組織面臨著永續發展目標以及環境、社會和治理 (ESG) 實踐日益增長的要求。 A Gartner, Inc. 調查 據透露，87% 的企業領導者希望在未來幾年增加其組織在永續發展方面的投資。這篇文章可以作為任何尋求解決以下問題的高階主管的起點： 生成人工智慧（generative AI） 和 可持續發展。它提供了利用生成人工智慧的潛力來加速永續發展和 ESG 舉措的用例和最佳實踐範例，以及對生成人工智慧實現永續發展的主要營運挑戰的見解。本指南可用作將生成式人工智慧有效整合到永續發展策略中的路線圖，同時確保與組織目標保持一致。
永續發展的生成式人工智慧路線圖
在接下來的部分中，我們提供了將生成式人工智慧整合到永續發展計畫中的路線圖
1.了解生成式人工智慧在永續發展的潛力
生成式人工智慧具有變革的力量 企業的每個部分 以其廣泛的功能。其中包括分析大量資料、識別模式、總結文件、執行翻譯、糾正錯誤或回答問題的能力。這些功能可用於在組織的整個價值鏈中增加價值。圖 1 展示了生成式人工智慧在整個價值鏈中實現永續發展的用例的選定範例。
圖 1：跨價值鏈永續發展用例的生成式人工智慧範例
根據 畢馬威 2024 年 ESG 組織調查隨著組織面臨越來越大的監管壓力，要求其披露有關 ESG 影響、風險和機會的信息，對 ESG 能力的投資是高管的另一個首要任務。在此背景下，您可以使用生成式人工智慧 推動組織的 ESG 目標.
典型的 ESG 工作流程由多個階段組成，每個階段都有獨特的痛點。生成式人工智慧提供的解決方案可以在整個過程中解決這些痛點，並為永續發展做出貢獻。圖 2 提供的範例說明了生成式 AI 如何支援組織內 ESG 工作流程的每個階段。這些範例包括加快市場趨勢分析、確保準確的風險管理和合規性以及促進數據收集或報告生成。請注意，ESG 工作流程可能因不同行業、組織成熟度和立法框架而異。產業特定法規、公司規模和區域政策等因素可能會影響 ESG 工作流程步驟。因此，根據您的特定需求和環境來確定用例的優先順序並定義清晰的計劃來衡量成功對於獲得最佳效果至關重要。
圖 2：在 ESG 工作流程中繪製生成式 AI 的優勢
2. 認識生成式人工智慧對永續發展的營運挑戰
對於希望利用其潛力來實現組織的永續發展目標和 ESG 措施的組織來說，理解並適當應對實施生成式 AI 的挑戰至關重要。這些挑戰包括收集和管理高品質數據、將生成式人工智慧整合到現有IT 系統中、解決道德問題、填補技能差距以及透過引入首席資訊安全官(CISO) 或首席資訊長等關鍵利益相關者來協助組織取得成功。法律挑戰是從概念驗證 (POC) 過渡到生產的巨大障礙。因此，有必要讓法律團隊儘早參與到建構過程中並牢記合規性。圖 3 概述了生成式人工智慧在永續發展方面面臨的主要營運挑戰。
圖 3：生成式 AI 實現永續發展的營運挑戰
3. 建立正確的數據基礎
作為一位致力於利用生成式人工智慧實現永續發展目標的首席執行官，請記住： 數據是您的優勢。無法立即獲得高品質數據的公司將無法使用自己的數據自訂生成式人工智慧模型，從而錯過了充分發揮生成式人工智慧的擴展潛力並創造競爭優勢的機會。投資收購 多元化、高品質 資料集來豐富和加速您的 ESG 計劃。您可以使用諸如 亞馬遜可持續發展數據計劃 或者 AWS數據交換 簡化和加快綜合資料集的取得和分析。除了外部資料擷取之外，還要優先考慮內部資料管理，以最大限度地發揮生成式人工智慧的潛力，並利用其功能來分析組織資料並發現新的見解。
從操作的角度來看，您可以擁抱 基礎模型操作 (FMOps) 和 大型語言模型操作 (LLMOps) 確保您的永續發展工作是數據驅動的且可擴展的。這涉及記錄資料沿襲、資料版本控制、自動化資料處理和監控資料管理成本。
4. 辨識高影響力的機會
您可以使用 亞馬遜的逆向工作原則 在您的永續發展策略中找出生成式人工智慧可以產生重大影響的機會。優先考慮能夠立即增強組織內關鍵領域的專案。雖然 ESG 仍然是永續發展的關鍵方面，但可以利用跨部門的特定行業專業知識，例如 能源, 供應鏈和 製造業、運輸業或農業 可以發現針對您的企業應用程式量身定制的可持續發展用例的各種生成式人工智慧。此外，探索替代途徑，例如使用生成式人工智慧來改善研發、實現客戶自助服務、優化建築物或區域的能源使用 減緩森林砍伐，還可以為永續創新提供有影響力的機會。
5.使用正確的工具
未能使用適當的工具可能會增加複雜性、損害安全性並降低使用生成式人工智慧實現永續發展的有效性。正確的工具應該為您提供選擇和靈活性，並使您能夠根據特定的需求和要求自訂解決方案。
圖 4 說明了 AWS 生成式 AI 堆疊 截至 2023 年，它提供了一系列涵蓋所有層的選擇、廣度和深度的功能。此外，它建立在資料優先的方法之上，確保其產品的每個方面在設計時都考慮到安全和隱私。
您可以用來推進永續發展計畫的工具範例包括：
亞馬遜基岩 – 一項完全託管的服務，可透過單一 API 存取領先 AI 公司的高效能 FM，使您能夠為永續發展用例選擇正確的模型。
AWS 培訓2 – Trainium2 專為 FM 和 LLM 的高性能訓練而設計，與第一代 Trainium 晶片相比，能源效率（性能/瓦特）提高了 2 倍。
基於Inferentia2 Amazon EC2 Inf2實例 – 與同類執行個體相比，這些執行個體的效能功耗比提高了 50% Amazon Elastic Compute Cloud（Amazon EC2） 實例。 Inf2 實例專為處理大規模深度學習模型而構建，對於部署超大型模型至關重要，同時透過提高能源效率來實現永續發展目標。
圖 4：AWS 生成式 AI 堆疊
6. 使用正確的方法
生成式人工智慧並不是萬能的解決方案。透過選擇正確的方式和優化策略來客製化您的方法對於最大化其對永續發展計畫的影響至關重要。圖 5 概述了生成式 AI 模式和最佳化策略，包括 即時工程, 檢索增強生成和 微調或繼續預訓練.
圖 5：生成式 AI 模式
此外，圖 6 概述了主要的生成式 AI 優化策略，包括 即時工程, 檢索增強生成和 微調或繼續預訓練.
圖 6：生成式 AI 優化策略
7. 使用生成式人工智慧代理簡化應用程式的開發
生成式人工智慧代理 提供獨特的機會，利用其先進的能力推動永續發展計畫的發展 自動執行各種日常和重複性任務，例如資料輸入、客戶支援查詢和內容生成。此外，他們可以透過將任務分解為更小的、可管理的步驟、協調各種操作並確保 組織內流程的高效率執行. 例如，您可以使用 亞馬遜基岩代理 配置一個代理商來監控和分析整個營運過程中的能源使用模式並識別節能機會。或者，您可以建立一個專門的代理來即時監控永續性法規的遵守情況。
8. 建立健全評估回饋機制
利用回饋見解進行策略改進，無論是調整生成式人工智慧模型或重新定義目標，以確保敏捷性並與永續發展挑戰保持一致。請考慮以下準則：
實施即時監控— 建立監控系統，根據永續發展基準追蹤生成式人工智慧的表現，並專注於效率和環境影響。 建立指標管道 深入了解您的生成式人工智慧計畫對永續發展的貢獻。
讓利害關係人參與人機參與評估 – 依靠 人在迴路審計 並定期收集內部團隊、客戶和合作夥伴的回饋，以評估生成式人工智慧驅動流程對組織永續發展基準的影響。這提高了透明度並增強了人們對永續發展承諾的信任。
使用自動化測試進行持續改進 – 使用諸如 拉加斯 和 蘭史密斯，您可以使用基於法學碩士的評估來識別和糾正錯誤或幻覺，從而促進根據永續發展目標快速優化生成式人工智慧模型。
9. 衡量生成式人工智慧對永續發展的影響並最大化投資報酬率
建立明確的關鍵績效指標 (KPI)，捕捉環境影響（例如減少碳足跡）以及經濟效益（例如 節省成本或增強業務敏捷性。這種雙重關注確保您的投資不僅有助於注重環境永續性的計劃，而且還強化了可持續發展的商業案例，同時使您能夠在永續實踐中推動創新和競爭優勢。在內部和外部分享成功故事，以激勵他人並展示您的組織對永續發展領導力的承諾。
10. 在整個生成人工智慧生命週期中最大限度地減少資源使用
在某些情況下，生成式人工智慧本身的能源成本可能很高。為了實現最大的影響，請考慮使用生成式人工智慧進行永續發展計畫的好處與技術本身的能源效率之間的權衡。確保深入了解迭代生成人工智慧生命週期和 優化每個階段以實現環境永續性。通常，生成式人工智慧之旅始於確定特定的應用程式需求。從那裡，您可以選擇從頭開始訓練模型或使用現有模型。在大多數情況下，首選選擇現有模型並對其進行自訂。在部署之前，遵循此步驟並徹底評估您的系統至關重要。最後，持續監控可以實現持續的改進和調整。在整個生命週期中，實施 AWS架構完善的框架 建議最佳實踐。請參閱圖 7，以了解生成式 AI 生命週期的概述。
圖 7：生成式 AI 生命週期
11. 管理風險並負責任地實施
雖然生成式人工智慧對於實現組織的永續發展目標具有重大前景，但它也提出了 挑戰 例如中毒和幻覺。在創新和負責任地使用生成式人工智慧之間取得適當的平衡是降低風險和實現負責任的人工智慧創新的基礎。該餘額必須考慮 風險評估 就品質、揭露或報告等幾個因素而言。為實現此目標，採取具體 工具和能力 並與您的安全團隊專家合作採用 安全最佳實踐 是必要的。以安全可靠的方式擴展生成式人工智慧需要 設定護欄 根據您的用例自訂並符合負責任的人工智慧政策。
12. 投資團隊的教育與培訓
不斷提高您的團隊的技能，賦予他們適當的創新技能，並積極為實現組織的永續發展目標做出貢獻。確定相關資源 可持續發展 和 生成AI 確保您的團隊隨時掌握這兩個領域所需的基本技能。
結論
在這篇文章中，我們為高階主管提供了將生成式人工智慧融入其永續發展策略的指南，重點在於永續發展和 ESG 目標。在永續發展工作中採用生成式人工智慧不僅僅是技術創新。它涉及培養責任、創新和持續改進的文化。透過優先考慮高品質數據、識別有影響力的機會並促進利害關係人的參與，企業可以利用生成式人工智慧的變革力量，不僅實現甚至超越其永續發展目標。
AWS 可以提供什麼幫助？
探索 AWS 解決方案庫 探索在 AWS 上建立永續發展解決方案的方法。
AWS 生成式 AI 創新中心 可以在過程中為您提供有關創意的專家指導, 戰略用例識別、執行和擴展到生產。
詳細了解亞馬遜如何利用人工智慧來達到我們的目標 氣候承諾 到 2040 年實現淨零碳的承諾，探索 人工智慧幫助亞馬遜打造更永續的未來和業務的 7 種方式。
關於作者
瓦法·巴卡利博士 是 AWS 的資料科學家。作為生成式人工智慧專家，Wafae 的使命是幫助客戶透過利用生成式人工智慧技術解決其業務挑戰，確保他們以最高的效率和永續性來解決這個問題。
邁赫迪·努里博士 是 AWS 生成式 AI 創新中心的高級科學家。他熱衷於連接永續發展領域的技術和創新，幫助 AWS 客戶釋放生成式 AI 的潛力，將潛在的挑戰轉化為快速實驗和創新的機會。透過專注於先進人工智慧技術的可擴展、可衡量和有影響力的使用以及簡化生產路徑，他幫助客戶實現其永續發展目標。
拉胡爾·薩林 是 AWS 永續發展解決方案和 GTM 的總經理。 Rahul 擁有一支由永續發展策略家、GTM 專家和技術架構師組成的高績效團隊，致力於為客戶的永續發展目標（從碳排放追蹤、永續包裝和營運、循環經濟到再生能源）創造出色的業務成果。 Rahul 的團隊提供技術專業知識（ML、GenAI、IoT）來解決永續發展用例
