Supply chains account for an estimated 60-80% of most companies' total carbon emissions, making them the primary target for corporate decarbonization. Three converging trends are reshaping how organizations approach this challenge: circular economy principles (designing out waste, keeping materials in use), AI-driven supply chain analytics (demand prediction, logistics optimization, material tracking), and net-zero commitments (science-based targets for carbon neutrality). Each trend has momentum independently; their convergence creates possibilities that none achieves alone.

The Research Landscape

Integrated Framework

Abdulameer and Ibrahim (2025), with 4 citations, provide the most systematic analysis of how Industry 4.0 technologies, AI-based analytics, and circular economy practices jointly influence sustainable supply chain performance. Their study proposes a moderated mediation model where:

• Industry 4.0 technologies (IoT sensors, cloud computing, digital twins) provide the data infrastructure.
• AI-based analytics (demand forecasting, route optimization, waste prediction) provide the intelligence layer.
• Circular economy practices (remanufacturing, recycling, product-as-service models) provide the sustainability framework.
• Net-zero supply chain serves as the mediating mechanism through which these forces improve sustainable performance.

The key finding: the three forces are more effective together than separately. Companies that adopt Industry 4.0 technologies without circular economy practices achieve efficiency gains but not sustainability improvements. Companies that adopt circular practices without AI analytics struggle to optimize the complex material flows that circularity requires. The combination produces results that exceed the sum of individual effects—a genuine synergy rather than merely additive benefits.

Textile and Fashion Industry

Raman, Das, and Aggarwal (2025), with 9 citations, apply AI-based topic modeling to map circular economy transitions in the textile, apparel, and fashion (TAF) sectors—industries that generate enormous waste and have been slow to adopt circular practices. Their analysis of the research literature identifies several key themes:

• Design for circularity: Creating products that can be disassembled, recycled, or composted at end of life. AI can assist by analyzing material combinations and predicting recyclability.
• Digital product passports: Using blockchain and IoT to track garments through their lifecycle—from raw material to manufacturing to use to disposal—enabling informed decisions about repair, resale, or recycling.
• Demand prediction: AI forecasting can reduce overproduction (a major source of textile waste) by improving the accuracy of demand predictions and enabling made-to-order production.

The SDG mapping component of their study reveals that circular economy research in TAF aligns most strongly with SDG 12 (Responsible Consumption and Production) and SDG 13 (Climate Action), but connections to SDG 8 (Decent Work) and SDG 5 (Gender Equality)—critical for an industry employing predominantly female workers in the Global South—are underexplored.

Net-Zero Supply Chain Literature

Chiapa Tellez, Mohedano Torres, and Lemus Vallarta (2026) provide a systematic literature review of "net-zero supply chains," a concept that has gained rapid currency in corporate sustainability discourse. Their review identifies that supply chains contribute approximately 25% of global CO₂ emissions, making decarbonization imperative.

The review finds that most net-zero supply chain research focuses on scope 1 and 2 emissions (direct operations and energy use), with scope 3 (upstream and downstream value chain) receiving less attention despite typically constituting 70-90% of total emissions. This gap reflects both measurement difficulty (scope 3 emissions are hard to track) and organizational boundaries (companies have limited control over supplier and customer emissions).

Digital Transformation in Energy

Attah, Garba, and Gil-Ozoudeh (2024), with 11 citations, examine digital transformation in the energy sector as a parallel case that illuminates supply chain decarbonization. Their review documents how AI, IoT, and digital twins are being deployed to optimize energy production, distribution, and consumption—achieving both efficiency improvements and emissions reductions.

The transferable lesson for supply chain decarbonization is that digital transformation enables visibility (knowing where emissions come from), optimization (reducing emissions through better decisions), and accountability (tracking progress against targets). Without digital infrastructure, net-zero commitments remain aspirational; with it, they become measurable and manageable.

Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
Industry 4.0 + AI + circular economy produces synergistic sustainability improvements	Abdulameer & Ibrahim's moderated mediation model	✅ Supported — synergy exceeds additive effects
AI can reduce textile overproduction through demand prediction	Raman et al.'s industry analysis	⚠️ Uncertain — technically feasible; adoption in fashion industry is early
Scope 3 emissions are underaddressed in net-zero supply chain research	Chiapa Tellez et al.'s systematic review	✅ Supported — despite constituting 70-90% of total emissions
Digital transformation enables measurable emissions management	Attah et al.'s energy sector review	✅ Supported — demonstrated in energy; supply chain transfer plausible

Open Questions

SME inclusion: Large corporations can invest in AI, IoT, and circular infrastructure. How do small suppliers in global supply chains participate without bearing disproportionate costs?

Greenwashing risk: Net-zero commitments without robust measurement and accountability mechanisms risk becoming marketing claims rather than genuine decarbonization.

Scope 3 accountability: Who is responsible for scope 3 emissions—the company that produces them, the company that sources from the producer, or the consumer who creates the demand?

Just transition: Circular economy transitions may eliminate jobs in linear (extract-make-dispose) industries. How should the employment transition be managed, especially in the Global South?

What This Means for Your Research

For supply chain researchers, Abdulameer and Ibrahim's finding that the three forces are synergistic suggests that research designs examining them in isolation may miss their most important effects.

For sustainability practitioners, the scope 3 gap identified by Chiapa Tellez et al. is both a measurement challenge and a research opportunity—the area where the largest emissions reductions are possible is also the least studied.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 구체적인 연구 결과, 통계, 주장을 원본 논문과 대조하여 검증해야 한다.

순환 경제 + AI + 넷제로: Industry 5.0 공급망 전환

공급망은 대부분의 기업 전체 탄소 배출량의 약 60~80%를 차지하는 것으로 추정되며, 기업 탈탄소화의 주요 목표가 되고 있다. 세 가지 수렴하는 트렌드가 조직이 이 과제에 접근하는 방식을 재편하고 있다. 순환 경제 원칙(폐기물 설계 배제, 자원의 지속적 활용), AI 기반 공급망 분석(수요 예측, 물류 최적화, 자재 추적), 그리고 넷제로 공약(탄소 중립을 위한 과학 기반 목표)이 그것이다. 각 트렌드는 개별적으로도 추진력을 갖고 있지만, 이들의 수렴은 어느 하나만으로는 달성할 수 없는 가능성을 창출한다.

연구 동향

통합 프레임워크

Abdulameer와 Ibrahim(2025)은 4건의 인용을 기록하며, Industry 4.0 기술, AI 기반 분석, 순환 경제 실천이 지속 가능한 공급망 성과에 공동으로 미치는 영향을 가장 체계적으로 분석하였다. 이 연구는 조절된 매개 모형(moderated mediation model)을 제안하며, 다음과 같이 구성된다.

• Industry 4.0 기술 (IoT 센서, 클라우드 컴퓨팅, 디지털 트윈)은 데이터 인프라를 제공한다.
• AI 기반 분석 (수요 예측, 경로 최적화, 폐기물 예측)은 지능 계층을 제공한다.
• 순환 경제 실천 (재제조, 재활용, 서비스형 제품 모델)은 지속 가능성 프레임워크를 제공한다.
• 넷제로 공급망은 이러한 요소들이 지속 가능한 성과를 향상시키는 매개 메커니즘으로 기능한다.

핵심 연구 결과는 세 가지 요소가 개별적으로 작동할 때보다 함께 작동할 때 더욱 효과적이라는 것이다. Industry 4.0 기술을 채택하되 순환 경제 실천이 없는 기업은 효율성 향상은 달성하지만 지속 가능성 개선은 이루지 못한다. AI 분석 없이 순환 실천을 채택한 기업은 순환성이 요구하는 복잡한 자재 흐름을 최적화하는 데 어려움을 겪는다. 이 두 요소의 결합은 개별 효과의 합을 초과하는 결과를 산출하며, 이는 단순한 부가적 이익이 아닌 진정한 시너지이다.

섬유 및 패션 산업

Raman, Das, Aggarwal(2025)은 9건의 인용을 기록하며, AI 기반 토픽 모델링을 적용하여 섬유·의류·패션(TAF) 분야의 순환 경제 전환을 매핑하였다. 이 산업들은 막대한 폐기물을 발생시키며 순환 실천 도입이 더딘 분야이다. 연구 문헌 분석을 통해 다음과 같은 주요 주제가 도출되었다.

• 순환성을 위한 설계: 수명 종료 시 분해, 재활용 또는 퇴비화가 가능한 제품을 만드는 것이다. AI는 소재 조합을 분석하고 재활용 가능성을 예측함으로써 이를 지원할 수 있다.
• 디지털 제품 여권: 블록체인과 IoT를 활용하여 의류의 전체 수명 주기—원자재부터 제조, 사용, 폐기까지—를 추적함으로써 수선, 재판매, 재활용에 관한 정보에 기반한 의사결정을 가능하게 한다.
• 수요 예측: AI 예측은 수요 예측의 정확도를 높이고 주문 생산 방식을 가능하게 함으로써 과잉 생산(섬유 폐기물의 주요 원인)을 줄일 수 있다.

이 연구의 SDG 매핑 부분은, TAF 분야의 순환 경제 연구가 SDG 12(책임 있는 소비와 생산) 및 SDG 13(기후 행동)과 가장 강하게 연계되어 있음을 보여준다. 반면 SDG 8(양질의 일자리)과 SDG 5(성평등)—주로 글로벌 사우스(Global South)의 여성 노동자를 고용하는 산업에서 매우 중요한 목표—와의 연계는 충분히 탐구되지 않은 것으로 나타났다.

넷제로 공급망 문헌

Chiapa Tellez, Mohedano Torres, Lemus Vallarta(2026)는 기업 지속 가능성 담론에서 빠르게 부상한 개념인 "넷제로 공급망"에 대한 체계적 문헌 고찰을 제공한다. 이 고찰은 공급망이 전 세계 CO₂ 배출량의 약 25%를 차지하며, 탈탄소화가 필수적임을 제시한다. 이 검토에 따르면, 탄소중립 공급망 연구의 대부분은 범위 1 및 범위 2 배출(직접 운영 및 에너지 사용)에 집중되어 있으며, 범위 3(업스트림 및 다운스트림 가치사슬)은 전체 배출량의 70~90%를 차지함에도 불구하고 상대적으로 주목을 덜 받고 있다. 이러한 격차는 측정의 어려움(범위 3 배출량은 추적이 어려움)과 조직적 경계(기업이 공급업체 및 고객의 배출에 대해 제한적인 통제권만 보유함) 모두를 반영한다.

에너지 분야의 디지털 전환

Attah, Garba, Gil-Ozoudeh(2024)는 11회 인용을 기록한 연구에서 에너지 부문의 디지털 전환을 공급망 탈탄소화를 조명하는 병행 사례로 검토한다. 이들의 리뷰는 AI, IoT, 디지털 트윈이 에너지 생산, 배분, 소비를 최적화하기 위해 어떻게 활용되고 있는지 — 효율 향상과 배출 감소를 동시에 달성하는 방식으로 — 기록하고 있다.

공급망 탈탄소화에 대한 이전 가능한 교훈은, 디지털 전환이 가시성(배출 발생원 파악), 최적화(더 나은 의사결정을 통한 배출 감소), 책임성(목표 대비 진행 상황 추적)을 가능하게 한다는 점이다. 디지털 인프라 없이는 탄소중립 공약이 열망에 그치지만, 디지털 인프라를 갖추면 측정 가능하고 관리 가능한 것이 된다.

비판적 분석: 주장과 근거

<

주장	근거	판정
Industry 4.0 + AI + 순환경제가 시너지적 지속가능성 개선을 유발한다	Abdulameer & Ibrahim의 조절된 매개 모델	✅ 지지됨 — 시너지 효과가 단순 합산 효과를 초과
AI가 수요 예측을 통해 섬유 과잉생산을 줄일 수 있다	Raman 등의 산업 분석	⚠️ 불확실 — 기술적으로는 실현 가능하나, 패션 산업의 도입은 초기 단계
범위 3 배출량은 탄소중립 공급망 연구에서 과소 다루어지고 있다	Chiapa Tellez 등의 체계적 문헌 고찰	✅ 지지됨 — 전체 배출량의 70~90%를 차지함에도 불구하고
디지털 전환이 측정 가능한 배출 관리를 가능하게 한다	Attah 등의 에너지 부문 리뷰	✅ 지지됨 — 에너지 부문에서 입증되었으며, 공급망으로의 이전 가능성 있음

미해결 질문

중소기업 포함: 대기업은 AI, IoT, 순환 인프라에 투자할 수 있다. 글로벌 공급망의 소규모 공급업체들은 불균형적인 비용 부담 없이 어떻게 참여할 수 있는가?

그린워싱 위험: 강건한 측정 및 책임성 메커니즘 없는 탄소중립 공약은 실질적인 탈탄소화가 아닌 마케팅 주장에 그칠 위험이 있다.

범위 3 책임: 범위 3 배출에 대한 책임은 누구에게 있는가 — 배출을 발생시키는 기업인가, 해당 생산자로부터 소싱하는 기업인가, 아니면 수요를 창출하는 소비자인가?

공정한 전환: 순환경제로의 전환은 선형(채취-제조-폐기) 산업의 일자리를 소멸시킬 수 있다. 특히 글로벌 사우스에서 고용 전환은 어떻게 관리되어야 하는가?

연구자를 위한 시사점

공급망 연구자들에게, 세 가지 힘이 시너지적임을 발견한 Abdulameer와 Ibrahim의 연구 결과는 이들을 개별적으로 검토하는 연구 설계가 가장 중요한 효과를 놓칠 수 있음을 시사한다.

지속가능성 실무자들에게, Chiapa Tellez 등이 확인한 범위 3 격차는 측정상의 도전인 동시에 연구 기회이기도 하다 — 가장 큰 배출 감축이 가능한 영역이 가장 덜 연구된 분야이기도 하다.

관련 연구는 ORAA ResearchBrain을 통해 탐색할 수 있다.