Secondo uno studio approfondito del Boston Consulting Group, l’utilizzo di sistemi di intelligenza artificiale sarebbe in grado di ridurre, in dieci anni, dal 5% al 10% le emissioni di gas serra da parte delle aziende, generando fino a 2,6 mila miliardi di dollari di valore, tra nuovi ricavi e risparmi di costi.

TAKEAWAY

• Con l’Accordo di Parigi sottoscritto nel 2015, è andata crescendo la pressione sulle imprese affinché queste rispondano coi fatti alla minaccia rappresentata dal riscaldamento globale.
• Un punto di svolta, per le aziende, potrebbe essere rappresentato dall’adozione di tecnologie di intelligenza artificiale, come suggeriscono i dati contenuti nel Report a cura del Boston Consulting Group (BCG) sulla capacità delle tecnologie AI nell’accelerare la trasformazione sostenibile delle imprese.
• Secondo gli analisti del BCG, l’utilizzo di sistemi di intelligenza artificiale sarebbe in grado di ridurre, in dieci anni, dal 5% al 10% le emissioni di gas serra da parte delle aziende, generando fino a 2,6 mila miliardi di dollari di valore, tra nuovi ricavi e risparmi di costi.

---

L’intelligenza artificiale per la sostenibilità ambientale, ovvero le tecnologie che fanno capo all’ambito di studi dell’AI al servizio di quello che, a partire dall’Accordo di Parigi sul clima e dagli obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile, definiti dall’Organizzazione delle Nazioni Unite, è divenuto il “tema fulcro” a livello globale.

Rientrano nel registro di tale tematica le questioni relative al cambiamento climatico e alla tutela dell’ambiente, attraverso la riduzione delle emissioni di CO2 e la promozione dello sviluppo nelle energie rinnovabili.

In particolare, con l’Accordo di Parigi – sottoscritto nel 2015 da tutti i Paesi UE, impegnati, da quel momento, a ridurre le proprie emissioni di CO2 entro il 2050 – è andata crescendo la pressione sulle imprese affinché queste rispondano coi fatti alla minaccia rappresentata dal riscaldamento globale, con le Autorità di regolamentazione sempre più attente nell’esaminare l’impatto sul clima da parte delle aziende di ogni settore.

Anche se, nell’attuale mood economico dominato dalla pandemia da Covid, una cosa è tenere fede all’impegno di ridurre le proprie emissioni di gas serra, altra cosa, invece, è adottare misure puntuali e concrete che facciano la differenza. Ed è questo che ha costretto molte aziende a ritardare gli sforzi in quella direzione. Dunque, che fare?

Un punto di svolta, per le aziende, potrebbe essere rappresentato dall’intelligenza artificiale, come suggeriscono i dati contenuti nel Report a cura del Boston Consulting Group (BCG) sulla capacità delle tecnologie AI nell’accelerare la trasformazione sostenibile delle imprese. Vediamo insieme di che cosa si tratta.

L’intelligenza artificiale per la sostenibilità ambientale: l’analisi del Boston Consulting Group

Secondo il Carbon Disclosure Project, le emissioni globali di gas serra (di cui il più abbondante in atmosfera è l’anidride carbonica – CO2 – scelta come unità di misura delle emissioni di tutti i gas serra) ammontano, attualmente, a circa 53 gigatonnellate di anidride carbonica equivalente (CO2e).

Se intendiamo raggiungere l’obiettivo di limitare l’aumento delle temperature medie globali a 1,5°C, come specificato nell’Accordo di Parigi del 2015, è necessario ridurre tali emissioni del 50% entro la fine di questo decennio.

A tale riguardo, gli studi del Boston Consulting Group dimostrano che il potenziale impatto complessivo delle tecnologie di intelligenza artificiale per la sostenibilità ambientale va da 1,3 trilioni a 2,6 trilioni di dollari di valore – generato attraverso entrate aggiuntive e risparmi sui costi – entro il 2030.

Questa cifra di valore aggiunto per le aziende non tiene conto delle variazioni del credito delle compensazioni di carbonio che, attualmente fissato a circa 30 dollari nel sistema di scambio di emissioni dell’UE, potrebbe raddoppiare entro il 2030.

Dall’analisi contenuta nel Report si prevede una spesa di 80 dollari per tonnellata entro il 2030 per la rimozione permanente di gas serra. Stando al credito di compensazione aumentato, il valore della riduzione delle emissioni attraverso l’uso dell’AI rappresenterebbe un ulteriore risparmio, che va da 208 miliardi a 424 miliardi di dollari per tutte le società a livello globale.

E se i crediti di compensazione del carbonio dovessero aumentare ancora, le opportunità offerte dall’intelligenza artificiale per la sostenibilità ambientale rappresenterebbero risparmi ancora maggiori.

Monitorare, prevedere e ridurre le emissioni di gas serra utilizzando l’AI

La forza dell’intelligenza artificiale è data dalla sua capacità di apprendere dall’esperienza, raccogliendo enormi quantità di dati dall’ambiente, intuendo connessioni tra questi e suggerendo azioni appropriate sulla base di analisi puntualissime.

All’interno delle aziende, le applicazioni di intelligenza artificiale per la sostenibilità ambientale accendono i riflettori sulle tre componenti appena citate dell’apprendimento, vale a dire:

• monitoraggio delle emissioni di gas serra
• previsione delle emissioni (AI predittiva)
• riduzione delle emissioni (AI prescrittiva)

Per quanto concerne il monitoraggio, le imprese possono utilizzare i sistemi di intelligenza artificiale per monitorare automaticamente le proprie emissioni. La raccolta dei dati può avvenire a partire dalle operazioni aziendali, da attività specifiche come i viaggi aziendali in auto, da apparecchiature IT e da ogni punto della catena del valore, incluse le attività dei fornitori di materiali e componenti, dei trasportatori e persino degli finali.

La previsione delle emissioni, ossia la predittività dei sistemi AI, è in grado di prevedere le emissioni future sull’impronta delle emissioni di CO2 dell’azienda, in relazione agli sforzi di riduzione attuali, alle nuove metodologie e alla domanda futura. È possibile impostare e regolare obiettivi di riduzione in modo molto accurato.

Infine, fornendo informazioni dettagliate su ogni aspetto della catena del valore, l’intelligenza artificiale prescrittiva è in grado di migliorare l’efficienza energetica all’interno delle organizzazioni, dall’attività produttiva ai trasporti, riducendo così le emissioni di anidride carbonica e i relativi costi.

I settori che, secondo l’analisi del Boston Consulting Group, possono maggiormente trarre vantaggio dall’adozione delle tecnologie AI per la riduzione delle proprie emissioni di gas serra, includono, in particolar modo, i siti produttivi, i trasporti, le aziende farmaceutiche, il comparto del packaging, i fornitori di energia e le utilities.

La metodologia da seguire

Per ottenere vantaggi concreti e misurabili dall’applicazione dell’intelligenza artificiale per la sostenibilità ambientale – spiegano gli analisti del Boston Consulting Group – è necessario che le aziende considerino come priorità assoluta quelle aree di attività dalle elevate emissioni di CO2 e, conseguentemente, dai costi energetici significativi, specialmente laddove il potenziale periodo di recupero dell’investimento è inferiore a 24 mesi.

In particolare, il consiglio che BCG dà alle organizzazioni è quello di adottare una metodologia fondata su tre step:

Tecnologie di intelligenza artificiale per la sostenibilità ambientale: l’esempio di una compagnia petrolifera

Nel Report, quale esempio di applicazione delle tecnologie di intelligenza artificiale per la sostenibilità ambientale, viene citata una nota compagnia petrolifere europea, impegnata nell’affrontare perdite di produzione a causa di problemi imprevisti ai macchinari.

Per compensare tali perdite, l’azienda ha dovuto aumentare la produzione, con conseguente aumento delle emissioni di gas serra e della relativa spesa energetica.

Per fare fronte al problema, è stato riprogettato il sistema di controllo degli impianti, adottando un approccio di “previsione e di azione” basato su tecniche di machine learning (o “apprendimento automatico”). Nel dettaglio, è stato creato un centro operativo integrato, per unificare le visualizzazioni su tutte le apparecchiature dell’impianto.

Il nuovo sistema end-to-end utilizza una serie di modelli di apprendimento automatico, inclusi strumenti in grado di prevedere, per ciascuna unità di produzione, le emissioni di CO2 ed eventuali problemi di manutenzione.

In questo modo, si legge nel Report, l’azienda ha ridotto le proprie emissioni dall’1 all’1,5% – pari a una quantità compresa tra 3.500 e 5.500 tonnellate di gas serra all’anno – con una relativa riduzione dei costi da circa 5 a 10 milioni di dollari.

Il sistema AI, inoltre, ha anche raggiunto una precisione dell’87% nella previsione dei guasti alle apparecchiature e ha avuto un tasso di successo dell’80% nella previsione delle anomalie riguardanti le emissioni.

Ma anche i sistemi AI producono grandi quantità di anidride carbonica

Per quanto preziose possano essere le tecnologie di intelligenza artificiale per la sostenibilità ambientale, queste contribuiscono al problema delle emissioni di anidride carbonica su scala globale.

Nel 2019, i ricercatori del MIT – Massachusetts Institute of Technology hanno stimato, ad esempio, che l’energia richiesta per addestrare un algoritmo di elaborazione del linguaggio naturale genererebbe più di 270.000 chilogrammi di emissioni di CO2.

E GPT-3 (Generative Pre-trained Transformer 3), l’ultima versione del modello di linguaggio di OpenAI, produce la stessa quantità di gas di un’auto che percorre più di 700.000 chilometri.

Che fare, dunque? Appare chiaro come gli aumenti esponenziali della complessità algoritmica dell’intelligenza artificiale e la crescente adozione di soluzioni AI a livello globale richiedano strumenti e soluzioni atti a mitigare gli impatti negativi della tecnologia sul clima e l’ambiente.

Al momento – fanno notare gli analisti del Boston Consulting Group – il mercato offre alcune soluzioni per fare fronte al problema, tra cui, ad esempio, piattaforme in grado di acquisire automaticamente le informazioni necessarie a stimare le emissioni di CO2 dovute ai sistemi di calcolo, consentendo di tracciarle, registrarle e visualizzarle nel corso di ogni esperimento.

Sulla base di questi dati, è poi possibile progettare algoritmi più semplici ed efficienti, posizionare i server in luoghi in cui la produzione di energia genera un livello più basso di emissioni e scegliere l’hardware più efficiente per i sistemi.