L’intelligenza artificiale (IA) sta diventando centrale per quanto riguarda la gestione della sostenibilità del packaging, in particolare nel mondo dei beni di largo consumo. Per le aziende con molte referenze e un portfolio di packaging numeroso e complesso, l’interesse aumenta rapidamente, mentre affrontano una crescente pressione e un controllo sempre più intenso in materia di rendicontazione normativa.
In questo contesto, l’IA offre una nuova prospettiva molto affascinante in merito all’analisi dei dati, alla gestione dei processi e alla rendicontazione automatica e rapida con una notevole riduzione dell’attività manuale. Oggi, i costi delle risorse ed i carichi di lavoro aumentano sempre di più, con procedure manuali al limite: è evidente che l’uso di fogli di calcolo non è più sufficiente.
In queste condizioni, automatizzare l’esecuzione delle valutazioni RAM (Recyclability Assessment Methodology in ambito packaging) e la rendicontazione EPR (Extended Producer Responsibility) appare estremamente interessante. Ridurre lo sforzo necessario per soddisfare i requisiti della regolamentazione PPWR (Packaging and Packaging Waste Regulation – la nuova regolamentazione sui rifiuti degli imballi) e riuscire a comprendere correttamente le dichiarazioni ambientali (Green Claims) è senza dubbio entusiasmante.
Le grandi aziende di beni di largo consumo confezionato o CPG – Consumer Packaged Goods, stanno cercando di usare l’intelligenza artificiale e l’automazione per ridurre la complessità, mentre le aziende che vogliono crescere vedono in queste tecnologie un’opportunità per colmare il divario competitivo.
Molte, però, si scontreranno con un ostacolo inatteso, rappresentato dalla loro struttura dati del packaging, che non è ancora pronta a supportare, addestrare e quindi implementare con successo l’IA.
Promesse ovunque
Unilever, Nestlé e PepsiCo hanno affrontato il tema dell’uso dell’IA e dell’analisi avanzata dei dati per la sostenibilità, prevedendo la reportistica come punto all’ordine del giorno. Coca-Cola ha collaborato con una piattaforma di IA per implementare, monitorare e rendicontare le proprie iniziative di sostenibilità. Nove brand, tra cui Danone, Colgate-Palmolive e Mars, hanno costituito il Perfect Sorting Consortium con l’obiettivo di sviluppare sistemi di IA per la selezione dei rifiuti.
I partner tecnologici amplificano la portata dell’IA, sebbene sia certamente logico applicare l’IA in quest’area caratterizzata da un’alta densità di dati e basata su regole, per velocizzare i processi decisionali, garantire la conformità e ridurre i rischi.
Dal punto di vista di un’azienda software, che aiuta le aziende a centralizzare, consolidare, controllare i dati e i flussi di lavoro legati al packaging, si vede chiaramente il potenziale. Ma, al contempo, è presente un’evidente criticità che la maggior parte delle aziende non considera.
Abbiamo visto molte aziende in difficoltà nell’automatizzare la gestione degli artwork e dell’etichettatura. Si stanno rendendo conto che l’applicazione dell’IA ai processi di creazione e aggiornamento degli artwork è complessa, soprattutto perché i dati sottostanti sono frammentati, incoerenti o mal gestiti. Si rivolgono a noi quando realizzano che occorre sistemare prima la base dati, altrimenti gli sforzi sull’IA rischiano di essere vani.
L’IA applicata alla sostenibilità del packaging in senso lato dovrà affrontare lo stesso problema: essa può operare solo su ciò che è disponibile, non può risolvere la disorganizzazione dei dati. In un contesto normativo che richiede accuratezza, tracciabilità e difendibilità, questa distinzione è cruciale.
Prima che le organizzazioni possano usare l’IA per semplificare la rendicontazione di sostenibilità e la conformità normativa, devono rispondere a una domanda fondamentale: i nostri dati sono pronti?
La sostenibilità del packaging è un adatto all’IA?
Anche con la presenza di sistemi ERP avanzati e software dedicati alla gestione del packaging, i team trovano molto complessa la rendicontazione di conformità, come hanno sperimentato negli ultimi due anni le aziende britanniche soggette all’EPR.
Considerando i grandi volumi di dati, le valutazioni ripetitive e i calcoli complessi basati su logiche rigorose, la sostenibilità del packaging appare come un ambito di applicazione ideale per l’IA.
L’IA potrebbe elaborare le informazioni più velocemente, fornire controlli di conformità immediati, identificare l’impatto delle modifiche, mettere a punto nuovi materiali e calcolare i benefici ambientali. È già utilizzata per attività legate alla sostenibilità, come:
- valutazioni di riciclabilità e conformità
- rendicontazione EPR (Responsabilità Estesa del Produttore) e normativa
- analisi comparativa di impatto ambientale
- identificazione di opportunità di riduzione dell’impatto
- insight più veloci per i team che si occupano del packaging
Tuttavia, l’uso dell’IA non deve limitarsi solo ad un calcolatore o ad un assistente per la creazione di report. Il vero obiettivo è che diventi un supporto strategico a livello decisionale, capace di guidare e accrescere la sostenibilità nel mondo reale.
I parallelismi con l’artwork
Chi sta sperimentando l’AI nella gestione degli artwork punta a cicli di lavoro più rapidi, meno errori, una riduzione delle attività manuali e un maggiore supporto decisionale.
Presenta grandi potenzialità nell’automazione del confronto degli artwork, rilevando incongruenze nel marchio, errori nelle diciture in etichetta e mancanze nei simboli di certificazione che rischierebbero di passare inosservati, oltre che permettere un’accelerazione dei processi.
E qui che risiede il vero valore su larga scala. Se l’IA inizia a confrontare le regole strutturate del packaging con artworkgli, potrà individuare le discrepanze e supportare la conformità non solo per un singolo paese/mercato e lingua, ma per tutti contemporaneamente. Purtroppo, quando le aziende cercano di farlo partendo da dati disorganizzati, il fallimento è quasi certo.
Quando i dati o le regole che governano i diversi elementi risiedono in sistemi aziendali interni ed esterni disconnessi, con denominazioni difformi e di dubbia proprietà, da dove può attingere i dati l’IA?
Questa disorganizzazione porta alla mancanza o alla duplicazione di dati, alla applicazione non corretta di regole e specifiche, a cicli operativi ridondanti e rilavorazioni che necessitano di interventi manuali.
L’IA non potrà nascondere questi problemi, anzi, li porterà alla luce e ne amplificherà la portata.
Le conseguenze per la corretta gestione del packaging e per i progetti di sostenibilità ad ampia scala sono significative: documentazione normativa incompleta o errata, dichiarazioni non corrette sulla riciclabilità, audit complessi e l’irritazione del top management sono solo alcuni esempi.
L’IA può accelerare i processi e i risultati, ma non serve a nulla se i risultati ottenuti sono sbagliati.
L’anello mancante: la preparazione dei dati
Non è possibile passare direttamente da una situazione di gestione manuale e disorganizzata, ad una ben organizzata e molto performante con l’uso dell’intelligenza artificiale. È essenziale costruire una base dati strutturata, connessa e ben governata nell’ambito della sostenibilità del packaging e del prodotto, così da garantire la trasparenza, la tracciabilità e la chiarezza che rappresentano il cardine di una sostenibilità efficace.
La reportistica corretta ne diventa una conseguenza naturale.
4Pack può svolgere un ruolo chiave nell’unire le informazioni e le specifiche di packaging e di prodotto, favorendo la conformità normativa e potenziando l’efficacia dei flussi di lavoro degli artwork e del packaging. Collega gli utenti ai file e agli asset provenienti da un repository completo e strutturato di documenti, immagini e altri contenuti chiave.
4Pack, quale sistema unico e strutturato, crea ciò di cui l’IA ha bisogno: una fonte di informazioni affidabile, coerente e condivisa tra prodotti, versioni e mercati. Le relazioni tra prodotti e packaging, le loro componenti ed i materiali sono chiaramente definite e mantenute nel tempo.
Ciò diventa fondamentale anche per un ultimo fattore critico: l’addestramento accurato che le soluzioni di IA richiedono. Istruire il comportamento corretto è essenziale. L’ottenimento di risposte e di output adeguati avviene solo se l’IA può accedere a dati accurati, regole normative affidabili e asset corretti.
L’IA e l’automazione applicate alla sostenibilità del packaging possono essere davvero rivoluzionarie. Ma la frammentazione e il disordine dei dati possono bloccare sul nascere le loro potenzialità. Solo quando i dati sulla sostenibilità del packaging sono strutturati e ben governati diventano tracciabili, verificabili e difendibili, permettendo di gestire i cambiamenti e di testare le diverse ipotesi. La rendicontazione diventa così un processo ripetibile, anziché una reazione all’emergenza.
L’AI corre veloce. Anche le aziende devono stare al passo.
Il grande potenziale dell’IA a supporto della sostenibilità del packaging non è in discussione. La preparazione sì.
Le aziende multi-brand e multiprodotto che vogliono adottare l’IA in modo efficace, devono avere una base dati pronta.
Fermarsi per consolidare l’infrastruttura dei propri dati non significa rallentare: significa abilitare velocità e agilità per il futuro, preparandosi a muoversi più rapidamente, con maggiore sicurezza e meno rischi.
Con l’entrata incalzante delle nuove normative sui rifiuti di imballaggio, è giunto il momento per le aziende di prepararsi adeguatamente a un futuro basato sull’intelligenza artificiale.
