Bilancio di sostenibilità
Il report di sostenibilità è il documento che riassume gli obiettivi e relativi risultati di un’azienda nell’ambito della responsabilità di impresa. Serve alle aziende per comunicare agli stakeholder il loro impatto dal punto di vista economico, ambientale e sociale.
Ad oggi il bilancio di sostenibilità è obbligatorio solo per le società quotate e gli enti pubblici. Però dal 1° gennaio 2026 si aggiungeranno alle fila di chi dovrà redigere il bilancio obbligatoriamente anche tutte le aziende con più di 250 dipendenti, un fatturato superiore ai 50 milioni e un bilancio annuo di almeno 43 milioni di euro. Welcome!
Bilancio e SDG
Nel 2015 L’ONU ha approvato l’Agenda 2030, che descrive i 17 obiettivi di sviluppo sostenibile (SDGs) da raggiungere entro il 2030.
I 17 obiettivi sono a loro volta declinati in 169 targets su ambiti economici, sociali e ambientali. Vi ricorda qualcosa?
Gli obiettivi di sviluppo sostenibile sono diventati il nuovo riferimento per le aziende, le imprese le istituzioni che vogliono dimostrare l’impatto positivo che possono avere.
Spesso quindi le aziende identificano gli SDGs su cui riescono a verificare l’impatto, e li integrano nel loro bilancio di sostenibilità.
AI e SDGs: ottenere l’impatto, verificare l’impatto
Ci sono quindi due livelli da prevedere nel bilancio di sostenibilità: ottenere l’impatto positivo e verificarlo nel tempo. E qui entra in scena l’intelligenza artificiale! Applausi, si apre il sipario.
Le soluzioni di intelligenza artificiale sono infatti utili sia per velocizzare il raggiungimento degli obiettivi, sia per confrontare la situazione ex-ante con la nuova situazione e quantificare l’impatto ottenuto.
Per cui, lanciamoci nell’ingrato ma allettante compito di vedere per ogni SDGs come potremmo usare l’AI.
Le soluzioni di AI in senso più ampio possono supportare la transizione energetica e la ridistribuzione delle risorse. Qui più che in altri ambiti però l’AI può avere un impatto negativo nel raggiungimento di questo obiettivo: da sole le soluzioni di AI non sono sufficienti, è necessario un coinvolgimento dei governi e delle istituzioni. 
La ricerca nell’ambito della sicurezza alimentare può essere molto velocizzata dall’utilizzo di modelli di deep learning e ottimizzazione. Anche in questo caso, l’AI rimane uno strumento avanzato che può essere implementato solo dopo una serie di altre azioni più pragmatiche e meno complesse. 
I sistemi di deep learning e algoritmi genetici rendono vengono largamente applicati nella drug discovery, mentre la classificazione per immagini è in grado di riconoscere con la stessa precisione di un medico o una medica un tumore della pelle o una macchia sospetta in una TAC. L’AI rende quindi possibile velocizzare sia la ricerca che la diagnosi, in un contesto già maturo per accoglierla a differenza dei due precedenti punti. 
Nel settore dell’educazione è chiaro come l’AI può diventare un’arma a doppio taglio: molti dei task di questo obiettivo possono essere ostacolati dall’avvento dell’AI. Anche in questo caso però le soluzioni intelligenti applicate con raziocinio possono rendere più facile l’accesso alle informazioni e supportare l’istruzione e l’educazione. E’ necessario un coordinamento comune per render elo strumento di utilità e non di intralcio. 
Se le carriere del futuro prevedono una sempre più ampia competenza nei temi dell’AI, potrebbe esserci un problema. Secondo l’organizzazione Women in Data Science nel 2021 meno del 10% dei data scientist è donna. Donne! Iscrivetevi alle facoltà STEM! 
I modelli di deep learning possono concorrere a questo obiettivo in molti modi. Sistemi di deep learning sono in grado di intercettare perdite lungo le linee, così come droni equipaggiati di sistemi di vision reiscono ad ispezionare più rapidamente le reti. I modelli di otimizzazione genetica sono in grado di intercettare la quantità di reagenti migliori per garantire la qualità dell’acqua in uscita, o la composizione batterica ottimale nei fanghi. In più, è dimostrato che i sistemi di deep learning possono prevedere con molto anticipo onde di piena, portate medie dei bacini o livello delle falde acquifere in base al forecast meteo e al comportamento storico del sistema. 
L’AI supporta questo obiettivo sia dal punto di vista della porgettazione sia dell’utilizzo. Modelli di forecasting riescono a prevedere quanto potrà produrre un determinato impianto di rinnovabili, e orhcetsrare il funzionamento dei cogeneratori per massimizzarne il rendimento senza sprecare fornte RES. I sistemi di ottimizzazione possono abilitare una migliore gestione delle centrali idroelettriche a pompaggio, rendendo più facile lo stoccaggio di energia rinnovabile quando è prodotta in eccesso. L’AI applicata alle comunità energetiche rinnovabili o alle smart grids rende facile equilibrare in ogni momento consumo e produzione grazie ad una stima precisa della domanda futura e della capacità di produzione in base alle condizioni. Infine, i sistemi di AI possono intercettare le inefficienze e suggerire quale parametro è più probabilmente responsabile, per facilitare la diagnosi del problema. Attenzione però: i server su cui l’AI gira sono energivori, per cui è necessario progettare sistemi di AI ottimizzati per ridurre il consumo e garantire il risultato. 
Immaginate un mondo in cui i lavori più meccanici come la data entry, l’analisi dei dati, la registrazione delle informazioni o la gestione dei processi ripetitivi vengono garantiti da sistemi di AI, lasciando alle persone tempo per i compiti a valore aggiunto e al pensiero. Immaginate adesso un mondo in cui lavorano solo le persone che hanno studiato e che sono in grado di utilizzare un PC e lavorare fianco a fianco di un sistema di AI. Entrambi i panorami sono possibili, per garantire il raggiungimento dell’obiettivo è necessaria una regolamentazione dell’AI e un aggiornamento dei corsi di studio a partire dagli istituti professionali, in modo da garnatire che tutti e tutte abbiano le competenze necessarei per accedere ad un modno del lavoro in evoluzione. 
La fabbrica del futuro, automatica e autonoma, ottimizzata, senza guasti improvvisi o inefficienze, monitorata in real time da algoritmi di intelligenza artificiale che ne stimano performance e stato di salute, decidendo come regolare il processo per minimizzare gli scarti e sfruttare al meglio energia, acqua, materie prime. Manutenzione predittiva, intercettazione delle anomalie, ottimizzazione di processo, maggiore efficienza energetica, migliore pianificazione, minor rischio di fermi non previsti o guasti gravi che mettono a repentaglio la sicurezza degli operatori: dovunque vi girate in questo blog, trovate un modo per generare un impatto positivo da questo punto di vista. Il risvolto della medaglia è l’accessibilità della tecnologia: per raggiungere l’obiettivo bisognerà investire perchè le soluzioni siano scalabili e plug-and-playin modo che l’investimento possa essere limitato e quindi accessibile per tutti, anche a fronte di un basso effort in infrastruttura. 
Così come gli obiettivi precedenti legati a povertà o uguaglianza di genere, anche questo obiettivo può essere favorito o ostacolato dall’AI. In particolare, c’è da issare un grande cartello di attenzione: se costruiamo i modelli male, rischiamo di fomentare i pregiudizi e da aumentare quindi le disuguaglianze. Da questo punto di vista, l’Europa si sta interrogando per minimizzare il rischio dell’AI, e ha rilasciato in maggio del 2023 l’AI Act, un documento che riassume le discussioni in merito e prova ad indicare dell linee guida per garantire uno sviluppo dell’AI equi, giusto e spiegabile. 
L’intelligenza artificiale applicata ai dati che rappresentano le città è utile per ottimizzare tutti i servizi connessi alla comunità. Ad esmepio, ottimizzazione dei giri per la raccolta rifiuti, migliore gestione delle richieste da parte dei cittadini, reti stradali meglio organizzate e suggerimenti alle aziende per la gestione dell’home working in modo da diminuire consumi ed emissioni legate ai mezzi di trasporto. Con l’avvento delle comunità energetiche inoltre i sistemi di AI saranno fondamentali per garantire il massimo autoconsumo, mentre la blockchain potrebbe essere vitale per la ripartizione equa dei savings. 
Per raggiungere questo obiettivo sarà necessario uno sforzo globale che remi contro l’approccio consumistico, l’AI in questi termini può fornire strumenti potenti di analisi e interpretazione dei dati per costruire scenari sempre più attendibili, e dare indicazioni più complete su come ottimizzare i vari aspetti del ciclo vita dei prodotti. L’utilizzo di sistemi di visione interpretazione dello spettro nella gestione dei rifiuti, powered bu deep learning, può aiutare a ridurre sensibilimente la quota di materiale non riciclato, e l’utilizzo di sistemi di pianificazione data-driven per gli acquisti nelle GDO o nelle catene di ristorazione o d ifornitura di beni deperibili potrebbe aiutare a diminuire lo spreco alimentare. Si stima che ad oggi i paesi occidentali sprechino quasi la metà del cibo. 
L’IoT e i sistemi di forecast possono essere messi a servizio di sistemi integrati che possano mitigare i rischi legati ad eventi ad alta intensità. I sistemi di AI come il deep learning o gli strumenti della data science ci potrebbero inoltre aiutare a comprendere meglio il nostro impatto sul clima per pianificare azioni più efficaci per gestire il cambiamento climatico. 
Gli obiettivi perseguiti nel SDG 6 hanno un impatto rilevante anche nel SDG 14, soprattutto nella riduzione degli inquinanti legati ad attività di processo o depurazione. 
Sono già stati pubblicati diversi paper che uniscono la raccolta diimmagini satellitari con l’analisi tramite sistemi di deep learning per la classificazione della superficie. Questi sistemi sono fondamentali per identificare attività di deforetazione, e mappare l’utilizzo del suolo nel tempo. Le informazioni raccolte dai sistemi di mappatura automatica diventano la base per definire strategie di gestione del territorio, in modo da raggiungere l’obiettivo. 
Per questo obiettivo l’AI può essere un’arma a doppio taglio, e le sue applicazioni sono più nuemerose tra le file di chi ostacola i vari target. Da una parte i sistemi di deep learning applicati ai dati a grafo (le interconnessioni / interazioni tra sistemi) può facilitare l’intercettazione di scambi non leciti come la comrpavendita di armi o di altro. Dall’altra però l’AI può diventare letteralmente un’arma potentissima, e con arma intendiamo la vera e propria accezione della parola. Ci sono molti esempi nella cinematografia e nelle simulazioni di armi AI-powered. Sistemi di AI potrebbero inoltre essere utilizzati per truccare elezioni o generare traffico a favore di uno o di un altro partito: l’AI Act si sta muovendo per regolamentare i vari aspetti che potrebbero inibire il ragiungimento dell’obiettivo. 
Nell’ambito dell’utlimo obiettivo di sviluppo sostenibile, l’AI gica di nuovo un compito secondario, relegata principalemtne a strumento di analisi e simulazione.
Un approfondimento per i più valorosi
Nel 2020 è stato pubblicato su Nature un paper dedicato all’analisi approfondita dell’impatto positivo e negativo dell’AI su ognuno dei 169 target in cui si strutturano i 17 SDGs.
Dal paper emerge che l’AI è un forte abilitatore del raggiungimento di molti obiettivi, mentre potrebbe remare contro al raggiungimento di (pochi) altri.
Il paper analizza quindi ognuno dei goal e relativi target, sottolineando l’importanza dello sviluppo etico e giusto delle soluzioni di AI.
Nell’abstract del paper si legge infatti:
The emergence of artificial intelligence (AI) and its progressively wider impact on many sectors requires an assessment of its effect on the achievement of the Sustainable Development Goals. Using a consensus-based expert elicitation process, we find that AI can enable the accomplishment of 134 targets across all the goals, but it may also inhibit 59 targets. However, current research foci overlook important aspects. The fast development of AI needs to be supported by the necessary regulatory insight and oversight for AI-based technologies to enable sustainable development. Failure to do so could result in gaps in transparency, safety, and ethical standards.
Dunque?
L’AI è un potente strumento, in positivo e in negativo. Considerati i vari target degli SDG, le analisi dicono che quasi l’80% di questi vedrebbe positivamente l’utilizzo di sistemi di AI. Il 35% dei target sarebbero invece ostacolati da sistemi di intelligenza artificiale non regolamentati. Ecco perché è necessario nei prossimi anni introdurre una regolamentazione dedicata. L’obiettivo è proprio mitigare i rischi e fare sì che l’AI possa divetare un strumento decisivo per costruire un mondo più giusto, equo e sostenibile.
