ИИ не спасёт планету, но может сделать обращение с отходами эффективнее

Об искусственном интеллекте часто говорят в контексте климата, энергоперехода и углеродных рынков. Но одна из самых практичных областей его применения — обращение с отходами. Это система с большими затратами, устаревшими процессами и слабой цифровизацией. Поэтому эффект от ИИ здесь может быть не теоретическим, а вполне измеримым.

По данным Всемирного банка, города по всему миру ежегодно тратят более 252 млрд долларов США на управление твёрдыми отходами. К 2050 году, по прогнозам, эта сумма может вырасти до 375 млрд долларов США из-за ускорения урбанизации. При этом многие системы по-прежнему опираются на ручную сортировку, фиксированные маршруты и контракты, заключённые много лет назад.

Во многих секторах цифровизация уже изменила базовые процессы — от банковских операций до логистики. В отходах же значительная часть решений всё ещё принимается по инерции.

Сортировка: проблема не только в технологиях

Неприятная правда о переработке заключается в том, что многие системы настроены прежде всего на выполнение формальных требований, а не на максимальное извлечение полезных материалов.

По оценкам ОЭСР, уровень загрязнения в потоках перерабатываемых отходов часто превышает 25–40%. В таких условиях переработка значительных объёмов становится экономически нецелесообразной.

В проектах, где применялось визуальное распознавание на базе ИИ, обученное на местных потоках отходов, а не на универсальных наборах данных, точность идентификации материалов повышалась на 20–30% за несколько месяцев. Без масштабных информационных кампаний и без ожидания изменений в поведении жителей — за счёт более точного распознавания материалов.

Однако барьер часто оказывается не техническим, а договорным. Многим операторам платят за объём и пропускную способность, а не за точность сортировки. ИИ в таких условиях не только улучшает процесс, но и показывает, где стимулы в системе выстроены неправильно.

Маршруты сбора: меньше пробега, меньше лишних затрат

Сбор отходов — одна из крупных статей расходов муниципалитетов на топливо и труд. При этом маршруты мусоровозов во многих городах остаются фиксированными, хотя фактическая загрузка контейнеров и потребность в вывозе меняются.

McKinsey указывала, что оптимизация маршрутов с помощью ИИ в муниципальных службах может снизить операционные расходы на 15–25%. В одном из городских проектов динамическая маршрутизация сократила пробег мусоросборников на 18% менее чем за год. Без закупки новых машин и без сокращения персонала — просто за счёт отказа от повторяющихся неэффективных решений.

Контроль потоков и незаконный сброс

Отдельная проблема — неучтённые и незаконные потоки отходов. Незаконный сброс и искажение данных о движении отходов приводят к миллиардным потерям доходов во всём мире.

ИИ может быть полезен и здесь: системы обнаружения аномалий сопоставляют данные об утилизации, спутниковые снимки и строительную активность. Такой подход уже помогал выявлять масштабные злоупотребления в регионах, где у контролирующих органов не хватало ресурсов.

Речь не о тотальной слежке, а о распознавании закономерностей. Если данные о потоках отходов расходятся с реальной активностью на местах, система должна это показывать.

Почему отрасль медлит

Одна из причин — отношение к отходам как к операционной рутине, а не как к стратегической системе. Пока мусор вывезен и жалоб нет, процессы редко пересматривают. Но именно в таких «невидимых» участках и накапливаются лишние расходы, потери сырья и слабый контроль.

ИИ особенно полезен там, где данные фрагментированы, инфраструктура устарела, а кадров не хватает. Сфера обращения с отходами во многом именно так и устроена.

Для первых внедрений эффект будет выражаться не только в снижении затрат. Компании и города, которые раньше начнут работать с данными, смогут влиять на стандарты, требования к качеству сортировки и будущие правила рынка вторсырья.

Искусственный интеллект не сделает обращение с отходами модной темой. Но он может сделать эту систему более точной, прозрачной и управляемой.