Publikacja wydana w roku 2019 dzięki współpracy Fundacji Ellen MacArthur, McKinsey&Co. i Google skupia się na roli sztucznej inteligencji w gospodarce obiegu zamkniętego – wskazuje jak nowa technologia może przyczyniać się do przyspieszenia przemiany gospodarki linearnej w cyrkularną. Raport przybliża głównie sektor spożywczy i elektroniki użytkowej, analizując rolę AI we wprowadzaniu w nich obiegu zamkniętego.

Sztuczna inteligencja (AI) może wzmocnić i przyspieszyć innowacje w gospodarce obiegu zamkniętego (GOZ) w trzech głównych obszarach: 1) Projektowanie cyrkularnych produktów, komponentów i materiałów; 2) Obsługiwanie cyrkularnych modeli biznesowych, np. poprzez predykcyjne utrzymanie ruchu, dynamiczne ustalanie cen i zarządzanie zapasami, co zwiększa cyrkulację produktów i wykorzystanie zasobów; oraz 3) Optymalizacja infrastruktury cyrkularnej (tzw. logistyka zwrotna), np. poprzez ulepszenie procesów sortowania, demontażu i recyklingu.

W raporcie zawarte są również przykłady już zrealizowanych projektów wykorzystujących AI do projektowania lub wdrażania gospodarki obiegu zamkniętego. Opisane są case’y przedsiębiorstw między innymi z branż tekstylnych, spożywczych i elektronicznych.

3 kluczowe fakty:

  1. Wprowadzenie AI do wspierania GOZ w systemie żywnościowym (poprzez eliminację marnotrawstwa) może wygenerować wartość ekonomiczną sięgającą do 127 miliardów USD rocznie do 2030 roku. Wartość ta może zostać osiągnięta na różnych etapach: w rolnictwie, przetwarzaniu, logistyce i konsumpcji.
  2. Możliwości AI w przyspieszeniu przejścia na GOZ w sektorze elektroniki konsumenckiej są szacowane na wartość ekonomiczną do 90 miliardów USD rocznie do 2030 roku. Aplikacje AI w tym sektorze obejmują: przedłużanie żywotności urządzeń poprzez konserwację predykcyjną oraz automatyzację infrastruktury recyklingu e-odpadów
  3. Sztuczna inteligencja może przyspieszyć i wesprzeć projektowanie nowych materiałów (takich jak stopy metali) w duchu GOZ. Przykładem jest projekt Accelerated Metallurgy, w którym algorytmy AI zostały wykorzystane do systematycznej analizy ogromnych ilości danych o istniejących materiałach w celu opracowania i przetestowania nowych stopów, skracając czas wprowadzenia ich na rynek.