Sulla riduzione delle emissioni di gas serra le aziende sono ancora indietro. Tuttavia, misurare la propria carbon footprint e i consumi in modo efficace è possibile, grazie all’impiego delle tecniche che fanno capo all’ambito di studi dell’intelligenza artificiale.
TAKEAWAY
- Le aziende si dimostrano poco attente alle proprie emissioni di gas serra: solo il 9%, infatti, è in grado di quantificarle in modo completo.
- L’impiego dell’intelligenza artificiale può supportare le imprese nel ridurre il totale di emissioni dal 5% al 10% entro il 2030.
- L’AI – e, più in particolare, il machine learning e il deep learning – può fare molto se implementata in determinate tecnologie, come mostra un’indagine di BCG Gamma.
L’intelligenza artificiale per la decarbonizzazione può svolgere un ruolo fondamentale nelle imprese in svariati settori. L’impiego corretto di tecniche che fanno capo all’ambito di studi dell’AI può consentire alle imprese di ridurre il totale di emissioni di gas serra entro il 2030 dal 5% al 10%. Ciò corrisponde a un quantitativo tra 2,6 e 5,3 gigatonnellate di CO2 equivalenti. L’integrazione dell’artificial intelligence nell’approccio di corporate sustainability potrebbe rappresentare un impatto complessivo tra 1,3 a 2,6 mila miliardi di dollari di valore alle aziende, ha stimato Boston Consulting Group in un report uscito quest’anno.
Pochi giorni fa, la stessa azienda di analisi, attraverso il team BCG Gamma (focalizzato sull’applicazione dell’intelligenza artificiale e dell’advanced analytics lato business) ha pubblicato un’analisi intitolata “Use AI to Measure Emissions-Exhaustively, Accurately, and Frequently”. Da essa emerge che l’85% delle organizzazioni si preoccupa di ridurre le proprie emissioni di gas serra, ma solo il 9% delle aziende è in grado di quantificare le proprie emissioni totali in modo completo. Queste e altre evidenze sono state illustrate recentemente, in occasione di un incontro di presentazione ai media dello studio di BCG GAMMA, che indaga come l’intelligenza artificiale possa essere sfruttata per supportare le aziende nella stima e nella riduzione delle emissioni di gas serra.
Tra i dati più significativi c’è il fatto che gli intervistati stimano un tasso di errore medio dal 30% al 40% nelle loro misurazioni delle emissioni. È una percentuale assai elevata che ha delle ricadute importanti anche in termini di gestione dell’energia impiegata nei processi aziendali.
Ridurre la quantità di gas serra emessi nel ciclo produttivo è assai importante e lo sarà sempre di più. Lo ricordano gli obiettivi stringenti posti dall’Unione Europea per centrare la neutralità climatica nell’UE entro il 2050, che richiedono una riduzione netta delle emissioni di gas serra di almeno il 55% entro il 2030.
Non è unicamente una questione di sostenibilità ambientale, benché sia molto importante. È anche un fattore che va a impattare sulla visibilità dell’azienda e alla possibilità di proporsi in un determinato modo sul mercato. Pensiamo solo ai criteri ESG, mediante cui è possibile valutare l’operato di un’impresa e il suo impegno a livello ambientale. Il criterio Environmental include il contributo di una data azienda al cambiamento climatico anche attraverso le emissioni di gas serra.
«I nuovi strumenti supportati dall’intelligenza Artificiale possono giocare un ruolo cruciale nel portare le aziende al prossimo livello di misurazione e reporting e, in definitiva, a riduzioni significative. Infatti, la nostra esperienza ci mostra che l’AI può consentire direttamente la riduzione delle emissioni delle aziende fino al 40% attraverso l’identificazione delle migliori iniziative, il monitoraggio dei risultati e l’ottimizzazione delle operazioni aziendali» ha affermato Charlotte Degot, managing director e partner di BCG e coautrice dell’indagine.
Il 90% delle aziende è ancora indietro nella riduzione delle emissioni
Come entra in gioco l’intelligenza artificiale per la decarbonizzazione? Prima di rispondere alla domanda è bene mettere in luce alcuni risultati dell’indagine di BCG, svolta sondando i CEO di 1290 organizzazioni a livello mondiale, in nove settori principali.
Da esso emergono sostanziali lacune di conoscenza della situazione in atto in azienda. L’indagine mette in luce come le aziende non riescano a misurare efficacemente e in maniera precisa le proprie emissioni, malgrado si dichiarino profondamente preoccupate di ridurre le emissioni: solo 11 aziende su 100 hanno ridotto le proprie emissioni in linea con le proprie ambizioni negli ultimi cinque anni. Tradotto in altri termini: il 90% circa delle imprese è ben al di sotto.
L’indagine mette in luce aspetti poco lusinghieri sull’attività aziendale in termini ambientali. In particolare, l’81% del campione sondato omette alcune delle loro emissioni interne, ovvero quelle relative alle attività dell’azienda nel loro rapporto, e il 66% degli intervistati non riporta nessuna delle emissioni esterne, ossia quelle riguardanti la catena del valore dell’azienda.
Più della metà (53%) afferma di avere difficoltà a tracciare le decisioni a causa di misurazioni poco frequenti. La situazione è seria e affrontata spesso in modo elementare e senza alcun approccio scientifico. Si pensi solo che l’86% del campione registra e riporta ancora le proprie emissioni manualmente usando fogli di excel e solo il 22% contempla processi automatizzati.
«Nella ricerca, emerge anche come le imprese di comparti quali beni di consumo, healthcare, automotive abbiano una visibilità delle emissioni CO2 bassissima. È una grave lacuna, data poi l’importanza della sostenibilità ambientale anche in ottica business. Saper condividere le informazioni riguardanti la carbon footprint aziendale sarà sempre più importante anche in ottica economico-finanziaria: pensiamo alle potenzialità offerte dai criteri ESG e i relativi investimenti. Mostrare il proprio andamento aziendale in ottica ambientale e i progressivi miglioramenti è essenziale in tal senso» sottolinea Roberto Ventura, managing director e partner di BCG. C’è però l’intenzione di apportare migliorie.
Come evidenzia la stessa BCG Gamma: «L’87% degli intervistati vuole aumentare la portata del loro reporting, mentre il 66% spera di aggiornare il reporting delle emissioni ogni anno o anche più spesso». Ed è qui che l’AI può fare la differenza. Per operare migliorie efficaci e sensibili le aziende avranno bisogno di nuovi strumenti basati sull’intelligenza artificiale. Esse possono utilizzare questi strumenti in una serie di modi, tra cui l’acquisizione e il reporting automatico dei dati, il calcolo dell’impronta di carbonio, l’esecuzione di simulazioni, la definizione di obiettivi, la gestione di un portafoglio globale di iniziative di abbattimento e altro ancora [per approfondimenti sull’AI, consigliamo la lettura della nostra guida all’intelligenza artificiale che spiega cos’è, a cosa serve e quali sono gli esempi applicativi – ndr].
Il supporto concreto dell’intelligenza artificiale
L’impiego dell’intelligenza artificiale per la decarbonizzazione ha benefici evidenti, diversi e in molteplici ambiti. Se si considera ancora l’indagine BCG Gamma, alla domanda su cosa manchi oggi alle aziende per passare al livello successivo di riduzione delle emissioni, al primo posto vi è il calcolo automatizzato della carbon footprint (48%),seguito dalla necessità di strumenti di simulazione (45%) oltre che la necessità di soluzioni di data ingestion e di reporting (39%). Non solo: le aziende hanno necessità di strumenti per la creazione di roadmap (31%) e di strumenti di monitoraggio (28%). Tutto questo va considerato a pochi anni dal 2030, prima data fondamentale per ridurre le emissioni e consumi energetici.
«Per decarbonizzare l’industria ci sono fondamentalmente due metodi: investire sugli asset in grado di apportare un effettivo miglioramento in termini di riduzione delle emissioni. Ma è comunque un percorso che richiede diversi anni. L’unico modo per accelerare la decarbonizzazione è fare efficienza energetica sugli asset esistenti. In questo senso la digitalizzazione e l’impiego di tecniche di AI può imprimere un’accelerazione significativa – segnala Ventura – Partire da una mappatura reale e precisa delle emissioni aziendali permette di avere consapevolezza degli impatti che le emissioni avranno sul bilancio aziendale, tenendo conto della crescita degli ETS. Inoltre consente di fare previsioni concrete sui risparmi e sui possibili investimenti da fare per migliorare ulteriormente gli asset aziendali».
L’AI può aiutare le aziende a fare il passo successivo. Permette di misurare in modo esaustivo, preciso e frequente, svolgendo operazioni quali recupero automatico dei dati, selezione e abbinamento, profilazione della catena del valore, estrapolazione dei dati. Consente anche di fissare obiettivi e identificare le migliori iniziative per la riduzione delle emissioni, simulando le iniziative di riduzione e l’impatto e creando tabelle di marcia ottimizzate. E di eseguire ottimizzazioni dirette, ad esempio, ottimizzando in tempo reale il consumo di energia negli impianti oppure il convogliamento e il carico delle merci.
Intelligenza artificiale per la decarbonizzazione: misurare, simulare e prevedere
L’intelligenza artificiale per la decarbonizzazione può svolgere, quindi, un’azione efficace su più livelli. «Ci sono varie opportunità. La prima riguarda la misurazione delle emissioni. Molte aziende hanno la necessità di misurare le emissioni Scope 1 e Scope 2, legate alla propria attività produttiva a monte e a valle», spiega ancora il managing director e partner di BCG. Con Scope 1 si intendono tutte le emissioni dirette dalle attività di un’organizzazione o di una controllata, compresi i veicoli della flotta e le soluzioni di riscaldamento; con Scope 2 le emissioni indirette dall’elettricità acquistata e utilizzata dall’organizzazione.
Spesso non si hanno dati a disposizione per calcolare le emissioni relative ai fornitori nei diversi Paesi e che svolgono attività differenti e con Scope 1 e Scope 2 dipendenti dalla propria attività. L’AI può essere utile a fornire una serie di estrapolazioni e predizioni su grandi numeri relativi, per esempio, a fornitori e clienti.
«La seconda possibilità è simulare e ottimizzare le iniziative per ridurre le emissioni di CO2 – prosegue Ventura – Una terza, ma non certo meno importante, è quella offerta dall’AI per ottimizzare la produzione o la logistica per ridurre le emissioni. In questo caso possiamo portare l’esempio valido per l’industria pesante o di processo come acciaierie, oil & gas o cementifici: qui ci sono process unit che hanno lavorazioni complesse. In questo senso l’AI può essere di aiuto a ottimizzare i processi in ottica di efficienza energetica e riduzione delle emissioni».
Intelligenza artificiale per la decarbonizzazione: l’impiego di machine learning e deep learning
Sotto che forma svolge il proprio ruolo l’intelligenza artificiale per la decarbonizzazione? «Sono diverse le tecniche di AI che possono essere impiegate. Ognuna di esse con un proprio obiettivo specifico» fa notare Francesco Carducci, BCG Gamma lead data scientist. È lo stesso esperto a spiegare come, parlando di machine learning e deep learning, queste tecnologie servano a modellare processi complessi come quelli attivati nel settore oil & gas. Mediante l’impiego di dati storici relativi alla process unit è possibile andare a fornire informazioni preziose per le azioni previste dagli operatori. «La scelta tra ML e DL è unicamente tecnologica, dettata cioè dalla tipologia e mole di dati a disposizione, ma da un punto di vista funzionale svolgono lo stesso ruolo».
Per quanto riguarda le altre tecniche di artificial intelligence impiegate, la simulazione ha un ruolo importante, poiché permette a operatori e manager – una volta modellato il processo con le tecnologie di ML – di comprendere, a seconda del cambiamento di un determinato parametro, gli effetti previsti sulle proprie attività.
Infine, nel caso dell’ottimizzazione mediante AI, si fa uso di algoritmi in grado di simulare tantissimi scenari ed indicare la migliore opzione tra quelle possibili. «Un caso applicativo riguarda, per esempio, la logistica: nel caso in cui occorre ottimizzare il modo in cui vengono consegnati dei pacchi dal magazzino verso i clienti finali. Qui verranno impiegati proprio algoritmi di ottimizzazione per individuare la soluzione, in termini di mezzi necessari e percorsi migliori, in modo tale da minimizzare i costi e l’impatto ambientale».
