人工智能的环境价值不在于使用数字工具本身，而在于生产活动和环保工作中物理指标的可测量变化。

在工业领域，人工智能可以帮助减少能源损失、预测设备状态、降低废品率并发现工艺异常。环保部门也可以利用它处理监测数据和识别周边生态环境的变化。

要证明实际成效，必须建立基线。指标可能包括单位产量能耗、单位产品废弃物量、异常发现时间或未统计损失的发生频率。比较时应考虑生产负荷、季节变化及其他影响因素。

还必须考虑人工智能系统本身的资源消耗：计算设备需要能源和维护。全面的影响评估应比较收益与成本，而不能将算法视为没有消耗的工具。

原始数据的可追溯性、测量单位、观察周期、模型限制以及领域专家参与都很重要。依赖当地条件的结果，未经验证不应直接应用到其他工厂。

共享试点基础设施和统一的结果报告格式，有助于比较不同项目并形成有证据支持的建议。对处于不同气候和技术条件下的国际合作伙伴而言，这一点尤为重要。