En 2024, el profesor de Northeastern, Shawn Bhimani, ayudó a lanzar Supply Trace, que utiliza el aprendizaje automático para peinar millones de puntos de datos, incluidos recortes de prensa, etiquetas de contenedores y documentos de envío.
Cuando Shawn Bhimani y sus colegas lanzaron Supply Trace hace un año, el objetivo de la base de datos interactiva era arrojar luz sobre los oscuros orígenes globales de ciertos productos que llegan a los Estados Unidos. Para empezar, el proyecto se centró en el trabajo forzoso y las violaciones de los derechos humanos en la industria de la confección, un problema tan generalizado como difícil de rastrear.
"Algo que hemos estado haciendo en los últimos meses es tratar de entender en qué ciudades flotan los bienes ilícitos", dice Bhimani, profesor asistente de gestión de la cadena de suministro en la Universidad Northeastern. "Si piensas en China a Estados Unidos, ¿a qué puertos ingresan con más frecuencia las mercancías de trabajo forzado?"
Supply Trace, que ahora tiene alrededor de 1.200 suscriptores de la industria minorista, permite a sus usuarios responder a estas preguntas, trazando el camino de los productos de ropa en todo el mundo. Bhimani y sus colaboradores pueden conectar cientos de millones de puntos de datos sobre importaciones en países compradores con informes en persona que detallan la ubicación y las prácticas de las instalaciones en el extranjero que utilizan trabajo forzoso.
Hasta la fecha, la plataforma ha catalogado a casi 4 millones de empresas en todo el mundo, una escala que no sería posible sin la inteligencia artificial.
"Antes de que la IA se convirtiera en la corriente principal, trabajando manualmente, podíamos analizar unas pocas docenas de empresas en un semestre", dice Bhimani. "Ahora podemos hacer eso en un día. Se ha acelerado en órdenes de magnitud".
Como explica Bhimani, hay dos aspectos de la forma en que Supply Trace utiliza la IA.
"El aprendizaje automático se utiliza para poder leer los registros de importación que llegan a través de la Oficina de Aduanas y Protección Fronteriza de los Estados Unidos y analizar esos datos para comprender lo que había en el envío", explica. "Hay ciertos códigos que CBP usa para denotar, por ejemplo, la ropa frente a la electrónica, para que podamos sacar conclusiones a una escala que no podríamos hacer como seres humanos".
El aprendizaje automático también ayuda con lo que los investigadores llaman "coincidencia aproximada", o la identificación de un determinado negocio en diferentes transacciones internacionales.
"Es posible que tengas una planta de producción en China que coincida con otra a la que Estados Unidos compra, pero con un nombre ligeramente diferente", dice Bhimani. "Podemos hacer algunos emparejamientos para calcular la probabilidad de que estas 10 empresas diferentes estén comprando en la misma fábrica, pero llamándola por un nombre ligeramente diferente. Y tenemos que hacer mucha limpieza de los datos para asegurarnos de que se haga correctamente".
Además, la IA puede analizar datos de forma masiva como descripciones de productos, revelando patrones de qué tipos de productos provienen de qué envíos. Con toda esta información, los investigadores pueden descubrir las rutas de la cadena de suministro y sus respectivos niveles de riesgo para los compradores estadounidenses que desean evitar las empresas que utilizan trabajo forzoso.
Supply Trace está creciendo, tanto en tamaño como en alcance: la plataforma recibió recientemente una subvención de 1,7 millones de dólares para recopilar datos sobre riesgos climáticos además de su investigación sobre el trabajo forzoso.
"Ayuda a los usuarios a tomar mejores decisiones empresariales y a las empresas a ser más sostenibles", afirma Bhimani.