Senior Associate Rome
"In un contesto che vede l’IA offrire risposte sempre più all’avanguardia alle sfide del settore energia, gli operatori sono chiamati a dedicare crescente attenzione al tema della compliance alle continue evoluzioni della regolamentazione in materia."
La crisi che attraversa il settore dell’energia pone gli operatori di fronte alla necessità di dare una risposta efficace ad un fuoco incrociato di sfide diverse: prezzi volatili influenzati da fattori geopolitici, domanda crescente, necessità di ridurre l’impatto ambientale. Di fronte a una simile complessità dello scenario, un mezzo potenzialmente funzionale all’elaborazione di soluzioni efficaci è rappresentato dall’intelligenza artificiale (“IA”). Le applicazioni estremamente varie dell’IA si intersecano infatti di frequente con il tema dell’energia, specie per quanto concerne la necessità di prendere decisioni data driven, basate su dati empirici quantitativamente e qualitativamente complessi, o di garantire reazioni rapide e flessibili a continue variazioni dei fattori in gioco (qui viene in rilievo il machine learning): è in questo contesto che si inseriscono soluzioni tecnologiche che spaziano dal c.d. algo-trading alle “case intelligenti”, passando per le innovative smart grids e l’ottimizzazione automatizzata delle fonti rinnovabili.
Smart Grids
L’IA ha un ruolo decisivo nel campo del collegamento intelligente in rete dei consumatori e dei distributori di energia: con la sempre maggiore decentralizzazione e digitalizzazione delle reti cresce il numero di partecipanti attivi e con esso la difficoltà di mantenere la rete in equilibrio; al contempo, l’aumento di fonti di energia discontinue, come il solare e l’eolico, richiede che la distribuzione reagisca in modo intelligente e rapido al consumo (e viceversa). Le smart grid – gestite dai Distribution System Operator (DSO) – si collocano nell’ambito della distribuzione in media e bassa tensione su base locale, trasportando non solo elettricità ma anche dati. La gestione della smart grid, dall’origine fino alle ramificazioni finali, gli smart meter, avviene tramite sistemi di telecontrollo e telegestione che consentono di effettuare metering dei consumi, monitoraggio in tempo reale di nodi e rami, variazioni della potenza sui singoli punti di fornitura. Queste modalità di gestione del bilanciamento tra domanda e offerta a fini di stabilità guidano un’evoluzione della rete in chiave “prosumer”, basata appunto sull’energia decentralizzata che clienti B2C e B2B producono tramite soluzioni fotovoltaiche e non solo.
AI e trading
Le capacità predittive dell’IA hanno potenzialità ancor più interessanti nell’ambito del trading di energia elettrica: l’IA rende più semplice valutare sistematicamente grandi quantità di dati meteorologici o dati storici di mercato. Come già visto, inoltre, previsioni migliori assicurano maggiore stabilità della rete e conseguentemente sicurezza nell’approvvigionamento. A partire da tali premesse, alcuni algoritmi di AI si dimostrano già sufficientemente intelligenti da poter fare trading in autonomia (il cosiddetto algo-trading o trading automatizzato), seguendo in un certo senso la traccia di quanto già avvenuto sui mercati finanziari.
AI per il consumo domestico
Anche i consumatori, collegati in modo intelligente al sistema elettrico, possono contribuire a una rete stabile e verde. Le soluzioni per case e contatori intelligenti esistono già, ma non sono ancora ampiamente utilizzate. In una casa intelligente, i dispositivi collegati in rete reagiscono ai prezzi del mercato dell’elettricità e si adattano ai modelli di utilizzo domestico per risparmiare elettricità e ridurre i costi.
Cosa cambia con la regolazione?
In questo scenario, le aziende che ricorrono ai sistemi di IA nel mercato dell’energia, dovranno iniziare a prendere in considerazione – sotto il profilo giuridico – alcune peculiarità connesse ai sistemi utilizzati.
Il dibattito sull’impiego dell’IA si interseca, infatti, con il procedimento legislativo di approvazione dell’Artificial Intelligence Act, imperniato su un approccio ethic based e risk based, con l’obiettivo di garantire che i sistemi di IA siano trustworthy, affidabili appunto. L’approccio nei confronti dei sistemi di IA dovrebbe, pertanto, essere basato su una valutazione del rischio connesso agli stessi, con meccanismi di compliance differenziati andando dai sistemi a rischio alto a quelli a rischio basso.
Accanto ad una compliance, che potrebbe rivelarsi piuttosto rigida alla fine del percorso di elaborazione del Regolamento Europeo, gli operatori del settore dovranno altresì valutare le proposte europee relative ad altri aspetti nel ricorso all’IA. Si pensi in particolare al tema della responsabilità civile, oggetto nell’ottobre 2020 di una Risoluzione del Parlamento Europeo con cui è stata predisposta una bozza di regolamento applicabile al settore dell’IA, con la proposta di introdurre un meccanismo di responsabilità oggettiva (quindi senza dolo o colpa) a carico degli attori operanti su sistemi ad alto rischio. La proposta è stata oggetto di consultazione pubblica ed al momento deve ancora essere recepita in un testo vincolante.
In questo contesto di attesa e di incertezza, gli operatori del settore energia, che si tratti di trader, reseller o utenti business sono chiamati a rivolgere un’attenzione crescente al tema dell’IA al fine di sfruttarne il più possibile i vantaggi, ma anche e soprattutto ad implementare con il necessario anticipo meccanismi interni di compliance che consentano di rispettare le future disposizioni ed evitare che gli strumenti adottati siano oggetto di divieti o limiti di utilizzo e penalizzino conseguentemente la propria azienda rispetto ad eventuali competitors.