الذكاء الاصطناعي يحول النفايات إلى ثروة.. اقتصاد دائري قد يضيف 4.5 تريليون دولار بحلول 2030
النفايات كأصل اقتصادي.. الذكاء الاصطناعي يغير قواعد إعادة تدوير البلاستيك
كل يوم، ينتج الإنسان العادي نحو 0.88 كيلوجرام من النفايات، بينما يتجاوز المتوسط اليومي في الولايات المتحدة وكندا 2.2 كيلوجرام للفرد.
لكن الجزء الأكبر من هذه المواد لا يعود إلى الاقتصاد مرة أخرى.
فلا يُعاد تدوير سوى نحو 9% من النفايات البلاستيكية عالميًا، بينما لم تأتِ سوى 8% من ألياف المنسوجات المستخدمة في عام 2023 من مصادر معاد تدويرها، في حين ينتهي الباقي إلى المدافن أو المحارق أو البيئة.
وراء هذه الخسارة البيئية تختبئ فرصة اقتصادية هائلة.
وتشير تقديرات نقلها المنتدى الاقتصادي العالمي عن شركة Accenture إلى أن الانتقال من الاقتصاد الخطي القائم على نموذج «نأخذ–نصنع–نهدر» إلى اقتصاد دائري يمكن أن يولد 4.5 تريليون دولار إضافية من الناتج الاقتصادي بحلول عام 2030، وقد يرتفع الرقم إلى 25 تريليون دولار بحلول 2050.
وفي قلب هذه الفرصة يظهر الذكاء الاصطناعي كأداة لإعادة بناء واحدة من أكثر حلقات الاقتصاد الدائري تعقيدًا: فرز النفايات واستعادة المواد الخام.
الذكاء الاصطناعي يدخل سلسلة النفايات بالكامل
لم يعد الذكاء الاصطناعي مقتصرًا على مرحلة الفرز داخل مصانع إعادة التدوير، فالتقنيات الجديدة بدأت تظهر على امتداد سلسلة النفايات، من الحاوية التي يضع فيها المستهلك مخلفاته، مرورًا بشاحنات الجمع ومنشآت استعادة المواد، وصولًا إلى إعادة معالجة المواد وعودتها إلى الشركات المصنعة في صورة مواد خام قابلة للاستخدام.
وهذا التحول مهم لأن قيمة المادة القابلة لإعادة التدوير لا تتحدد فقط بوجودها، وإنما بجودتها ونقاوتها وإمكانية إثبات مصدرها وتركيبها.
كلما اختلط البلاستيك بمواد عضوية أو بمواد أخرى غير قابلة لإعادة التدوير، تراجعت قيمته الاقتصادية، وقد يصبح من الصعب إعادة استخدامه، وهنا يأتي دور الذكاء الاصطناعي.
من العامل أمام السير إلى الروبوت الذي يقرأ النفايات
اعتمدت منشآت إعادة التدوير تاريخيًا على عمال يقفون أمام سيور متحركة لفرز المواد يدويًا، بمعدلات تتراوح حول 30 إلى 40 عملية فرز في الدقيقة.
لكن هذا العمل يرتبط بمخاطر صحية وبيئية، فضلًا عن ارتفاع معدل دوران العمالة وعدم ثبات دقة الفرز.
وتعمل أنظمة الرؤية الحاسوبية والتعلم الآلي على تغيير هذا المشهد، عبر التعرف إلى المواد وتوجيه أذرع روبوتية وآلات فرز بصرية.
وتستخدم شركات مثل Greyparrot وAMP Robotics وTOMRA تقنيات قادرة، وفق البيانات التي أوردها المصدر، على توصيف النفايات بدقة تصل إلى 98%، بينما تستطيع بعض أنظمة الفرز الروبوتية التقاط 80 قطعة أو أكثر في الدقيقة.
ولا يعني ذلك بالضرورة إلغاء العمالة بالكامل؛ إذ يمكن للذكاء الاصطناعي أن يتولى المهام الأكثر خطورة وتكرارًا، بينما يعاد توجيه العمال إلى أدوار أكثر كفاءة وأمانًا.
لكن الذكاء الاصطناعي ليس حلًا سحريًا
يحذر جان-لوب ماسون، كبير المستشارين في مركز الحلول الدائرية التابع لتحالف إنهاء النفايات البلاستيكية، من أن فعالية تقنيات الفرز المدعومة بالذكاء الاصطناعي تعتمد على مدى نضج منظومة إدارة النفايات في الدولة.
فالتقنيات يمكنها تحسين التعرف إلى المواد ودقة الفرز وتقليل تكاليف العمالة وزيادة استرداد الموارد، لكن فائدتها تكون أكبر عندما تتوافر بالفعل البنية الأساسية لجمع النفايات وتجميعها وفرزها الأولي.
أما في المناطق التي لا تزال هذه البنية فيها ضعيفة، فإن الأولوية تكون لبناء النظام الأساسي قبل الاعتماد على التكنولوجيا المتقدمة.
وهذه النقطة تكشف أحد أهم دروس التحول الرقمي في قطاع النفايات: الذكاء الاصطناعي يستطيع تحسين منظومة جيدة، لكنه لا يستطيع وحده بناء منظومة غير موجودة.
أين يدخل الذكاء الاصطناعي في رحلة النفايات؟
تتكون سلسلة النفايات بصورة مبسطة من خمس مراحل رئيسية:
الحاوية → جمع النفايات → منشأة استعادة المواد → إعادة المعالجة → العودة إلى الشركات والمستهلكين في صورة مواد خام أو منتجات.
وفي مرحلة الجمع، قد تختلط المواد القابلة لإعادة التدوير بالطعام والمخلفات العضوية، ما يؤدي إلى تدهور جودتها قبل وصولها إلى منشأة الفرز.
وهنا يمكن لأنظمة الحاويات الذكية المدعومة بالذكاء الاصطناعي، مثل أنظمة Intuitive AI، اكتشاف التلوث أو المواد غير المناسبة منذ لحظة التخلص منها.
أما داخل منشآت الفرز، فتواجه الأنظمة التقليدية صعوبة في التعامل مع مواد معقدة مثل:
• الأفلام البلاستيكية متعددة الطبقات
• البلاستيك الأسود
• العبوات المرنة
• المواد المركبة
وقد تؤدي هذه الصعوبات إلى إرسال مواد كان يمكن إعادة تدويرها إلى المدافن أو المحارق.
لكن أنظمة الرؤية الحاسوبية الأكثر تطورًا تستطيع التعرف إلى أنواع مختلفة من المواد بصورة أكثر دقة.
والتكنولوجيا تتجه إلى مستوى أكثر تقدمًا؛ إذ يعمل مشروع Materra التابع لـGoogle X على استخدام التعرف الجزيئي لتحديد التركيب الكيميائي الدقيق للمواد، وهو ما قد يفتح المجال أمام استخدام بعض البوليمرات التي يصعب تدويرها حاليًا كمواد خام عالية الجودة في عمليات إعادة التدوير الكيميائي.
المشكلة ليست في الفرز فقط.. بل في الثقة
حتى أفضل عملية فرز لن تحقق قيمتها الاقتصادية إذا لم يثق المشترون في المواد الناتجة عنها.
فإذا كانت بالات المواد المعاد تدويرها تحتوي على نسبة صغيرة من المواد غير المرغوب فيها، يمكن أن تتكبد منشآت إعادة التدوير خسائر تصل إلى مئات الآلاف من الدولارات سنويًا.
كما أن سوق المواد المعاد تدويرها يمكن أن يتعرض لتقلبات مفاجئة.
وحدث ذلك بصورة واضحة في عام 2018 عندما أوقفت الصين واردات أنواع من النفايات القابلة لإعادة التدوير، ما أدى إلى اضطرابات واسعة في أسواق النفايات والمواد المستعملة.
وهنا تصبح البيانات التي يوفرها الذكاء الاصطناعي ذات قيمة اقتصادية تتجاوز عملية الفرز نفسها.
فبيانات كل مادة تمر عبر خط الفرز يمكن أن تساعد الشركات على إثبات كمية ونوعية المواد المعاد تدويرها في منتجاتها، وهو أمر مهم خصوصًا مع توسع القواعد التي تفرض نسبًا محددة من المحتوى المعاد تدويره.
كما يمكن لهذه البيانات مساعدة الشركات المصنعة على تصميم عبوات ومنتجات أكثر قابلية لإعادة التدوير، بينما تمنح الحكومات ومنظمات مسؤولية المنتج مؤشرات أكثر دقة لتوجيه التمويل والاستثمار في البنية التحتية.
لماذا يزداد الطلب على المواد المعاد تدويرها؟
هناك عاملان رئيسيان يدفعان السوق إلى الأمام.
أولًا: القوانين تفرض المحتوى المعاد تدويره
بدأت متطلبات المحتوى المعاد تدويره في التوسع عبر الأسواق الكبرى، فالاتحاد الأوروبي يتجه إلى فرض حد أدنى من المحتوى المعاد تدويره في العبوات البلاستيكية بدءًا من 2030 ضمن لائحة التغليف ونفايات التغليف.
وفي الهند، تفرض إرشادات جديدة نسبة 40% من المحتوى المعاد تدويره في العبوات البلاستيكية الصلبة المخصصة للأغذية اعتبارًا من أبريل 2026.
كما بدأت عدة ولايات أمريكية تطبيق أو تطوير رسوم مرتبطة بمسؤولية المنتج الممتدة.
هذه القواعد تخلق طلبًا على مواد معاد تدويرها بكميات ونقاوة لا تستطيع عمليات الفرز اليدوي التقليدية توفيرها بسهولة.
ثانيًا: المواد الخام البكر أصبحت أكثر تقلبًا
في الوقت نفسه، أصبحت سلاسل إمداد المواد الخام البكر أكثر تعرضًا للتقلبات الجيوسياسية وارتفاع التكاليف.
وبحسب أماندين جولي، رئيسة الشراكات والعلاقات الخارجية في Circulate Capital، فإن الاضطرابات التي ضربت سلاسل إمداد المواد البكر في الشرق الأوسط خلال 2026 أدت إلى زيادة الاهتمام بقدرات المواد المعاد تدويرها باعتبارها وسيلة للتحوط من مخاطر الإمدادات، إلى جانب دورها البيئي.
وهنا يتحول الاقتصاد الدائري من مجرد قضية استدامة إلى استراتيجية للأمن الصناعي وسلاسل الإمداد.
الذكاء الاصطناعي يغير اقتصاديات الاستثمار في النفايات
الجانب الآخر من القصة يتعلق بالتمويل، فالشركات التي تطور برمجيات الذكاء الاصطناعي لقطاع إعادة التدوير لا تحتاج إلى النوع نفسه من رأس المال الذي تحتاج إليه مصانع إعادة التدوير أو منشآت جمع النفايات.
شركات البرمجيات في المراحل المبكرة تعتمد غالبًا على رأس المال الجريء، بينما تحتاج الشركات المصنعة للمعدات إلى تمويل نمو أكبر مع توسع الإنتاج.
أما منشآت إعادة التدوير التي تريد تحديث خطوط الفرز القائمة، فيمكنها اللجوء إلى تمويل المشروعات أو القروض المرتبطة بالاستدامة، خصوصًا عندما تكون المنشأة قائمة بالفعل وتولد تدفقات نقدية.
أما عمليات جمع النفايات، فالوضع مختلف، لأنها لا تحقق أرباحًا مباشرة بالضرورة، ولذلك تعتمد بدرجة أكبر على التمويل العام والتمويل المختلط، بما في ذلك المؤسسات الإنمائية والبلديات.
ومن الأمثلة على ذلك سند خفض النفايات البلاستيكية المرتبط بالنتائج بقيمة 100 مليون دولار من البنك الدولي، الذي يمول مشروعات لجمع وإعادة تدوير البلاستيك في غانا وإندونيسيا.
العقدة الأكبر: من سيشتري المواد المعاد تدويرها؟
رغم اختلاف أدوات التمويل، فإن جميع هذه الحلقات تلتقي عند نقطة واحدة:
وجود مشترٍ مستعد لدفع ثمن المواد المعاد تدويرها ذات الجودة المثبتة.
فمن دون اتفاقيات شراء طويلة الأجل ومتطلبات واضحة للمحتوى المعاد تدويره، ستظل فرق المشتريات تقارن المادة المعاد تدويرها بسعر البلاستيك البكر في السوق الفورية.
وهنا يطرح المصدر الانتقال من الشراء قصير الأجل إلى التزامات السوق المسبقة (AMCs) واتفاقيات شراء منظمة وطويلة الأجل.
فإذا التزم المشترون بسعر حد أدنى للمواد المعاد تدويرها التي تستوفي معايير الجودة، يحصل المستثمرون والمقرضون على قدر أكبر من اليقين بشأن الإيرادات المستقبلية، ما يساعد على تمويل منشآت إعادة تدوير أكبر.
من «النفايات» إلى أصل مالي
هذه هي النقلة الأهم في اقتصاد النفايات، فالمخلفات التي كانت تُعامل باعتبارها تكلفة للتخلص منها يمكن أن تتحول، عندما تتوافر البنية المناسبة والبيانات الدقيقة والأسواق المستقرة، إلى مواد خام لها سعر وقيمة وسلسلة توريد ومشترون محددون.
والذكاء الاصطناعي لا يصنع هذه القيمة من العدم، لكنه يستطيع أن يساعد في كشفها عبر:
• تحديد نوع المادة بدقة أكبر.
• رفع جودة الفرز.
• تقليل التلوث.
• زيادة كمية المواد المستردة.
• توفير بيانات قابلة للتحقق.
• مساعدة الشركات على تصميم منتجات أكثر قابلية لإعادة التدوير.
• تحسين قرارات الاستثمار في البنية التحتية.
لكن الوصول إلى اقتصاد بلا هدر يتطلب أكثر من روبوتات وأنظمة رؤية حاسوبية.
الاقتصاد الدائري يحتاج إلى سلسلة كاملة
يؤكد الطرح أن الفرز المدعوم بالذكاء الاصطناعي يمثل فرصة جاهزة للتوسع، لكن الوصول إلى اقتصاد دائري كامل للبلاستيك يحتاج إلى تعاون عبر سلسلة القيمة بأكملها.
فلا فائدة من امتلاك مصنع فرز شديد الكفاءة إذا لم تتوافر أنظمة جمع جيدة، أو إذا لم يوجد مشترون للمواد الناتجة، أو إذا لم تكن المنتجات النهائية مصممة لإعادة التدوير.
كما أن التكنولوجيا تحتاج إلى قوانين تخلق الطلب، وتمويل يساعد على بناء البنية الأساسية، وشركات تلتزم بشراء المواد المعاد تدويرها.
ولهذا فإن مستقبل النفايات قد لا يكون مجرد قصة عن الذكاء الاصطناعي والروبوتات، بل عن إعادة تصميم العلاقة الاقتصادية بين المستهلك والبلدية وشركة إعادة التدوير والمصنع والعلامة التجارية والمستثمر.
من القمامة إلى سوق تريليونية
إذا نجحت هذه المنظومة، فإن النفايات لن تبقى مجرد نهاية لرحلة المنتج، ستصبح جزءًا من بداية رحلة جديدة.
وبينما تشير تقديرات Accenture إلى إمكانية إضافة 4.5 تريليون دولار إلى الناتج الاقتصادي بحلول 2030 من الانتقال إلى الاقتصاد الدائري، يوضح صعود الذكاء الاصطناعي في فرز النفايات كيف يمكن للتكنولوجيا أن تساعد في تحويل مواد كانت تضيع إلى موارد يمكن قياسها وتتبعها وبيعها وإدخالها مرة أخرى في دورة الإنتاج.
لكن السؤال الاقتصادي الحقيقي ليس فقط: هل يستطيع الذكاء الاصطناعي فرز النفايات؟
بل: هل نستطيع بناء السوق التي تجعل فرزها وإعادة استخدامها أكثر ربحية من التخلص منها؟
وهنا تتحدد قيمة الذكاء الاصطناعي في الاقتصاد الدائري: ليس باعتباره بديلًا عن البنية الأساسية أو السياسات أو الاستثمار، وإنما كأداة يمكن أن تجعل المادة المهملة قابلة للرؤية والقياس والتسعير والعودة إلى الاقتصاد.
