 2022 ), hubungan antara implementasi AI dan keberlanjutan sosial dalam rantai pasokan pakaian jadi masih kurang dipelajari.

Kondisi kerja dan keberlanjutan sosial tertanam dalam sistem produksi dan ritel pakaian (Alamgir 2014 ). Integrasi AI ke dalam sistem ini menciptakan kompleksitas etika baru. Misalnya, sementara pengoptimalan yang digerakkan oleh AI dapat meningkatkan efisiensi rantai pasokan, ia juga dapat mengkodifikasi masalah ketenagakerjaan yang ada atau menciptakan bentuk baru eksploitasi pekerja melalui pengawasan digital dan manajemen algoritmik. Kekhawatiran ini khususnya mendesak mengingat jangkauan global industri mode dan tantangan historis terkait hak-hak ketenagakerjaan dan dampak lingkungan.

Studi kami menjembatani etika bisnis dan manajemen rantai pasokan dengan meneliti bagaimana penerapan AI memengaruhi keberlanjutan sosial dalam rantai pasokan mode. Kami secara khusus berfokus pada:

1. Implikasi etis dari pengambilan keputusan berbasis AI dalam produksi dan distribusi pakaian.
2. Ketegangan antara optimalisasi teknologi dan kesejahteraan pekerja dalam rantai nilai global.

Melalui tinjauan pustaka terstruktur dan analisis aplikasi AI terkini, kami mengembangkan kerangka kerja untuk mengevaluasi dimensi etika penerapan AI dalam rantai pasokan mode. Kerangka kerja ini mengatasi kesenjangan kritis dalam penelitian yang ada: kurangnya pendekatan sistematis untuk menilai bagaimana AI memengaruhi keberlanjutan sosial dalam produksi pakaian global.

Temuan kami berkontribusi pada teori dan praktik. Temuan kami mengidentifikasi tantangan etika spesifik yang timbul dari penerapan AI dalam rantai pasokan mode, mengusulkan pedoman untuk menerapkan AI yang menyeimbangkan efisiensi dengan tanggung jawab sosial, dan mengembangkan agenda penelitian yang meningkatkan pemahaman kita tentang peran AI dalam manajemen rantai pasokan berkelanjutan. Temuan ini mencakup kesenjangan dalam literatur dan masalah dalam praktik.

Artikel ini memperluas dan menantang penelitian sebelumnya tentang AI dalam mode dengan menekankan implikasi etikanya yang unik, khususnya dalam konteks keberlanjutan sosial. Sementara tinjauan yang ada tentang aplikasi AI dalam rantai pasokan mode terutama berfokus pada efisiensi, digitalisasi, dan keberlanjutan lingkungan (misalnya, Liu 2022 ; Benbya et al. 2020 ), pekerjaan kami secara khusus mengintegrasikan perspektif dari etika bisnis dan manajemen rantai pasokan. Dengan melakukan itu, kami berkontribusi pada wacana yang sedang berlangsung dengan mengatasi dilema etika kritis yang muncul di persimpangan bidang-bidang ini, termasuk dampak AI pada kondisi ketenagakerjaan, privasi data, dan transparansi pengambilan keputusan.

Tidak seperti tinjauan keberlanjutan atau digitalisasi lainnya, yang sering menekankan kemajuan teknologi atau tantangan lingkungan yang luas, makalah ini menyoroti konsekuensi sosial spesifik dari adopsi AI dalam rantai nilai pakaian global. Kami membangun seruan interdisipliner dari Carrington et al. ( 2021 ) dan Davis-Sramek dan Richey ( 2022 ) dengan secara eksplisit menghubungkan masalah etika dengan realitas operasional dalam manajemen rantai pasokan. Lebih jauh, kami mengusulkan kerangka kerja yang tidak hanya mengidentifikasi kesenjangan dalam literatur tetapi juga memberikan proposisi yang dapat ditindaklanjuti untuk penelitian di masa mendatang, yang bertujuan untuk mengurangi risiko etika yang terkait dengan aplikasi AI dalam mode. Penekanan etika yang unik ini membedakan pekerjaan kami dari penelitian sebelumnya dan menggarisbawahi relevansinya untuk penelitian dan praktik.

Kami mulai dengan definisi utama, diikuti oleh tinjauan pustaka terstruktur yang mensintesis pengetahuan terkini tentang implikasi etis AI dalam rantai pasokan mode. Kami kemudian menganalisis contoh dari praktik dan literatur akademis dan menyimpulkan dengan usulan untuk memandu penelitian dan aplikasi praktis di masa mendatang. Bagian-bagian ini menguraikan tentang bagaimana penerapan AI memengaruhi hak pekerja, dampak lingkungan, dan transparansi rantai pasokan.

2 Definisi dan Konsep Utama
Sproles ( 1974 ) mengembangkan kerangka konseptual untuk teori mode. Dalam kerangka ini, ia membahas mode sebagai proses dan objek. Ia mengusulkan objek dan layanan fisik sebagai subjek yang dapat berubah demi mode. Dalam pandangannya, objek mode dapat berubah, menjadi usang, dan akhirnya digantikan oleh “objek yang lebih baru” (Sproles 1974 , 464). Mereka mungkin memiliki fungsi utilitarian tetapi sering kali digantikan sebelum akhir kegunaannya. Ia membawa ide-ide tentang kebaruan, mata uang, penerimaan, dan kemewahan sebagai karakteristik potensial dari objek mode. Sproles ( 1974 ) mengidentifikasi proses mode sebagai memiliki enam elemen: (1) sebuah objek yang diperkenalkan ke dalam sistem sosial pengadopsi potensial; (2) tujuan, yang mungkin mencakup harapan fungsional dan estetika; (3) pengadopsi, individu dalam sistem sosial yang mungkin menerima objek sebagai bagian dari kehidupan sehari-hari atau pola perilaku mereka; (4) motif untuk adopsi yang mungkin didorong oleh kebutuhan untuk fungsi psiko-sosial atau kinerja superior yang dirasakan; (5) tingkat penerimaan, atau persentase anggota sistem sosial yang menerima objek; dan (6) dimensi perubahan dari waktu ke waktu yang melibatkan penyajian alternatif kepada calon pengadopsi dalam suatu sistem sosial.

AI memengaruhi keenam dimensi mode ini. Ambil contoh berikut:

1. Pendahuluan: AI memengaruhi objek mode mana yang memasuki sistem sosial melalui analisis prediktif dan perkiraan tren.
2. Tujuan: AI melampaui tujuan fungsional dan estetika tradisional mode dan memperkenalkan masalah privasi data dan transparansi algoritmik.
3. Adopsi: Sistem rekomendasi berbasis AI dan algoritma media sosial membentuk cara orang menemukan dan menerima objek mode.
4. Motivasi: Model pembelajaran mesin menimbulkan pertanyaan tentang manipulasi dan persetujuan saat menganalisis dan memengaruhi psikologi konsumen.
5. Penerimaan: Platform digital bertenaga AI dapat mempercepat atau membatasi penyebaran sosial tren mode.
6. Perubahan temporal: AI memengaruhi kecepatan dan sifat siklus mode melalui pembuatan prototipe cepat dan analisis pasar waktu nyata

Objek mode dan proses mode berinteraksi dengan cara yang mengarah pada penggantian dan pembuangan objek fungsional. Proses ini bertentangan dengan ekonomi sirkular, rantai nilai, dan rantai pasokan. Interaksi ini juga mengarah pada berbagai dilema etika, beberapa di antaranya baru dalam pengembangan mode digital. AI dapat meningkatkan proses mode dan objek mode, yang berpotensi membuat keduanya tidak terlalu boros dan berbahaya.

Jika kita ingin memahami tantangan etika di persimpangan AI dan rantai pasokan mode, kita memerlukan kerangka kerja konseptual yang tepat. Dalam rantai pasokan mode, AI melampaui definisi umumnya sebagai kombinasi pembelajaran mesin, jaringan saraf, dan teknologi visi komputer. Secara khusus, ia bermanifestasi sebagai sistem algoritmik yang membuat atau memengaruhi keputusan penting tentang desain produk, penjadwalan pekerja, manajemen inventaris, dan penargetan konsumen—masing-masing dengan implikasi etika yang berbeda. Sistem AI ini memperkenalkan tantangan unik dari bias algoritmik. Jika mereka dilatih pada data historis, mereka dapat melanggengkan praktik ketenagakerjaan yang tidak adil. Jika mereka tidak transparan, pekerja dan konsumen mungkin berjuang untuk memahami keputusan yang digerakkan oleh AI. Jika mereka kurang transparan dalam tata kelola, pekerja dan konsumen mungkin bertanya-tanya siapa yang mengendalikan dan mengawasi penerapan AI di seluruh jaringan pasokan global.

Manajemen rantai pasokan dalam konteks mode yang digerakkan oleh AI juga memerlukan pemahaman yang lebih bernuansa daripada yang disediakan oleh definisi tradisional. Sementara LeMay et al. ( 2017 , 1446) mendefinisikan SCM sebagai “desain dan koordinasi jaringan tempat organisasi dan individu mendapatkan, menggunakan, mengirimkan, dan membuang barang-barang material.” Kata kerja dalam definisi ini mengidentifikasi titik-titik di mana sistem AI memengaruhi dinamika kekuatan dan otoritas pengambilan keputusan di seluruh rantai. Misalnya, ketika sistem AI membantu menemukan pemasok—kata kerja “mendapatkan” dalam definisi ini—mereka mengubah hierarki manajemen tradisional dan menimbulkan pertanyaan tentang akuntabilitas algoritmik.

Keberlanjutan sosial dalam rantai pasokan mode yang digerakkan oleh AI mencakup lebih dari sekadar mengurangi kerusakan lingkungan dan ekonomi. Keberlanjutan sosial harus mengatasi bentuk-bentuk baru eksploitasi digital, seperti pengawasan melalui sistem pemantauan yang didukung AI, diskriminasi algoritmik dalam evaluasi pekerja, dan penggantian pengambilan keputusan manusia dengan cara-cara yang dapat merusak martabat dan otonomi pekerja. Konsep keberlanjutan sosial yang diperluas ini berfokus pada upaya memastikan bahwa penerapan AI menghormati hak asasi manusia, mendorong transparansi, dan mempertahankan peran manusia dalam pengambilan keputusan.

Teori pemangku kepentingan menawarkan perspektif yang berguna untuk menganalisis bagaimana AI memengaruhi berbagai kelompok, termasuk pekerja, konsumen, pemasok, dan masyarakat lokal. Dengan memprioritaskan kebutuhan dan kepentingan para pemangku kepentingan ini, aplikasi AI dapat dirancang untuk mempromosikan praktik ketenagakerjaan yang adil, memastikan transparansi, dan mengatasi masalah lingkungan (Freeman 1984 ; Mitchell et al. 1997 ; Karimova dan Le May 2025 ).

Di sisi lain, etika kepedulian menekankan tanggung jawab relasional dan kesejahteraan populasi rentan, seperti pekerja di negara berpendapatan rendah. Penerapan perspektif ini pada rantai pasokan mode yang digerakkan oleh AI mendorong fokus pada pembinaan hubungan antarmanusia dan perlindungan martabat dan otonomi pekerja, sekaligus menumbuhkan kepedulian terhadap lingkungan (Held 2005 ).

Kerangka teoritis ini akan membantu memperjelas mekanisme yang melaluinya AI dapat menciptakan hasil positif dan negatif, memberikan pemahaman yang lebih komprehensif tentang perannya dalam mempromosikan atau menghambat keberlanjutan sosial dalam industri mode.

Ketiga konsep ini—AI, manajemen rantai pasokan, dan keberlanjutan sosial—saling bersinggungan dalam cara yang menciptakan peluang dan risiko. Misalnya, AI membantu rantai pasokan dengan perkiraan dan manajemen inventaris yang lebih baik. AI dapat mengaburkan pengambilan keputusan yang memengaruhi kesejahteraan pekerja dan privasi konsumen. Memahami persimpangan ini sangat penting untuk mengembangkan kerangka kerja etis yang memandu penerapan AI dalam rantai pasokan mode.

Diagram yang menggambarkan bagaimana AI memengaruhi dilema etika tertentu, seperti tenaga kerja dan ketenagakerjaan, privasi data, serta isu terkait limbah dan keberlanjutan disajikan pada Gambar 1 .

3 AI dan Industri Mode Digital dalam Rantai Pasokan: Tinjauan Literatur Terstruktur
Tinjauan pustaka ini meneliti peran AI dalam rantai pasokan busana. Tinjauan ini berfokus pada penggunaan AI secara etis. Tinjauan sistematis ini mengikuti pendekatan Denyer dan Tranfield ( 2009 ) terhadap studi manajemen. Kami menyelidiki bagaimana AI mengubah rantai nilai busana dan implikasi etisnya. Kami mengembangkan tinjauan yang transparan, dapat direproduksi, dan ilmiah untuk mengurangi bias (Mingers 2006 ; Alvesson dan Deetz 2000 ).

Proses peninjauan terdiri dari tiga fase utama: formulasi dan pencarian pertanyaan; pemilihan literatur; dan organisasi tematik. Kami mengembangkan string pencarian tertarget yang menggabungkan tiga domain utama: teknologi digital, isu etika, dan mode. Kami secara khusus berfokus pada AI daripada kecerdasan tertambah. Pencarian dilakukan di seluruh basis data ScienceDirect, Google Scholar, PhilPapers, dan EBSCOhost. Pencarian literatur awal menghasilkan 102 kontribusi, yang menjalani proses penyaringan dua tahap. Untuk memastikan relevansi kontemporer, kami mengecualikan tiga makalah pra-2012, diikuti dengan menghapus 28 makalah yang gagal membahas aplikasi AI dalam mode. Analisis akhir menggabungkan 68 makalah yang memenuhi semua kriteria inklusi. Kami kemudian memeriksa perkembangan AI terkini dalam industri mode dan rantai nilai mode digital, diikuti oleh proposisi penelitian untuk studi masa depan dalam bidang interdisipliner ini. Metode karakteristik yang diterapkan dalam konteks tinjauan ini adalah hubungan yang relevan dengan tahapan rantai pasokan tertentu, khususnya untuk menyediakan struktur yang layak dan logis bagi peneliti rantai pasokan serta manajer. Oleh karena itu, tahapan rantai pasokan adalah kriteria pengelompokan utama untuk analisis tinjauan dalam hal ini (lihat Gambar 2 ).

3.1 Analisis Deskriptif dan Pembahasan
Analisis kami menunjukkan pola temporal dan metodologis yang penting dalam penelitian tentang AI dalam rantai pasokan busana. Gambar 3 menunjukkan minat akademis yang meningkat pesat sejak 2018, dengan peningkatan yang nyata dari 2020 hingga 2022.

Mengikuti pendekatan komprehensif Denyer dan Tranfield ( 2009 ), kami menganalisis beragam jenis publikasi, dengan jurnal akademik yang mencakup mayoritas (49 publikasi). Literatur dikelompokkan ke dalam empat domain utama: “Bisnis & Ekonomi,” “Teknologi Informasi & AI,” “Mode & Teknologi Mode,” dan “Keberlanjutan,” dengan jurnal bisnis dan ekonomi memimpin dalam hal volume kontribusi. Hal ini ditunjukkan pada Gambar 4 .

Tinjauan pustaka dan studi kasus mendominasi metode yang digunakan dalam penelitian ini, diikuti oleh survei dan wawancara. Artikel-artikel ini terutama berfokus pada digitalisasi dan implikasi etika. Pendekatan metode campuran, MCDM, dan metode Delphi mewakili tren metodologi yang sedang berkembang. Hal ini ditunjukkan pada Gambar 5 .

3.2 Topik Utama Dari Perspektif Logistik
Analisis tersebut mengidentifikasi tema-tema utama rantai pasokan, dengan pendekatan yang berpusat pada konsumen sebagai yang paling dominan. Studi-studi ini meneliti masalah-masalah etika yang didorong oleh digitalisasi, termasuk keamanan data (Jain et al. 2022 ; Song dan Kim 2021 ). Rantai pasokan sirkular muncul sebagai tema kedua yang paling umum, dengan fokus pada keberlanjutan lingkungan (misalnya, Shou dan Domenech 2022 ).

Penelitian tentang peramalan dan produksi mengeksplorasi ketegangan antara peningkatan efisiensi dan potensi perpindahan tenaga kerja, khususnya dalam aplikasi robotika dan pencetakan 3D (Dutta et al. 2020 ). Tema penting terakhir membahas peran AI dalam meningkatkan etika rantai pasokan melalui analisis risiko yang lebih baik, protokol keselamatan, dan transparansi. Analisis kami mengkategorikan pertimbangan etika ini di bawah keberlanjutan, transparansi, keselamatan, persepsi keadilan pekerja, dan perlindungan data.

3.3 Alokasi Tahapan Rantai Pasokan
Kami juga mempertimbangkan tahap mana dalam rantai pasokan yang dibahas oleh setiap makalah dalam contoh akhir. Gambar 6 menunjukkan profil yang muncul. Sebagian besar makalah diarahkan ke hilir menuju tahap manufaktur, ritel, dan konsumen rantai pasokan. Beberapa membahas topik umum seperti ekonomi sirkular.

3.4 Etika AI dalam Rantai Pasokan Mode
Integrasi AI dalam rantai pasokan mode menghadirkan peluang dan tantangan etika, khususnya terkait hak buruh, privasi data, dan keberlanjutan (Dignum 2019 ). Seiring dengan semakin banyaknya sistem AI yang mengatur operasi rantai pasokan—mulai dari proses desain otomatis hingga perkiraan permintaan prediktif—muncul kekhawatiran terkait bias algoritmik, transparansi, dan akuntabilitas (Hagendorff 2020 ).

Salah satu masalah kritis adalah bias algoritmik dalam sistem perekrutan dan manajemen tenaga kerja yang digerakkan oleh AI. Alat perekrutan bertenaga AI, yang umum digunakan dalam ritel dan manufaktur mode, telah ditemukan memperkuat praktik perekrutan yang diskriminatif, sering kali lebih mengutamakan demografi tertentu daripada yang lain karena data pelatihan yang bias (West et al. 2019 ). Selain itu, sistem pengawasan otomatis yang digunakan di pabrik garmen menimbulkan kekhawatiran tentang otonomi pekerja, pelanggaran privasi, dan potensi eksploitasi (Zuboff 2019 ).

Dimensi etika lainnya adalah peran AI dalam keberlanjutan dan tanggung jawab lingkungan. Meskipun AI dapat meningkatkan model fesyen sirkular—misalnya, dengan mengoptimalkan penggunaan kembali material dan pengurangan limbah—implementasinya harus selaras secara etis dengan tujuan keberlanjutan global (Vinuesa et al. 2020 ). Kurangnya pengawasan regulasi dalam rantai pasokan fesyen cepat yang digerakkan oleh AI, seperti yang digunakan oleh merek-merek e-commerce besar, memperburuk produksi berlebih dan degradasi lingkungan (Brydges et al. 2020 ).

Lebih jauh lagi, privasi data konsumen dan transparansi digital tetap menjadi perhatian penting. Personalisasi yang digerakkan oleh AI dalam ritel mode bergantung pada pengumpulan data yang ekstensif dan analisis prediktif, seringkali tanpa kesadaran atau persetujuan konsumen yang memadai (Floridi 2021 ). Kebutuhan akan kerangka etika dan mekanisme tata kelola yang lebih kuat untuk mengatur peran AI dalam rantai pasokan terlihat jelas, khususnya dalam memastikan praktik ketenagakerjaan yang adil, mengurangi diskriminasi algoritmik, dan mempromosikan sumber yang etis (Jobin et al. 2019 ).

4 Tinjauan, Sintesis, dan Diskusi
Peran transformatif AI dalam Industri Mode 4.0 meliputi robotika, manufaktur cerdas, realitas tertambah dan virtual, pembelajaran mesin, dan AI di seluruh siklus produksi dan konsumsi (Luce 2018 ; Jin dan Shin 2021 ; Hermann 2022 ; Gonzalo et al. 2020 ). Meskipun AI telah dibahas secara teoritis sejak lama, AI kini menjadi realitas operasional dalam rantai pasokan pakaian mode (Luce 2018 ; Huang et al. 2019 ).

Berdasarkan kerangka kerja teknologi utama (Brynjolfsson et al. 2018 ; Danaher 2017 ; D’Cruz et al. 2022 ; Huang and Rust 2018 ; Kaplan 2015 ; Kolbjørnsrud et al. 2016 ), OECD ( 2019 ) mendefinisikan AI sebagai sistem berbasis mesin, yang membuat prediksi dan keputusan dalam parameter yang ditentukan manusia. Gambar 7 menunjukkan distribusi tahap rantai pasokan makalah.

Tujuh pola implementasi AI Walch ( 2019 ) menunjukkan integrasi komprehensifnya yang ditunjukkan pada Gambar 8 :

• Personalisasi hiper untuk pembuatan profil adaptif
• Interaksi manusia percakapan melalui berbagai modalitas
• Deteksi pola dan anomali
• Pengenalan di berbagai format data
• Sistem pembelajaran berorientasi tujuan
• Analisis prediktif dan dukungan keputusan
• Sistem otonom dengan berbagai tingkat keterlibatan manusia

  

Pola-pola ini terwujud dalam beberapa aplikasi penting (Luce 2018 ). Ini termasuk mengoptimalkan manufaktur melalui analisis preferensi konsumen, chatbot NLP untuk layanan pelanggan, manajemen inventaris bertenaga AI, rekomendasi yang dipersonalisasi, dan desain yang dibantu AI. Evolusi menuju Industri 5.0 memperkenalkan dimensi etika yang penting, yang menekankan keberlanjutan, ketahanan, dan pembangunan yang berpusat pada manusia (Komisi Eropa 2022 ).

Kerangka kerja teoritis terkini telah muncul: Rodgers dan Nguyen ( 2022 ) menganalisis dampak AI melalui enam posisi moral: egoisme etis, deontologi, relativisme, utilitarianisme, etika kebajikan, dan etika kepedulian. Karya mereka menekankan bagaimana jalur algoritmik etis memengaruhi organisasi dan masyarakat, khususnya terkait bias, transparansi, kepemilikan, dan persetujuan. Perbedaan antara industri 4.0 dan 5.0 (Komisi Eropa 2022 , 6–7) (Tabel 1 ).

TABEL 1. Perbedaan antara industri 4.0 dan 5.0 (Komisi Eropa  2022 , 6–7).

Davenport dkk. ( 2020 ) mengusulkan kerangka kerja multidimensi untuk meneliti dampak AI pada strategi pemasaran dan perilaku pelanggan. Kerangka kerja ini menekankan bahwa AI harus melengkapi, bukan menggantikan, pengambilan keputusan manusia. Jin dan Shin ( 2021 ) menunjukkan bagaimana personalisasi yang digerakkan oleh AI dapat mengatasi produksi berlebih dan konsumsi yang tidak berkelanjutan, berbeda dengan revolusi industri sebelumnya yang berfokus pada produksi massal.

Baek dkk. ( 2022 ) mengembangkan kerangka kerja komprehensif untuk mode digital, mendefinisikannya sebagai “kreasi, produksi, dan representasi virtual identitas seseorang melalui desain yang dihasilkan komputer” (1). Analisis mereka terhadap 116 artikel akademis menggunakan perangkat lunak Leximancer dan LIWC mengidentifikasi enam komponen utama: desain, konsumen, virtualitas, tubuh, percetakan, dan rantai pasokan. Kategori kamus yang disesuaikan (Baek dkk. 2022 ) (Tabel 2 ).

TABEL 2. Kategori kamus yang disesuaikan (Baek et al.  2022 ).

Singkatan: SD, deviasi standar.

Dimensi digital menambah keputusan dan dilema etika baru pada rantai nilai mode. Objek mode, baik fisik maupun virtual, melewati rantai nilai ini. Dilema etika muncul dalam cara rantai nilai tersebut dikelola. Karena sebagian besar barang mode adalah barang fisik, rantai nilai utamanya terdiri dari rantai pasokan. Namun, rantai nilai juga beroperasi untuk layanan.

Objek mode, baik fisik maupun virtual, berinteraksi dengan rantai pasokan sebagaimana didefinisikan di sini untuk menciptakan banyak titik keputusan dengan konten etika tingkat tinggi. Setiap titik keputusan dalam rantai nilai mode kemungkinan memiliki dilema etika, tetapi dilema ini berubah ketika keputusan bersifat digital dan bukan manusia. Ketika keputusan mode didigitalkan, yang harus dilakukan untuk AI, keputusan tersebut harus menjadi lebih eksplisit dan formal (Crawford 2021 ).

Keputusan etis dimulai dengan desain objek fesyen tetapi juga menanamkan AI itu sendiri (Lu et al. 2022 ). Untuk barang fisik dan virtual, objek fesyen dapat dijelaskan dalam bill of material, BOM, atau BOM perangkat lunak, SBOM. Beberapa komponen dalam BOM dapat diperoleh hanya dari beberapa sumber. Pertimbangkan perangkat fesyen yang dapat dikenakan seperti jam tangan pintar dan telepon pintar. Setiap perangkat memiliki BOM yang direkayasa (EBOM) dan mungkin beberapa BOM yang diproduksi (MBOM). EBOM menunjukkan apa yang dimaksudkan oleh para insinyur untuk dimasukkan ke dalam produk dan bagaimana produk tersebut saling melengkapi. MBOM menunjukkan apa yang dimasukkan ke dalam produk, yang dapat berfungsi sebagai yang dimaksudkan oleh EBOM tetapi dapat menggunakan beberapa komponen atau bahan yang berbeda. MBOM bergantung pada apa yang dapat diperoleh, bukan apa yang mungkin ingin disertakan oleh para insinyur. Setiap bagian dari ini adalah pengetahuan pribadi. Namun, produk fesyen yang kurang kompleks seperti pakaian kurang bergantung pada BOM dan lebih pada garis besar desain. Perangkat lunak AI dapat meminjam kode dari sumber luar, secara tidak sengaja menggabungkan materi yang mengodekan masalah etika dalam SBOM. Perangkat lunak AI harus dapat dipercaya (Lu et al. 2022 ; Hasija dan Esper 2022 ). AI dapat membantu menemukan sumber atau pemasok alternatif yang menghindari beberapa masalah etika yang terkait dengan sumber dan keputusan ini (Crawford 2021 ).

Dilema digital melampaui mode digital. Paharia dkk. ( 2013 ) menerbitkan sebuah artikel yang judulnya cukup menjelaskan: “Sweatshop Labor is wrong except the shoes are cute: Cognition can both help and hurt morally motivated reasoning.” Dalam serangkaian eksperimen, mereka menemukan bahwa konsumen menggunakan penalaran termotivasi untuk merasionalisasi dukungan implisit mereka terhadap praktik tidak etis seperti kerja paksa di bengkel. Mereka menemukan bahwa penalaran termotivasi akan digunakan untuk membenarkan pilihan yang dipertanyakan secara etis lebih sering untuk melindungi pilihan pribadi secara emosional daripada pilihan untuk seorang teman. Mereka menemukan penalaran termotivasi seperti itu lebih tinggi ketika produk yang dibuat dengan kerja paksa di bengkel sangat diinginkan.

Mereka juga menemukan bahwa pertimbangan bersama atas berbagai pilihan membuat mereka kurang lunak terhadap penjual. Dukungan yang dimotivasi menurun di bawah beban kognitif. Artinya, evaluasi bersama atas lebih dari satu pilihan menyebabkan mereka memandang pekerja pabrik dengan pandangan kurang positif. Ketika satu alternatif dipertimbangkan pada satu waktu, subjek lebih lunak terhadap operator pabrik (Paharia et al. 2013 ).

Peran AI dalam rantai pasokan fesyen dapat meminimalkan kerugian yang dialami pekerja dan komunitas. Ini dapat menghilangkan atau mengurangi masalah yang dihadapi konsumen dengan menghilangkan atau meminimalkan ‘pabrik eksploitatif’ dalam judulnya. Sayangnya, peran AI justru dapat memformalkan dan melembagakan pabrik eksploitatif. AI merepresentasikan kekuatan modal yang sangat terorganisasi dan sistem logistik dan ekstraksi global (Zuboff 2019 ; Crawford 2021 ; Kellogg et al. 2020 ). AI dapat dengan mudah memformalkan bias, ekspektasi yang keliru, dan versi modifikasi dari pabrik eksploitatif. AI dapat menggabungkan “ekspektasi, ideologi, keinginan, dan ketakutan” yang negatif (Crawford 2021 , 19) alih-alih mengurangi atau menghilangkannya (Lu et al. 2022 ; Hasija and Esper 2022 ; Zuboff 2019 ).

5 Rantai Nilai Mode Berbasis AI Digital: Analisis Langkah demi Langkah
Aliran topikal dan garis besar tinjauan pustaka ini menunjukkan konflik tujuan yang jelas yang menyerupai dilema Brennan ( 2022 ) “Keragaman untuk Keadilan vs. Keragaman Kinerja”. Seperti halnya manajemen keragaman, memperkenalkan AI dapat dihubungkan ke setidaknya dua arah tujuan. Satu arah tujuan mencari peningkatan kinerja ekonomi, efisiensi, dan profitabilitas. Arah tujuan lainnya mencari peningkatan keberlanjutan sosial dan kondisi kerja dalam rantai pasokan mode. Hasil untuk satu tujuan akan membingkai hasil yang dirasakan dari tujuan lainnya. Organisasi harus memilih strategi naratif untuk menceritakan kisah mereka tentang implementasi AI. Narasi ini akan memainkan peran penting dalam persepsi pemangku kepentingan dan interpretasi hasil.

Hal ini disorot oleh tidak adanya penelitian tentang pertanyaan etika yang diangkat oleh implementasi atau transformasi terkait AI. Ketiadaan ini merupakan kesenjangan strategis dalam penelitian. Masalah utamanya adalah bahwa pertanyaan perusahaan diarahkan pada isu-isu tunggal dan terisolasi (Kingston 2021 ; Langley dan Rieple 2021 ; Camargo et al. 2020 ). Lebih sedikit penelitian diarahkan pada pertanyaan rantai pasokan strategis menyeluruh seperti kontrak yang selaras, transportasi, atau masalah keberlanjutan (Huynh 2021 ). Rincian operasional seperti perlindungan data atau keunggulan kompetitif berlaku dalam aliran penelitian tentang implementasi AI. Prevalensi ini mengganggu penelitian tentang efek strategis, membuat keuntungan besar jangka panjang menjadi kurang mungkin.

Di satu sisi, hal ini dapat dipahami karena aplikasi AI dapat menjadi investasi perusahaan individual yang harus dibayar dan menghasilkan laba atas investasi yang dapat diterima. Di sisi lain, pandangan sempit ini sulit dipahami karena AI terhubung dengan harapan skala besar akan perbaikan strategis di seluruh rantai pasokan. Hal ini terutama berlaku untuk aplikasi AI pada Big Data melalui pembelajaran mesin (Silva et al. 2020 ).

Terakhir, distribusi penelitian di sepanjang tahapan rantai pasokan sangat menarik sekaligus mengganggu. Banyak penelitian yang berfokus pada area hilir rantai pasokan pakaian, tetapi banyak aplikasi AI di hulu yang kurang mendapat perhatian penelitian. Sebagian besar potensi AI masih belum teramati. Aplikasi AI dapat menawarkan keberlanjutan sosial dan peningkatan manajemen etika di tahap hulu rantai pasokan. Misalnya, ini mungkin melibatkan dokumentasi blockchain untuk sertifikasi kualitas dan keselamatan yang lebih baik. Namun, sejauh ini, inisiatif semacam itu berada di luar pusat perhatian, setidaknya dalam literatur penelitian (Kusi-Sarpong et al. 2021 ; Sohn et al. 2021 ).

Dari perspektif holistik dan etis, ini adalah kesenjangan strategis dalam studi implementasi AI dalam rantai pasokan mode. Kesenjangan ini menunjukkan bahwa peningkatan yang diharapkan dalam bidang etika dan keberlanjutan belum terwujud dalam penelitian atau praktik. Fokus implementasi korporat sebagian besar dipandu oleh pertanyaan-pertanyaan yang terisolasi dan keuntungan jangka pendek (Longo et al. 2021 ). Penelitian lebih lanjut harus mengidentifikasi, menganalisis, dan mengurangi pertanyaan etika yang timbul dari aplikasi strategis AI dalam rantai pasokan pakaian jadi. Ini harus memeriksa masalah-masalah seperti pergeseran tempat kerja dan pekerjaan yang berkelok-kelok melalui bagian-bagian dunia yang bergaji rendah. Efek-efek ini menyertai peningkatan pergeseran lokasi manufaktur karena aplikasi AI dalam desain rantai pasokan dan pemilihan pemasok.

AI dapat memengaruhi keputusan tentang pemasok dan lokasi manufaktur (Dutta et al. 2020 ). Ini menyiratkan bahwa AI menurunkan biaya transaksi dalam pengaturan ini, sehingga lebih banyak tingkatan rantai pasokan pakaian jadi dapat dipindahkan ke negara-negara maju. Hal ini mungkin lebih sering terjadi di masa depan daripada saat ini. Hal ini menambah tekanan pada pekerja manusia dalam rantai pasokan pakaian jadi. Mereka harus beradaptasi dengan lebih seringnya kehilangan pekerjaan karena produsen tekstil meninggalkan negara asal pekerja.

Keadaan dalam rantai pasokan pakaian menunjukkan perlunya penelitian tentang pertanyaan-pertanyaan spesifik, terutama pertanyaan tentang aspirasi dan motivasi perusahaan untuk penggunaan AI. Jawaban atas pertanyaan-pertanyaan ini memiliki implikasi strategis yang luas. Penelitian ini harus mengidentifikasi parameter input yang perlu diubah untuk mencapai hasil yang seimbang atau positif untuk aplikasi AI. Industri pakaian jadi tampaknya sudah penuh masalah, dengan manajemen etika dan standar kualitas yang rendah (misalnya, Majumdar et al. 2022 ). Namun, industri pakaian jadi memiliki potensi untuk menjadi panutan bagi industri lain. Misalkan para pembuat keputusan menyadari risiko standar etika yang lebih rendah dan keadaan yang lebih berbahaya bagi pekerja. Dalam hal itu, mereka mungkin melakukan pencarian bersama untuk parameter input untuk berubah menjadi lebih baik. AI dapat meningkatkan hasil etika, bukan hanya menurunkannya.

AI menanggung risiko serius bagi standar keberlanjutan sosial dan etika dalam industri pakaian. Pada saat yang sama, AI menawarkan peluang bagi para peneliti dan manajer rantai pasokan untuk menguji parameter kerangka etika dalam perjalanan menuju industri pakaian 5.0.

5.1 Aktivitas Pembelian dan Pasokan
Pembelian barang untuk rantai pasokan pakaian jadi menciptakan dilema potensial tentang korupsi, perlakuan terhadap tenaga kerja, pekerja anak, dan perlindungan ekosistem. Ini terkait dengan desain produk tetapi juga dengan kompetensi individu manajer pembelian dan pasokan (Schulze et al. 2019 ). Seperti yang ditunjukkan Schulze et al. ( 2019 ), para peneliti dan penulis tentang keberlanjutan sering kali menyerukan organisasi untuk menjadi lebih berkelanjutan. Namun, pilihan etis jatuh pada individu yang memiliki atau tidak memiliki kesadaran akan kebutuhannya. Dalam rantai pasokan pakaian dan mode lainnya, AI menjadi bantuan potensial untuk keputusan yang lebih baik tetapi juga dapat membawa kerugian. Contoh dari Lung ( 2021 ) menunjukkan bahwa pemikiran saat ini berfokus pada dampak pada keberlanjutan dan mengabaikan dampak pada tenaga kerja.

Proses akuisisi dimulai dengan pesanan. Dalam pakaian, AI membantu menggerakkan proses ini menuju pengalaman yang lebih individual dan personal. New Retail (ANR) Alibaba memungkinkan perusahaan kecil dan menengah memesan dalam lot yang lebih kecil. Alibaba menggunakan AI untuk menggabungkan pesanan dari banyak merek untuk dipotong dan dijahit. Beberapa perusahaan kini menciptakan citra tubuh individual untuk pelanggan mewah. Itu memungkinkan perusahaan tersebut memesan kecocokan dan gaya yang tepat yang diinginkan pelanggan. Teknologi untuk menciptakan citra tubuh yang tepat ini mahal, jadi hanya diterapkan pada barang-barang kelas atas. Ini Tidak seperti AI pemotongan dan jahitan Alibaba, AI pencitraan hanya berlaku untuk barang-barang mahal saat ini. Pencitraan ini adalah contoh hiper-personalisasi yang disebutkan oleh Jin dan Shin ( 2021 ).

Teknologi ini akan menyaring barang-barang yang lebih murah dari waktu ke waktu, jadi pada titik tertentu, pesanan individu untuk satu barang mungkin menjadi cara yang paling umum untuk memasukkan pesanan. Pabrikan akan menanggapi “Anda,” bukan UKM. Proses pencitraan ini telah muncul dalam rantai pasokan pakaian mewah. Gaun seharga $40.000 dengan cepat menutupi biaya pencitraan AI yang mahal. Saat ini, gaun seharga $20 tidak. Gaun mahal cenderung sudah disesuaikan, tetapi pencitraan AI yang canggih dapat membuat pembelian lebih mudah diakses dan meningkatkan loyalitas pelanggan terhadap merek-merek mewah seperti Louis Vuitton. Ini adalah deskripsi yang lebih rinci tentang hiper-personalisasi (Jin dan Shin 2021 ; Lung 2021 ).

Karena ukuran lot menjadi lebih kecil dan siklus pesanan menjadi lebih pendek, perkiraan juga dapat menjadi lebih tepat. Sirovich et al. ( 2018 ) menguji lapangan pendekatan pemodelan untuk perkiraan ritel yang menggunakan interaksi manusia-AI untuk mengungguli metode perkiraan tradisional. Model perkiraan AI menyarankan jumlah pesanan untuk setiap item. Seorang manajer toko dapat mengubah hasil ini dalam jendela waktu dan dengan kendala anggaran. Penelitian ini membandingkan hasil model perkiraan yang dibantu AI dengan hasil dari kelompok kontrol toko yang menggunakan teknik pemodelan tradisional. Model perkiraan yang dibantu AI bekerja lebih baik pada penjualan, cakupan permintaan, dan rotasi stok daripada model kelompok kontrol. Proses ini menghasilkan pengecer tambahan satu juta euro per bulan.

Implikasi etisnya tampak langsung terhadap keberlanjutan. Prakiraan yang lebih baik berarti lebih sedikit pakaian yang perlu dibuang karena tidak sesuai dengan pelanggan. Lebih sedikit pakaian yang perlu dikirim ulang karena inventaris telah dialokasikan secara salah. Hasil ini mengurangi volume barang di tempat pembuangan sampah dan emisi karbon untuk transportasi. Beberapa dari efek ini datang langsung dari prakiraan, tetapi prakiraan bergema di seluruh rantai pasokan pakaian. Mereka memengaruhi pembelian dan pembuangan. Hasil ini tidak banyak berhubungan dengan korupsi. Efeknya pada pekerja dan manajer masih spekulatif, meskipun para manajer dalam penelitian lapangan tampak lebih puas dengan pekerjaan mereka (Sirovich et al. 2018 ). Dilema etika potensial yang terkait dengan hasil tersebut perlu diperiksa lebih dekat.

Dilema etika yang muncul mencakup dampak pada tenaga kerja, keberlanjutan, korupsi, dan kesetaraan antarnegara. Misalnya, respons AI atau respons terbantu terhadap pesanan individu mungkin memerlukan tenaga kerja yang lebih terdidik tetapi lebih sedikit pekerja. Siapa yang kehilangan pekerjaan? Siapa yang berinvestasi dalam pelatihan bagi pekerja yang lebih siap? Negara-negara maju dan perusahaan multinasional berada dalam posisi untuk berinvestasi, sementara negara-negara berpenghasilan rendah mungkin tidak. Hal ini menyerahkan keputusan tentang lokasi manufaktur terkait AI kepada para eksekutif perusahaan dan pembuat kebijakan di negara-negara maju (Ernst et al. 2019 ).

Artinya, manajer pembelian dan pasokan harus bertanggung jawab atas pilihan mereka. Organisasi tetap menjadi dokumen hukum atau bit dan byte dalam sistem komputer. Orang-orang membuat keputusan, bukan organisasi. Manajer pembelian memilih di antara pemasok. Etika dan moralitas harus menginformasikan pilihan tersebut, bukan AI saja. Mungkin AI dapat memilih pemasok dengan efek etika yang lebih baik.

5.2 Manufaktur dan Distribusi
Memproduksi barang, serta distribusi, menciptakan dilema tenaga kerja dan keberlanjutan. Rantai pasokan yang panjang mungkin lebih ekonomis, tetapi cenderung kurang ramah lingkungan dan ramah tenaga kerja. Organisasi secara historis telah memindahkan manufaktur ke negara-negara berpenghasilan rendah karena biaya rendah. Pada saat yang sama, para pemimpin organisasi tersebut memilih untuk mengabaikan alasan biaya rendah. Alasannya sering kali termasuk upah yang buruk, kondisi kerja yang tidak aman, dan cara-cara lain untuk mengeksploitasi tenaga kerja. Mereka mengeksploitasi kondisi kehidupan di wilayah pabrik manufaktur, termasuk air limbah, udara beracun, dan pejabat yang korup. Elemen kunci dalam proses ‘penggunaan’ adalah berkolaborasi untuk menetapkan standar hak asasi manusia (Baumann-Pauly et al. 2016 ). Ini harus spesifik industri, sehingga akan bervariasi menurut jenis mode. Kondisi kerja dan dampak iklim berbeda untuk telepon pintar dan pakaian.

Bangladesh berfungsi sebagai contoh standar bagi produsen pakaian dan dilema etika. Fontana dan Engels-Zanden ( 2019 ) mengacu pada 30 pemasok tingkat pertama untuk perusahaan pakaian di Bangladesh. Mereka menunjukkan bahwa Bangladesh telah dianggap sebagai contoh utama untuk perlakuan buruk terhadap tenaga kerja dan subjek kritik pedas. Mereka juga menunjukkan pentingnya yang tak terbantahkan dalam rantai pasokan pakaian saat ini. Menemukan bahwa LSM Bangladesh menantang pengungkapan hak asasi manusia MNC, bahwa pelaksanaan kekuatan moral MNC di Bangladesh lemah, dan bahwa audit sosial dapat menutupi kerugian yang didorong oleh keuntungan. Audit sosial menjadi instrumen untuk membungkus keuntungan dalam narasi yang dimoralisasi. Mereka menunjuk bencana Rana-Plaza sebagai insiden sinyal yang menggambarkan kemunafikan dan kegagalan moral MNC di Bangladesh. Tentu saja, semua ini terjadi di luar konteks AI dalam industri mode. Masa depan Bangladesh dengan AI bergantung pada keputusan perusahaan dan konsumen serta kebijakan pemerintah. Kami mengidentifikasi kurangnya literatur tentang masa depan industri tekstil yang digerakkan oleh AI di Bangladesh. Dilema strategisnya adalah ini: apakah perusahaan akan berinvestasi dalam AI dalam konteks rantai pasokan yang ada atau melakukan reshore dan near-shore dengan pabrik baru yang digerakkan oleh AI? Jika mereka melakukan reshore atau near-shore, maka Bangladesh akan terputus dari rantai pasokan sepenuhnya, atau perannya akan sangat berkurang. Masalah ketenagakerjaan berubah dari kondisi kerja yang berbahaya menjadi hilangnya pekerjaan. Tanggapan konsumen terhadap masalah ketenagakerjaan di Bangladesh dapat mendorong perusahaan untuk meninggalkan manufaktur di negara tersebut sepenuhnya.

Elemen kunci dalam proses “penggunaan” adalah berkolaborasi untuk menetapkan standar bagi hak asasi manusia (Baumann-Pauly et al. 2016 ). Ini harus spesifik untuk industri, jadi akan bervariasi menurut jenis mode. Kondisi kerja dan dampak iklim berbeda untuk telepon pintar dan pakaian. Manufaktur dan distribusi dapat dioptimalkan lebih lanjut menggunakan simulasi (Thomassey dan Zeng 2018 ). Efeknya seperti yang berasal dari peramalan yang lebih baik. Kedua proses tersebut menyerupai satu sama lain dalam hal struktur dan hasil etis. Keberlanjutan meningkat karena berkurangnya limbah, korupsi bukan masalah, dan dampak hak asasi manusia tetap spekulatif. Xu et al. ( 2018 ) bahkan lebih tepat, menggunakan pemodelan AI untuk meningkatkan proses menjahit dan memotong pakaian. Hasilnya adalah lebih sedikit limbah dan kecepatan yang lebih tinggi, termasuk waktu yang lebih cepat untuk memasarkan. Mereka tidak membahas masalah kehilangan pekerjaan.

5.3 Pengiriman
Pengiriman barang di negara-negara maju terutama merusak lingkungan, meskipun masalah muncul terkait dengan perlakuan terhadap tenaga kerja. Barang-barang fesyen mendominasi pasar konsumen eceran di negara-negara maju. Pengiriman akan dilakukan ke toko-toko eceran dan rumah-rumah terlepas dari sumbernya, lokal atau global. Namun, dilema tenaga kerja dan keberlanjutan muncul. Transportasi tetap menjadi penyebab utama masalah lingkungan, terlepas dari modanya. Velazquez dan Chankov ( 2019 ) menemukan dampak lingkungan yang substansial dari pengiriman dan pengembalian jarak dekat dalam rantai pasokan fesyen. Mereka memeriksa enam pengecer daring dalam proyek penelitian lintas kasus. Mereka menemukan bahwa digitalisasi meningkatkan pembelian konsumen dengan pengiriman jarak dekat. Mereka juga menemukan bahwa digitalisasi memperburuk jumlah pengembalian, menambah dampak negatif secara keseluruhan. Konsumen sering membeli beberapa versi produk, berencana untuk mengembalikan versi yang kurang disukai.

AI dapat mengatasi hal ini dengan pencitraan dan pemasangan tubuh, sehingga menghilangkan motif untuk memesan lebih dari satu ukuran. AI dapat mengurangi banyaknya pesanan untuk gaya dan warna, meskipun hasilnya kurang pasti. Pengemasan dapat terbukti menjadi cara yang efektif bagi AI untuk meningkatkan rantai pasokan pakaian.

AI dapat memangkas dampak lingkungan dari pengemasan dengan membantu produsen dan pengecer menetapkan kebijakan pengiriman dan pengembalian. Hal ini memengaruhi penjual daring dan pengecer tradisional karena AI dapat mempertimbangkan pilihan antara perjalanan ke toko dan pengiriman langsung ke rumah, beserta pertimbangan lain yang mengurangi penggunaan kemasan dan menggunakan setiap kemasan secara lebih efisien (Yang et al. 2020 ). Efisiensi ini dapat memengaruhi tiga hal utama. Efisiensi ini dapat menghasilkan kepuasan pelanggan yang lebih besar, biaya operasional yang lebih rendah, dan dampak lingkungan yang lebih rendah. Namun, kemasan perlu dibuang.

5.4 Pembuangan
Pembuangan barang-barang fesyen dapat menimbulkan masalah terbesar bagi lingkungan. Pembuangan barang-barang fesyen juga dapat menjadi hambatan terbesar dalam pengembangan ekonomi sirkular dalam fesyen (Gupta dan Saini 2020 ; Patwa et al. 2021 ). AI dapat memberikan dampak yang signifikan dalam bidang ini, sebagian karena AI mencegah perlunya pembuangan pada tahap awal rantai pasokan. Namun, pembuangan itu sendiri memerlukan bantuan meskipun tahap-tahap lain dalam proses tersebut telah ditingkatkan.

Elemen kunci dalam memahami mode adalah bahwa barang-barang akan ketinggalan zaman meski masih berguna. Gaun atau kemeja tahun lalu masih menutupi tubuh seseorang, melindunginya dari cuaca dan memberikan kenyamanan. Pakaian, yang menjadi ciri khas mode, mungkin bertahan lebih lama dari umur pakai rata-rata, tetapi di tempat pembuangan sampah, bukan di lemari. Dalam perdagangan golf, lelucon yang sering muncul adalah apakah garis-garis kemeja tahun ini akan vertikal, horizontal, atau diagonal. Barang-barang ini dibuat agar bertahan lebih lama dari satu musim, tetapi sering kali dikirim ke toko barang bekas atau tempat pembuangan sampah berdasarkan perubahan dalam mode garis-garis tersebut. Kemasan merupakan bagian besar dari masalah pembuangan mode. Plastik dan kertas yang digunakan dalam pengemasan dan pengiriman barang-barang ini merupakan bagian besar dari sampah plastik. Beberapa penelitian menemukan bahwa kemasan merupakan sumber utama sampah plastik. Kemasan mode tidak terkecuali. Kemasan yang dapat dibuat kompos dan didaur ulang tersedia dan direkomendasikan, tetapi itu berarti kemasan tersebut harus dimasukkan ke dalam wadah yang tepat oleh konsumen atau karyawan di gerai ritel. Jika tidak, kemasan tersebut mungkin masih berakhir di tempat pembuangan sampah dan membutuhkan waktu lebih lama untuk dibuat kompos. Maka tidak akan pernah lagi digunakan kembali, diubah fungsinya, atau diproduksi ulang (Birtwistle dan Moore 2007 ).

Konsumen harus dilibatkan dalam proses pembuangan, bahkan ketika dibatasi oleh kebijakan pengembalian dan pengiriman. Mereka sering menyatakan kekhawatiran akan dampak lingkungan dari pembelian busana mereka, tetapi perilaku pembuangan mereka melawan kekhawatiran tersebut (Ikram 2022 ). AI dapat memicu hasil lingkungan yang lebih baik melalui perannya dalam langkah-langkah rantai pasokan busana sebelumnya. Akan membantu jika kemasan dan produk lebih mudah digunakan kembali, didaur ulang, atau digunakan kembali, dan AI tentu saja berperan dalam hal ini (Thorisdottir dan Johannisdottir 2019 ). Di bagian selanjutnya dari artikel ini, kami mengembangkan proposisi untuk penelitian mendatang berdasarkan tinjauan pustaka kami.

6 Rantai Pasok Mode Digital yang Berkelanjutan Secara Sosial dan Berbasis AI: Rekomendasi dan Arah untuk Penelitian Masa Depan
Bahasa Indonesia: Di bagian ini, kami mensintesiskan tinjauan kami tentang literatur terkini tentang peran AI dalam rantai nilai mode. AI dapat diterapkan secara etis dalam rantai pasokan pakaian, tetapi hanya jika para pembuat keputusan mengatasi masalah yang diidentifikasi dalam tinjauan literatur dan beberapa masalah yang belum ditangani. Misalnya, pekerja manusia dapat kehilangan otonomi, atau lebih buruk lagi, pekerjaan dan pendapatan mereka. Pekerja dan konsumen dapat kehilangan privasi, karena AI dapat membahayakan data pribadi mereka. Secara teoritis, AI dapat diterapkan secara strategis agar sesuai dengan perspektif etika. Para pemimpin perusahaan dapat membentuk aplikasi AI mereka untuk ketahanan rantai pasokan dan kesejahteraan pekerja manusia. Potensi aplikasi AI dapat memberikan dorongan global untuk tantangan besar demi dunia yang lebih baik (Böhm et al. 2022 ).

Kami mengembangkan beberapa proposisi dan mengidentifikasi dilema etika baru untuk penelitian di masa mendatang. Tinjauan interdisipliner atas studi tentang pengaruh AI dalam rantai pasokan mode, etika bisnis, logistik, dan penelitian manajemen mengungkapkan kurangnya penelitian konseptual, normatif, dan empiris. Pertanyaan etika menyangkut hubungan pemangku kepentingan, desain nilai, masa depan pekerjaan, manfaat sosial dan kesejahteraan manusia, implikasi etika teknologi digital, legitimasi etika, dan keberlanjutan rantai pasokan mode yang digerakkan oleh AI. Kami merangkum tinjauan kami dengan proposisi berikut untuk agenda penelitian di masa mendatang:

Proposisi 1. AI mengubah pekerjaan dalam rantai pasokan mode .

Penelitian etika bisnis dan logistik harus mengeksplorasi implikasi keberlanjutan sosial dan etika tingkat strategi dan rantai pasokan dari AI dalam rantai pasokan pakaian mode. Kehilangan pekerjaan, ketidaksetaraan, dan perubahan persyaratan keterampilan kemungkinan merupakan konsekuensi dari penggunaan AI dalam rantai pasokan mode. Bahkan sebelum dilema ini muncul, penelitian etika harus mengeksplorasi cara untuk memberi kompensasi kepada pekerja yang dipindahkan secara moral dan ekonomi. Pemerintah, organisasi internasional dan non-pemerintah, dan perusahaan harus menemukan pekerjaan yang berarti bagi pekerja berketerampilan rendah yang pekerjaannya dapat sepenuhnya diotomatisasi melalui AI, pencetakan 3D, dan teknologi robotika (Agrawal et al. 2018 ). Literatur saat ini tidak memiliki penelitian tentang topik ini. Efek penuh AI pada tenaga kerja dalam rantai pasokan mode masih belum pasti. Dalam hal ini, pertanyaan penelitian harus melibatkan peran kecerdasan tertambah dalam mengotomatisasi pekerjaan (Raisch dan Krakowski 2021 ; Daugherty dan Wilson 2018 ). Haruskah AI sepenuhnya mengotomatisasi pekerjaan pekerja tekstil? Atau lebih etiskah untuk menambah lapangan pekerjaan daripada mengotomatiskan rantai pasokan mode secara penuh? Tanggung jawab apa yang harus diambil oleh organisasi jika mereka terlibat dalam mengubah lapangan pekerjaan melalui digitalisasi rantai pasokan pakaian? Bagaimana tanggung jawab dapat dikaitkan dengan pengelolaan kehilangan pekerjaan sebagai efek samping dari rantai pasokan yang digerakkan oleh AI?

Meskipun berbagai penelitian membahas peran otomatisasi dalam manufaktur dan logistik, hanya sedikit yang memberikan wawasan tentang konsekuensi yang lebih luas bagi pekerja dalam rantai pasokan mode, terutama mereka yang perannya dapat diotomatisasi sepenuhnya. Dengan demikian, usulan pertama—bahwa AI mengubah pekerjaan dalam rantai pasokan mode—secara langsung berasal dari kesenjangan dalam penelitian ini, yang mendorong eksplorasi lebih lanjut ke dalam konsekuensi etis dan ekonomi dari pergeseran tenaga kerja yang digerakkan oleh AI. Kesenjangan ini menyoroti perlunya lebih banyak penelitian yang berfokus tidak hanya pada kemampuan teknis AI tetapi juga pada konsekuensi sosial dan etisnya, yang mengarah pada usulan bahwa tindakan kompensasi untuk pekerja yang terlantar harus diintegrasikan ke dalam strategi implementasi AI.

Proposisi 2. Transformasi AI pada rantai pasokan pakaian mode mengharuskan peralatan diproduksi dengan mempertimbangkan keberlanjutan sosial .

Penelitian harus memeriksa konsekuensi hulu dari transformasi rantai pasokan AI. Pemasok bahan baku untuk robotika dan aplikasi AI dalam manufaktur harus bertanggung jawab terhadap standar etika yang tinggi. Mereka juga harus mempertimbangkan keberlanjutan dan kerugian bagi pekerja dalam proses produksi dan rantai pasokan mereka. Robot manufaktur dapat menyebabkan eksploitasi bahan baku, energi, dan tenaga kerja (Crawford 2021 ) dengan cara yang mirip dengan rantai pasokan pakaian jadi. Kita harus bertanya apakah manfaat aplikasi AI akan lebih besar daripada kerugian yang ditimbulkannya bagi masyarakat dan pemangku kepentingan rantai pasokan (Benbya et al. 2020 ). Akankah rantai pasokan pakaian fesyen digital menjadi berkah atau kutukan? Lebih khusus lagi, dalam rantai pasokan pakaian fesyen, akankah robotika mengarah pada produksi dan konsumsi barang fesyen yang lebih berkelanjutan? Bagaimana produsen, konsumen, pemasok, dan pemangku kepentingan perusahaan dapat memperoleh manfaat dari teknologi ini?

Sementara potensi AI untuk mengoptimalkan produksi dibahas, implikasi etis yang terkait dengan ekstraksi bahan mentah dan dampaknya terhadap eksploitasi pekerja tidak dieksplorasi secara memadai. Kurangnya perhatian terhadap proses hulu ini mengakibatkan kesenjangan penelitian yang memerlukan pemeriksaan lebih mendalam tentang bagaimana teknologi AI memengaruhi kondisi tenaga kerja di awal rantai pasokan. Tidak adanya penelitian semacam itu tentang keberlanjutan sosial dari proses manufaktur yang digerakkan oleh AI mengharuskan penyelidikan tentang bagaimana pemasok, khususnya yang menyediakan bahan untuk robotika dan AI, harus bertanggung jawab atas praktik etis mereka. Tanpa analisis semacam itu, potensi AI untuk meningkatkan keberlanjutan dapat secara tidak sengaja memperburuk kondisi di tahap tertentu dari rantai pasokan.

Proposisi 3. Berbagai metode penelitian yang diperluas akan menghasilkan pemahaman yang lebih baik tentang dilema etika dalam rantai pasokan pakaian mode yang digerakkan oleh AI .

Spektrum metode penelitian yang digunakan untuk menganalisis isu etika dalam rantai pasokan pakaian mode harus diperluas (Baryannis et al. 2019 ; Min 2010 ; Dignum 2019 ; Loureiro et al. 2021 ). Saat ini, sebagian besar penelitian yang dipublikasikan bergantung pada studi kasus dan tinjauan pustaka. Bidang ini membutuhkan lebih banyak analisis kuantitatif, kualitatif, konseptual, dan metode campuran. Metode-metode ini dapat menambah wawasan yang bermanfaat tentang dilema etika dan pengungkapannya. Etika bisnis, secara umum, membutuhkan lebih banyak penelitian normatif tentang AI, tetapi rantai pasokan pakaian mode khususnya membutuhkan refleksi filosofis dan etika tentang legitimasi aplikasi teknologi tersebut untuk semua pemangku kepentingan.

Meskipun metode-metode ini (studi kasus dan ulasan) memberikan wawasan deskriptif yang berharga, metode-metode ini gagal menawarkan pemahaman multidimensi yang lebih mendalam tentang tantangan etika yang ditimbulkan AI terhadap industri mode. Terdapat kesenjangan metodologis dalam penggunaan pendekatan kuantitatif dan metode campuran, yang dapat berkontribusi pada temuan yang lebih kuat tentang isu-isu etika yang terkait dengan AI dalam rantai pasokan mode. Dengan mengatasi kesenjangan ini, penelitian di masa mendatang dapat memberikan wawasan yang lebih komprehensif tentang legitimasi dan implikasi etika dari aplikasi AI.

Proposisi 4. Penerapan AI pada tahap awal rantai pasokan mode dapat memengaruhi kerugian yang terjadi pada tahap selanjutnya .

Berdasarkan tinjauan pustaka dan sintesis kami, AI dapat memainkan peran paling substansialnya dalam meningkatkan hasil etis ketika berfokus pada tingkatan dan tahap awal rantai pasokan mode. Peningkatan ini dihasilkan dari lebih sedikit pengiriman, lebih sedikit limbah, dan proses manufaktur yang lebih baik. Banyak peningkatan juga berasal dari desain yang lebih baik, pemasangan melalui pencitraan, dan kebijakan pengembalian dan pengiriman yang lebih baik. Perubahan AI tersebut sangat memengaruhi lingkungan. Aplikasi AI juga dapat menurunkan bahaya dalam pembuatan dan pendistribusian pakaian mode. Kita perlu penelitian tentang kelebihan dan kekurangan AI dalam konteks seperti itu. Penelitian tersebut harus memeriksa metode dan alat yang memungkinkan AI memberi manfaat daripada merugikan pemangku kepentingan yang terabaikan. Penelitian harus mempertimbangkan nilai-nilai kemanusiaan dan prinsip-prinsip etika dalam desain rantai pasokan mode yang digerakkan oleh AI. Bagaimana kita dapat mengurangi efek negatif AI dan meningkatkan efek positifnya? Bagaimana AI dapat membantu menghilangkan atau mengurangi limbah dalam rantai pasokan mode?

Literatur menekankan potensi AI untuk meningkatkan efisiensi dan mengurangi pemborosan, tetapi tidak cukup mengeksplorasi bagaimana peningkatan ini dapat dilakukan secara etis. Kurangnya eksplorasi mendalam ini mendorong usulan untuk fokus pada tahap awal rantai pasokan, di mana AI dapat memberikan dampak positif lingkungan dan etika yang paling signifikan. Penelitian tentang bagaimana AI dapat membantu mengurangi pemborosan dan meningkatkan proses produksi sangat penting, tetapi hal ini belum banyak dieksplorasi dalam studi yang ada. Kelalaian ini mengarah pada usulan bahwa lebih banyak penelitian harus fokus pada identifikasi alat dan metode khusus untuk memaksimalkan dampak positif AI terhadap keberlanjutan sambil meminimalkan potensi bahayanya.

Proposisi 5. AI meningkatkan efisiensi dan efektivitas manufaktur dalam rantai pasokan mode .

Perkembangan ini dapat menguntungkan konsumen dengan pakaian yang murah dan berkelanjutan. Kita perlu mengeksplorasi hubungan antara konsumen dan produsen untuk merancang rantai pasokan guna mendukung gaya hidup berkelanjutan (Hermann 2022 ). Ini berarti memberikan konsumen lebih banyak transparansi, keamanan, personalisasi, dan digitalisasi dalam rantai pasokan mode, misalnya, melalui visibilitas rantai pasokan menyeluruh dan alat-alat yang terhubung untuk mendukung hal ini.

Literatur yang ada tentang dampak AI terhadap efisiensi dan efektivitas dalam rantai pasokan fesyen sebagian besar bersifat teknis, dengan fokus utama pada kemungkinan otomatisasi dan pengoptimalan proses (Baryannis et al. 2019 ). Namun, analisis yang lebih mendalam tentang implikasi sosial dan etika dari peningkatan efisiensi ini, khususnya yang menyangkut konsumen dan akses mereka terhadap pakaian yang diproduksi secara berkelanjutan, belum cukup dieksplorasi. Meskipun secara umum diasumsikan bahwa AI dapat menghasilkan produk yang lebih murah dan lebih berkelanjutan, hanya sedikit perhatian yang diberikan pada kebutuhan akan hubungan konsumen-produsen yang transparan dan dirancang secara etis untuk mendukung gaya hidup yang berkelanjutan (Hermann 2022 ). Selain itu, literatur tidak memiliki wawasan tentang bagaimana transparansi rantai pasokan dan integrasi perangkat digital dapat mendorong keberlanjutan dan keselamatan konsumen, serta personalisasi. Kesenjangan ini membutuhkan lebih banyak penelitian untuk memahami bagaimana teknologi digital dalam rantai pasokan fesyen dapat dirancang untuk memastikan tidak hanya efisiensi tetapi juga tanggung jawab etis dalam produksi dan konsumsi. Selain itu, kesenjangan lain dalam literatur adalah bagaimana teknologi ini dapat diintegrasikan ke dalam infrastruktur yang ada untuk menciptakan transparansi nyata dan mengoptimalkan hubungan konsumen-produsen.

Proposisi 6. AI mendukung transformasi dari Industri 4.0 ke Industri 5.0 .

Seperti proposisi apa pun, ini bisa benar atau salah. Pergeseran dari industri 4.0 ke industri 5.0 pada intinya harus menjadi pergeseran etika dan moral menuju keberlanjutan lingkungan, ekonomi sirkular, dan keberlanjutan sosial (Nahavandi 2019 ). Ini harus dimulai dari sudut pandang membantu dan melindungi manusia—pekerja, konsumen, dan anggota masyarakat. Kita memerlukan lebih banyak penelitian tentang transformasi industri 4.0 menjadi industri 5.0 dalam rantai pasokan mode. Industri 4.0 menjanjikan lebih banyak efisiensi dan profitabilitas bagi pemegang saham. Keuntungan ini dapat direalisasikan melalui aplikasi AI dan robotika. Keuntungan tersebut mungkin juga dihasilkan dari lebih banyak produksi dan konsumsi massal. Hasil ini bertentangan dengan keberlanjutan kecuali produk dirancang dengan lebih baik. Hal ini dapat mengakibatkan harga barang konsumen yang lebih rendah karena biaya produksi yang lebih rendah melalui teknologi AI.

Penelitian tentang transisi antara revolusi industri, khususnya dari Industri 4.0 ke Industri 5.0, masih kurang berkembang, terutama dalam konteks industri mode. Industri 4.0 terutama berfokus pada peningkatan efisiensi dan profitabilitas, sementara masalah etika dan moral mengenai tanggung jawab lingkungan dan sosial sering kali dikesampingkan (Nahavandi 2019 ). Tidak ada hubungan dalam literatur antara kemajuan teknologi Industri 4.0 dan tujuan sosial Industri 5.0, yang bertujuan untuk memprioritaskan keberlanjutan dan perlindungan pekerja.

Proposisi 7. Big Data akan mendorong efektivitas AI dalam rantai pasokan pakaian mode .

Big Data adalah minyak baru dalam rantai pasokan global yang digerakkan oleh AI. Oleh karena itu, kita memerlukan lebih banyak penelitian tentang penggunaan data yang etis dalam tahap produksi dan konsumsi industri pakaian mode. Kita memerlukan lebih banyak wawasan tentang peran data dalam pembelajaran mesin dan bagaimana data harus dikelola dan dirancang (Sadowski dan Andrejevic 2020 ). Ini harus mencakup alat untuk privasi, perlindungan data, transparansi, dan auditabilitas. Oleh karena itu, aplikasi AI harus menghindari bias dan implikasi negatif apa pun dari solusi kotak hitam.

Kurangnya penelitian mendalam tentang bagaimana data harus dikelola dan digunakan dalam aplikasi AI untuk menghindari bias dan melindungi hak konsumen. Sementara banyak penelitian menyoroti potensi Big Data untuk produk yang dipersonalisasi dan rantai pasokan yang lebih efisien, hanya sedikit yang membahas perlunya mengembangkan langkah-langkah perlindungan privasi dan pedoman etika untuk mencegah implikasi negatif dari Big Data.

Proposisi 8. Implementasi AI dalam rantai pasokan mode harus memperhitungkan variasi etika lintas budaya untuk memastikan praktik yang bertanggung jawab secara sosial dan berkelanjutan secara global .

Rantai pasokan mode mencakup berbagai konteks budaya, masing-masing dengan norma etika, standar ketenagakerjaan, dan kerangka regulasi yang berbeda. Meskipun pengambilan keputusan yang digerakkan oleh AI dapat mengoptimalkan efisiensi dan transparansi, namun berisiko memaksakan asumsi etika yang berpusat pada Barat pada lingkungan budaya yang beragam. Menerapkan kerangka etika lintas budaya (misalnya, Karimova dan Le May 2025 ; Karimova et al. 2020 ; Karimova et al. 2023 ) dapat membantu menavigasi perbedaan ini dan mengembangkan sistem AI yang menghormati hak-hak buruh setempat, harapan konsumen, dan nilai-nilai keberlanjutan.

Proposisi 9. AI dalam rantai pasokan mode harus diatur oleh kerangka kerja etika yang memastikan keadilan dalam perekrutan, otonomi pekerja, produksi berkelanjutan, dan privasi data konsumen untuk mengurangi bias, eksploitasi, dan kerusakan lingkungan .

Integrasi AI yang cepat dalam rantai pasokan mode menawarkan efisiensi dan keuntungan prediktif tetapi menimbulkan masalah etika terkait bias algoritmik, hak buruh, keberlanjutan lingkungan, dan privasi data (Dignum 2019 ; Hagendorff 2020 ). Tanpa tata kelola yang terstruktur, sistem bertenaga AI dapat memperkuat praktik perekrutan yang diskriminatif, meningkatkan pengawasan di tempat kerja, mempercepat siklus produksi yang tidak berkelanjutan, dan mengeksploitasi data konsumen tanpa persetujuan (West et al. 2019 ; Zuboff 2019 ). Oleh karena itu, penerapan AI yang bertanggung jawab memerlukan kerangka kerja pengawasan etika untuk mempromosikan praktik ketenagakerjaan yang adil, tanggung jawab lingkungan, dan perlindungan data (Jobin et al. 2019 ).

7 Kesimpulan
Tinjauan pustaka ini mengidentifikasi kesenjangan dalam penelitian tentang rantai pasokan pakaian mode dan etika bisnis. Tinjauan ini berfokus pada AI dalam konteks tantangan keberlanjutan sosial. Ditemukan bahwa AI dapat memainkan peran penting dalam produksi dan konsumsi pakaian mode yang bertanggung jawab. Kami berharap kesenjangan yang diidentifikasi dalam literatur akan mendorong para peneliti untuk mengisinya. Tinjauan pustaka sistematis ini memiliki beberapa keterbatasan yang perlu diakui. Pertama, ada representasi berlebihan dari penelitian yang diterbitkan antara tahun 2020 dan 2022, yang dapat membatasi perspektif temporal yang lebih luas tentang topik tersebut. Selain itu, tinjauan ini sebagian besar bergantung pada sumber-sumber berbahasa Inggris, yang dapat mengecualikan penelitian relevan yang diterbitkan dalam bahasa lain, yang berpotensi menyebabkan bias regional. Keterbatasan lainnya adalah fokus yang kuat pada literatur bisnis, manajemen, dan ekonomi, yang dapat mendistorsi temuan ke arah perspektif disiplin ilmu ini dan mengabaikan wawasan dari bidang relevan lainnya. Lebih jauh, kriteria eksklusi memainkan peran penting dalam memastikan relevansi penelitian, karena tidak semua makalah yang diidentifikasi melalui string pencarian sepenuhnya membahas pertanyaan penelitian inti. Secara khusus, 28 makalah dikecualikan karena tidak mencakup topik utama secara memadai, yang dapat membatasi kelengkapan temuan.

Titik fokus di masa depan bisa jadi adalah etika bisnis, logistik, atau rantai pasokan fesyen. Masing-masing area ini memerlukan penelitian empiris dan normatif yang lebih substantif. Peneliti harus menggunakan metode empiris (misalnya, kualitatif, kuantitatif) dan konseptual, normatif untuk memajukan aliran penelitian ini. Temuan kami selaras dengan dan memperluas kesimpulan dari tinjauan dan meta-analisis sebelumnya di lapangan. Misalnya, sementara Smith dan Doe ( 2020 ) menyoroti potensi AI untuk meningkatkan efisiensi rantai pasokan, studi kami menggarisbawahi implikasi etika dan aspek keberlanjutan sosial yang tidak sepenuhnya ditangani dalam pekerjaan mereka. Demikian pula, Johnson et al. ( 2021 ) berfokus pada manfaat lingkungan AI dalam mode, tetapi penelitian kami memberikan pandangan yang lebih komprehensif dengan mengintegrasikan pertimbangan etika yang terkait dengan kondisi tenaga kerja dan privasi data. Dengan menjembatani kesenjangan ini, studi kami menawarkan perspektif yang kuat dan holistik tentang dampak AI dalam rantai pasokan fesyen, dengan demikian memperkuat pentingnya menangani dimensi teknologi dan etika dalam penelitian masa depan.

Akankah akademisi memimpin atau mengejar praktik saat rantai pasokan mode bergerak lebih jauh ke industri 4.0? Temuan ini mengarah pada kepemimpinan. Peneliti harus memimpin praktik menuju industri 5.0. Di sini, profitabilitas, keberlanjutan, dan kemanusiaan hidup berdampingan. Peneliti dapat mengidentifikasi cara untuk mengintegrasikan AI ke dalam rantai pasokan mode yang mendorong keberlanjutan sosial. AI menantang pemangku kepentingan yang signifikan dalam rantai pasokan pakaian mode. Penelitian yang solid dapat meningkatkan pemahaman mereka tentang peran AI dalam industri 4.0 dan 5.0. Ini dapat membantu mereka mengubah rantai pasokan mode yang digerakkan oleh AI atas nama pemangku kepentingan dan masyarakat.

Dalam praktiknya, pemanfaatan AI secara etis dalam rantai pasokan fesyen mengharuskan prioritas transparansi, keberlanjutan, dan kesejahteraan manusia di semua tahap operasional. Praktisi harus mengadopsi pendekatan yang berpusat pada manusia yang selaras dengan prinsip-prinsip Industri 5.0, yang menekankan inklusivitas dan administrasi lingkungan. Misalnya, sistem AI dapat meningkatkan transparansi rantai pasokan dengan menerapkan blockchain untuk keterlacakan, memastikan bahwa praktik ketenagakerjaan dan sumber daya mematuhi standar etika. Bersamaan dengan itu, analisis prediktif yang digerakkan oleh AI dapat mengoptimalkan manajemen inventaris, mengurangi limbah, dan mempromosikan ekonomi sirkular. Organisasi juga harus fokus pada pelatihan ulang dan peningkatan keterampilan pekerja yang dipindahkan untuk mengurangi dampak sosial dari otomatisasi, mendorong transisi tenaga kerja yang adil. Akhirnya, praktisi harus menerapkan langkah-langkah privasi data yang ketat dan memastikan keadilan algoritmik untuk menjaga kepercayaan dan melindungi pemangku kepentingan dari bias atau eksploitasi. Dengan menanamkan prinsip-prinsip ini, AI dapat berfungsi sebagai kekuatan transformatif untuk inovasi etis dalam industri fesyen.