Esiste una potente arma per raggiungere obiettivi di decarbonizzazione: l’Intelligenza Artificiale (AI). Raccolta e analisi dei dati, machine e deep learning, possono contribuire ad accelerare la trasformazione sostenibile delle imprese riducendo in modo massivo le emissioni di CO2. È quanto emerge dal report “Reduce carbon and costs with the power of AI” realizzato da Boston Consulting Group. Il tema della sostenibilità è più attuale che mai poiché le imprese devono rispondere a interessi che vengono sollevati in forma sempre più crescente da consumatori, regolatori e investitori. Meno CO2 si traduce in una maggiore capacità di sviluppare un rapporto di fiducia con i clienti, che tendono a orientare l’acquisto in una logica green. Si evitano allo stesso tempo misure sanzionatorie da parte degli organi di controllo e si crea un percorso virtuoso per trasferire maggiore valore agli azionisti. Intelligenza artificiale come alleato della riduzione del “carbon foot print”, dunque.
«La grande forza dell’AI risiede nella capacità di imparare dall’esperienza, sfruttando massicce quantità di dati, acquisite da diverse fonti, con l’obiettivo di supportare i processi di decision making per una riduzione dei consumi energetici», afferma Roberto Ventura, managing director e partner di BCG Gamma, il team globale di BCG che, attraverso l’adozione di AI e advanced analytics permette alle aziende di raggiungere obiettivi di decarbonizzazione nel rispetto delle normative europee e internazionali. Quali i settori ad alta intensità energetica? «Oil & gas, acciaierie e aziende che si occupano della produzione di metalli, alluminio, cemento, vetro, ceramica, carta e prodotti chimici. Sono queste le aziende su cui esiste una fortissima pressione a una riduzione delle emissioni inquinanti» dice Ventura. Ma la questione si estende anche a tutte quelle aziende che forniscono prodotti a consumatori. In questo caso la diminuzione di CO2 oltre che essere un tema di responsabilità sociale diventa un’esigenza competitiva che deve essere estesa a tutta la supply chain.
«BCG Gamma – afferma Fabio Cancarè, associate director, Climate Impact, di BCG – supporta le aziende con interventi strategici di decarbonizzazione mettendo a disposizione una vera task force di data scientist e data engineers per sviluppare algoritmi di intelligenza artificiale che servono a contrastare il global warming». Nel report di BCG si afferma che un corretto utilizzo dell’intelligenza artificiale permetterebbe di ridurre le emissioni di gas serra fra il 5% e il 10%, entro il 2030. Un impatto quantificabile in una riduzione delle emissioni di CO2 stimabile fra le 2,5 e le 5,3 gigatonnellate, con un impatto complessivo tra gli 1.300 e i 2.600 miliardi di dollari di valore.
Greenhouse Protocol, quantificare il volume di emissioni è la premessa per creare ecosistemi d’impresa sostenibili
Il punto di partenza per l’implementazione di una credibile strategia di riduzione dell’impatto climatico è la valutazione degli impatti diretti e indiretti delle proprie attività. Misurare in modo preciso le emissioni è essenziale per fare “disclosure ed engagement” nei confronti dei propri “stakeholders”, riuscendo a comunicare in modo trasparente come viene affrontato il tema del cambiamento climatico e per dimostrare la sostenibilità del proprio modello di business nel tempo. Se le maggiori aziende energivore sono oggi vincolate alla pubblicazione del rapporto sulla sostenibilità, nel quale si evidenzia il volume delle emissioni di CO2 prodotte nel corso dell’anno, la disclosure diventa sempre più importante per tutte le aziende che operano in ambito B2C poiché è la premessa per la creazione di supply chain sostenibili.
La quantificazione delle emissioni, come previsto dal Greenhouse Gas Protocol, viene suddivisa in tre differenti categorie, Scope 1, 2 e 3, ciascuna delle quali raggruppa differenti tipologie emissive. Scope1 è legato alle emissioni dirette, provenienti da asset di proprietà dell’azienda o che l’azienda controlla operativamente; Scope 2 include le emissioni indirette provenienti dalla generazione di energia elettrica – acquistata o acquisita – e dal vapore, calore o raffreddamento che l’organizzazione consuma; Scope 3 sono, infine, tutte le emissioni indirette che si verificano nella catena del valore dell’organizzazione. Agire sulla riduzione simultanea di emissioni dirette e indirette è quanto viene richiesto alle aziende per centrare gli obiettivi del Green Deal europeo, che prevede il raggiungimento della neutralità climatica nel 2050. L’obiettivo UE è una riduzione interna netta delle emissioni di gas a effetto serra pari ad almeno il 55 % entro il 2030 rispetto ai livelli del 1990 e l’intelligenza artificiale è una delle leve che può contribuire a raggiungere questi obiettivi. Come si afferma nel report BCG, “l’AI può incidere positivamente sia in termini di efficienza energetica sia sulla riduzione delle emissioni legate a tutti i processi di supply chain”.
Acciaio a basso contenuto CO2
Uno degli esempi più virtuosi di decorbanizzazione, conseguiti da BCG con l’utilizzo dell’AI, è quello di un grande un produttore mondiale di acciaio che ha un fatturato di 8 miliardi di dollari. «Nel corso di soli alcuni mesi, afferma Ventura, abbiamo implementato un processo basato sull’intelligenza artificiale per eliminare gli sprechi e ridurre l’intensità energetica». Migliaia di sensori raccolgono miliardi di dati che vengono immessi nel flusso di controllo degli algoritmi di sistema. Ciò consente di calcolare con precisione e prevedere il fabbisogno energetico, monitorando e riducendo le fonti di spreco.
Dall’implementazione di questi controlli sono state avviate un insieme di iniziative che hanno portato a una riduzione complessiva del 3% delle emissioni inquinanti, equivalenti a circa 230.000 tonnellate di CO2 all’anno, e a un risparmio di 40 milioni di dollari. Secondo studi BCG l’utilizzo di AI nel settore siderurgico potrebbe contribuire a ridurre le emissioni in un range compreso tra il 5 e il 10% e i costi dell’1%. Se ogni azienda siderurgica ragionasse in questi termini l’intero settore potrebbe migliorare il carbon footprint con una riduzione di CO2 superiore ai 200 milioni di tonnellate all’anno.
Coniugare performance economiche e sostenibilità d’impresa
Attualmente la produzione e l’uso dell’energia nei diversi settori dell’economia rappresentano il 75% delle emissioni di gas a effetto serra dell’UE. L’AI può fornire spunti per migliorare l’efficienza dei vari processi aziendali, riducendo le emissioni e tagliando i costi. BCG sta da tempo lavorando per diversi clienti per trovare delle soluzioni che aiutino non soltanto a massimizzare le performance economiche ma a raggiungere obiettivi di sostenibilità. Per alcune tipologie di settore il costo della CO2 diventerà molto rilevante, in particolare per l’oil & gas, cemento e acciaio. «Per un grosso sito industriale vuol dire incidere su costi che hanno un ordine di grandezza di decine di milioni di euro, spiega Cancarè. Non dimentichiamo poi che la responsabilità sociale diventa un aspetto comunicativo molto importante e strategico a livello di board aziendale. Insomma, ci sono tutta una serie di interessi convergenti che rendono sempre più irrinunciabile avviare progetti di sostenibilità fondata sull’intelligenza artificiale».
Obiettivo è migliorare le performance energetiche
Per avviare un progetto AI di sostenibilità energetica vanno innanzitutto individuate all’interno dei singoli siti industriali le unità responsabili della maggiore produzione di CO2, mettendo in atto tutta una serie di esercizi che permettano di simulare le condizioni di efficienza energetica, segnalando gli interventi che potrebbero condurre a un miglioramento del processo produttivo. Essenziale è fare una mappatura accurata che evidenzi le problematiche energetiche. Su questa evidenza si vanno a sviluppare modelli in grado di definire un target di efficienza.
Eventuali anomalie e deviazioni da questi parametri possono quindi essere rilevate e gestite in modo opportuno attraverso tool di ottimizzazione che vengono applicati a singole macchine, unità produttive o sistemi complessi. Tutto questo consente agli operatori di avere indicazioni pratiche per impostare un setting degli assett produttivi in grado di acquisire efficienza in real time. Il modello operativo di BCG è inoltre finalizzato ad assicurare piena autonomia del cliente nella gestione dell’ambiente “AI based. Ecco, quindi, tutta un’attività di consulenza e formazione per consentire di sviluppare all’interno delle singole organizzazioni team dedicati per aiutare ingegneri e manager a gestire i processi sulla base degli inputi che forniscono i modelli di AI.
Sviluppo di un progetto AI sostenibile
La fase di studio e analisi è importantissima per capire in quale direzione sviluppare il progetto e per dare modo a data scientist e data engineer, matematici e fisici, di sviluppare algoritmi realmente efficaci. Il che significa individuare le fonti dati più appropriate e diversificate, integrando sia la conoscenza di campo sia quella contenuta nelle componenti IT. Non meno importante è lo sviluppo di interfacce di visualizzazione che conesentano agli operatori di interpretare i dati con la massima semplicità. Tutto questo richiede una digitalizzazione. Capire quali dati e quali sensori installare è fondamentale.
«Non può essere fatta una sensorizzazione di tutto l’ambiente, costerebbe troppo e non sarebbe nemmeno utile, dice Ventura, vorrebbe dire impiegare un tempo molto lungo e affrontare costi eccessivi. Il nostro approccio permette invece di applicare sensori solo in quei punti che sono davvero rilevanti per il successo dell’implementazione. Il tutto può assicurare performance predittive di efficienza energetica con riduzione dei consumi in un range medio compreso tra il 5 e il 10 per cento anche se in alcuni ambiti si può arrivare a risparmi nell’ordine del 30%».
Un processo end-to-end
La creazione di una soluzione di efficienza energetica deve seguire un processo di sviluppo incrementale. Una volta individuato lo “use case” che può garantire il maggior ritorno dell’investimento, si parte con un progetto pilota che viene mantenuto in esercizio per circa 10, 12 settimane. L’obiettivo, in questa fase, è verificare l’efficacia dell’algoritmo e del tool di ottimizzazione, riuscire a comprendere quale impatto possa generare e i tempi in base al quale può diventare produttivo. Finito questo periodo si passa alla vera e propria fase di industrializzazione in cui vengono predisposti tutti i collegamenti con la parte IT e cloud. «Se i dati sono già disponibili sulla infrastruttura IT si può pensare di andare a regime in 4/6 settimane, spiega Ventura. I tempi si allungano nel caso si debba procedere sviluppare collegamenti con la sensoristica o altri sistemi IT. Ultimo passo riguarda la fase di scale up, ovvero di propagazione del modello a una dimensione industriale più estesa».
Ripensare la supply chain in una logica sostenibile
L’intelligenza artificiale è in grado di prevedere le emissioni future dell’intera value chain aziendale, in relazione ai livelli di produzione attesi, agli sforzi di efficientamento attuali e alle nuove tecnologie disponibili. Di conseguenza, è possibile utilizzarla per studiare, definire e raggiungere obiettivi di riduzione delle emissioni in modo consistente. «Tipicamente, dice Cancarè, parliamo di aziende che hanno una produzione B2C dove il focus è sull’approvvigionamento delle materie prime. Pur non essendo aziende energivore nella loro globalità sono responsabili di circa il 50% delle emissioni inquinanti. Solo per il food la quota di CO2 è del 25%».
Per queste aziende non esiste un obbligo regolatorio e non esistono standard di riferimento ma il combinato disposto di pressione esercitata dai consumatori e dal mercato, incentivano progetti di sostenibilità. Il consumatore, e quindi la domanda, è infatti sempre più sensibile a queste tematiche e gli acqusiti si orientano verso prodotti green. Come rendere sostenibile la supply chain? «Individuando i fornitori a bassa produzione di CO2 e ottimizzando la rete logistica ed i trasporti. Per esempio, una multinazionale produttore di bevande, è riuscita ad individuare iniziative per ridurre del 20% il proprio carbon footprint».
Forniture a basso contenuto di CO2
«Ci sono materie prime, un esempio il caffè, che vengono ormai selezionate non soltanto in virtù della loro intrinseca qualità, ma anche in funzione del loro footprint emissivo, spiega Cancarè. Una fornitura dal Nicaragua può avere una quantità di CO2 per chilo di caffè superiore a quella brasiliana. Ebbene, una volta noto il valore di CO2 associato a ciascun fornitore l’azienda è in grado di fare una sua scelta consapevole in termini di sostenibilità. Per rendere fruibile un modello di questo genere è quindi indispensabile che su tutta la supply chain ciascun fornitore esponga i suoi valori, imponendo la completa trasparenza su tutta la catena globale. Chiedere a tutti di allinearsi a criteri di miglioramento dei loro indicatori di sostenibilità poiché più un fornitore è sostenibile maggiori sono le chance di essere ingaggiato nelle catene di fornitura».
