Организации сталкиваются с постоянно растущими требованиями к целям устойчивого развития наряду с экологическими, социальными и управленческими практиками (ESG). А Исследование Gartner, Inc. показало, что 87 процентов бизнес-лидеров планируют увеличить инвестиции своих организаций в устойчивое развитие в течение следующих лет. Этот пост служит отправной точкой для любого руководителя, стремящегося ориентироваться на пересечении генеративный искусственный интеллект (генеративный ИИ) и устойчивость. В нем приводятся примеры вариантов использования и лучшие практики использования потенциала генеративного ИИ для ускорения инициатив в области устойчивого развития и ESG, а также анализ основных эксплуатационных проблем генеративного ИИ для обеспечения устойчивости. Это руководство можно использовать в качестве дорожной карты для эффективной интеграции генеративного ИИ в стратегии устойчивого развития, обеспечивая при этом соответствие целям организации.
Дорожная карта по созданию генеративного искусственного интеллекта для обеспечения устойчивого развития
В следующих разделах мы представляем дорожную карту для интеграции генеративного ИИ в инициативы в области устойчивого развития.
1. Понять потенциал генеративного искусственного интеллекта для обеспечения устойчивого развития.
Генеративный ИИ способен трансформировать каждая часть бизнеса с его широким спектром возможностей. К ним относятся способность анализировать огромные объемы данных, выявлять закономерности, обобщать документы, выполнять переводы, исправлять ошибки или отвечать на вопросы. Эти возможности можно использовать для повышения ценности всей цепочки создания стоимости вашей организации. На рисунке 1 показаны избранные примеры использования генеративного ИИ для обеспечения устойчивости по всей цепочке создания стоимости.
Рисунок 1. Примеры генеративного ИИ для вариантов использования устойчивого развития по всей цепочке создания стоимости.
По Исследование организации ESG, проведенное КПМГ в 2024 годуИнвестиции в возможности ESG являются еще одним главным приоритетом для руководителей, поскольку организации сталкиваются с растущим давлением со стороны регулирующих органов, требующих раскрытия информации о влиянии, рисках и возможностях ESG. В этом контексте вы можете использовать генеративный ИИ для продвигать цели ESG вашей организации.
Типичный рабочий процесс ESG состоит из нескольких этапов, каждый из которых имеет уникальные болевые точки. Генеративный ИИ предлагает решения, которые могут устранить эти болевые точки на протяжении всего процесса и способствовать усилиям по устойчивому развитию. На рис. 2 представлены примеры, иллюстрирующие, как генеративный ИИ может поддерживать каждый этап рабочего процесса ESG в вашей организации. Эти примеры включают ускорение анализа рыночных тенденций, обеспечение точного управления рисками и соблюдения требований, а также упрощение сбора данных или составления отчетов. Обратите внимание, что рабочие процессы ESG могут различаться в зависимости от вертикали, организационной зрелости и законодательной базы. Такие факторы, как отраслевые правила, размер компании и региональная политика, могут влиять на этапы рабочего процесса ESG. Поэтому для достижения оптимальной эффективности необходимо расставить приоритеты вариантов использования в соответствии с вашими конкретными потребностями и контекстом, а также определить четкий план измерения успеха.
Рисунок 2. Сопоставление преимуществ генеративного ИИ в рабочем процессе ESG
2. Признать операционные проблемы генеративного ИИ для обеспечения устойчивости.
Понимание и правильное решение проблем, связанных с внедрением генеративного ИИ, имеет решающее значение для организаций, стремящихся использовать его потенциал для достижения целей организации в области устойчивого развития и инициатив ESG. Эти задачи включают сбор и управление высококачественными данными, интеграцию генеративного искусственного интеллекта в существующие ИТ-системы, решение этических проблем, заполнение пробелов в навыках и настройку организации на успех путем привлечения ключевых заинтересованных сторон, таких как директор по информационной безопасности (CISO) или руководитель финансовый директор (CFO) заранее, чтобы вы строили ответственно. Юридические проблемы являются серьезным препятствием на пути перехода от проверки концепции (POC) к производству. Поэтому крайне важно привлечь к процессу юридические команды на ранних стадиях процесса, чтобы обеспечить соблюдение требований. На рисунке 3 представлен обзор основных эксплуатационных проблем генеративного ИИ для обеспечения устойчивости.
Рисунок 3. Эксплуатационные проблемы генеративного ИИ для обеспечения устойчивости
3. Установите правильные основания данных
Как генеральный директор, стремящийся использовать генеративный искусственный интеллект для достижения целей устойчивого развития, помните, что данные — ваш отличительный признак. Компании, у которых нет прямого доступа к высококачественным данным, не смогут настраивать модели генеративного ИИ с использованием собственных данных, тем самым упуская возможность реализовать полный потенциал масштабирования генеративного ИИ и создать конкурентное преимущество. Инвестируйте в приобретение разнообразный и качественный наборы данных для обогащения и ускорения ваших ESG-инициатив. Вы можете использовать такие ресурсы, как Инициатива по данным об устойчивом развитии Amazon или Обмен данными AWS упростить и ускорить сбор и анализ полных наборов данных. Помимо сбора внешних данных, уделите приоритетное внимание управлению внутренними данными, чтобы максимизировать потенциал генеративного ИИ и использовать его возможности для анализа данных вашей организации и получения новых идей.
С оперативной точки зрения вы можете принять операции базовой модели (FMOps) и операции с большой языковой моделью (LLMOps) чтобы убедиться, что ваши усилия по устойчивому развитию основаны на данных и масштабируемы. Это включает в себя документирование происхождения данных, управление версиями данных, автоматизацию обработки данных и мониторинг затрат на управление данными.
4. Определите высокоэффективные возможности
Вы можете использовать Принцип работы Amazon в обратном направлении чтобы определить возможности в рамках вашей стратегии устойчивого развития, где генеративный ИИ может оказать существенное влияние. Расставьте приоритеты для проектов, которые обещают немедленные улучшения в ключевых областях вашей организации. Хотя ESG остается ключевым аспектом устойчивого развития, использование отраслевого опыта в таких секторах, как энергетика, цепочками поставоки производство, транспорт или сельское хозяйство может раскрыть разнообразные варианты использования генеративного искусственного интеллекта для обеспечения устойчивого развития, адаптированные к приложениям вашего бизнеса. Более того, изучение альтернативных направлений, таких как использование генеративного искусственного интеллекта для улучшения исследований и разработок, обеспечения самообслуживания клиентов, оптимизации использования энергии в зданиях или замедление вырубки лесов, также может предоставить эффективные возможности для устойчивых инноваций.
5. Используйте правильные инструменты
Неиспользование соответствующих инструментов может усложнить работу, поставить под угрозу безопасность и снизить эффективность использования генеративного ИИ для обеспечения устойчивости. Правильный инструмент должен предлагать вам выбор и гибкость, а также позволять вам адаптировать решения к конкретным потребностям и требованиям.
Рисунок 4 иллюстрирует Генеративный стек искусственного интеллекта AWS по состоянию на 2023 год, который предлагает набор возможностей, охватывающий выбор, широту и глубину на всех уровнях. Более того, он основан на подходе, ориентированном на данные, гарантируя, что каждый аспект его предложений разработан с учетом безопасности и конфиденциальности.
Примеры инструментов, которые вы можете использовать для продвижения инициатив в области устойчивого развития:
Коренная порода Амазонки – полностью управляемый сервис, который обеспечивает доступ к высокопроизводительным FM от ведущих компаний, занимающихся искусственным интеллектом, через единый API, что позволяет вам выбрать правильную модель для ваших сценариев использования устойчивого развития.
AWS Трениум2 – Специально созданный для высокопроизводительного обучения FM и LLM, Trainium2 обеспечивает до 2 раз лучшую энергоэффективность (производительность/ватт) по сравнению с чипами Trainium первого поколения.
на основе Inferentia2 Инстансы Amazon EC2 Inf2 – Эти экземпляры обеспечивают до 50 процентов лучшее соотношение производительности/Ватт по сравнению с сопоставимыми моделями. Облако Amazon Elastic Compute (Amazon EC2) экземпляры. Инстансы Inf2, специально созданные для работы с моделями глубокого обучения в больших масштабах, незаменимы для развертывания сверхбольших моделей и достижения целей устойчивого развития за счет повышения энергоэффективности.
Рисунок 4. Генеративный стек искусственного интеллекта AWS.
6. Используйте правильный подход
Генеративный ИИ не является универсальным решением. Адаптация вашего подхода путем выбора правильного метода и стратегии оптимизации имеет решающее значение для максимизации его воздействия на инициативы в области устойчивого развития. На рисунке 5 представлен обзор модальностей генеративного ИИ и стратегий оптимизации, включая быстрый инжиниринг, Извлечение дополненной генерациии тонкая настройка или продолжение предварительной подготовки.
Рисунок 5. Генеративные методы ИИ
Кроме того, на рисунке 6 показаны основные стратегии оптимизации генеративного ИИ, в том числе быстрый инжиниринг, Извлечение дополненной генерациии тонкая настройка или продолжение предварительной подготовки.
Рисунок 6. Стратегии оптимизации генеративного ИИ
7. Упростите разработку своих приложений с помощью генеративных агентов искусственного интеллекта.
Генеративные агенты ИИ предлагают уникальную возможность продвигать инициативы в области устойчивого развития благодаря своим передовым возможностям автоматизация широкого спектра рутинных и повторяющихся задач, такие как ввод данных, запросы в службу поддержки клиентов и создание контента. Более того, они могут организовывать сложные, многоэтапные рабочие процессы, разбивая задачи на более мелкие, управляемые шаги, координируя различные действия и обеспечивая эффективное выполнение процессов внутри вашей организации. Например, вы можете использовать Агенты Amazon Bedrock настроить агент, который отслеживает и анализирует закономерности использования энергии в ваших операциях и определяет возможности для экономии энергии. Альтернативно вы можете создать специализированного агента, который будет следить за соблюдением норм устойчивого развития в режиме реального времени.
8. Создайте надежные механизмы обратной связи для оценки.
Воспользуйтесь преимуществами обратной связи для стратегических улучшений, будь то корректировка генеративных моделей ИИ или переопределение целей, чтобы обеспечить гибкость и соответствие задачам устойчивого развития. Учитывайте следующие рекомендации:
Внедрить мониторинг в режиме реального времени – Настройте системы мониторинга для отслеживания производительности генеративного искусственного интеллекта в сравнении с показателями устойчивости, уделяя особое внимание эффективности и воздействию на окружающую среду. Создайте конвейер метрик чтобы предоставить представление о вкладе ваших инициатив в области генеративного ИИ в устойчивое развитие.
Привлекайте заинтересованные стороны для проведения человеческой оценки – Полагаться на аудит с участием человека и регулярно собирать отзывы от внутренних команд, клиентов и партнеров, чтобы оценить влияние генеративных процессов, основанных на искусственном интеллекте, на показатели устойчивого развития организации. Это повышает прозрачность и способствует доверию к вашей приверженности устойчивому развитию.
Используйте автоматическое тестирование для постоянного улучшения – С помощью таких инструментов, как РАГАС и ЛэнгСмит, вы можете использовать оценку на основе LLM для выявления и исправления неточностей или галлюцинаций, способствуя быстрой оптимизации генеративных моделей ИИ в соответствии с целями устойчивого развития.
9. Измерьте влияние и максимизируйте рентабельность инвестиций от генеративного ИИ для обеспечения устойчивости
Установите четкие ключевые показатели эффективности (KPI), которые отражают воздействие на окружающую среду, такое как сокращение выбросов углекислого газа, наряду с экономическими выгодами, такими как экономия средств или повышение гибкости бизнеса. Такая двойная направленность гарантирует, что ваши инвестиции не только внесут вклад в программы, ориентированные на экологическую устойчивость, но и укрепят экономическое обоснование устойчивости, одновременно давая вам возможность внедрять инновации и получать конкурентные преимущества в области устойчивой практики. Делитесь историями успеха внутри и снаружи, чтобы вдохновить других и продемонстрировать приверженность вашей организации лидерству в области устойчивого развития.
10. Минимизируйте использование ресурсов на протяжении всего жизненного цикла генеративного ИИ.
В некоторых случаях сам по себе генеративный ИИ может иметь высокие энергетические затраты. Чтобы добиться максимального эффекта, рассмотрите компромисс между преимуществами использования генеративного ИИ для инициатив устойчивого развития и энергоэффективностью самой технологии. Обязательно получите глубокое понимание жизненного цикла итеративного генеративного ИИ и оптимизировать каждый этап для обеспечения экологической устойчивости. Обычно путь к генеративному ИИ начинается с определения конкретных требований к приложению. После этого у вас есть возможность либо обучить свою модель с нуля, либо использовать существующую. В большинстве случаев предпочтительным является выбор существующей модели и ее настройка. Перед развертыванием необходимо выполнить этот шаг и тщательно оценить свою систему. Наконец, непрерывный мониторинг позволяет постоянно совершенствовать и корректировать. На протяжении всего жизненного цикла внедрение Платформа AWS с хорошей архитектурой рекомендуется использовать лучшие практики. На рисунке 7 представлен обзор жизненного цикла генеративного ИИ.
Рисунок 7. Жизненный цикл генеративного ИИ
11. Управляйте рисками и ответственно реализуйте
Хотя генеративный ИИ имеет значительные перспективы для достижения целей устойчивого развития вашей организации, он также создает проблемы такие как токсичность и галлюцинации. Нахождение правильного баланса между инновациями и ответственным использованием генеративного ИИ имеет основополагающее значение для снижения рисков и обеспечения ответственных инноваций в области ИИ. Этот баланс должен учитывать оценка риска с точки зрения нескольких факторов, таких как качество, раскрытие информации или отчетность. Для этого необходимо принять специальные инструменты и возможности и работать с экспертами вашей команды безопасности над внедрением лучшие практики безопасности необходимо. Для безопасного и надежного масштабирования генеративного ИИ необходимо установка ограждений которые адаптированы к вашим сценариям использования и соответствуют политикам ответственного ИИ.
12. Инвестируйте в обучение и подготовку своих команд.
Постоянно повышайте квалификацию своей команды и дайте ей необходимые навыки для внедрения инноваций и активного вклада в достижение целей вашей организации в области устойчивого развития. Определить соответствующие ресурсы для устойчивость и генеративный ИИ чтобы ваши команды были в курсе основных навыков, необходимых в обеих областях.
Заключение
В этом посте мы предоставили руководство для руководителей по интеграции генеративного ИИ в свои стратегии устойчивого развития, уделяя особое внимание целям устойчивого развития и ESG. Внедрение генеративного искусственного интеллекта в усилиях по устойчивому развитию – это не только технологические инновации. Речь идет о развитии культуры ответственности, инноваций и постоянного совершенствования. Отдавая приоритет высококачественным данным, выявляя эффективные возможности и способствуя участию заинтересованных сторон, компании могут использовать преобразующую силу генеративного ИИ, чтобы не только достичь, но и превзойти свои цели в области устойчивого развития.
Чем может помочь AWS?
Исследуйте Библиотека решений AWS чтобы найти способы создания решений устойчивого развития на AWS.
Ассоциация Инновационный центр генеративного искусственного интеллекта AWS может помочь вам в этом процессе с помощью экспертных рекомендаций по формированию идей, идентификация стратегических вариантов использования, реализация и масштабирование до производства.
Чтобы узнать больше о том, как Amazon использует ИИ для достижения наших целей, залог климата обязательство по достижению нулевого уровня выбросов углерода к 2040 году, изучить 7 способов, которыми искусственный интеллект помогает Amazon построить более устойчивое будущее и бизнес.
Об авторах
Доктор Вафае Баккали является специалистом по данным в AWS. Как эксперт по генеративному искусственному интеллекту, Wafae стремится предоставить клиентам возможность решать свои бизнес-задачи посредством использования методов генеративного искусственного интеллекта, гарантируя, что они делают это с максимальной эффективностью и устойчивостью.
Доктор Мехди Нури — старший научный сотрудник Инновационного центра AWS Generative AI. Обладая страстью к объединению технологий и инноваций в области устойчивого развития, он помогает клиентам AWS раскрыть потенциал генеративного искусственного интеллекта, превращая потенциальные проблемы в возможности для быстрого экспериментирования и инноваций. Сосредоточив внимание на масштабируемом, измеримом и эффективном использовании передовых технологий искусственного интеллекта и оптимизируя путь к производству, он помогает клиентам достичь своих целей в области устойчивого развития.
Рахул Сарин является генеральным директором по решениям в области устойчивого развития и GTM в AWS. У Рахула есть команда высокоэффективных специалистов, состоящая из стратегов устойчивого развития, специалистов GTM и технологических архитекторов, которые создают отличные бизнес-результаты для достижения целей устойчивого развития клиентов (все: от отслеживания выбросов углекислого газа, экологически чистой упаковки и операций, экономики замкнутого цикла до возобновляемых источников энергии). Команда Рахула предоставляет технические знания (ML, GenAI, IoT) для решения сценариев использования устойчивого развития.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/the-executives-guide-to-generative-ai-for-sustainability/
