Ο συνδυασμός δύο σημαντικών τάσεων, της κυκλικής οικονομίας και της τεχνητής νοημοσύνης μπορεί να επιταχύνει την μετάβαση προς το κυκλικό μοντέλο της οικονομίας, αντικαθιστώντας με αποτελεσματικό τρόπο το γραμμικό, που ισχύει έως σήμερα υποστηρίζει η εταιρεία «McKinsey» σε έρευνα, που είδε το φως της δημοσιότητας τον Φεβρουάριο. Η σύνοψη της έρευνας υπογραμμίζει ότι το σημερινό μοντέλο, το σύστημα, με το οποίο λειτουργεί η οικονομία, χρειάζεται θεμελιακή αλλαγή προκειμένου να διατηρηθεί η ανάπτυξη, χωρίς όμως τις περιβαλλοντικές επιπτώσεις, που προκύπτουν κυρίως από τη μη ορθή διαχείριση των απορριμμάτων. «Μια κυκλική οικονομία, στην οποία η ανάπτυξη θα αποσυνδέεται σταδιακά από την κατανάλωση των πεπερασμένων φυσικών πόρων, προσφέρει πειστικές απαντήσεις» υπογραμμίζει η μελέτη. Τα πλεονεκτήματα μιας τέτοιας προσέγγισης είναι σημαντικά σημειώνει η έρευνα. «Για παράδειγμα, έρευνες συντείνουν στο συμπέρασμα ότι η κυκλική οικονομία στην Ευρώπη μπορεί να δημιουργήσει ένα καθαρό όφελος ύψους 1,8 τρισεκατομμυρίων ευρώ έως το 2030, ενώ παράλληλα θα αντιμετωπίσει αποτελεσματικά αυξανόμενες προκλήσεις που συνδέονται με τη χρήση φυσικών πόρων, θα δημιουργήσει θέσεις εργασίας, προωθώντας την καινοτομία και δημιουργώντας περιβαλλοντικά οφέλη. Οι προκλήσεις και οι αρνητικές επιπτώσεις του σημερινού οικονομικού μοντέλου είναι τεράστιες, και αναμένεται να γιγαντωθούν τα επόμενα χρόνια, μιας και η παγκόσμια οικονομία θα μπορούσε να διπλασιαστεί σε 20 χρόνια. Είναι ξεκάθαρο ότι απαιτούνται νέες προσεγγίσεις και λύσεις για να επιτευχθεί η ταχεία μετάβαση στο μοντέλο της κυκλικής οικονομίας. Η τεχνητή νοημοσύνη (Artificial Intelligence) μπορεί να διαδραματίσει σημαντικό ρόλο σε αυτή τη θεμελιακή αλλαγή. Η τεχνητή νοημοσύνη είναι ένα υποσύνολο τεχνολογιών που επιτρέπουν, στο πλαίσιο της «Τέταρτης Βιομηχανικής Επανάστασης», να εκτελεστούν μοντέλα και συστήματα, με λειτουργίες, που είναι συνδεδεμένες με την ανθρώπινη νοημοσύνη, όπως η συλλογιστική και η μάθηση. Η τεχνητή νοημοσύνη λειτουργεί συμπληρωματικά και μπορεί να βελτιώσει τις δεξιότητες των ανθρώπων και να επεκτείνει τις ικανότητές τους. Επιτρέπει στους ανθρώπους να μαθαίνουν ταχύτερα από την ανατροφοδότηση (feedback), που λαμβάνουν, να αντιμετωπίζουν πιο αποτελεσματικά πολύπλοκα ζητήματα, αλλά και να προσλαμβάνουν πιο αποτελεσματικά την πληθώρα των δεδομένων, που είναι πλέον διαθέσιμα στην καθημερινότητα μας.  Η έρευνα της «McKinsey» ιεραρχεί τρεις παράγοντες ως τους σημαντικότερους με τους οποίους μπορεί να ενισχυθεί η καινοτομία στο πλαίσιο της κυκλικής οικονομίας.

• Ο σχεδιασμός προϊόντων, εξαρτημάτων και υλικών με βάση τις αρχές της κυκλικής οικονομίας. Η τεχνητή νοημοσύνη μπορεί να ενισχύσει και να επιταχύνει την ανάπτυξη νέων προϊόντων, εξαρτημάτων και υλικών κατάλληλων για την κυκλική οικονομία μέσω μεθόδων σχεδιασμού με τη βοήθεια μηχανικής μάθησης που επιτρέπουν την ταχεία παραγωγή προτύπων και δοκιμών.
• Οι επιχειρήσεις να αρχίζουν να λειτουργούν επιχειρηματικά μοντέλα βασισμένα στην κυκλική οικονομία. Η τεχνητή νοημοσύνη μπορεί να μεγεθύνει την ισχύ των επιχειρηματικών μοντέλων της κυκλικής οικονομίας και να τις κάνει πιο ανταγωνιστικές. Συνδυάζοντας δεδομένα σε πραγματικό χρόνο και ιστορικά δεδομένα από προϊόντα καταναλωτές, η τεχνητή νοημοσύνη μπορεί να συμβάλει στην αύξηση της διανομής του προϊόντος και της βέλτιστης αξιοποίησής του, μέσω της πρόβλεψης των τιμών, της ζήτησης και της έξυπνης διαχείρισης αποθεμάτων.
• Να βελτιστοποιηθούν οι υποδομές της κυκλικής οικονομίας. Η τεχνητή νοημοσύνη μπορεί να συμβάλει στην οικοδόμηση και βελτίωση των υποδομών εφοδιασμού, που απαιτούνται για να «κλείσει ο κύκλος» σε προϊόντα και υλικά, βελτιώνοντας τις διαδικασίες για την ταξινόμηση και αποσυναρμολόγηση προϊόντων, την ανακατασκευή εξαρτημάτων και την ανακύκλωση υλικών.

Η δυνητική αξία που αποδεσμεύεται από την τεχνητή νοημοσύνη, όταν αυτή συμβάλλει στον βέλτιστο σχεδιασμό της διαχείρισης των αποβλήτων, σε μια κυκλική οικονομία για παράδειγμα για τα τρόφιμα, ανέρχεται σε 127 δισεκατομμύρια δολάρια ετησίως έως το 2030. Αυτό επιτυγχάνεται μέσω ευκαιριών, που θα εμφανιστούν στους τομείς της γεωργίας, της μεταποίησης, της εφοδιαστικής αλυσίδας και της κατανάλωσης. Ειδικές εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν να είναι ενδεικτικά: εφαρμογή όπου με τη χρήση εικόνας θα καθορίζεται πότε τα φρούτα είναι έτοιμα για συλλογή. Εφαρμογή, όπου θα καταγράφεται το υψηλότερο χρονικό σημείο προσφοράς και ζήτησης συγκεκριμένων τροφίμων. Καταγραφή για την ενίσχυση της αξιοποίησης των παραπροϊόντων τροφίμων. Η «McKinsey» επίσης αναφέρει ότι η επιτάχυνση της μετάβασης προς μια κυκλική οικονομία για τα ηλεκτρονικά είδη ευρείας κατανάλωσης ανέρχεται σε 90 δισεκατομμύρια δολάρια ετησίως ως το 2030. Η τεχνητή νοημοσύνη με τις αναρίθμητες εφαρμογές της φαίνεται ότι άμεσα θα διαδραματίσει πρωταγωνιστικό ρόλο στη μετάβαση σε μια αποτελεσματική κυκλική οικονομία.