A szervezeteknek a környezeti, társadalmi és irányítási (ESG) gyakorlatok mellett a fenntarthatósági célokra vonatkozó, egyre növekvő követelményekkel kell szembenézniük. A Gartner, Inc. felmérés Felfedte, hogy az üzleti vezetők 87 százaléka arra számít, hogy a következő években növelni fogja szervezetének a fenntarthatóságba való befektetését. Ez a bejegyzés kiindulópontként szolgál minden olyan vezető számára, aki szeretne eligazodni a kereszteződésben generatív mesterséges intelligencia (generatív mesterséges intelligencia) és a fenntarthatóság. Példákat ad a felhasználási esetekre és bevált gyakorlatokra a generatív mesterséges intelligencia potenciáljának felhasználására a fenntarthatóság és az ESG kezdeményezések felgyorsítására, valamint betekintést nyújt a generatív mesterséges intelligencia főbb működési kihívásaiba a fenntarthatóság érdekében. Ez az útmutató útitervként használható a generatív mesterséges intelligencia hatékony integrálásához a fenntarthatósági stratégiákba, miközben biztosítja az összhangot a szervezeti célkitűzésekkel.
Útiterv a fenntarthatóság generatív mesterséges intelligenciájához
A következő szakaszokban útitervet adunk a generatív AI fenntarthatósági kezdeményezésekbe való integrálásához
1. Ismerje meg a generatív MI-ben rejlő lehetőségeket a fenntarthatóság szempontjából
A generatív AI képes átalakítani egy üzlet minden része széleskörű képességeivel. Ezek közé tartozik a hatalmas mennyiségű adat elemzésének, a minták azonosításának, a dokumentumok összefoglalásának, a fordítások elvégzésének, a hibák kijavításának vagy a kérdések megválaszolásának képessége. Ezek a képességek felhasználhatók hozzáadott érték növelésére a szervezet teljes értékláncában. Az 1. ábra néhány példát mutat be a generatív mesterséges intelligencia felhasználási eseteire a fenntarthatóság érdekében az értékláncon keresztül.
1. ábra: Példák generatív mesterséges intelligenciára a fenntarthatósági felhasználási esetekre az értékláncon keresztül
Szerint A KPMG 2024-es ESG szervezeti felmérése, az ESG-képességekbe való befektetés a vezetők másik kiemelt prioritása, mivel a szervezetekre egyre nagyobb szabályozási nyomás nehezedik az ESG hatásaival, kockázataival és lehetőségeivel kapcsolatos információk közzététele tekintetében. Ebben az összefüggésben használhatja a generatív AI-t előmozdítja szervezete ESG-céljait.
A tipikus ESG munkafolyamat több fázisból áll, amelyek mindegyike egyedi fájdalompontokat mutat be. A generatív mesterséges intelligencia olyan megoldásokat kínál, amelyek képesek kezelni ezeket a fájdalmas pontokat a folyamat során, és hozzájárulnak a fenntarthatósági erőfeszítésekhez. A 2. ábra példákat mutat be, amelyek bemutatják, hogy a generatív AI hogyan tudja támogatni az ESG munkafolyamat egyes fázisait a szervezeten belül. Ilyen például a piaci trendelemzés felgyorsítása, a pontos kockázatkezelés és megfelelés biztosítása, valamint az adatgyűjtés vagy a jelentéskészítés megkönnyítése. Vegye figyelembe, hogy az ESG munkafolyamatok eltérőek lehetnek a különböző vertikumok, szervezeti érettség és jogszabályi keretek között. Olyan tényezők, mint az iparág-specifikus szabályozás, a vállalat mérete és a regionális politikák befolyásolhatják az ESG munkafolyamat lépéseit. Ezért a felhasználási esetek prioritása az Ön sajátos igényeinek és kontextusának megfelelően, valamint a siker mérésére szolgáló világos terv meghatározása elengedhetetlen az optimális hatékonysághoz.
2. ábra: A generatív mesterséges intelligencia előnyeinek feltérképezése az ESG munkafolyamatban
2. Ismerje fel a generatív mesterséges intelligencia működési kihívásait a fenntarthatóság érdekében
A generatív mesterséges intelligencia bevezetésével járó kihívások megértése és megfelelő kezelése kulcsfontosságú azon szervezetek számára, amelyek a benne rejlő lehetőségeket a szervezet fenntarthatósági céljainak és ESG-kezdeményezéseinek megvalósítására kívánják használni. Ezek a kihívások közé tartozik a kiváló minőségű adatok gyűjtése és kezelése, a generatív mesterséges intelligencia integrálása a meglévő IT-rendszerekbe, az etikai aggályok eligazítása, a készségek hiányosságainak pótlása és a szervezet sikerre hozása olyan kulcsfontosságú érdekelt felek bevonásával, mint a Chief Information Security Officer (CISO) vagy a vezető. pénzügyi tiszt (CFO) korán, így felelősségteljesen építkezik. A jogi kihívások óriási akadályt jelentenek a koncepcióbizonyításról (POC) a gyártásra való átállásban. Ezért elengedhetetlen a jogi csapatok bevonása a folyamat korai szakaszába a megfelelőség szem előtt tartása érdekében. A 3. ábra áttekintést nyújt a generatív mesterséges intelligencia főbb működési kihívásairól a fenntarthatóság szempontjából.
3. ábra: A generatív mesterséges intelligencia működési kihívásai a fenntarthatóság érdekében
3. Állítsa be a megfelelő adatalapokat
Vezérigazgatóként, aki a generatív mesterséges intelligenciát kívánja használni a fenntarthatósági célok elérése érdekében, ne feledje ezt az adatok az Ön megkülönböztető elemei. Azok a vállalatok, amelyek nem férnek hozzá a kiváló minőségű adatokhoz, nem tudják majd saját adataikkal testre szabni a generatív mesterségesintelligencia-modelleket, így kimaradnak a generatív mesterségesintelligencia teljes skálázási potenciáljának kihasználásából, és versenyelőnyt teremtenek. Fektessen be az akvizícióba változatos és minőségi adatkészletek az ESG-kezdeményezések gazdagításához és felgyorsításához. Használhat olyan forrásokat, mint a Amazon Fenntarthatósági Adatkezdeményezés vagy a AWS adatcsere az átfogó adatkészletek beszerzésének és elemzésének egyszerűsítése és felgyorsítása. A külső adatgyűjtés mellett helyezze előtérbe a belső adatkezelést, hogy maximalizálja a generatív AI-ban rejlő lehetőségeket, és használja ki képességeit a szervezeti adatok elemzésére és új betekintések feltárására.
Üzemeltetési szempontból meg tudja ölelni alapmodell műveletek (FMOps) és a nagy nyelvi modell műveletek (LLMOps) hogy fenntarthatósági erőfeszítései adatvezéreltek és méretezhetők legyenek. Ez magában foglalja az adatsor dokumentálását, az adatok verziószámát, az adatfeldolgozás automatizálását és az adatkezelési költségek figyelését.
4. Határozza meg a nagy hatású lehetőségeket
Használhatja Az Amazon visszafelé működik hogy meghatározza azokat a lehetőségeket a fenntarthatósági stratégiáján belül, ahol a generatív mesterséges intelligencia jelentős hatást gyakorolhat. Részesítse előnyben azokat a projekteket, amelyek azonnali fejlesztéseket ígérnek a szervezet kulcsfontosságú területein. Míg az ESG továbbra is a fenntarthatóság kulcsfontosságú szempontja, az ágazatspecifikus szakértelem kihasználása olyan ágazatokban, mint pl. energia, ellátási láncés gyártás, szállítás vagy mezőgazdaság sokféle generatív mesterséges intelligencia fedezhető fel a fenntarthatósági felhasználási esetekhez, amelyek az Ön vállalkozásának alkalmazásaira vannak szabva. Ezen túlmenően alternatív utak feltárása, mint például a generatív mesterséges intelligencia használata a kutatás és fejlesztés javítására, az ügyfelek önkiszolgálásának lehetővé tétele, az épületek energiafelhasználásának optimalizálása vagy az erdőirtás lassítása, a fenntartható innovációra is hatásos lehetőségeket kínálhat.
5. Használja a megfelelő eszközöket
A megfelelő eszközök használatának elmulasztása bonyolultabbá teheti, veszélyeztetheti a biztonságot és csökkenti a fenntarthatóság érdekében a generatív mesterséges intelligencia használatának hatékonyságát. A megfelelő eszköznek választási lehetőséget és rugalmasságot kell kínálnia, és lehetővé kell tennie, hogy megoldásait egyedi igényekhez és követelményekhez szabja.
A 4. ábra szemlélteti a AWS generatív AI verem 2023-tól kezdve, amely egy sor lehetőséget kínál, amely magában foglalja a választékot, a szélességet és a mélységet minden rétegben. Ezenkívül az adatközpontú megközelítésre épül, biztosítva, hogy kínálatának minden aspektusát a biztonság és az adatvédelem szem előtt tartásával alakítsák ki.
Példák a fenntarthatósági kezdeményezések előmozdítására használható eszközökre:
Amazon alapkőzet – egy teljesen felügyelt szolgáltatás, amely egyetlen API-n keresztül hozzáférést biztosít vezető mesterséges intelligencia-vállalatok nagy teljesítményű FM-jeihez, lehetővé téve a fenntarthatósági felhasználási eseteihez megfelelő modell kiválasztását.
AWS Trainium2 – Az FM-ek és LLM-ek nagy teljesítményű képzésére tervezett Trainium2 akár 2-szer jobb energiahatékonyságot (teljesítmény/watt) biztosít az első generációs Trainium chipekhez képest.
Inferencia2 alapú Amazon EC2 Inf2 példányok – Ezek a példányok akár 50 százalékkal jobb teljesítményt kínálnak wattonként, mint a hasonlók Amazon Elastic Compute Cloud (Amazon EC2) esetek. A mélytanulási modellek széles körű kezelésére tervezett Inf2 példányok nélkülözhetetlenek az ultranagy modellek telepítéséhez, miközben a jobb energiahatékonyság révén teljesítik a fenntarthatósági célokat.
4. ábra: AWS generatív AI-verem
6. Használja a megfelelő megközelítést
A generatív mesterséges intelligencia nem egy mindenki számára megfelelő megoldás. A megközelítés testreszabása a megfelelő modalitás és optimalizálási stratégia kiválasztásával kulcsfontosságú a fenntarthatósági kezdeményezésekre gyakorolt hatás maximalizálása érdekében. Az 5. ábra áttekintést nyújt a generatív AI modalitásokról és optimalizálási stratégiákról, beleértve gyors tervezés, Visszakeresés kiterjesztett generációés finomhangolás vagy folyamatos előképzés.
5. ábra: Generatív AI modalitások
Ezenkívül a 6. ábra felvázolja a fő generatív AI-optimalizálási stratégiákat, beleértve a következőket: gyors tervezés, Visszakeresés kiterjesztett generációés finomhangolás vagy folyamatos előképzés.
6. ábra: Generatív AI optimalizálási stratégiák
7. Egyszerűsítse alkalmazásai fejlesztését generatív AI-ügynökök használatával
Generatív AI ügynökök egyedülálló lehetőséget kínálnak a fenntarthatósági kezdeményezések előremozdítására fejlett képességeikkel rutin és ismétlődő feladatok széles körének automatizálása, mint például az adatbevitel, az ügyfélszolgálati megkeresések és a tartalom generálása. Ezen túlmenően összetett, többlépcsős munkafolyamatokat is meg tudnak szervezni azáltal, hogy a feladatokat kisebb, kezelhető lépésekre bontják, koordinálják a különböző tevékenységeket, és biztosítják a a folyamatok hatékony végrehajtása a szervezeten belül. Például használhatja Az Amazon Bedrock ügynökei olyan ügynök konfigurálásához, amely figyeli és elemzi az energiafelhasználási mintákat az Ön működése során, és azonosítja az energiamegtakarítási lehetőségeket. Alternatív megoldásként létrehozhat egy speciális ügynököt, amely valós időben figyeli a fenntarthatósági előírások betartását.
8. Építsen ki robusztus visszacsatolási mechanizmusokat az értékeléshez
Használja ki a visszajelzéseket a stratégiai fejlesztésekhez, legyen szó akár generatív mesterségesintelligencia-modellek módosításáról, akár a célok újradefiniálásáról, hogy biztosítsa az agilitást és a fenntarthatósági kihívásokhoz való igazodást. Vegye figyelembe a következő irányelveket:
Valós idejű monitorozás megvalósítása – Hozzon létre monitoring rendszereket a generatív mesterségesintelligencia-teljesítmény nyomon követéséhez a fenntarthatósági referenciaértékekhez képest, a hatékonyságra és a környezeti hatásokra összpontosítva. Hozzon létre egy mérőszám-folyamatot hogy betekintést nyújtson generatív AI-kezdeményezései fenntarthatósági hozzájárulásaiba.
Az érdekelt felek bevonása a humán körök értékelésébe – Bízzon human-in-the-loop auditálás és rendszeresen gyűjtsön visszajelzéseket a belső csapatoktól, ügyfelektől és partnerektől, hogy felmérje a generatív AI-vezérelt folyamatok hatását a szervezet fenntarthatósági referenciaértékeire. Ez növeli az átláthatóságot és növeli a fenntarthatóság iránti elkötelezettségébe vetett bizalmat.
Használjon automatizált tesztelést a folyamatos fejlesztés érdekében – Olyan eszközökkel, mint pl RAGAS és a LangSmith, az LLM-alapú értékelés segítségével azonosíthatja és kijavíthatja a pontatlanságokat vagy hallucinációkat, megkönnyítve a generatív mesterséges intelligencia modellek gyors optimalizálását a fenntarthatósági célokkal összhangban.
9. Mérje meg a hatást és maximalizálja a generatív mesterséges intelligencia megtérülését a fenntarthatóság érdekében
Határozzon meg egyértelmű kulcsfontosságú teljesítménymutatókat (KPI), amelyek rögzítik a környezeti hatásokat, például a szénlábnyom csökkentését, valamint a gazdasági előnyöket, mint pl. költségmegtakarítás vagy fokozott üzleti agilitás. Ez a kettős fókusz biztosítja, hogy befektetései ne csak a környezeti fenntarthatóságra összpontosító programokhoz járuljanak hozzá, hanem megerősítik a fenntarthatóság üzleti érdekét is, miközben képessé teszik Önt arra, hogy innovációt és versenyelőnyt szerezzen a fenntartható gyakorlatok terén. Ossza meg sikertörténeteit belsőleg és külsőleg, hogy inspiráljon másokat, és demonstrálja szervezete elkötelezettségét a fenntarthatósági vezetés iránt.
10. Minimalizálja az erőforrás-felhasználást a mesterséges intelligencia generatív életciklusa során
Bizonyos esetekben maga a generatív mesterséges intelligencia magas energiaköltséggel járhat. A maximális hatás elérése érdekében fontolja meg a fenntarthatósági kezdeményezések generatív mesterséges intelligenciájának előnyei és maga a technológia energiahatékonysága közötti kompromisszumot. Ügyeljen arra, hogy mélyen megértse az iteratív generatív AI életciklust és optimalizálja az egyes fázisokat a környezeti fenntarthatóság érdekében. A generatív mesterséges intelligencia felé vezető út általában az alkalmazási követelmények meghatározásával kezdődik. Innentől lehetősége van arra, hogy vagy a semmiből képezze ki modelljét, vagy használjon egy meglévőt. A legtöbb esetben előnyben részesítjük egy meglévő modell választását és annak testreszabását. Ennek a lépésnek a követése és a rendszer alapos kiértékelése elengedhetetlen a telepítés előtt. Végül a folyamatos felügyelet lehetővé teszi a folyamatos finomítást és beállítást. Ennek az életciklusnak a végrehajtása során AWS jól felépített keretrendszer legjobb gyakorlatok alkalmazása javasolt. Tekintse meg a 7. ábrát a generatív mesterséges intelligencia életciklusának áttekintéséért.
7. ábra: A generatív mesterséges intelligencia életciklusa
11. Kezelje a kockázatokat és hajtsa végre felelősségteljesen
Míg a generatív mesterséges intelligencia jelentős mértékben ígérkezik a szervezet fenntarthatósági céljainak elérésében, egyben kihívások mint például a toxicitás és a hallucinációk. Az innováció és a generatív mesterséges intelligencia felelős használata közötti megfelelő egyensúly megteremtése alapvető fontosságú a kockázatok csökkentése és a felelős AI innováció lehetővé tétele szempontjából. Ennek az egyenlegnek figyelembe kell vennie a kockázatértékelés több tényező, például a minőség, a közzététel vagy a jelentéstétel szempontjából. Ennek elérése érdekében speciális eszközöket és képességeket és a biztonsági csapat szakértőivel együttműködve elfogadni legjobb biztonsági gyakorlatok szükséges. A generatív AI biztonságos és biztonságos módon történő skálázásához szükséges védőkorlátok elhelyezése amelyek az Ön használati eseteihez vannak szabva, és összhangban vannak a felelős AI-irányelvekkel.
12. Fektessen be a csapatok oktatásába és képzésébe
Folyamatosan javítsa csapatát, és tegye őket megfelelő készségekkel az innovációhoz és aktívan hozzájáruljon szervezete fenntarthatósági céljainak eléréséhez. Határozza meg a megfelelő erőforrásokat fenntarthatóság és a generatív AI hogy csapatai naprakészek maradjanak a mindkét területen szükséges alapvető készségekkel.
Következtetés
Ebben a bejegyzésben útmutatót adunk a vezetőknek a generatív mesterséges intelligencia integrálásához a fenntarthatósági stratégiáikba, mind a fenntarthatósági, mind az ESG-célokra összpontosítva. A generatív mesterséges intelligencia alkalmazása a fenntarthatósági törekvésekben nem csak a technológiai innovációról szól. Ez a felelősség, az innováció és a folyamatos fejlődés kultúrájának előmozdításáról szól. A kiváló minőségű adatok előtérbe helyezésével, a hatásos lehetőségek azonosításával és az érdekelt felek elkötelezettségének előmozdításával a vállalatok kihasználhatják a generatív AI átalakító erejét, hogy ne csak elérjék, hanem felülmúlják fenntarthatósági céljaikat.
Hogyan segíthet az AWS?
Fedezze fel a AWS Solutions Library hogy felfedezze a fenntarthatósági megoldások AWS-re való építésének módjait.
A AWS Generatív AI Innovációs Központ szakértői útmutatást nyújtva az ötletelésről segíthet a folyamatban, stratégiai felhasználási esetek azonosítása, végrehajtása és termelésre skálázása.
Ha többet szeretne megtudni arról, hogy az Amazon miként használja az AI-t a mi eléréséhez éghajlati ígéret 2040-re a nettó nulla szén-dioxid-kibocsátás kötelezettségvállalását, fedezze fel a 7 módszer, amellyel az AI segíti az Amazont egy fenntarthatóbb jövő és üzlet felépítésében.
A szerzőkről
Dr. Wafae Bakkali az AWS adattudósa. Generatív mesterségesintelligencia-szakértőként a Wafae-t az a küldetés vezérli, hogy a generatív mesterségesintelligencia-technikák alkalmazásával képessé tegye ügyfeleit üzleti kihívásaik megoldására, biztosítva, hogy ezt a lehető legnagyobb hatékonysággal és fenntarthatósággal tegyék.
Dr. Mehdi Noori az AWS Generatív AI Innovációs Központ vezető tudósa. A fenntarthatóság területén a technológia és az innováció áthidalása iránti szenvedélyével segíti az AWS ügyfeleit abban, hogy kiaknázzák a generatív AI-ban rejlő lehetőségeket, és a potenciális kihívásokat gyors kísérletezési és innovációs lehetőségekké alakítsák. A fejlett mesterségesintelligencia-technológiák méretezhető, mérhető és hatásos felhasználására összpontosítva, valamint a termeléshez vezető út egyszerűsítésével segíti az ügyfeleket fenntarthatósági céljaik elérésében.
Rahul Sareen az AWS fenntarthatósági megoldásainak és GTM-jének GM-je. A Rahul kiválóan teljesítő egyénekből álló csapata fenntarthatósági stratégákból, GTM-specialistákból és technológiai építészekből áll, hogy kiváló üzleti eredményeket hozzanak létre az ügyfelek fenntarthatósági céljai érdekében (a szén-dioxid-kibocsátás nyomon követésétől, a fenntartható csomagolástól és üzemeltetéstől, a körkörös gazdaságtól a megújuló energiáig). Rahul csapata műszaki szakértelmet (ML, GenAI, IoT) biztosít a fenntarthatósági felhasználási esetek megoldásához
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/the-executives-guide-to-generative-ai-for-sustainability/
