Il concetto di Twin Transition sta rapidamente uscendo dai confini della teoria accademica per diventare il baricentro operativo delle realtà industriali italiane. Questo paradigma, che vede la trasformazione digitale e quella ecologica procedere di pari passo, non rappresenta più solo un adeguamento normativo o un esercizio, ma una necessità strutturale per garantire la resilienza economica nel lungo periodo. Durante un recente incontro promosso dall’Osservatorio Digital&Sustainable del Politecnico di Milano, è emerso con chiarezza che la partita della sostenibilità non si vince più solo con le buone intenzioni, ma con una governance oculata dei dati e l’integrazione di tecnologie avanzate come l’Intelligenza Artificiale.
L’evoluzione della consapevolezza aziendale nel monitoraggio delle emissioni
Il percorso che porta un’impresa a definirsi sostenibile è cambiato radicalmente nell’ultimo decennio. Secondo l’esperienza maturata sul campo da GreenRouter, società che si occupa di rendicontazione delle emissioni di gas serra (GHG) con un focus specifico sulla logistica, le aziende inizialmente si sono mosse sotto la spinta di stakeholder esterni. Finanziatori e clienti hanno iniziato a richiedere una trasparenza sempre maggiore sull’impatto ambientale delle attività produttive, spingendo le organizzazioni a dotarsi di sistemi di calcolo.
Tuttavia, Cecilia Visconti, Green Logistics Consultant di GreenRouter, sottolinea che la prima sfida reale consiste nel costruire un sistema di monitoraggio solido in settori intrinsecamente complessi. La logistica e il trasporto, ad esempio, richiedono l’analisi di dati provenienti da sistemi eterogenei che spesso non sono stati tracciati storicamente. “La prima grande sfida è costruire un sistema di monitoraggio e calcolo delle emissioni per attività molto complesse, come appunto il trasporto, dove bisogna analizzare dati provenienti da sistemi diversi che spesso non sono tracciati” spiega Visconti.
Una volta ottenuta la visibilità degli impatti, la consapevolezza deve trasformarsi in leva strategica per le decisioni future. Le aziende più mature iniziano a utilizzare i dati raccolti non solo per rendicontare il passato, ma per simulare scenari di investimento futuri, valutando l’impatto sia economico che emissivo. Questo approccio permette di affrontare nodi critici, come il rinnovo della flotta o l’acquisto di biocarburanti, con una prospettiva di lungo periodo che favorisce la comunità e il posizionamento sul mercato. L’adozione di biocarburanti, ad esempio, viene citata come una scelta chiave per ridurre la dipendenza dalle risorse fossili limitate.
Il cuore della Twin Transition: dati per l’energia e dati per il cloud
Se il monitoraggio è la base, l’integrazione digitale è il motore. In questo scenario, la figura dell’Energy Manager assume una rilevanza nuova, legata alla capacità di interpretare i flussi informativi per declinare due obiettivi fondamentali: il contenimento dei costi energetici e la decarbonizzazione attraverso le fonti rinnovabili. Giuseppe Sperduto, Energy Manager di Maire, evidenzia come la sfida sia complessa perché richiede un lavoro di squadra che coinvolge l’intera filiera.
Maire, realtà attiva in 50 Paesi con un fatturato di circa 7 miliardi di euro, ha fissato obiettivi ambiziosi: raggiungere la Carbon Neutrality entro il 2029 per quanto riguarda lo Scope 1 e lo Scope 2. La gestione dello Scope 3, tuttavia, richiede una collaborazione con una rete di oltre 200.000 fornitori, rendendo la qualità e la tracciabilità del dato l’unico strumento possibile per governare una tale complessità.
Secondo Sperduto, il concetto di Twin Transition si manifesta in modo bidirezionale. “Possiamo descrivere il nostro approccio parlando di “Twin Transition”. I dati servono per la sostenibilità e la transizione energetica, ma ci servono anche per decarbonizzare le strutture stesse che ospitano i tool di analisi sui cloud” dichiara l’Energy Manager di Maire. Questo significa che la tecnologia digitale deve essere essa stessa sostenibile, evitando che l’infrastruttura necessaria per analizzare i consumi diventi a sua volta una fonte eccessiva di emissioni. In Maire, l‘uso di Intelligenza Artificiale e Machine Learning è già integrato nelle operazioni quotidiane di ingegneria, consentendo di immaginare soluzioni complesse in tempi ridotti, ma sempre con un occhio vigile sulla qualità del dato.
Il valore dell’interpretazione e della velocità d’azione
L’efficacia della Twin Transition dipende dalla frequenza e dalla precisione della raccolta dati. Non è più sufficiente un’analisi annuale; serve una cadenza adeguata che permetta di dare seguito velocemente alle operazioni di sostenibilità. In questo ambito, la certificazione EGE (Esperto in Gestione dell’Energia) diventa un requisito fondamentale per interpretare correttamente le metriche e trasformarle in azioni concrete per i clienti. Molte imprese guardano oggi al traguardo del Net Zero al 2050, ma è nel prossimo decennio che si giocherà la partita decisiva sulla costruzione delle strategie basate sui dati.
L’Intelligenza Artificiale come leva abilitante: il modello A2A
Perché la transizione digitale sostenga realmente quella ecologica, le aziende devono riorganizzare le proprie strutture interne. A2A ha risposto a questa sfida creando A2A Life Ventures, una società nata il 2 ottobre scorso dedicata interamente all’Intelligenza Artificiale, all’innovazione e alla ricerca. Questa struttura opera secondo un modello di “doppio mercato”, sviluppando servizi digitali sia per il Gruppo che per l’esterno, trasformandosi da centro di costo a generatore di ricavi.
Alice Guerini, esponente dell’AI Factory di A2A, spiega che l’innovazione non deve essere vista in contrapposizione alla sostenibilità, a patto di seguire tre direttrici fondamentali: strategia, tecnologia e governance. Sul piano tecnologico, l’azienda punta sul riuso dei sistemi per evitare ridondanze inutili, mentre sul piano della governance è essenziale selezionare provider che utilizzino risorse rinnovabili per i data center, arrivando a localizzare le infrastrutture nei Paesi nordici per ottimizzare il raffreddamento e l’efficienza energetica.
Dagli LLM agli Small Language Models: l’efficienza energetica dell’AI
Un punto centrale della strategia di A2A riguarda la scelta dello strumento tecnologico più adatto al problema da risolvere, evitando lo spreco di risorse computazionali. Guerini evidenzia come non sia sempre necessario ricorrere a Large Language Models (LLM) per ogni compito aziendale. “Ci stiamo orientando verso gli Small Language Models: modelli piccoli, ma molto specializzati, che offrono risultati equiparabili o migliori consumando molta meno energia” afferma Guerini. Questo approccio permette di mantenere alte le performance riducendo drasticamente l’impronta ambientale dell’innovazione digitale.
Attualmente, il Gruppo utilizza più di 300 sistemi di AI all’interno delle proprie Business Unit, governando le soluzioni attraverso un’area di Corporate Venture Capital che vanta oltre 100 milioni di euro investiti e un portafoglio di 70 startup. Questo ecosistema dimostra come la ricerca e sviluppo si sia evoluta in un processo di “Tech Transfer” immediato, dove la tecnologia viene trasferita direttamente nei sistemi operativi per guidare la trasformazione ecologica.
La gestione oculata del patrimonio informativo
La convergenza tra digitale e sostenibilità trova il suo punto di sintesi finale nella consapevolezza che il dato è il linguaggio comune di questa trasformazione. Sia che si parli di logistica che di grandi impianti ingegneristici o di servizi ai cittadini, la capacità di raccogliere, pulire e interpretare le informazioni è ciò che separa un approccio conformista da una vera strategia di valore. La complessità del contesto attuale richiede che la sostenibilità non sia un’attività isolata, ma un percorso comune dove ogni strumento digitale viene valutato anche per il suo impatto ambientale.
Le esperienze di GreenRouter, Maire e A2A confermano che la Twin Transition è un processo in divenire, dove l’automazione dei sistemi di calcolo e l’integrazione degli input informativi permettono un monitoraggio continuo e l’evidenziazione dei miglioramenti ottenuti. In questo scenario, l’innovazione non è solo una ricerca del nuovo, ma una gestione più intelligente e responsabile di ciò che già esiste, per costruire modelli di business che siano, finalmente, davvero sostenibili.
