Con un mercato di 300 milioni di euro in crescita del 15% nel 2020, l’intelligenza artificiale offre soluzioni di cui quotidianamente ci serviamo. Dalla compilazione automatica delle nostre ricerche alla profilazione, dalla pubblicità personalizzata al riconoscimento facciale, dalla traduzione di un testo alla trascrizione vocale. L’AI può elaborare in modo più accurato rispetto alla mente umana molti più dati del nostro cervello, ma non di rado va incontro a problemi etici. Per questo le sue applicazioni in tema di sostenibilità, sempre più frequenti e innovative, sono una grande conquista.

Gli sviluppi del machine learning e del Natural Language Processing trovano applicazioni significative nell’economia circolare e la ricerca si apre sempre di più a nuove soluzioni. Il quantum computing, un calcolo quantistico in grado di gestire dimensioni sostanzialmente infinite di dati, può avvicinarci a rendere inesauribili le risorse di cui già disponiamo? In altre parole, in quali applicazioni l’intelligenza artificiale ci aiuta a chiudere il cerchio?

Facilitare i processi dal design fino ai modelli di business

Le linee guida principali riguardo le applicazioni dell’AI all’economia circolare ci vengono date da uno studio di Ellen Mac Arthur Foundation, in collaborazione con Google.

Come si è visto a proposito della stampa 3D, la prima partita per l’economia circolare si gioca sul design dei prodotti. Stando a un dossier della Commissione Europea, infatti, l’impatto ambientale di oltre l’80% dei prodotti è determinato in fase di progettazione.

Gli algoritmi possono dare un contributo determinante per quel che riguarda l’utilizzo di nuovi materiali, più resistenti e che soddisfano delle caratteristiche per il riciclo, ma soprattutto, analizzando i dati del prodotto in tutto il suo ciclo di vita, possono suggerire modifiche, riparazioni e rendere i componenti più adattabili come nel caso di Motivo, la startup che costruisce circuiti integrati ottimizzati by design per una corretta manutenzione durante tutto il ciclo di vita attraverso il machine learning non iterativo e analisi di dati da diverse fonti.

La seconda macroapplicazione dell’intelligenza artificiale alla CE è l’ottimizzazione dei processi. Sostanzialmente le stesse soluzioni tecnologiche che vengono utilizzate nell’economia lineare possono essere riconvertite alla circolarità: è il caso dei prezzi dinamici, che si abbassano in prossimità della data di scadenza dei prodotti, contribuendo a ridurre lo spreco, o le piattaforme in cui si comprano e vendono articoli di seconda mano, in cui si rende sempre necessaria la funzione degli algoritmi che facciano incontrare domanda e offerta dei beni e che provvedano alla logistica come accade in Stuffsr, un’app per il mercato secondario dei vestiti che cresce al motto di “tutto ha valore”.

Uno dei grandi contributi dell’AI all’economia circolare è proprio dato alla logistica che, fino al 2018, era il quarto settore a maggiore utilizzo di intelligenza artificiale. Gestione intelligente del magazzino, manutenzione delle macchine, previsione della domanda, ottimizzazione delle consegne, delle rotte e dei tempi, in particolare sull’ultimo miglio, sono solo alcune delle applicazioni che aiutano sempre di più la logistica inversa.

Infine, l’intelligenza artificiale può intervenire sulle infrastrutture, sul riciclo, sul flusso di materiali e sullo smaltimento. Una grande risorsa per il riciclo, ma anche per l’analisi delle quantità è l’ispezione visiva. È in questo modo che Refind Technologies, azienda svedese, riesce ad analizzare in modo più preciso possibile i componenti dei rifiuti elettronici ma anche le quantità e le specie dei pesci negli oceani.

Tramite ispezione visiva è possibile smistare i prodotti in modo automatico distinguendone i materiali e preparandoli al re-manufacturing. È ciò di cui si occupano anche diversi progetti pilota di STIIMA, laboratorio del CNR. Sempre Refind ha costruito qualche anno fa in Norvegia il primo raccoglitore di batterie scariche sul concetto della logistica di ritorno, che regala un coupon in base alla quantità di batterie riciclate.
Perché concentrare il recupero dei materiali sull’elettronica? Perché i loro scarti altamente inquinanti provocano enorme impatto ambientale e sociale, spesso concentrati nei paesi in via di sviluppo. Per l’UNEP, l’agenzia per la protezione ambientale delle Nazioni Unite, il mercato globale dei rifiuti elettronici vale oltre 62 miliardi di dollari e solo il 20% viene formalmente riciclato.

Un’intelligenza multidisciplinare

Utilizzare soluzioni di intelligenza artificiale per la circolarità dei modelli sostenibili vuol dire applicarla in ogni campo. Attualmente i settori industriali che più se ne servono sono quello sanitario, la scuola, il marketing, l’e-commerce e la finanza, non sempre con scopi sostenibili ma a volte al fine di migliorare l’efficienza e la produttività dell’economia lineare. Fortunatamente è in crescita l’applicazione nel settore agroalimentare: l’AI può prevedere le condizioni ambientali e quindi permettere ai coltivatori di prendere decisioni in tempo reale sui raccolti, può valutare la quantità di acqua e fertilizzanti limitando gli sprechi e in generale regolamentare il consumo di acqua e monitorare la maturazione delle coltivazioni in base al colore e alle dimensioni tramite computer vision.

Per quel che riguarda il settore energetico, l’Intelligenza Artificiale può gestire la domanda e l’offerta di energia e soddisfarla tramite le energie rinnovabili. Le previsioni energetiche fatte dall’applicazione dei sistemi di machine learning sono fondamentali per stimare il fabbisogno ed arrivare così a una migliore distribuzione ed efficientamento delle risorse energetiche disponibili. Sempre i software di intelligenza artificiale possono migliorare l’efficienza delle batterie, facilitando così il processo di stoccaggio dell’energia, monitorando i guasti e permettendone un più facile disassemblaggio e riparazione, come avviene in Acceleron che aggiunge al modello circolare anche un occhio alla distribuzione dell’energia nei Paesi in via di sviluppo.

Non a caso si parla di alimenti e di elettronica di consumo: le stime attuali suggeriscono che l’AI potrebbe portare un valore di 2,2 trilioni di euro entro il 2030 solo in questi due settori. Solo nell’alimentare il valore stimato è di 127 miliardi di dollari l’anno nel 2030 attraverso varie opportunità a livello di agricoltura, lavorazione, logistica e consumo.

Per quel che riguarda i processi produttivi, il machine learning può perfezionare il lavoro riducendo la possibilità di errore, ma soprattutto può aiutare il business a prevenire i rischi e le perdite: da alcuni studi emerge come un investimento consistente nella prevenzione dei rischi legati al cambiamento climatico tramite intelligenza artificiale porterebbe a ottenere circa 7 volte tanto in termini di revenue. Ad esempio potrebbe convenire ai fornitori di materie prime che si trovano in regioni esposte agli effetti negativi dei cambiamenti climatici, o che dipendono da risorse limitate, come acqua, combustibili fossili o materiali rari. Gli algoritmi basati sull’intelligenza artificiale presentano opportunità per migliorare la gestione del rischio e i processi decisionali scoprendo delle tendenze, analizzando gli scenari, ottimizzando i modelli e formulando strategie di adattamento climatico e ambientale.

Intelligenza day by day

In quanto tecnologia ormai diffusa, anche nelle nostre giornate abbiamo la possibilità di facilitare l’economia circolare tramite l’AI: l’app Junker, ad esempio, dà informazioni su come fare correttamente la raccolta differenziata inquadrando il codice a barre di un prodotto, potendo contare su un corposo database di prodotti scansionati. Tra app di sharing e software che uniscono domanda e offerta di beni utilizzando le potenzialità del mercato secondario, il potere dell’intelligenza artificiale a portata di mano è sempre davanti ai nostri occhi.

Tramite NLP (Natural Language Processing), machine learning, analisi del feedback, ispezione visiva, monitoraggio dei malfunzionamenti e con la forza di dati che assumono significatività statistica, apprendimento automatico, elaborazione delle immagini, con l’aiuto di piattaforme AI è possibile migliorare l’efficienza energetica del 35%, mentre l’economia circolare tramite il machine learning giocherebbe un ruolo importante nell’abbattere il 70% delle emissioni di CO₂ entro il 2030. In generale, riporta il dossier Ellen Mac Arthur, l’opportunità economica globale che l’intelligenza artificiale può offrire entro il 2030 è stata stimata in 13 trilioni di dollari. Ma perché questa transizione possa essere realizzabile servono formazione, processi di etichettatura dei dati, sicurezza e apertura, cioè accesso a grandi quantità di informazioni, ma soprattutto una buona base di intelligenza umana nelle imprese, quindi di un nuovo approccio “intelligente” alla produzione e al consumo.