Per un'azienda in fase iniziale, la sostenibilità può sembrare un compito futuro e qualcosa da affrontare dopo l'adattamento al mercato del prodotto, il finanziamento e la crescita. In realtà, le prime scelte operative diventano spesso le più difficili da cambiare. Il modo in cui una startup acquista materiali, prevede la domanda, progetta la consegna, seleziona i servizi cloud e misura le prestazioni può bloccare sia i costi che l'impatto ambientale.
L'IA può sostenere decisioni migliori in questi settori, ma "alimentata dall'IA" non significa automaticamente sostenibile. I sistemi di IA si basano su centri dati, energia elettrica, acqua, hardware e catene di approvvigionamento. Una startup responsabile pone quindi due domande allo stesso tempo: Questa applicazione può ridurre un impatto ambientale significativo? Il vantaggio è maggiore delle risorse e dei rischi introdotti dalla soluzione?
Inizia con il problema materiale, non con l'utensile
Scegli un flusso di risorse che conta per l'azienda e può essere misurato: inventario invenduto, consumo di energia elettrica, chilometri di consegna, prodotti rifiutati, imballaggi, acqua o tempi di fermo delle attrezzature. Stabilire una base di riferimento prima di introdurre l'IA. Senza una baseline, una startup può segnalare attività come l'installazione di un nuovo sistema, ma non può dimostrare miglioramenti.
Area di attività | Possibile utilizzo supportato dall'IA | Metrica da tracciare |
Domanda e inventario | Prevedere la domanda e identificare lo stock in lento movimento | Unità scartate, scorte, giorni di inventario, errore di previsione |
Energia | Rilevare i consumi insoliti e ottimizzare i programmi | kWh per unità, picco della domanda, consumo evitato |
Logistica | Confronta percorsi, carichi e finestre di consegna | Chilometri, fattore di carico, consegne non riuscite, consumo di carburante o di elettricità |
Qualità e manutenzione | Identificare difetti o segni precoci di guasto dell'apparecchiatura | Frequenza di rottami, rilavorazione, tempi di inattività, durata dei componenti |
Prodotto e materiali | Confronta scenari di progettazione o materiali | Intensità del materiale, contenuto riciclato, riparabilità, durata del prodotto |
Un esperimento di sostenibilità in sei fasi
Definire il risultato. Scrivi un obiettivo misurabile, come ridurre gli sprechi alimentari settimanali per ordine o ridurre il consumo di energia per unità di produzione.
Creare la linea di base. Registrare il risultato corrente abbastanza a lungo da comprendere le variazioni normali, la stagionalità e le lacune nei dati.
Scegli il metodo più leggero. Una regola del foglio di calcolo, un dashboard o una previsione statistica possono risolvere il problema senza un modello di IA di grandi dimensioni.
Pilota in un processo ristretto. Testare una posizione, una categoria di prodotto, un percorso o un flusso di lavoro prima di espandersi.
Misurare l'effetto netto. Confronta il guadagno operativo con lo sforzo di implementazione, l'utilizzo del cloud, il nuovo hardware, gli effetti di rimbalzo e qualsiasi spostamento di impatto altrove.
Decidere e documentare. Scala, adatta o fermati. Registrare le ipotesi, la qualità dei dati, le limitazioni e la persona responsabile della decisione.
Evitare quattro forme comuni di greenwashing
Sostenere che l'ottimizzazione è automaticamente sostenibile senza misurare il risultato delle risorse.
Segnalazione di una riduzione percentuale senza spiegare lo scenario di base, il periodo, l'ambito di applicazione o la quantità assoluta.
Ignorare l'impatto degli sfollamenti, ad esempio, ridurre i rifiuti locali aumentando al contempo i resi, gli imballaggi o il calcolo altrove.
Utilizzo di un linguaggio di sostenibilità generato dall'IA nelle comunicazioni pubbliche prima della verifica dell'asserzione sottostante.
Il marketing dovrebbe seguire la misurazione, non guidarla. Tenere un breve file di prova per ogni rivendicazione pubblica: cosa è stato misurato, come è stato calcolato, cosa è escluso e chi ha approvato la dichiarazione.
Rendere l'uso dell'IA più proporzionato
Non tutte le attività richiedono il modello più grande o più intensivo di risorse. Ridurre le query ripetute non necessarie, il lavoro adatto al batch, riutilizzare gli output convalidati, limitare la raccolta dei dati a ciò che è necessario e verificare se un modello più piccolo o un metodo non AI funziona adeguatamente. Quando si seleziona un fornitore, chiedere quali informazioni sono disponibili sull'efficienza energetica, l'hosting, la conservazione dei dati, la durata dell'hardware e la comunicazione delle emissioni.
La Commissione europea sta sviluppando i lavori per misurare il consumo energetico e le emissioni lungo l'intero ciclo di vita dell'IA. Questo è un segnale utile per le startup: le prestazioni ambientali dovrebbero diventare parte dell'approvvigionamento tecnologico e della progettazione dei prodotti, non un ripensamento.
Usa l'IA dove il valore ambientale e aziendale si incontrano
Le applicazioni di sostenibilità più forti hanno spesso un chiaro business case. Meno rifiuti possono significare minori costi di acquisto e smaltimento. Migliori previsioni della domanda possono ridurre il capitale circolante. L'ottimizzazione energetica può ridurre le bollette e l'esposizione alla volatilità dei prezzi. La manutenzione preventiva può prolungare la durata degli asset e proteggere l'affidabilità del servizio.
Continua l'apprendimento con EYE4AI
Per ulteriori informazioni ed esempi pratici su questo argomento, esplorare queste risorse (EYE4AI):
Modulo 5 di EYE4AI: Internazionalizzazione, Sostenibilità e Team Building
Programma delle Nazioni Unite per l'ambiente: Impatto ambientale dell'intero ciclo di vita dell'IA
Italian