Perché l’Artificial Intelligence abilita la Circular Economy

Le diverse applicazioni di AI e Machine Learning possono facilitare e accelerare la progettazione “circular” e l’adozione di modelli di business di economia circolare, spaziando dalla mobilità urbana all’efficientamento energetico fino al settore agro-alimentare

Nel cambio di paradigma dall’attuale modello economico lineare a quello circolare - che mira a ridurre gli sprechi di risorse eliminando il concetto stesso di scarto, in favore di logiche di recupero e riutilizzo delle risorse già in uso - le nuove tecnologie e, in particolare, l’Intelligenza Artificiale, possono facilitare e abilitare l’adozione dei modelli di business di economia circolare.

Non a caso, nel 2019 la Ellen MacArthur Foundation – il più importante think-tank mondiale che promuove la transizione sistemica verso la circular economy di cui il Gruppo Intesa Sanpaolo è partner strategico dal 2015 – ha realizzato uno studio intitolato “Artificial Intelligence and the Circular Economy”, volto a indagare il ruolo dell’AI nella transizione verso l’economia circolare.

L’analisi, prendendo in esame le catene del valore di cibo ed elettronica di consumo, ha evidenziato come l’applicazione dell’Intelligenza Artificiale può migliorare la progettazione circolare dei prodotti, nonché il funzionamento circolare dei modelli di business e delle infrastrutture. A conclusione dello studio, secondo i ricercatori l’AI rappresentava già nel 2019 il più efficace acceleratore per disaccoppiare lo sviluppo dall’utilizzo delle risorse ridisegnando sistemi di produzione, consumo e smaltimento in chiave circular.

In aggiunta, un report realizzato dalla Commissione Europea sottolinea come l’impatto ambientale dell’80% dei prodotti è determinato già in fase di progettazione. In questo senso il “potere” dei dati, del Machine Learning e delle diverse applicazioni dell’Intelligenza Artificiale, stando a uno studio condotto da Boston Consulting Group, potrebbe consentire una riduzione dal 5% al 10% delle emissioni globali di gas serra entro il 2030. Ovvero l’equivalente delle emissioni totali annue dei 27 Paesi UE.

L’Artificial Intelligence, pertanto, è un elemento abilitante per il passaggio all’economia circolare e assume un ruolo cruciale nel trasformare e rivoluzionare gli attuali modelli di progettazione, produzione, consumo, riutilizzo, riparazione, rigenerazione, recupero e gestione del fine vita dei prodotti, oltre ad efficientare il waste management in chiave circolare.

Grazie alla capacità di interpretare velocemente una gran mole di dati complessi restituendo feedback semplici e chiari, infatti, l’Intelligenza Artificiale può perfezionare l’innovazione circolare in diversi settori. Nello specifico, l’AI può fungere da tecnologia abilitante all’economia circolare in due modi distinti:

1.     Nella Progettazione circolare - può migliorare e accelerare lo sviluppo di nuovi prodotti, componenti e materiali riciclabili, biodegradabili o rinnovabili adatti a un'economia circolare attraverso processi di progettazione iterativi assistiti da apprendimento automatico che consentono prototipazione e test più rapidi.
2.     Nell’implementazione di modelli di business circolari - può velocizzare l’implementazione di modelli di business circolari facilitando, ad esempio, l’adozione di modelli di Product-as-a-Service o servitizzazione e di leasing. Combinando dati in tempo reale e storici di prodotti e utenti, l'AI può aiutare ad aumentare la circolazione dei prodotti e l'utilizzo delle risorse attraverso la previsione dei prezzi e della domanda, la manutenzione predittiva e la gestione intelligente dell'inventario. Inoltre può aiutare a costruire e migliorare l'infrastruttura della logistica inversa necessaria per "chiudere il ciclo" dei prodotti e dei materiali, ottimizzando i processi per smistare e smontare i prodotti, ricostruire i componenti e riciclare i materiali di scarto trasformandoli in materie prime seconde.
   

Come l’AI può abilitare l’economia circolare nei contesti urbani: dall’efficienza energetica alla mobilità sostenibile

L’AI e, più in generale, le tecnologie digitali, consentono ai contesti urbani di perseguire una maggiore sostenibilità.
Geolocalizzazione, virtualizzazione, de-materializzazione, trasparenza sui prodotti e sui flussi di materiali sono tecnologie digitali che, se abbinate all’AI, sono in grado di abilitare modelli di economia circolare.
Un esempio pratico è l’installazione negli edifici di specifici sensori che raccolgono una moltitudine di dati e sono collegati a un software con algoritmi di AI. Questo software può rispondere in tempo reale alle variazioni operative e ambientali per ottimizzare la gestione energetica e l’efficienza, riducendo di conseguenza i consumi a vantaggio della sostenibilità ambientale ed economica.

Nel campo della mobilità, l’impiego di informazioni geospaziali interpretate attraverso l’AI consente una maggiore visibilità sul flusso di materiali e persone nelle città: i dati vengono interpretati dal software per dare suggerimenti di modelli di percorsi ottimizzati riducendo così il flusso di traffico e tutto l’inquinamento che ne deriva.

Sempre nell’ambito della mobilità, l’AI grazie alla capacità di monitoraggio e di interpretazione dei dati in tempo reale ha reso possibile l’implementazione di modelli di condivisione di prodotti e beni come macchine, scooter elettrici, biciclette e tant’altro.

L’importanza di Machine Learning e Intelligenza Artificiale per rendere circolare il settore agro-alimentare

Un altro settore chiave che necessita di modelli di economia circolare sostenibili e in grado di rigenerare il capitale naturale è quello agro-alimentare.

L’AI svolge un notevole ruolo nell’abilitazione di modelli di economia circolare lungo le diverse fasi della filiera. In quelle di produzione agricola, infatti, l’Artificial Intelligence contribuisce all’ottimizzazione dei processi. Ad esempio, l’utilizzo di dati raccolti dal campo in tempo reale grazie a droni, sensori remoti e immagini satellitari e interpretati con software ad algoritmi di AI, aiuta il produttore a prendere delle decisioni migliori e precise in tempo reale sui raccolti, regolamentare la quantità d’acqua e di fertilizzanti necessari, nonché monitorare la maturazione delle coltivazioni attraverso la computer vision ottimizzando di conseguenza l’utilizzo delle risorse.

Nelle fasi di trasformazione e vendita, poi, algoritmi di AI e Machine Learning analizzano immagini e dati provenienti da telecamere, spettroscopia, raggi X e laser, per identificare prodotti non uniformi come per esempio carote e patate e destinarli direttamente a un uso ottimale contribuendo così a minimizzare la generazione di scarti derivanti dall’obsolescenza del prodotto.

Infine, modelli di AI aiutano a ridurre lo spreco anche in fase di consumo. Un esempio è l’applicazione di un software ad algoritmo basato sull’Intelligenza Artificiale che viene collegato alle cucine dei ristoranti per monitorare e registrare lo spreco alimentare e il surplus smaltito, con l’obiettivo di suggerire ai ristoratori le migliori quantità da acquistare per minimizzare il food waste.

In conclusione, si può quindi affermare che Intelligenza Artificiale e Machine Learning da un lato rappresentano un’opportunità per gli imprenditori attraverso cui mantenere o acquisire un vantaggio competitivo; dall’altro abilitano (e accelerano) la transizione verso la circular economy contribuendo pertanto allo sviluppo sostenibile del nostro pianeta.