Durante décadas, temos dito que devíamos reduzir as emissões, mas elas continuaram a aumentar. Uma das razões principais é não medirmos com precisão o impacto climático das nossas ações. Imaginem tentar poupar dinheiro, mas quando vão às compras, nenhum artigo tem a etiqueta com o preço. Ou tentarem perder peso, mas sem conseguirem saber o tamanho das porções nem as calorias. Estariam condenados ao fracasso. 
Este nível de cegueira é semelhante ao que temos no que diz respeito ao impacto climático. 
É difícil medir as emissões de gases com efeito de estufa. Não têm cor, não têm cheiro, e são invisíveis. Não conseguimos pôr sensores em todo o lado, em todos os edifícios, em todas as estradas, em todos os campos, em todas as vacas. Por isso, na maioria das vezes, desistimos e não medimos. E quando conseguimos medir, acabamos por depender de estimativas e fatores de conversão. Como consequência, acabamos por trabalhar com estimativas muito incompletas e imprecisas das nossas emissões. Muitas vezes, temos uma margem  de erro de 30 a 60%. Isto significa que os objetivos e os planos de ação baseiam-se em dados imprecisos. 
Se olharmos para as empresas que reportam ao CDP a sua evolução climática — o CDP é uma organização sem fins lucrativos que gere um sistema global de divulgação para impactos ambientais — o que vemos é chocante: mais de dois terços das empresas não estão a medir as suas emissões com precisão, e apenas 7% dessas empresas estão realmente a reduzir o seu impacto de certa forma. Não conseguimos reduzir o que não conseguimos medir. É importante que as empresas possam medir toda a sua atividade, todas as fontes que aumentem  ou diminuem o carbono. De certa forma, é como usar o mesmo rigor nas medições de carbono que usamos para o controlo financeiro. Foram precisos mais de cem anos para  termos sistemas de controlo automatizados. Não temos cem anos quando se trata do clima. Mas isto é crucial para as empresas definirem objetivos significativos e planos de ação de sucesso. 
Uma das ferramentas mais fortes que temos para nos ajudar a acelerar nesta jornada é a inteligência artificial. A inteligência artificial pode processar dados automaticamente de fontes diversas e não estruturadas como faturas ou  dados comportamentais de clientes. Pode trabalhar com modelagem, para estimar melhor as informações em falta. Pode simular e, em última análise, otimizar as emissões. 
Vou dar-vos um exemplo de como isto pode funcionar. Uma empresa internacional de vinhos e bebidas espirituosas: milhares de milhões de vendas, centenas de marcas, consumidores em todo o mundo. Quando querem medir o seu impacto, precisam de fazer medições a todo o conjunto das emissões. Isto significa emissões diretas das instalações, eletricidade adquirida, matérias primas, activos locados, emissões das tecnologias, viagens de negócios, transportes, resíduos, fim dos produtos, etc, etc. Isso é uma enorme quantidade de informações a reunir. E a maioria acaba por estar inacessível à própria empresa porque vem do exterior do âmbito da sua atividade. Por exemplo, de fornecedores que também ainda não conseguem calcular as emissões. Então, quando a equipa da sustentabilidade calcula o seu impacto, a única opção que têm é fazer estimativas aproximadas. 
Vamos examinar o vidro para as garrafas. Esta é a forma que calculam as emissões do vidro: Pegam na quantidade total de vidro que compraram no ano anterior, digamos mil toneladas. Depois multiplicam-no por um fator de conversão, que representa a média de quilos de CO2 equivalente para uma tonelada de vidro — digamos 950. 950 vezes 1000 é igual a 950 000. Claro que isto é tremendamente impreciso porque não tem em conta todos os outros fatores que também têm impacto nas emissões, por isso é difícil estabelecer objetivos e planos de ação. É aqui que a equipa da sustentabilidade chama os cientistas de dados para processarem dados detalhados sobre o tipo de vidro, a cor do vidro, a quantidade reciclável, o país de origem do fornecedor, a forma de transporte, por marca, por produto Eles podem simular o formato e a cadeia de suprimento e integrar nos cálculos a importância da cor do vidro: uma vez e meia mais emissões para uma garrafa transparente do que para uma garrafa verde; a importância do país de origem: o dobro das emissões de um país em relação a outro, consoante a matriz energética; a importância do <i>design</i> em si: para o mesmo peso total, uma vez e meia mais emissões por um <i>design </i>em relação a outro. Em vez de ter apenas um grande número médio, podemos ter um modelo que correlaciona e calcula as emissões a um nível detalhado. 
Com esta metodologia, o valor das emissões normalmente é corrigido em 30 a 50%. E o mais importante é que agora a empresa pode agir. Primeiro, podem definir objetivos significativos, segundo, podem identificar  iniciativas muito concretas e terceiro, podem recalcular as emissões ao longo do tempo e medir a sua evolução. 
Vou referir outro exemplo: o cimento. O cimento é um enorme emissor de CO2. Se o cimento fosse um país, seria o terceiro maior emissor do mundo, logo a seguir à China e aos EUA, à frente da União Europeia e da Índia. A maioria das emissões vêm do processo de produção de clínquer, o elemento principal do cimento. Para produzir clínquer, é preciso manter uma temperatura de mais de 1400 ºC. É necessário muito combustível, e, na prática, estes materiais contêm apenas carbono. Portanto o segredo é produzir clínquer mais limpo e de melhor qualidade, porque quanto melhor for a qualidade do clínquer, menor será a quantidade necessária para produzir o cimento, e portanto, serão geradas menos emissões. Mas produzir clínquer de alta qualidade é uma ciência complexa. Depende de múltiplos fatores que se influenciam uns aos outros. Por exemplo, os parâmetros do processo, como a velocidade de rotação da máquina, a rapidez com que se enche, o tipo de combustível utilizado, as matérias-primas  e as suas composições químicas exatas. É aqui que a inteligência artificial também pode ter um impacto enorme. As equipas operacionais no local tentam manter manualmente o melhor conjunto possível de parâmetros. A IA pode ajudar ao medir melhor através de diversas origens, como medições diretas, equilíbrio de materiais e massa, etc. Simular todas as potenciais decisões e recomendar as mais otimizadas aos operadores. Estas técnicas implementadas num processo de produção de cimento permitem uma redução substancial de emissões numa questão de meses. 
Há uma infinidade de aplicações possíveis. Não há nenhuma empresa nem nenhuma indústria que não possa retirar um impacto climático significativo do uso da inteligência artificial. Não quero dizer que a inteligência artificial, por si só, nos vai salvar. Mas a inteligência artificial, ao ajudar-nos a medir com precisão, a simular e a otimizar, permite reduções significativas de emissões de uma forma bastante rápida, barata e fácil. Não podemos perder esta oportunidade. 
Obrigada. 
