نتایج یک پژوهش جدید نشان میدهد هوش مصنوعی صنعتی در صنایعی که حدود ۴۰ درصد از انتشار مستقیم گازهای گلخانهای جهان را به خود اختصاص دادهاند، توانسته است هماکنون و بدون اتکا به فناوریهای پرهزینه آینده، کاهش قابل اندازهگیری انتشار کربن را محقق کند.
بر اساس گزارش منتشرشده از سوی IFS و PwC بریتانیا، صنایع سنگین و دشوار برای کربنزدایی از جمله فولاد، سیمان، شیمیایی، نفت و گاز، حملونقل هوایی، دریایی و جادهای، در قلب اقتصاد جهانی و همزمان در کانون چالش اقلیمی قرار دارند. این صنایع با وجود فشارهای فزاینده زیستمحیطی، داراییهایی دارند که بخش بزرگی از آنها تا میانه قرن جاری همچنان فعال خواهند بود و همین موضوع، ضرورت کاهش انتشار در چارچوب داراییهای موجود را برجسته میکند.
این گزارش تحلیلی تأکید میکند که سریعترین کاهش انتشار در دهه پیشرو نه از مسیر انتظار برای هیدروژن سبز، جذب و ذخیرهسازی گسترده کربن یا سوختهای صنعتی جدید، بلکه از طریق بهرهبرداری هوشمندانهتر از داراییهای فعلی حاصل میشود. هوش مصنوعی صنعتی که هماکنون در حوزههایی مانند تولید، نگهداشت، لجستیک و برنامهریزی سرمایهگذاری به کار گرفته شده، در کنار افزایش تابآوری عملیاتی، کاهش هزینه و بهبود بهرهوری، نتایج اقلیمی ملموسی ایجاد کرده است.
بر اساس دادههای بنچمارک حاصل از استقرار سامانههای برنامهریزی، زمانبندی و بهینهسازی IFS، استفاده از هوش مصنوعی صنعتی در عملیات خدمات میدانی به طور متوسط منجر به کاهش ۳۷.۱ درصدی مسافت طیشده شده است. این کاهش به صورت مستقیم به معنای مصرف سوخت کمتر، کاهش انتشار دامنه سوم و افزایش بهرهوری نیروی کار است. در بخشهای تولیدی و انرژیبر نیز، زمانبندی کربنآگاه مبتنی بر دادههای لحظهای شبکه برق توانسته است انتشار دامنه دوم را تا ۴۷.۶ درصد کاهش دهد، آن هم از طریق همراستاسازی تولید با ساعات کمکربن شبکه.
گزارش تصریح میکند که این دستاوردها نظری یا آزمایشگاهی نیستند، بلکه حاصل مجموعهای از اصلاحات کوچک اما مستمر در عملکرد داراییها هستند؛ از بهبود نرخ تبدیل انرژی و کاهش تعمیرات اضطراری گرفته تا مسیریابی بهینه و نگهداشت پیشبینانه. اثر تجمعی این اصلاحات در سطح ناوگانها، کارخانهها و شبکهها، کاهش فوری انتشار را در کنار تقویت حاشیه سود به همراه داشته است.
یکی از محورهای کلیدی این پژوهش، نقش اعتماد و قابلیت حسابرسی در راهبردهای اقلیمی است. به گفته نویسندگان گزارش، در شرایطی که فشار مقرراتی و انتظارات سرمایهگذاران افزایش یافته، صرف کاهش انتشار کافی نیست و اثبات آن اهمیت راهبردی دارد. هوش مصنوعی صنعتی با ایجاد پیوندهای دیجیتال قابل ردیابی میان تصمیمات عملیاتی، پیامدهای زیستمحیطی و عملکرد مالی، امکان گزارشدهی معتبر و مبتنی بر دادههای واقعی را فراهم میکند.
مدلسازی اقتصادی مبتنی بر اعتماد که PwC در این گزارش به آن استناد کرده، نشان میدهد ترکیب استقرار مسئولانه هوش مصنوعی با کربنزدایی معتبر میتواند تا سال ۲۰۳۵، رشد اقتصادی خالصی در حدود ۳۷ درصد نسبت به اقتصاد امروز ایجاد کند و همزمان هزینههای ناشی از داراییهای سرگردان را جبران کند. هوش مصنوعی صنعتی با ثبت دیجیتال هر تصمیم، بهروزرسانی مدل و تغییر عملیاتی، بار گزارشدهی دستی پایداری را کاهش داده و شفافیت در دامنههای اول، دوم و سوم انتشار را تقویت میکند.
مطالعات موردی ارائهشده در گزارش، پیوند مستقیم میان منافع عملیاتی، مالی و زیستمحیطی را نشان میدهد. شرکت توزیع برق Endeavour Energy استرالیا که شبکهای به ارزش ۶.۷ میلیارد دلار استرالیا را مدیریت میکند، از هوش مصنوعی در برنامهریزی سرمایهگذاری برای ارزیابی همزمان قابلیت اطمینان، ایمنی، اثرات زیستمحیطی و هزینه استفاده کرده است. به گفته این شرکت، استفاده از هوش مصنوعی امکان شناسایی و کمیسازی اثرات زیستمحیطی عملیات و پیامدهای قطعی برق بر مشتریان را فراهم کرده است.
در بخش خدمات میدانی، شرکت Konica Minolta با استقرار زمانبندی مبتنی بر هوش مصنوعی در پنج عملیات ملی و ارائه خدمات به ۴۳۰ هزار مشتری، طی ۱۸ ماه به افزایش بهرهوری، کاهش زمان سفر و بازگشت سرمایه ۴.۳۶ برابری دست یافته است. به گفته یکی از مدیران این شرکت، کاهش زمان سفر، حل سریعتر مأموریتها و مصرف سوخت کمتر، نقش کلیدی در تحقق این بازده اقتصادی داشته است.
با این حال، گزارش به صراحت به چالشها و مبادلات این مسیر نیز اشاره میکند. افزایش استفاده از هوش مصنوعی صنعتی به معنای تقاضای بیشتر برای داده و توان محاسباتی است که نگرانیهایی در زمینه مصرف انرژی، آب، امنیت سایبری و آمادگی نیروی کار ایجاد میکند. برآورد آژانس بینالمللی انرژی نشان میدهد در صورت تداوم روندهای فعلی، مصرف برق مراکز داده جهان تا سال ۲۰۳۵ میتواند به سطح مصرف کل شبکه برق ژاپن برسد.
نویسندگان گزارش تأکید دارند که حاکمیت داده، زیرساختهای مبتنی بر انرژیهای تجدیدپذیر، محاسبات کربنآگاه و بازآموزی نیروی انسانی، پیششرطهای غیرقابل مذاکره این گذار هستند. بر اساس نتایج نظرسنجی، تقریباً تمامی سازمانها انتظار دارند بازآموزی نیروی کار در مقیاس وسیع ضروری باشد و بیش از نیمی از آنها معتقدند تا ۶۰ درصد کارکنان برای ادغام کامل هوش مصنوعی در عملیات روزمره به مهارتهای جدید نیاز خواهند داشت.
جمعبندی گزارش IFS و PwC روشن است؛ هوش مصنوعی صنعتی دیگر یک پروژه آزمایشی در حاشیه راهبردهای پایداری نیست، بلکه به بخشی از سیستمعامل صنایع سنگین تبدیل شده است. نگهداشت پیشبینانه، بهینهسازی زمانبندی و تحلیل سرمایهگذاری نهتنها کاهش انتشار قابل اندازهگیری ایجاد میکنند، بلکه زیرساخت دادهای لازم برای گزارشدهی معتبر و برنامهریزی گذار بلندمدت را نیز فراهم میسازند. پیام نهایی گزارش این است که انتظار برای راهحلهای بینقص، پیشرفت را به تعویق میاندازد و شرکتهایی که اکنون هوش مصنوعی صنعتی را به کار میگیرند، میتوانند همزمان هزینه و کربن را کاهش دهند و استاندارد جدیدی برای صنعت پایدار تعریف کنند.
