Phil Guillery: ¿Qué debería hacer el FSC para mejorar la trazabilidad en el sistema de Cadena de Custodia?

¿Cuál es la tendencia actual para mejorar la trazabilidad en la cadena de suministro de la madera?

Una de las tendencias más notables es, sin duda, el uso del sistema blockchain, que tiene el potencial de agilizar la gestión de la cadena de suministro de madera y mejorar la trazabilidad. Debido a los registros inmutables de blockchain es muy difícil manipular grandes volúmenes de material certificado, a diferencia de los sistemas de verificación basados en papel, que son mucho más susceptibles de fraude. 

Otra tendencia es el uso de pruebas basadas en la ciencia, que está creciendo rápidamente en diferentes productos básicos. Esto incluye varias técnicas, como el Análisis de Isótopos Estables, las Pruebas Genéticas, o incluso el uso de elementos de trazabilidad. Sin embargo, todas estas técnicas dependen de tener conjuntos de datos de referencia. Sin embargo, la disponibilidad de estos conjuntos de datos de referencia es una carencia que World Forest ID está trabajando para corregir.

Uniendo estos dos métodos, los sistemas de blockchain y las pruebas basadas en la ciencia, podríamos hacer que el fraude en la cadena de suministro sea extremadamente difícil. La idea sería recolectar muestras a lo largo de toda la cadena de suministro, y luego hacer pruebas aleatorias de los productos, algo similar a lo que se utiliza para las pruebas de dopaje olímpicas. De este modo, uno nunca sabría si se le puede hacer una prueba y cuándo. Esto sería más rentable, ya que no habría que analizar todas las muestras, pero continuaría ejerciendo una presión a los actores que lo cumplan.

Y la última tendencia importante que mencionaría es el uso del aprendizaje automático, principalmente dentro del análisis de datos y la planificación en el campo. Estamos explorando como puede utilizarse para reducir el número de muestras necesarias para los conjuntos de datos de referencia, identificar los puntos clave para el muestreo y aumentar la resolución de las pruebas. Esto ayudará a que las técnicas científicas sean menos costosas y más precisas. El aprendizaje automático tiene un enorme potencial que apenas estamos empezando a comprender y es, sin duda, un campo emergente que hay que observar.

Ha habido muchos fallos y desafíos en el sistema de Cadena de Custodia del FSC. ¿Cuáles son y qué está haciendo el FSC para solucionar estos problemas?

Uno de ellos es que las auditorías se realizan sólo una vez al año y sólo comprueban un paso hacia adelante o un paso hacia atrás en la cadena de suministro. Esto hace que sea difícil para un auditor detectar cualquier cosa que haya sucedido en la parta más baja de la cadena de suministro. La única información que pueden confirmar es si el producto se ajusta a la declaración con la que vino. El sistema actual funciona bien para la trazabilidad interna, por ejemplo dentro de una fábrica, pero no para rastrear productos a través de cadenas de suministro largas y complejas.

El FSC debería incorporar la trazabilidad a su sistema y los sistemas de blockchain pueden ayudar a proporcionarla. El FSC ya está realizando pilotos relacionados con esto y también estamos trabajando con el FSC para introducir en el sistema, pruebas de base científica que permitan a los sistemas de trazabilidad añadir un medio para la verificación del origen de la cosecha. Es decir, para verificar que el producto efectivamente proviene del lugar donde declara su procedencia. A través del uso de estas nuevas tecnologías, el FSC puede reforzar su sistema de Cadena de Custodia y garantizar una mejor trazabilidad.

¿Hasta qué punto ha aplicado el FSC estas medidas para colmar estas lagunas? 

Tengo entendido que estas tecnologías se están probando ahora. Por ejemplo, estamos trabajando con Assurance Services International (ASI) y el FSC para determinar cómo utilizar las pruebas de base científica. Estamos trabajando con ambos en la forma de ampliar los conjuntos de datos de referencia, para que las pruebas puedan aplicarse en todo el sistema.

Hablando sobre la trazabilidad del origen de la madera en el sistema FSC. Todos vemos los beneficios que aportará. Sin embargo, ¿Cuáles son los obstáculos para reproducirlo a gran escala y cómo podemos superarlos?

Esto nos lleva a lo que World Forest ID, con el apoyo de FSC y ASI, está trabajando para crear los conjuntos de datos de referencia necesarios. Se trata de una empresa gigantesca, ya que lo ideal sería disponer de conjuntos de datos de referencia de todas las especies madereras comercializadas en su zona de crecimiento. Esto supondrá un enorme número de muestras que deberán recolectarse del bosque.

Al mismo tiempo que se recolectan estas muestras, tenemos que asegurarnos de que los conjuntos de datos de referencia estén disponibles, para que puedan utilizarse ampliamente y de forma creíble. Además, es importante que la las personas comprendan las limitaciones de la ciencia y la tecnología. Tenemos que centrarnos en la creación de conjuntos de datos de referencia y asegurarnos de que trabajamos con un número adicional de laboratorios.

¿Cómo pueden las nuevas tecnologías cambiar la forma convencional de auditar la cadena de suministro?

La auditoría convencional se centrará más en el riesgo. La trazabilidad a largo plazo será más fácil para el auditor, así como la verificación del origen de la madera. Los auditores podrán entonces centrarse en asegurarse de que existen sistemas adecuados y centrarse en la trazabilidad interna. Esencialmente, esto significa hacer que la auditoría sea más rápida y menos costosa y dirigir el enfoque hacia donde pueden estar los riesgos.

El enorme potencial del aprendizaje automático es hacer que la verificación sea más fácil, rápida y menos costosa. World Forest ID está trabajando en esto ahora mismo; estamos investigando cómo podemos utilizar el aprendizaje automático para mejorar la ciencia, para poder finalmente recoger menos muestras y conseguir los mismos o mejores resultados con más impacto. Por ejemplo, tomando diferentes tecnologías y combinándolas, por ejemplo, con datos de ADN e isótopos estables y observando si podemos obtener mejores respuestas y conseguir una mayor resolución a partir de los conjuntos de datos que ya tenemos.

Esto, combinado con la ciencia, una vez que tengamos los datos de referencia, ayudará a acelerar el uso de estas tecnologías. La pregunta interesante es: ¿Dónde más podría ayudar el aprendizaje automático en la trazabilidad, la auditoría y la verificación? ¿Puede ayudar a identificar riesgos? Esto podría ayudarnos a identificar tendencias e indicarnos dónde y cuándo deben realizarse las auditorías.