AI ed economia circolare: come scegliere il primo caso d’uso
Un metodo pratico per passare da una tecnologia interessante a una decisione che vale la pena migliorare.
Un’azienda accumula apparecchiature rientrate dai clienti. Alcune si possono riparare, altre contengono componenti riutilizzabili, altre ancora sono adatte solo al recupero dei materiali. Il team ha poco tempo per ispezionare ogni unità e le informazioni utili sono sparse tra schede di assistenza, fotografie e fogli di calcolo.
Serve introdurre l’intelligenza artificiale? Forse. Ma non è la prima domanda. La prima è: quale decisione oggi fa perdere valore, e perché?
L’AI può aiutare a interpretare immagini, documenti e dati operativi. Da sola, però, non crea un processo di riparazione, un mercato per i componenti recuperati o dati di partenza affidabili. Per questo un progetto di AI applicata all’economia circolare dovrebbe partire da una decisione operativa precisa, non da un elenco di strumenti disponibili.
1. Individuare dove si perde valore
Il primo passo è seguire il percorso attuale di un prodotto o di un materiale. In quale punto si perde valore perché mancano informazioni, tempo o un modo praticabile per mantenerlo in uso?
La risposta può trovarsi nella progettazione, nella produzione, nella manutenzione o quando un prodotto rientra. Può riguardare materiali mescolati, componenti di cui non si conoscono le condizioni o prodotti avviati al riciclo prima di aver valutato il riuso. La circolarità non consiste soltanto nel trattare meglio i rifiuti: significa anche mantenere prodotti e materiali in uso al maggior valore possibile, come indicano i principi della Ellen MacArthur Foundation.
Bisogna descrivere la perdita in termini operativi. Quale flusso di prodotti o materiali è coinvolto? Quanto è rilevante? Chi prende oggi la decisione? Cosa accade quando la decisione arriva tardi o è sbagliata? Se non si riesce a rispondere, è presto per scegliere una tecnologia.
2. Definire la decisione da migliorare
Il problema va tradotto in una domanda che qualcuno deve affrontare nel lavoro quotidiano. Nel nostro esempio illustrativo sulle apparecchiature rientrate, la domanda potrebbe essere: quali unità riparare, quali smontare per recuperarne i componenti e quali destinare al recupero dei materiali?
Informazioni migliori potrebbero rendere questa scelta più rapida e coerente. L’AI potrebbe estrarre dati dalle schede di assistenza o supportare l’ispezione delle immagini. Prima, però, occorre confrontarla con alternative più semplici: criteri di ispezione più chiari, una raccolta dati migliore o una regola di base potrebbero già produrre gran parte del beneficio.
È un controllo importante. Se il risultato proposto non cambia una decisione o un’azione, non siamo ancora davanti a un caso d’uso circolare convincente.
Può essere necessario esaminare il percorso prima ancora di introdurre l’AI. Nell’articolo su riparazione, riuso e riciclo approfondiamo proprio questa scelta.
3. Verificare i dati davvero disponibili
Prima di avviare un progetto pilota, bisogna esaminare i dati su cui si baserebbe la decisione. Gli identificativi dei prodotti sono coerenti? Le condizioni e gli esiti delle riparazioni vengono registrati? Le informazioni si possono collegare ai singoli oggetti? Chi gestisce il processo può accedervi e usarle correttamente?
Non servono dati perfetti. Un pilot circoscritto può anche chiarire cosa manca e cosa occorre misurare. Ma l’assenza o la frammentazione delle informazioni è un vincolo del progetto, non un problema che un modello può nascondere. L’Agenzia europea dell’ambiente osserva che alcuni aspetti della circolarità restano difficili da monitorare proprio perché i flussi di dati sono frammentati o inesistenti.
Serve inoltre stabilire chi valida i dati di partenza, chi controlla i risultati incerti e chi manterrà il processo dopo il test. Senza responsabilità chiare, anche un prototipo accurato rischia di non entrare nelle attività operative.
4. Progettare un pilot che porti a una decisione
Il primo test dovrebbe riguardare una famiglia di prodotti, un flusso di materiali o un impianto. Prima di cambiare il processo, va registrato il punto di partenza: tempo necessario per la valutazione, coerenza delle scelte, quota di prodotti destinati ai diversi percorsi, valore recuperato ed eventuali indicatori ambientali pertinenti. Si scelgono soltanto le misure utili al problema specifico.
Si verifica poi se il nuovo approccio migliora la decisione rispetto a questo punto di partenza. Nel confronto vanno inclusi i costi per raccogliere i dati, controllare gli output dell’AI e modificare il lavoro del team. Una classificazione più veloce non è un successo se manda più prodotti riutilizzabili verso un riciclo di minor valore, oppure se il processo è troppo costoso da gestire.
Prima di iniziare, occorre concordare quali risultati giustificherebbero l’estensione, la revisione o l’interruzione del pilot. Un test utile permette anche di decidere di non adottare l’AI.
5. Costruire il processo attorno allo strumento
Un risultato circolare dipende da più fattori della sola identificazione. Le operations devono poter agire sulle indicazioni; il team qualità potrebbe dover approvare i componenti riutilizzati; acquisti o commerciale potrebbero dover trovare un impiego interno o un acquirente per i materiali recuperati.
Queste persone vanno coinvolte prima dell’avvio. Altrimenti lo strumento potrebbe individuare opportunità che l’organizzazione non è in grado di utilizzare.
Il primo risultato del lavoro dovrebbe essere un breve documento di progetto: valore che oggi si perde, decisione da migliorare, dati disponibili, responsabile del processo, situazione di partenza, perimetro del pilot e criteri di successo. Solo a quel punto ha senso decidere se l’AI sia lo strumento giusto.
Dalla prima domanda a un progetto concreto
I manager che vogliono imparare a individuare e valutare queste opportunità possono approfondire l’AI & Circular Economy Lab per Manager, sviluppato con Federmanager Academy. Le organizzazioni che hanno già una sfida specifica relativa a un prodotto, un flusso di materiali o un modello di business possono lavorare con Tondo Lab per valutare l’opportunità e progettare un pilot misurabile.
L’obiettivo non è trovare un posto in cui usare l’AI. È individuare una decisione circolare che vale la pena migliorare e verificare il modo più efficace per farlo.
