Grazie all’attenzione sempre crescente di consumatori, regolatori e investitori, le aziende si preparano a rispondere alla sfida del riscaldamento globale. Emblematica, in questo senso, la lettera del gennaio 2020 di Larry Fink, presidente e CEO di Blackrock, indirizzata ai CEO, in cui si sottolinea l’importanza della sostenibilità nella strategia di ogni azienda.
Nonostante l’urgenza del tema, la complessità e i costi necessari per misurare le proprie emissioni, con l’obiettivo di ridurle o compensarle, hanno costretto molte aziende a rimandare l’impegno. Ma l’intelligenza artificiale (AI) può cambiare le carte in tavola: grazie alla capacità di analizzare enormi set di dati di analisi, può rivelarsi alleata fondamentale nella riduzione della “carbon footprint”.
La pandemia nel 2020 ha giocato a favore della sostenibilità, riducendo le emissioni globali del 6,4%, secondo Nature. Ma per raggiungere l’ambizione degli 1,5 °C definita dalle Nazioni Unite nel 2016 a Parigi sarà necessario ottenere riduzioni equivalenti in ciascuno dei prossimi dieci anni. Il tempo, ormai, sta per scadere.
La “promessa” dell’intelligenza artificiale
Nella nostra esperienza con i clienti, l’utilizzo dell’AI può contribuire, da solo, ad una riduzione delle emissioni dal 5% al 10%, equivalente a valori che vanno dai 2,6 ai 5,3 miliardi di tonnellate di CO2e (CO2 equivalente). Le analisi di BCG mostrano che il potenziale impatto complessivo dell’applicazione dell’AI alla sostenibilità aziendale ammonterebbe dagli 1,3 trilioni di dollari ai 2,6 trilioni di dollari in valore generato attraverso entrate aggiuntive e risparmi sui costi entro il 2030. Tali valori non tengono conto del potenziale aumento delle quotazioni della CO2 che, ad esempio, nel mercato UE ETS già oggi si aggira sui 50 $/tonnellata.
Anche BCG ha preso parte alla lotta al cambiamento climatico, per questo motivo ha creato l’obiettivo Net-Zero, con cui si impegna a spendere 80 dollari per tonnellata entro il 2030 per una rimozione efficace e permanente dei gas serra. Tenendo conto di queste stime, fatte con una base di prezzo maggiorato, il valore della riduzione delle emissioni di gas serra attraverso l’uso dell’AI rappresenterebbe un risparmio aggiuntivo nel 2030 da 208 a 424 miliardi di dollari.
Per quanto riguarda l’Italia, le emissioni del 2020 sono state stimate in 380 milioni di tonnellate. Anche nel nostro Paese, la pandemia ha determinato una riduzione delle emissioni pari al 10% circa rispetto al 2019, secondo dati ISPRA, tuttavia, l’atteso incremento del PIL nel corso di quest’anno, incrementerà le nostre emissioni, portandole intorno alle 400 milioni di tonnellate. Utilizzare l’AI per ridurre le emissioni porterebbe, anche in questo caso, a un incremento del valore aggiunto, compreso tra i 10 e i 20 miliardi di dollari nel 2030.
In che modo l’AI può aiutarci ad abbattere le emissioni
Come può l’AI aiutarci ad abbattere le emissioni? Innanzitutto, l’AI può essere usata per mappare le fonti di emissioni di gas serra di un’azienda, raccogliendo ed elaborando grandi quantità di dati, contribuendo nell’individuazione delle aree di miglioramento più rilevanti. Questo primo step è fondamentale per comprendere quelle che sono le soluzioni più adatte in un particolare contesto aziendale e di mercato.
La capacità di creare valore dell’AI varia poi in base al tipo di attività e al “tipo di emissioni” interessate. Le emissioni di gas serra di un’impresa vengono infatti classificate in “scopi”, in base alla loro natura.
Le emissioni di “scopo 1” sono quelle direttamente prodotte dagli asset aziendali per supportare il business. Rientrano in questa categoria, ad esempio, le emissioni associate all’utilizzo di combustibile fossile per sviluppare calore o le emissioni legate al processo di produzione di cemento o acciaio.
Le emissioni di “scopo 2” sono indirette e legate all’utilizzo di energia termica o elettrica generata da terzi.
Infine, lo “scopo 3” include tutte le emissioni indirette collegate all’intera value chain di un’azienda, come ad esempio quelle legate al processo produttivo dei fornitori o alle aziende di logistica terze per distribuire i propri prodotti.
Nel caso delle emissioni di scopo 1 e 2, i tool di AI possono essere usati per studiare la propria catena produttiva, identificare gli asset critici in termini di consumi e le azioni in grado di migliorare l’efficienza di tali asset in termini di emissioni, in modo tale da mantenere i livelli produttivi desiderati, ma inquinando meno. Immaginiamo, ad esempio, la produzione di aria compressa per un impianto produttivo. Nella nostra esperienza, dei modelli di AI possono essere usati per simulare il comportamento della sala compressori, identificare rapidamente anomalie nei consumi e supportare il team di operatori nel capire quali azioni attuare per rendere la gestione della sala più efficiente possibile.
Le emissioni di scopo 3 sono relative a componenti della value chain aziendale estremamente diversificati tra loro, per questo motivo, possono essere considerati diversi tool e soluzioni verticali per analizzare e rendere più efficienti i singoli processi. Un esempio di soluzioni applicate a questa famiglia di emissioni riguarda l’ottimizzazione della logistica di distribuzione. Immaginiamo un’impresa che produce prodotti alimentari e usa dei camion di terzi per distribuire i prodotti ai propri rivenditori: tool di AI possono essere sviluppati per ottimizzare la logistica, minimizzando le emissioni di CO2 nel rispetto dei vincoli di distribuzione.
Catturare i benefici: da dove partire?
Per ottenere i benefici di cui abbiamo parlato, i leader aziendali devono dare la massima priorità alle aree a elevate emissioni e con costi significativi, specialmente quelle con un potenziale periodo di recupero inferiore a 24 mesi.
Da dove partire? Serve un approccio strategico all’AI, che definisca prima di tutto ciò che occorre e lo declini su piani concreti per colmare i gap esistenti in materia di persone e competenze, abilitatori tecnologici e digitali. Una volta definite le necessità primarie sarà possibile intervenire sulla riduzione delle emissioni, partendo con progetti pilota da implementare su scala per massimizzare l’impatto.
Conclusioni
L’AI ha già dimostrato il suo valore nel breve termine nell’aiutare le aziende a ridurre le loro emissioni di gas serra e a tagliare i costi. Permette infatti di registrare un payback inferiore all’anno, un beneficio chiaro per le aziende in termini di creazione di valore. Tenendo conto di questo aspetto, crediamo che l’AI possa essere particolarmente preziosa in questo momento: è proprio adesso che le aziende sono concentrate sulla ripresa dalla crisi scatenata dal COVID-19, e la discesa dei prezzi consente di iniziare subito il percorso verso un futuro a basse emissioni di gas serra.
Guardando al lungo termine, l’imminente aumento del prezzo delle emissioni di carbonio e i progressi che permetteranno all’AI di affrontare problemi climatici più complessi, renderanno questa tecnologia sempre più importante per mitigare gli effetti del riscaldamento globale.
Il momento migliore per le aziende leader di iniziare a raccogliere i benefici dell’AI è oggi, puntando in alto, iniziando in piccolo e scalando velocemente.
