EU ห้ามทำลายเสื้อผ้าและรองเท้าค้างสต็อก 2026: แบรนด์ไทยต้องเตรียมอะไร

กฎใหม่เริ่มแล้ว: ใครอยู่ใน Scope และวันใดสำคัญ

Article 25 ของ Regulation (EU) 2024/1781 กำหนดข้อห้ามการทำลายสินค้าผู้บริโภคที่ขายไม่ออกตาม Annex VII ตั้งแต่ 19 กรกฎาคม 2026 สำหรับบริษัทขนาดใหญ่ คณะกรรมาธิการยุโรปยืนยันเมื่อ 17 กรกฎาคม 2026 ว่ากฎมีผลกับเสื้อผ้า เครื่องประกอบการแต่งกาย และรองเท้า ส่วนบริษัทขนาดกลางมีช่วงเปลี่ยนผ่านถึง 19 กรกฎาคม 2030 และ Micro/Small Enterprises ได้รับยกเว้นจากข้อห้ามนี้ในปัจจุบัน อย่างไรก็ดี การจัดขนาดกิจการควรดูโครงสร้างกลุ่มบริษัทและนิยาม EU ไม่ใช่ดูเฉพาะนิติบุคคลหรือยอดขายของสาขาเดียว

สำหรับธุรกิจไทย คำถามสำคัญไม่ใช่เพียง ‘บริษัทเราอยู่ใน EU หรือไม่’ แต่ต้องดูว่าใครเป็น Economic Operator ที่ถือและตัดสินใจเกี่ยวกับสต็อกในตลาด EU เช่น บริษัทลูก ผู้นำเข้า Distributor, Marketplace Seller หรือ Retail Partner ผู้ผลิต OEM ในไทยอาจไม่เป็นผู้รับหน้าที่ตาม Article 25 โดยตรงทุกกรณี แต่จะถูกส่งผ่านข้อกำหนดทางสัญญาและคำขอข้อมูล เพราะคู่ค้า EU ต้องพิสูจน์ว่าเหตุใดสินค้าเสียหาย ซ่อมได้หรือไม่ และปลายทางสุดท้ายคืออะไร

ตรวจ Scope ด้วย SKU และรหัส CN ไม่ใช่ตัดสินจากชื่อสินค้า

Annex VII ระบุสินค้าผ่าน Combined Nomenclature หรือ CN codes ครอบคลุมเครื่องแต่งกายและอุปกรณ์เสื้อผ้าบางกลุ่ม รวมถึงรองเท้า ดังนั้นทีม Trade Compliance ต้องทำตาราง SKU-to-CN Mapping แล้วเชื่อมกับเจ้าของสินค้า ประเทศที่ถือสต็อก สถานะขาย และขนาดกิจการของผู้ดำเนินการ สินค้าที่ดูคล้ายกันอาจมีรหัส วัสดุ หรือวัตถุประสงค์ต่างกัน จึงไม่ควรใช้ Category ใน ERP หรือชื่อ Collection เป็นข้อสรุปทางกฎหมาย

สร้าง Scope Register อย่างน้อยหกช่อง ได้แก่ SKU/Model, CN Code, Product Description, EU Economic Operator, Stock Location และ Ban Status แล้วกำหนดผู้อนุมัติการจัดประเภท หากยังไม่แน่ใจ ควรเก็บเหตุผลและหลักฐานการตีความไว้ การตัดสินใจแบบตรวจสอบย้อนหลังได้มีค่ามากกว่ารายการ Excel ที่ไม่มีเจ้าของหรือวันที่ทบทวน

คำว่า ‘ทำลาย’ กว้างกว่าการเผาหรือฝังกลบ

ESPR มองการทำลายรวมถึงการทำให้สินค้าเสียหายโดยเจตนา หรือการทิ้งเป็นของเสียเพื่อเข้าสู่การกำจัด การเผา การกู้คืนพลังงาน หรือการรีไซเคิลบางกรณี จึงไม่ควรเข้าใจว่าการส่งสินค้าใหม่ที่ยังใช้ได้ไปบดเป็นเส้นใยคือทางออกที่ปฏิบัติตามกฎโดยอัตโนมัติ จุดมุ่งหมายของกฎหมายคือรักษาผลิตภัณฑ์ให้อยู่ในระบบการใช้งานให้นานที่สุด ไม่ใช่เพียงเปลี่ยนชื่อปลายทางจาก ‘ทำลาย’ เป็น ‘รีไซเคิล’

ทางเลือกที่กฎหมายและคณะกรรมาธิการให้ความสำคัญคือขายตามปกติ ลดราคา ขายผ่าน Outlet หรือตลาดรอง บริจาคให้หน่วยงานที่เหมาะสม ซ่อม ปรับสภาพ ผลิตใหม่ หรือส่งเพื่อเตรียมกลับมาใช้ซ้ำ หากมีเหตุยกเว้นที่ทำให้ต้องทำลายจริง การจัดการยังต้องเคารพลำดับชั้นของเสีย โดยให้รีไซเคิลมาก่อนการกู้คืนพลังงานและการกำจัด

ข้อยกเว้นมีจำกัด และทุกเหตุจำเป็นต้องมี Evidence

Delegated Regulation (EU) 2026/296 กำหนดกรณีที่อาจทำลายได้ เช่น สินค้าเสี่ยงต่อสุขภาพ สุขอนามัยหรือความปลอดภัยและไม่มีมาตรการลดความเสี่ยงอื่น สินค้าเสียหาย ปนเปื้อน หรือเสื่อมสภาพจนซ่อมไม่ได้หรือไม่คุ้มตามเกณฑ์ สินค้าบกพร่องจนใช้ตามวัตถุประสงค์ไม่ได้และซ่อมไม่ได้ สินค้าผิดกฎหมายหรือละเมิดทรัพย์สินทางปัญญา ตลอดจนบางกรณีที่การนำกลับใช้ใหม่ไม่เหมาะสมอย่างพิสูจน์ได้ ข้อยกเว้นต้องอ่านตามเงื่อนไขจริง ไม่ใช่เลือกชื่อเหตุที่ใกล้เคียงแล้วอนุมัติทันที

กรณีบริจาคไม่สำเร็จมีเงื่อนไขเฉพาะ ตัวอย่างในกฎกำหนดให้เสนอแก่ Social Economy Entities ที่เหมาะสมอย่างน้อยสามแห่ง หรือประกาศข้อเสนอผ่านหน้าเว็บไซต์ที่เข้าถึงง่ายเป็นเวลาอย่างน้อยแปดสัปดาห์ แล้วจึงพิจารณาขั้นต่อไป หลักฐานอาจรวมผลตรวจคุณภาพ ภาพถ่าย Test Report, Repair Assessment, Cost Calculation, หนังสือปฏิเสธรับบริจาค และคำตัดสินของผู้มีอำนาจ เอกสารที่รองรับการใช้ข้อยกเว้นต้องเก็บไว้ห้าปีเพื่อให้หน่วยงานตรวจสอบได้

Disclosure ไม่ใช่รายงาน ESG เชิงเล่าเรื่อง แต่เป็นข้อมูลปฏิบัติการ

Article 24 กำหนดให้เปิดเผยข้อมูลสินค้าขายไม่ออกที่ถูกทิ้ง เช่น จำนวนและน้ำหนักตามประเภทสินค้า เหตุผลที่ทิ้ง สัดส่วนหรือปลายทางที่ส่งไปเตรียมใช้ซ้ำ ผลิตใหม่ รีไซเคิล กู้คืน หรือกำจัด และมาตรการที่ทำหรือวางแผนเพื่อป้องกันการทำลาย Implementing Regulation (EU) 2026/2 วางรายละเอียดและรูปแบบมาตรฐาน ซึ่งคณะกรรมาธิการระบุว่าจะใช้ตั้งแต่เดือนกุมภาพันธ์ 2027 เพื่อให้ธุรกิจมีเวลาเตรียมระบบ

ความท้าทายคือข้อมูลกระจายอยู่ระหว่าง ERP, Warehouse, Returns, Quality, Finance และผู้รับกำจัด หากแต่ละทีมใช้เหตุผลและหน่วยนับต่างกัน รายงานจะกระทบยอดไม่ได้ ควรสร้าง Unsold Inventory Data Model กลางที่บันทึก Event ตั้งแต่ Return/End-of-season, Inspection, Decision, Recovery Route, Waste Operator จนถึง Proof of Completion พร้อมใช้รหัสสินค้าและ Logistics/Customs Code ที่สอดคล้องกัน

ออกแบบ Unsold Inventory Control System แบบ End-to-End

เริ่มจาก Prevention ก่อนเกิดสต็อกส่วนเกิน ใช้ Demand Forecast แยกตามสี ไซซ์ ประเทศ และช่องทาง ลด Minimum Order ที่ไม่ยืดหยุ่น ทบทวน Buy Plan ระหว่างฤดูกาล และออกแบบ Packaging/Label ให้ย้ายตลาดหรือปรับราคาได้ จากนั้นกำหนดสถานะมาตรฐาน เช่น Saleable, Markdown, Transfer, Repairable, Donation Candidate, Exception Review และ Waste พร้อม SLA ของแต่ละสถานะเพื่อป้องกันสต็อกค้างจนเสื่อมสภาพ

Decision Tree ควรถามเป็นลำดับ: ยังขายได้หรือไม่ ย้ายตลาดได้หรือไม่ ซ่อมหรือปรับสภาพได้หรือไม่ บริจาคได้หรือไม่ เตรียมใช้ซ้ำได้หรือไม่ และมีข้อยกเว้นที่พิสูจน์ได้หรือไม่ ทุกการข้ามขั้นต้องมี Reason Code และผู้อนุมัติ เมื่อส่งให้ Waste Operator ต้องแนบข้อมูลข้อยกเว้นและกำหนดลำดับการจัดการที่สอดคล้องกับ Waste Hierarchy รวมถึงรับ Certificate หรือหลักฐานปลายทางกลับมาเชื่อมกับ Lot เดิม

กำหนด RACI และสัญญาให้ข้อมูลไม่ขาดกลางห่วงโซ่

Merchandising ควรรับผิดชอบ Forecast และแผนระบายสต็อก Warehouse บันทึกสถานะจริง Quality ตัดสินความปลอดภัยและความสามารถในการซ่อม Sustainability ตรวจลำดับทางเลือก Finance กระทบยอดมูลค่า Legal/Trade Compliance ยืนยัน Scope กับข้อยกเว้น และผู้บริหารที่ได้รับมอบอำนาจอนุมัติการทำลายเป็นทางเลือกสุดท้าย หากไม่มี RACI การตัดสินใจมักเกิดที่คลังหรือผู้รับกำจัดซึ่งไม่มีข้อมูลสินค้าและอำนาจพิจารณาครบ

ทบทวนสัญญา OEM, Distributor, Fulfilment, Marketplace, Donation Partner และ Waste Operator ให้ระบุเจ้าของสินค้า ผู้ควบคุมข้อมูล สิทธิอนุมัติ ระยะเวลาส่งหลักฐาน วิธีคำนวณจำนวนกับน้ำหนัก การตรวจสอบย้อนกลับ และข้อห้าม Subcontract โดยไม่แจ้ง ผู้ผลิตไทยควรเจรจารูปแบบข้อมูลตั้งแต่รับ Purchase Order เพราะการย้อนขอ Defect Evidence หรือส่วนประกอบสินค้าหลังจบฤดูกาลมีต้นทุนสูงและอาจทำไม่ได้

แผน 60 วันสำหรับแบรนด์ไทยและผู้ผลิต OEM

วัน 1–15 ทำ Scope & Contract Review: ระบุ SKU/CN Code, EU Operator, ขนาดกิจการ, คลังสินค้าและข้อกำหนดในสัญญา วัน 16–30 ทำ Baseline: วัด Unsold Rate, Return Rate, Defect Rate, Markdown Loss, ปริมาณบริจาคและของเสียย้อนหลัง พร้อมตรวจว่าหลักฐานใดขาด วัน 31–45 ออก Decision Tree, Exception Form, Donation Protocol และ Waste Operator Clause แล้วทดลองกับหนึ่ง Collection หรือหนึ่งประเทศ

วัน 46–60 เชื่อมข้อมูลเป็น Evidence Register และ Dashboard ทดสอบการกระทบยอดจำนวนชิ้นกับน้ำหนักและใบรับของจากปลายทาง จากนั้นทำ Mock Audit โดยสุ่ม 10 Lot ให้ทีมอิสระตอบได้ว่าเหตุใดสินค้าถึงขายไม่ออก ใครอนุมัติทางเลือกใด ลองกู้มูลค่าด้วยวิธีใด และหลักฐานปลายทางอยู่ที่ไหน หากตอบไม่ได้ภายในหนึ่งวัน ระบบยังไม่พร้อมแม้มีนโยบายแล้ว

• ตั้งเป้า Recovery Rate ของสต็อกขายไม่ออก แยก Resale, Repair, Donation และ Reuse
• วัด Unsold Inventory Days และเวลาจาก Return ถึง Final Decision
• ติดตาม % SKU ใน Scope ที่มี CN Code และ EU Operator ยืนยันแล้ว
• วัด % Exception Case ที่มีหลักฐานครบและผ่านผู้อนุมัติก่อนส่งออกจากคลัง
• กระทบยอดจำนวนชิ้น น้ำหนัก มูลค่าบัญชี และปลายทางของทุก Lot
• เก็บหลักฐานข้อยกเว้นและเอกสาร Waste Operator อย่างน้อยห้าปี

เปลี่ยน Compliance Cost ให้เป็น Margin Recovery และ Brand Trust

ระบบนี้สร้าง ROI ได้โดยตรงเมื่อองค์กรลด Overproduction, Return Disposal, ค่าเก็บคลัง และการตัดจำหน่าย พร้อมเปิดช่องรายได้จาก Outlet, Certified Resale, Refurbished Collection หรือวัสดุหมุนเวียน ควรแยกมูลค่าที่กู้คืนได้ออกจากยอดขายปกติ เพื่อเห็นว่ากระบวนการใดคุ้มค่าจริงและไม่ใช้การลดราคาเกินจำเป็นจนกระทบ Positioning

ด้านแบรนด์ ควรสื่อสารเฉพาะผลที่มีข้อมูลรองรับ เช่น จำนวนสินค้าที่นำกลับขาย ซ่อม หรือบริจาค และวิธีคำนวณ หลีกเลี่ยงคำกว้างอย่าง ‘Zero Waste’ หากยังมีสินค้าถูกกำจัด ความโปร่งใสที่ยอมรับข้อจำกัดและแสดงพัฒนาการรายปีน่าเชื่อถือกว่าคำประกาศสมบูรณ์แบบที่ตรวจสอบไม่ได้

AI ช่วยลดสต็อกส่วนเกินได้ แต่ต้องมี Human Decision

AI สามารถพยากรณ์ Demand ระดับ SKU–Store, ตรวจจับ Slow-moving Stock, แนะนำการย้ายคลังหรือ Markdown, จัดกลุ่มเหตุ Return จากข้อความลูกค้า และจับคู่ Donation/Resale Partner ตามสถานที่กับความต้องการได้ ระบบ Computer Vision ยังช่วยคัดสภาพเบื้องต้น แต่ผลลัพธ์ต้องผ่านเกณฑ์คุณภาพและผู้รับผิดชอบ เพราะการจัดผิดอาจทำให้สินค้าที่ซ่อมได้ถูกส่งทำลาย หรือสินค้าที่ไม่ปลอดภัยกลับเข้าสู่ตลาด

เริ่ม Pilot โดยใช้ข้อมูลย้อนหลังหนึ่งฤดูกาล เปรียบเทียบ Forecast Error, Unsold Rate, Recovery Value และ False Classification กับกระบวนการเดิม บันทึก Model Version, Input, Recommendation และ Final Human Decision เพื่อให้ AI เพิ่ม Productivity โดยไม่ลดความสามารถในการอธิบายและตรวจสอบย้อนหลัง