Contenuto in abbonamento
Progettare in tempi più rapidi e in maniera “scientifica” il design dei prodotti perché sia il più sostenibile possibile. Rendere più efficace la gestione dell’energia proveniente da fonti rinnovabili, il ciclo dei rifiuti o la mobilità sostenibile, ma anche migliorare i modelli di business delle aziende o progettare infrastrutture più resilienti. Sono molteplici le opportunità offerte dalle nuove tecnologie come l’intelligenza artificiale e il machine learning per favorire pratiche tipiche dell’economia circolare e migliorare la sostenibilità.
Tra le principali barriere, invece, che impediscono a tante soluzioni circolari potenzialmente virtuose di decollare bisogna considerare la scarsa redditività dei beni riciclati o ricondizionati, le difficoltà nella raccolta dei materiali, i costi proibitivi nella separazione e trattamento dei rifiuti e la mancanza di tracciabilità dei materiali riciclati. Ebbene: grazie alla quantità di dati complessi che possono essere analizzati in pochissimo tempo l’AI può essere un fattore abilitante per rimuovere questi ostacoli e migliorare l’infrastruttura logistica necessaria per “chiudere il cerchio” dei prodotti, ottimizzando processi di smistamento e disassemblaggio.
Oppure può accelerare il lancio di modelli di business circolari inserendosi perfettamente nella duplice transizione ecologica e digitale e i cambiamenti a essa connessi. Un esempio è l’adozione di modelli product-as-a-service e leasing: combinando dati storici e in tempo reale degli utenti, l’AI può contribuire ad aumentare la circolazione dei prodotti e l’utilizzo dei servizi grazie all’accurata capacità di prevedere i prezzi e la domanda, oltre alla gestione intelligente delle scorte o intervenire in anticipo quando è necessario fare la manutenzione di un bene in condivisione, come ad esempio l’automobile.
Leggi anche: Costo della vita e ambiente, ecco le principali preoccupazioni dei giovani nell’UE
Una premessa d’obbligo: attenzione all’impatto ambientale
Eppure, allo stesso tempo, l’intelligenza artificiale è alimentata da enormi quantità di energia e gran parte di questa energia proviene ancora dalla combustione di fonti fossili, che sono le maggiori responsabili del riscaldamento globale. Secondo le stime dell’Agenzia internazionale dell’energia entro il 2026 il consumo di elettricità da parte di data center, criptovalute e intelligenza artificiale potrebbe raggiungere il 4% del consumo annuo di energia a livello globale, pari all’incirca alla quantità di elettricità utilizzata dall’intero Giappone. A cui si aggiunge l’estrazione di metalli come cobalto, silicio, oro necessari per i componenti hardware dell’AI e dei data center.
Insomma, la situazione sembra molto richiamare la divisione tra “apocalittici” e “integrati” di cui parlava Umberto Eco a proposito del momento in cui si presenta una nuova tecnologia dirompente: da un lato gli entusiasti a tutti i costi, dall’altro i catastrofisti pronti a vedere solo le conseguenze negative. Del resto è stato sempre così, se Platone – fa notare Eco – discuteva ancora sull’opportunità o meno dell’invenzione della scrittura, che permetteva sì di aumentare la conoscenza, ma avrebbe atrofizzato la memoria e annullato i benefici dell’insegnamento orale. Stavolta, però, è il caso di dirlo: la verità sull’intelligenza artificiale sta nel mezzo.
L’approccio su una tematica così delicata deve essere quello tipico del life cycle analysis: valutare attentamente gli impatti complessivi. E dove possibile, se davvero può migliorare sensibilmente la vita delle persone e l’ambiente e non servire soltanto ai profitti economici dei privati, può essere il caso di accettare alcuni impatti, purché siano controllati. Non a caso un ambito della ricerca sull’intelligenza artificiale è proprio legato all’efficientamento energetico e alla riduzione dei consumi e dell’impronta di carbonio. A partire dalla base, cercando di ricavare l’energia per l’intelligenza artificiale da fonti pulite.
Leggi anche: Diritti umani e materie prime critiche, l’ONU lavora a un report
Circular design grazie all’intelligenza artificiale
Tornando ai possibili utilizzi dell’intelligenza artificiale applicata all’economia circolare: il primo aspetto che viene in mente è legato al circular design. Grazie alla progettazione assistita dal machine learning è, infatti, possibile sviluppare nuovi prodotti, componenti e materiali riciclabili, biodegradabili o rinnovabili adatti a un’utilizzo circolare. Un design adeguato può favorire, inoltre, la riparazione e la rigenerazione dei prodotti.
In tutto ciò come si inserisce l’intelligenza artificiale? Sostanzialmente, la tecnologia AI può aiutare a gestire la complessità dei dati e dei calcoli svolgendo in pochi secondi i compiti di più designer assistendoli nelle loro decisioni con feedback puntuali, ma anche con soluzioni progettuali generate dall’intelligenza artificiale stessa, per poi sperimentare i prototipi in tempi più rapidi. Se tutto ciò viene integrato con la stampa 3D, le opzioni diventano davvero infinite, indirizzando nella scelta dei materiali di volta in volta più adatti e calcolando esattamente l’impatto ambientale lungo l’intero ciclo di vita.
Ma si può andare oltre, pensando addirittura alla creazione di nuovi materiali, magari per sostituire sostanze chimiche dannose. Per progettare un nuovo materiale i ricercatori devono analizzare una grande quantità di informazioni sulla struttura molecolare e sulle proprietà dei materiali, un compito che l’AI può svolgere molto più velocemente. Lo ha dimostrato il progetto Accelerated Metallurgy, condotto dall’Agenzia spaziale europea insieme a aziende nel settore dell’industria, università e designer famosi. L’intelligenza artificiale ha permesso di mettere in piedi un metodo rapido e sistematico per individuare e testare nuove leghe metalliche: non solo l’AI ha creato materiali completamente nuovi, ma li ha anche scoperti più velocemente di quanto mai successo finora.
Modelli di business basati sul riutilizzo
Sviluppare modelli di business circolari di successo e redditizi richiede di organizzare funzioni aziendali complesse come marketing, politica dei prezzi, vendite, servizi post-vendita, assistenza clienti e logistica, il tutto in linea coi principi dell’economia circolare. Questo implica l’introduzione di nuove proposte di business, come la condivisione di beni secondo il modello product-as-a-service, ma anche la capacità di rendere i prodotti circolari competitivi rispetto a quelli lineari. Algoritmi di matching e di previsione dei prezzi sono stati in molti casi la chiave per il successo di business basati sulla condivisione di beni come automobili e biciclette, ma gli stessi concetti sono potenzialmente applicabili a tutti i settori dell’economia.
Per far funzionare il mercato della rigenerazione dei prodotti, è necessario affrontare diverse sfide, tra cui la domanda e l’offerta fluttuante di prodotti e oggetti usati e la grande variabilità dello stato in cui si trovano i componenti restituiti. Affinché un’azienda possa avere un’idea chiara delle possibilità commerciali di un prodotto rigenerato deve poi tenere conto di una miriade di fattori, influenzati dall’andamento dei prezzi e del mercato. Solo grazie alla raccolta di grandi quantità di dati su prodotti e clienti, esaminati analiticamente dall’intelligenza artificiale, un processo decisionale di questo tipo può diventare realmente affidabile.
Città più sostenibili grazie all’intelligenza artificiale
Geolocalizzazione, cloud computing, de-materializzazione, blockchain, Internet of Things e sistemi di tracciabilità sono tecnologie digitali che, se combinate con l’intelligenza artificiale, permettono ai contesti urbani di raggiungere una maggiore sostenibilità e circolarità.
Un esempio pratico è l’uso di sensori negli edifici che raccolgono dati e li inviano a un software gestito dall’intelligenza artificiale, che regola in tempo reale illuminazione, riscaldamento o ventilazione per migliorare l’efficienza energetica, riducendo di conseguenza i consumi a vantaggio della sostenibilità ambientale ed economica.
Lo stesso concetto è applicabile per ridurre gli sprechi, ad esempio utilizzando i software basati sull’intelligenza artificiali nelle cucine dei ristoranti per monitorare e registrare gli sprechi di cibo e le eccedenze smaltite, con l’obiettivo di suggerire ai ristoratori le quantità ottimali di alimenti da acquistare.
Nel campo della mobilità, l’utilizzo di informazioni geospaziali interpretate dall’intelligenza artificiale permette una maggiore visibilità sui flussi di veicoli e persone nelle città: i dati sono interpretati dal software per suggerire modelli di percorsi ottimizzati, riducendo così i flussi di traffico e l’inquinamento che ne deriva. Sempre nel campo della mobilità, l’intelligenza artificiale, come abbiamo già detto, ha reso possibili i modelli di business basati sulla condivisione di prodotti e beni come automobili, scooter elettrici e biciclette.
Vantaggi competitivi per le aziende grazie all’economia circolare
Dagli anni Cinquanta, la capacità dell’intelligenza artificiale di aiutare a risolvere i problemi è cresciuta enormemente, grazie al significativo aumento della potenza di elaborazione e della disponibilità di dati. L’intelligenza artificiale come tecnologia emergente della “quarta rivoluzione industriale” potrebbe creare un cambiamento che va oltre, tuttavia, ai vantaggi economici e produttivi che possono derivare dall’uso più efficiente delle risorse naturali e l’ottimizzazione dei processi produttivi, con conseguente riduzione degli sprechi e taglio dei costi operativi per le aziende.
Piuttosto, è uno strumento con cui progettare un sistema economico efficace che sia rigenerativo e circolare, dove la crescita viene gradualmente disaccoppiata dal consumo di risorse limitate. I vantaggi di un tale approccio sono notevoli. Ad esempio, una ricerca realizzata da McKinsey sul tema dell’intelligenza artificiale ha calcolato che l’economia circolare in Europa può creare un beneficio netto di 1,8 trilioni di euro entro il 2030, affrontando al contempo le crescenti sfide legate alle risorse, creando posti di lavoro e stimolando l’innovazione. Insomma, anche a non voler considerare gli aspetti etici e ambientali, l’intelligenza artificiale e il machine learning applicati all’economia circolare rappresentano un’opportunità per gli imprenditori con cui mantenere o acquisire un vantaggio competitivo.
Leggi anche: Il consumo oltre la soglia dell’utile e della sostenibilità
Raddoppia la fame di energia
Aggiornamento del 30 aprile 2025
Il recentissimo report Energy and AI dell’Agenzia Internazionale dell’Energia (AIE) mette in evidenza gli smisurati bisogni energetici dell’intelligenza artificiale: soltanto coi progetti dei prossimi 5 anni la domanda di energia elettrica dai data center di tutto il mondo è destinata a più che raddoppiare a circa 945 terawattora (TWh): una quota che da sola è leggermente superiore all’intero consumo di elettricità del Giappone oggi.
© Riproduzione riservata
