As organizações enfrentam requisitos cada vez maiores em termos de objetivos de sustentabilidade, juntamente com práticas ambientais, sociais e de governação (ESG). A Pesquisa da Gartner, Inc. revelou que 87 por cento dos líderes empresariais esperam aumentar o investimento das suas organizações em sustentabilidade nos próximos anos. Esta postagem serve como ponto de partida para qualquer executivo que busca navegar pela interseção de inteligência artificial generativa (IA generativa) e sustentabilidade. Fornece exemplos de casos de utilização e melhores práticas para utilizar o potencial da IA generativa para acelerar iniciativas de sustentabilidade e ESG, bem como insights sobre os principais desafios operacionais da IA generativa para a sustentabilidade. Este guia pode ser usado como um roteiro para integrar efetivamente a IA generativa nas estratégias de sustentabilidade, garantindo ao mesmo tempo o alinhamento com os objetivos organizacionais.
Um roteiro para IA generativa para sustentabilidade
Nas seções a seguir, fornecemos um roteiro para integrar a IA generativa em iniciativas de sustentabilidade
1. Compreender o potencial da IA generativa para a sustentabilidade
A IA generativa tem o poder de transformar cada parte de um negócio com sua ampla gama de capacidades. Isso inclui a capacidade de analisar grandes quantidades de dados, identificar padrões, resumir documentos, realizar traduções, corrigir erros ou responder perguntas. Esses recursos podem ser usados para agregar valor em toda a cadeia de valor da sua organização. A Figura 1 ilustra exemplos selecionados de casos de utilização de IA generativa para a sustentabilidade em toda a cadeia de valor.
Figura 1: Exemplos de casos de uso de IA generativa para sustentabilidade em toda a cadeia de valor
De acordo com o Pesquisa Organizacional ESG de 2024 da KPMG, o investimento em capacidades ESG é outra prioridade máxima para os executivos, à medida que as organizações enfrentam uma pressão regulatória crescente para divulgar informações sobre impactos, riscos e oportunidades ESG. Dentro deste contexto, você pode usar IA generativa para avançar nas metas ESG da sua organização.
O fluxo de trabalho ESG típico consiste em múltiplas fases, cada uma apresentando pontos problemáticos únicos. A IA generativa oferece soluções que podem abordar esses pontos problemáticos ao longo do processo e contribuir para os esforços de sustentabilidade. A Figura 2 fornece exemplos que ilustram como a IA generativa pode apoiar cada fase do fluxo de trabalho ESG na sua organização. Esses exemplos incluem acelerar a análise de tendências de mercado, garantir uma gestão precisa de riscos e conformidade e facilitar a coleta de dados ou a geração de relatórios. Observe que os fluxos de trabalho ESG podem variar entre diferentes setores, maturidades organizacionais e estruturas legislativas. Fatores como regulamentações específicas do setor, tamanho da empresa e políticas regionais podem influenciar as etapas do fluxo de trabalho ESG. Portanto, priorizar os casos de uso de acordo com suas necessidades e contexto específicos e definir um plano claro para medir o sucesso é essencial para obter a eficácia ideal.
Figura 2: Mapeando os benefícios da IA generativa em todo o fluxo de trabalho ESG
2. Reconhecer os desafios operacionais da IA generativa para a sustentabilidade
Compreender e enfrentar adequadamente os desafios da implementação de IA generativa é crucial para as organizações que pretendem utilizar o seu potencial para abordar os objetivos de sustentabilidade da organização e as iniciativas ESG. Estes desafios incluem a recolha e gestão de dados de alta qualidade, a integração da IA generativa nos sistemas de TI existentes, a resolução de preocupações éticas, o preenchimento de lacunas de competências e a preparação da organização para o sucesso, trazendo as principais partes interessadas, como o diretor de segurança da informação (CISO) ou o chefe diretor financeiro (CFO) cedo para que você construa com responsabilidade. Os desafios legais são um grande obstáculo à transição da prova de conceito (POC) para a produção. Portanto, é essencial envolver as equipes jurídicas no início do processo para construir com a conformidade em mente. A Figura 3 apresenta uma visão geral dos principais desafios operacionais da IA generativa para a sustentabilidade.
Figura 3: Desafios operacionais da IA generativa para a sustentabilidade
3. Defina as bases de dados corretas
Como CEO que pretende usar IA generativa para atingir metas de sustentabilidade, lembre-se que os dados são o seu diferencial. As empresas que não tenham acesso imediato a dados de alta qualidade não serão capazes de personalizar modelos de IA generativa com os seus próprios dados, perdendo assim a oportunidade de concretizar todo o potencial de expansão da IA generativa e de criar uma vantagem competitiva. Invista na aquisição diversificado e de alta qualidade conjuntos de dados para enriquecer e acelerar suas iniciativas ESG. Você pode usar recursos como o Iniciativa de Dados de Sustentabilidade da Amazônia ou de Troca de dados da AWS para simplificar e agilizar a aquisição e análise de conjuntos de dados abrangentes. Juntamente com a aquisição de dados externos, priorize o gerenciamento de dados internos para maximizar o potencial da IA generativa e use seus recursos para analisar seus dados organizacionais e descobrir novos insights.
Do ponto de vista operacional, você pode adotar operações de modelo básico (FMOps) e operações de modelo de linguagem grande (LLMOps) para garantir que seus esforços de sustentabilidade sejam orientados por dados e escaláveis. Isso envolve documentar a linhagem dos dados, controlar a versão dos dados, automatizar o processamento de dados e monitorar os custos de gerenciamento de dados.
4. Identifique oportunidades de alto impacto
Você pode usar O princípio de trabalho inverso da Amazon para identificar oportunidades dentro da sua estratégia de sustentabilidade onde a IA generativa pode causar um impacto significativo. Priorize projetos que prometam melhorias imediatas em áreas-chave da sua organização. Embora ESG continue a ser um aspecto fundamental da sustentabilidade, aproveitar a experiência específica do setor em setores como energia, cadeia de suprimentos e manufatura, transporte ou agricultura pode descobrir diversos casos de uso de IA generativa para sustentabilidade adaptados às aplicações do seu negócio. Além disso, explorar caminhos alternativos, como a utilização de IA generativa para melhorar a investigação e o desenvolvimento, permitir o autoatendimento do cliente, otimizar a utilização de energia em edifícios ou desacelerando o desmatamento, também pode proporcionar oportunidades impactantes para a inovação sustentável.
5. Use as ferramentas certas
A não utilização das ferramentas adequadas pode aumentar a complexidade, comprometer a segurança e reduzir a eficácia na utilização da IA generativa para a sustentabilidade. A ferramenta certa deve oferecer opções e flexibilidade e permitir que você personalize suas soluções de acordo com necessidades e requisitos específicos.
A Figura 4 ilustra o Pilha de IA generativa da AWS a partir de 2023, que oferece um conjunto de recursos que abrangem escolha, amplitude e profundidade em todas as camadas. Além disso, baseia-se numa abordagem que prioriza os dados, garantindo que todos os aspectos das suas ofertas são concebidos tendo em mente a segurança e a privacidade.
Exemplos de ferramentas que você pode usar para promover iniciativas de sustentabilidade são:
Rocha Amazônica – um serviço totalmente gerenciado que fornece acesso a FMs de alto desempenho de empresas líderes de IA por meio de uma única API, permitindo que você escolha o modelo certo para seus casos de uso de sustentabilidade.
AWS Trainium2 – Desenvolvido especificamente para treinamento de alto desempenho de FMs e LLMs, o Trainium2 oferece eficiência energética até 2x melhor (desempenho/watt) em comparação com os chips Trainium de primeira geração.
Baseado em Inferentia2 Instâncias do Amazon EC2 Inf2 – Essas instâncias oferecem desempenho/watt até 50% melhor em comparação com Amazon Elastic Compute Cloud (Amazon EC2) instâncias. Desenvolvidas especificamente para lidar com modelos de aprendizagem profunda em escala, as instâncias Inf2 são indispensáveis para implantar modelos ultragrandes e, ao mesmo tempo, atender às metas de sustentabilidade por meio de maior eficiência energética.
Figura 4: pilha de IA generativa da AWS
6. Use a abordagem certa
A IA generativa não é uma solução única para todos. Adaptar a sua abordagem escolhendo a modalidade certa e a estratégia de otimização é crucial para maximizar o seu impacto nas iniciativas de sustentabilidade. A Figura 5 oferece uma visão geral sobre modalidades de IA generativa e estratégias de otimização, incluindo engenharia imediata, Geração Aumentada de Recuperação e ajuste fino ou pré-treinamento contínuo.
Figura 5: Modalidades de IA generativa
Além disso, a figura 6 descreve as principais estratégias de otimização de IA generativa, incluindo engenharia imediata, Geração Aumentada de Recuperação e ajuste fino ou pré-treinamento contínuo.
Figura 6: Estratégias generativas de otimização de IA
7. Simplifique o desenvolvimento de suas aplicações usando agentes generativos de IA
Agentes generativos de IA oferecem uma oportunidade única para impulsionar iniciativas de sustentabilidade com suas capacidades avançadas de automatizando uma ampla gama de tarefas rotineiras e repetitivas, como entrada de dados, consultas de suporte ao cliente e geração de conteúdo. Além disso, eles podem orquestrar fluxos de trabalho complexos e com várias etapas, dividindo tarefas em etapas menores e gerenciáveis, coordenando diversas ações e garantindo a execução eficiente de processos dentro de sua organização. Por exemplo, você pode usar Agentes da Amazon Bedrock para configurar um agente que monitore e analise padrões de uso de energia em suas operações e identifique oportunidades de economia de energia. Alternativamente, você pode criar um agente especializado que monitore o cumprimento das normas de sustentabilidade em tempo real.
8. Construir mecanismos robustos de feedback para avaliação
Aproveite os insights de feedback para melhorias estratégicas, seja ajustando modelos generativos de IA ou redefinindo objetivos para garantir agilidade e alinhamento com os desafios de sustentabilidade. Considere as seguintes diretrizes:
Implementar monitoramento em tempo real – Estabelecer sistemas de monitoramento para acompanhar o desempenho da IA generativa em relação aos parâmetros de sustentabilidade, com foco na eficiência e no impacto ambiental. Estabeleça um pipeline de métricas para fornecer insights sobre as contribuições de sustentabilidade de suas iniciativas generativas de IA.
Envolver as partes interessadas na avaliação humana – Dependem auditoria humana e coletar regularmente feedback de equipes internas, clientes e parceiros para avaliar o impacto de processos generativos orientados por IA nos benchmarks de sustentabilidade da organização. Isto aumenta a transparência e promove a confiança no seu compromisso com a sustentabilidade.
Use testes automatizados para melhoria contínua – Com ferramentas como RAGAS e Lang Smith, você pode usar a avaliação baseada em LLM para identificar e corrigir imprecisões ou alucinações, facilitando a rápida otimização de modelos generativos de IA alinhados com as metas de sustentabilidade.
9. Medir o impacto e maximizar o ROI da IA generativa para a sustentabilidade
Estabeleça indicadores-chave de desempenho (KPIs) claros que capturem o impacto ambiental, como a redução da pegada de carbono, juntamente com os benefícios econômicos, como economia de custos ou maior agilidade nos negócios. Este foco duplo garante que os seus investimentos não apenas contribuem para programas focados na sustentabilidade ambiental, mas também reforçam o argumento comercial para a sustentabilidade, ao mesmo tempo que lhe permite impulsionar a inovação e a vantagem competitiva em práticas sustentáveis. Compartilhe histórias de sucesso interna e externamente para inspirar outras pessoas e demonstrar o compromisso da sua organização com a liderança em sustentabilidade.
10. Minimize o uso de recursos em todo o ciclo de vida da IA generativa
Em alguns casos, a própria IA generativa pode ter um custo energético elevado. Para alcançar o impacto máximo, considere o compromisso entre os benefícios da utilização de IA generativa para iniciativas de sustentabilidade e a eficiência energética da própria tecnologia. Certifique-se de obter uma compreensão profunda do ciclo de vida da IA generativa iterativa e otimizar cada fase para a sustentabilidade ambiental. Normalmente, a jornada rumo à IA generativa começa com a identificação de requisitos específicos da aplicação. A partir daí, você tem a opção de treinar seu modelo do zero ou usar um já existente. Na maioria dos casos, é preferível optar por um modelo existente e personalizá-lo. Seguir esta etapa e avaliar completamente o seu sistema é essencial antes da implantação. Por último, o monitoramento contínuo permite refinamentos e ajustes contínuos. Ao longo deste ciclo de vida, a implementação Estrutura bem arquitetada da AWS melhores práticas são recomendadas. Consulte a Figura 7 para obter uma visão geral do ciclo de vida da IA generativa.
Figura 7: O ciclo de vida da IA generativa
11. Gerencie riscos e implemente com responsabilidade
Embora a IA generativa seja uma promessa significativa para trabalhar em prol dos objetivos de sustentabilidade da sua organização, ela também representa desafios como toxicidade e alucinações. Encontrar o equilíbrio certo entre a inovação e a utilização responsável da IA generativa é fundamental para mitigar os riscos e permitir a inovação responsável da IA. Este saldo deve ter em conta o avaliação de risco em termos de vários fatores, como qualidade, divulgações ou relatórios. Para conseguir isso, adotando medidas específicas ferramentas e capacidades e trabalhando com os especialistas da sua equipe de segurança para adotar melhores práticas de segurança é necessário. Dimensionar a IA generativa de maneira segura e protegida requer colocando guarda-corpos que são personalizados para seus casos de uso e alinhados com políticas de IA responsáveis.
12. Invista na educação e treinamento de suas equipes
Aprimore continuamente a sua equipe e capacite-a com as habilidades certas para inovar e contribuir ativamente para alcançar as metas de sustentabilidade da sua organização. Identifique recursos relevantes para sustentabilidade e IA generativa para garantir que suas equipes fiquem atualizadas com as habilidades essenciais exigidas em ambas as áreas.
Conclusão
Neste post, fornecemos um guia para executivos integrarem IA generativa em suas estratégias de sustentabilidade, com foco tanto na sustentabilidade quanto nas metas ESG. A adoção de IA generativa nos esforços de sustentabilidade não envolve apenas inovação tecnológica. Trata-se de promover uma cultura de responsabilidade, inovação e melhoria contínua. Ao priorizar dados de alta qualidade, identificar oportunidades impactantes e promover o envolvimento das partes interessadas, as empresas podem aproveitar o poder transformador da IA generativa não apenas para alcançar, mas também para superar os seus objetivos de sustentabilidade.
Como a AWS pode ajudar?
Explorar as Biblioteca de soluções AWS para descobrir maneiras de criar soluções de sustentabilidade na AWS.
A Centro de inovação de IA generativa da AWS pode ajudá-lo no processo com orientação especializada sobre idealização, identificação, execução e dimensionamento de casos de uso estratégicos para produção.
Para saber mais sobre como a Amazon está usando IA para alcançar nossos promessa climática compromisso de carbono zero líquido até 2040, explore o 7 maneiras pelas quais a IA está ajudando a Amazon a construir um futuro e negócios mais sustentáveis.
Sobre os autores
Dr. é cientista de dados na AWS. Como especialista em IA generativa, a Wafae é motivada pela missão de capacitar os clientes na resolução dos seus desafios de negócios através da utilização de técnicas de IA generativa, garantindo que o façam com a máxima eficiência e sustentabilidade.
Dr. é cientista sênior do AWS Generative AI Innovation Center. Com uma paixão por unir tecnologia e inovação no campo da sustentabilidade, ele auxilia os clientes da AWS a desbloquear o potencial da IA generativa, transformando desafios potenciais em oportunidades para experimentação e inovação rápidas. Ao concentrar-se em utilizações escaláveis, mensuráveis e impactantes de tecnologias avançadas de IA e simplificar o caminho para a produção, ele ajuda os clientes a atingir os seus objetivos de sustentabilidade.
Rahul Sareen é GM de Soluções de Sustentabilidade e GTM na AWS. Rahul tem uma equipe de indivíduos de alto desempenho composta por estrategistas de sustentabilidade, especialistas em GTM e arquitetos de tecnologia para criar excelentes resultados de negócios para as metas de sustentabilidade do cliente (tudo, desde rastreamento de emissões de carbono, embalagens e operações sustentáveis, economia circular até energia renovável). A equipe de Rahul fornece conhecimento técnico (ML, GenAI, IoT) para resolver casos de uso de sustentabilidade
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/the-executives-guide-to-generative-ai-for-sustainability/
