Percorso verso lo zero: integrare l'AI nelle strategie di rischio climatico

• L'AI generativa (GenAI) o l'apprendimento automatico possono aiutare a definire e realizzare efficacemente la strategia net zero?
• È davvero lo strumento che cambierà il volto della divulgazione e della strategia ESG e di sostenibilità?
• L'uso di GenAI come strumento, il proiettile d'argento, è un modo per aiutare a portare un'azienda (o un Paese) a zero emissioni, in modo efficiente e veloce?

Il rischio climatico si sta spostando costantemente dalla consapevolezza al problema, dalla priorità alla strategia. L'evoluzione è stata sottile fino a pochi anni fa, quando il salto dalla consapevolezza alla priorità ha iniziato a farsi sentire. Ciò è avvenuto in concomitanza con l'aumento delle discussioni aziendali su "resilienza", "adattamento" e "mitigazione". Il business case per affrontare gli impatti del cambiamento climatico e tutti i rischi correlati è urgente. Le strategie passate per combattere i rischi climatici non funzionano più. È necessario essere creativi, innovativi e pronti a guardare oltre il tradizionale. I rischi climatici rimangono gli stessi, ma l'approccio per misurarli, monitorarli e mitigarli continua a sfidare le aziende, i Paesi e le comunità.

Questi tipi di rischi climatici sono familiari a qualsiasi studente di cambiamenti climatici o a qualsiasi business che sia stato colpito da eventi climatici. Man mano che la comprensione dei rischi climatici diventa più strategica, è chiaro che per ogni azienda esistono opportunità di business che vanno dalla semplice resilienza alla ricerca proattiva di soluzioni innovative.

I rischi climatici sono suddivisi in quattro categorie distinte e familiari:

• rischio di responsabilità
• rischio di reputazione
• rischio di transizione
• rischio fisico

La chiave è che le aziende siano chiare e trasparenti sui loro obiettivi e sui loro sforzi per affrontare tali rischi. L'opposto della trasparenza è visto come "greenwashing". Questi rischi richiedono dati specifici e solidi, per garantire che i rischi siano misurati, monitorati e gestiti; tutti elementi chiave alla base di una strategia solida e credibile. La raccolta di questi dati alimenta direttamente gli obiettivi e la realizzazione dei target, oltre a sostenere una strategia aziendale ben informata - una strategia che include tutti i rischi di business, compreso il rischio climatico.

Le aziende hanno bisogno di chiarezza sui loro rischi climatici. È altrettanto importante affrontare questi rischi con un occhio alle opportunità di resilienza e alla creatività. Ci sono molte ricerche che indicano come un'azienda può affrontare i rischi climatici: dalle fonti energetiche alternative alle strategie di decarbonizzazione, dagli investimenti in nuovi mercati alle chiare opportunità di business come fornitori di soluzioni.

Net zero si basa su una solida comprensione del rischio climatico ed è il passo successivo per spostare efficacemente l'ago della bilancia da una priorità a una strategia concreta. La domanda è: quali contributi può dare l'AI a questa comprensione?

L'AI è stata spesso descritta come una tecnologia trasformativa di uso generale, analoga all'elettricità (ad es. blog del luminare dell'AI Andrew Ng Andrew Ng's blog "AI is the new electricity") o, (in questo contesto) ironicamente come "il nuovo petrolio" Il Dipartimento della Difesa definisce l'AI "il nuovo petrolio"; ma per quanto queste categorizzazioni siano entusiasmanti, potrebbe essere più utile identificare proprietà e impatti specifici dell'AI rilevanti per la strategia net zero.

• L'AI per fornire approfondimenti: una delle prime applicazioni di GenAI di relativo successo è stata quella di utilizzarla per creare sintesi di documenti grandi e complicati. Per qualche tempo, prima che GenAI diventasse di moda, i sistemi di apprendimento automatico sono stati utilizzati efficacemente per estrarre informazioni dai dati strutturati, fornendo ai dirigenti insights utili per le loro operazioni di business. Sebbene sia chiaro che il nuovo approccio non fornisce un oracolo su cui fare affidamento per estrarre report completi e affidabili dall'archivio di documenti di un'azienda, GenAI sembra essere un metodo più accessibile e robusto per trovare approfondimenti in dati complessi non strutturati.

• AI per fornire previsioni: previsioni accurate e affidabili del consumo energetico possono essere utilizzate per creare piani efficienti che evitino le fonti energetiche ad alta intensità di carbonio. Inoltre, le previsioni possono essere utilizzate per creare simulazioni che convalidino gli interventi di risparmio energetico. Una delle prime applicazioni della nuova ondata di AI da parte di Google è stato lo sviluppo di modelli di utilizzo dell'energia nei centri dati di Google. Secondo quanto riferito, questa applicazione ha ridotto del 40% la quantità di energia utilizzata per il raffreddamento dei data center Deepmind riduce del 40% l'energia utilizzata per il raffreddamento dei data center di Google. Più recentemente, DeepMind ha sviluppato modelli di previsione meteorologica a medio raggio che, a quanto risulta, sono più accurati delle precedenti simulazioni dei supercomputer e consumano 1/1000 dell'energia per produrre una previsione. La tecnologia alla base di questo caso d'uso non è GenAI in senso stretto, ma fa parte della tecnologia emergente dell'AI creata dal boom di dati e calcoli degli ultimi 10 anni circa.

• AI come motore più efficiente: l'uso dell'AI per le previsioni meteorologiche è un interessante indicatore iniziale di un sorprendente potenziale vantaggio netto zero. Nella prossima sezione, evidenzieremo il consumo energetico molto elevato dell'attuale generazione di modelli AI; tuttavia, esiste un potenziale per l'implementazione di sistemi alimentati dall'AI che siano più efficienti dal punto di vista energetico e a minore intensità di carbonio rispetto ai processi aziendali e ai sistemi IT tradizionali.

Ci sono alcuni modi specifici in cui l'AI potrebbe supportare un'efficace strategia net zero: creando intuizioni per guidare le iniziative, facendo previsioni che costruiscono la resilienza nei piani e consentono l'efficienza, e come motore diretto dell'efficienza energetica. Purtroppo, c'è un altro lato della tecnologia dell'AI di cui i leader di business devono essere consapevoli e che dovrebbe essere utilizzato per challenge|La sfida al lavoro che utilizza l'AI nei tre modi sopra descritti. Il boom dell'AI è un motore diretto delle emissioni di carbonio e di altri danni ambientali. L'Agenzia Internazionale per l'Energia (IEA) ha pubblicato una previsione Electricity 2024 (rapporto IEA) secondo cui l'AI consumerà 10 volte più elettricità tra 10 anni. Nel rapporto, l'AIE stima che una ricerca su Google richiede 0,3Wh di elettricità, mentre un modello di AI come ChatGPT richiede 2,9Wh.

Se la moderna AI può essere utilizzata in modo efficiente e mirato e se le si possono fornire efficacemente i dati di cui ha bisogno, può trovare il suo spazio. In particolare, la capacità dei sistemi di AI di fare previsioni utili su scenari complessi con "code grasse" nelle loro distribuzioni (come il tempo e il clima) e lo sviluppo di simulazioni che possono essere utilizzate per dimostrare l'utilità di politiche e interventi alternativi possono fornire ai decisori nuove opzioni ad alta utilità per raggiungere lo zero netto.

Questo potrebbe essere il modo in cui le tecnologie innovative avranno un impatto duraturo sull'agenda ESG, identificando percorsi chiari per la gestione dei rischi climatici. Può essere usata per lavorare in modo "più intelligente, non più difficile", ma chi usa l'AI per raggiungere lo zero netto deve anche essere consapevole dell'intensità energetica insita nella strategia di lavoro "più intelligente". L 'IAg non è una pallottola d'argento, ma uno strumento che deve essere usato in modo responsabile e con una chiara comprensione e contabilizzazione degli impatti positivi e negativi.