Uso de la inteligencia artificial para los objetivos globales: guía del sector privado para el desarrollo sostenible con tecnología

Parece difícil alcanzar la Agenda 2030 para el Desarrollo Sostenible y alcanzar los objetivos ODSCon el aumento de las tensiones geopolíticas, las desigualdades y el cambio climático están afectando a la sociedad en general. Por ello, este informe sobre el uso de la IA general para alcanzar objetivos globales ofrece información importante sobre los desafíos y las soluciones que ofrece.

La Agenda 2030, nuestro plan global para la paz y la prosperidad en un planeta sano, se encuentra en serios problemas. La IA podría ayudar a revertir esta situación. Podría impulsar la acción climática y los esfuerzos para alcanzar los 17 Objetivos de Desarrollo Sostenible para 2030. Pero todo esto depende de que las tecnologías de IA se aprovechen responsablemente y sean accesibles para todos. dijo António Guterres, Secretario General de las Naciones Unidas.

Objetivo del informe – Contribuir a la consecución de los objetivos de las Naciones Unidas aportando información y recomendaciones prácticas. 

¿Qué es GEN AI?

Es un sistema basado en máquinas que replica el pensamiento humano y convierte diversas entradas en resultados. Estos resultados pueden abarcar desde recomendaciones o predicciones hasta contenido. [7] La ​​IA generativa (IA GEN) es un tipo de inteligencia artificial que genera contenido nuevo que va más allá de lo ya expuesto. [8]

Todo esto se logra identificando y replicando los patrones ya presentes en texto e imágenes, junto con otros datos, para crear nuevos datos realistas. Algunos productos comunes de Gen AI incluyen GPT-4/4o, Claude, Midjourney y Claude.

Actualmente, la atención se centra en los Modelos de Lenguaje Grande (LLM) que pueden imitar el lenguaje humano, y que también generan memes y estructuras proteicas. Los modelos básicos para fines generales se entrenan con amplios conjuntos de datos derivados del núcleo del ecosistema Gen AI. Es posible la personalización con datos específicos para diversas aplicaciones, y los proveedores de la nube pueden entrenar el sistema.

El uso de Inteligencia artificial para los objetivos globales: el papel protagónico del sector privado en el desarrollo sostenible

El sector privado, que representa más del 60% del PIB mundial, desempeña un papel importante en la producción de bienes y servicios. Por lo tanto, existe una importante oportunidad para liderar en... IA generativa para el desarrollo sostenible centrándose en los Objetivos de Desarrollo Sostenible (ODS).

2 objetivos principales impulsados ​​por la Pacto Mundial de las Naciones Unidas para la Generación de IA Las empresas son las siguientes:

1. Las empresas deben proceder con cautela al adoptar Gen AI y garantizar la supervisión humana para desarrollarla de manera segura para su uso.
2. Junto con la implementación responsable de la IA general, el sector privado debería reducir la brecha entre las acciones y las intenciones respecto de los ODS.

Uso de Gen AI para avanzar en los Objetivos de Desarrollo Sostenible

Hay tres elementos clave que respaldan el sistema para un uso exitoso y responsable de Gen AI.

1. Las empresas deben asegurarse de comprender claramente el problema que resuelven. También deben estar de acuerdo en que la IA de Generación Z es una solución ideal.
2. Las empresas deben capacitar a sus empleados para que utilicen la IA de forma responsable. Esto se puede lograr brindándoles apoyo con datos adecuados, formación en IA y recursos digitales.
3. Las empresas deben establecer las estructuras gubernamentales adecuadas y mantener la seguridad y la responsabilidad.

Generación IA y sostenibilidad

La IA Gen tiene el potencial de impulsar el desarrollo sostenible actuando como un minero de datos, un amplificador de conocimiento y un navegador de información. Con esto, la IA Gen también puede mejorar las tecnologías y operaciones comerciales existentes, promoviendo aún más la sostenibilidad en cuatro áreas clave, como se detalla más adelante.

Eficiencia operacional

Es importante que las empresas gestionen eficientemente sus recursos limitados para lograr rentabilidad sostenible. Con la Inteligencia Artificial Genial, es posible optimizar diversas operaciones, como se menciona a continuación.

• Optimización de recursosLa reducción de costos y el impacto ambiental se pueden lograr minimizando la necesidad de recursos. Los empleados pueden optimizar recursos como la logística y la capacidad de procesamiento aplicando inteligencia artificial de última generación junto con los análisis actuales. Por ejemplo, actualizando los sistemas de análisis predictivo para convertirlos en sistemas de mantenimiento prescriptivo que ofrecen recomendaciones prácticas.
• Eficacia del trabajadorSe puede mejorar con la capacitación y las herramientas adecuadas. Con Gen AI, la capacitación de cada empleado se puede personalizar considerando su rol, la normativa local y el idioma. Además, también se pueden diseñar programas de capacitación alineados con los objetivos de la empresa, mejorando aún más la toma de decisiones y la productividad de los empleados.
• Código eficientePara gestionar el impacto ambiental del software, es fundamental una codificación eficaz. Con Gen AI, se pueden automatizar las tareas de codificación, optimizar el código existente y mejorar la precisión. Esto aumentará la eficiencia del equipo. Una codificación eficaz es vital para gestionar el impacto ambiental del software. Gen AI puede automatizar las tareas de codificación, optimizar el código existente e identificar mejoras, lo que ayuda a los equipos a ser más eficientes.

En general, al agilizar los procesos de desarrollo, las empresas posiblemente puedan reducir el uso de recursos y disminuir sus emisiones.

Casos Prácticos

SuperHumanRace Con el objetivo de mejorar la salud materna en los estados más pobres de la India, desarrollaron una aplicación que ofrece recomendaciones médicas personalizadas. Esta aplicación utiliza inteligencia artificial (IA) y modelado automático para analizar datos de salud materna. Posteriormente, crea cuestionarios personalizados según la etapa del embarazo y los factores de riesgo de la paciente.

Siemens Implementaron Industrial Copilot (la solución Gen AI de Microsoft) en una línea de fabricación de Schaeffler para mejorar la eficiencia industrial. La herramienta ayuda a los ingenieros de automatización a crear código para controladores lógicos programables (PLC). Esto controla aún más las máquinas de la fábrica, que en un tercio funcionan con dispositivos Siemens. Con un lenguaje de codificación natural, reduce tiempo, esfuerzo y errores, lo que permite a los ingenieros centrarse más en tareas importantes. De esta forma, los empleados con menos experiencia también pueden incorporarse a puestos de ingeniería.

Cadena de valor sostenible

Para una transición eficaz, es importante involucrar a toda la comunidad. cadena de suministro en el desarrollo sostenibleLa Gen AI puede agilizar un largo proceso de recopilación de datos mediante el análisis de datos no estructurados. Además, permite realizar evaluaciones del ciclo de vida (ACV) eficientes, mejorar la interacción con los proveedores y el abastecimiento responsable. Las ACV son importantes para obtener datos de sostenibilidad claros, pero su creación requiere muchos recursos. La Gen AI mejora la eficiencia del mantenimiento de ACV precisos.

Según los ODS 2030, el abastecimiento responsable es fundamental, ya que influye en la huella social y ambiental. Otro elemento clave es la participación de los proveedores, ya que no todos los riesgos pueden mitigarse únicamente mediante el abastecimiento. La inteligencia artificial (IA) puede ayudar a identificar riesgos y las oportunidades adecuadas para mejorarlos. Todo esto, junto con ofrecer formación personalizada a los proveedores, promueve la transparencia y las prácticas sostenibles.

Casos Prácticos

Accenture Su Navegador de Cadena de Suministro de Nivel N utiliza Gen AI para optimizar las operaciones de la cadena de suministro. Esto se logra con información en tiempo real proporcionada por Gen AI para los gerentes de sostenibilidad y compras. Identifica los riesgos para los derechos humanos y la sostenibilidad mediante el análisis de datos de la cadena de suministro con respecto a indicadores clave. Recientemente, Accenture descubrió que los proveedores de Nivel 2 y 3 son responsables del 50% al 60% de los focos de CO2. Esta información se obtuvo tras evaluar a más de 122,000 proveedores, lo que destaca la capacidad de la herramienta para fundamentar decisiones de compras sostenibles.

Unilever En colaboración con Google Earth Engine desde 2020, Unilever desarrolló análisis geoespaciales para monitorear la deforestación y gestionar los riesgos de los productos forestales. Para cruzar datos geoespaciales y de la cadena de suministro, integraron Gen AI. Esto facilita la toma de mejores decisiones comerciales al incorporar información geoespacial en las compras y la gestión de proveedores.

SAP - Gestión de la Huella de Sostenibilidad SAP utiliza su inteligencia artificial empresarial para reducir la huella de carbono mediante la asignación de factores relacionados con las emisiones a los factores de compra. La herramienta emplea modelos de integración de OpenAI para encontrar productos compatibles y validarlos. Esto se realiza mediante el análisis de bases de datos de ACV y ERP. Se identifican alrededor de 10 asignaciones de factores de emisión similares y se proporcionan campos de datos como el nombre del producto, la descripción y el índice de similitud. Posteriormente, la empresa evalúa la calidad de la coincidencia y mejora la visibilidad y la documentación de los datos de emisiones para las auditorías.

Innovación

Con tiempo limitado para alcanzar los ODS, existe una necesidad urgente de soluciones innovadoras que cubran la brecha entre las intenciones y los resultados. La IA global puede generar ideas para lo siguiente:

• Finanzas verdesLa Inteligencia Artificial Genial puede ayudar a las pequeñas y medianas empresas con dificultades para alcanzar un desarrollo financiero sostenible, ayudándolas a conseguir recursos. Las instituciones financieras pueden crear soluciones adaptadas al contexto, como préstamos y bonos verdes, con la Inteligencia Artificial Genial.
• Diseño de productos y servicios sosteniblesLa IA general puede ayudar a integrar conceptos de sostenibilidad en todo el proceso de diseño. De esta manera, puede integrar requisitos de sostenibilidad en las primeras etapas del diseño y desarrollo. Los diseñadores pueden gestionar la competencia durante todo el proceso y satisfacer los requisitos funcionales sin descuidar los factores de sostenibilidad.
• Investigación de vanguardiaLa sostenibilidad se puede acelerar con Gen AI, ya que ayuda a identificar tendencias, correlaciones y soluciones emergentes de sostenibilidad. No solo puede analizar rápidamente grandes cantidades de datos, sino que también puede crear conjuntos de datos sintéticos para abordar la subrepresentación de los mismos. Puede mejorar la investigación y la tecnología, ayudando aún más al sector privado a alcanzar los ODS 2030.

Casos Prácticos

Yamaha y Final Aim El Concept 451 de Yamaha y Final Aim es un vehículo eléctrico compacto para la agricultura en las montañas japonesas que aborda los cambios demográficos. Con Gen AI, aceleran el diseño investigando los desafíos del sector. Esto les ayuda a generar 2,000 variantes de diseño, lo que facilita la comunicación durante el modelado 3D. Esto demuestra que es posible que las empresas aborden problemas sociales con ciclos de I+D más rápidos.

Crayon Para optimizar la investigación, la empresa codesarrolló un chatbot con tecnología LLM para una empresa energética internacional. Este facilita las búsquedas y los resúmenes de diversas fuentes. La investigación de mercado se mejoró con el chatbot, que proporcionó un 15 % más de respuestas relevantes. Esto contribuyó a la toma de decisiones estratégicas y operativas, así como a la interacción con los clientes.

Comunicación e informes 

Ante el creciente escrutinio de inversores, reguladores y consumidores, la sostenibilidad corporativa se enfrenta a diversas políticas y marcos. La Inteligencia Artificial Genial facilita la elaboración de informes ESG y el marketing de sostenibilidad, a la vez que fomenta la colaboración dentro de las empresas. 

• Informes de sostenibilidadLos informes ESG son importantes para mostrar resultados, rendición de cuentas y cumplimiento normativo. Gen AI analiza datos para identificar métricas, destacar iniciativas y generar informes, mejorando así la eficiencia de los mismos.
• Marketing de SostenibilidadPara obtener el apoyo de consumidores e inversores, es importante transmitir mensajes honestos sobre el desarrollo sostenible. Los equipos de marketing pueden usar Gen AI para crear contenido personalizado, garantizando así la alineación con la estrategia de marca. Las herramientas de Gen AI también son útiles para prevenir... lavado verde Aclarando conceptos complejos de sostenibilidad para los especialistas en marketing.
• Impulsar la colaboraciónGen AI también ayuda a las empresas a integrar la sostenibilidad al mejorar la colaboración y la comunicación entre equipos. Puede simplificar fácilmente la jerga y proporcionar una mejor base de conocimientos para los responsables de la toma de decisiones.

Casos Prácticos

Salesforce Integraron Einstein (sistema de IA) en Net Zero Cloud, mejorando así su gestión ESG. Al utilizar datos históricos ESG y otros documentos, se generan respuestas a los informes. Esto permite a las empresas centrarse en iniciativas de sostenibilidad en lugar de en la elaboración de informes.

Microsoft La plantilla Copilot ayuda a las empresas a obtener y compartir datos de sostenibilidad. Mediante Gen AI, analiza los datos para apoyar a los empleados, lo que permite compartir los resultados en documentos e informes. Las empresas comparan su progreso en sostenibilidad con el de otras empresas, lo que mejora la precisión y la confianza. Esta herramienta promueve el conocimiento sostenible, reduce los errores y mejora la toma de decisiones.

Leeward Renewable Energy obtiene proyectos solares de 400 MW de Microsoft en Texas

Riesgos para los usuarios del sector privado que utilizan inteligencia artificial para alcanzar objetivos globales

• Los procesos de inteligencia artificial a menudo son opacos Las empresas dependen de un sistema externo para su infraestructura, modelos y datos, lo que genera una brecha de responsabilidad. Los datos externos pueden estar mal etiquetados o infringir derechos de autor, lo cual es incomprensible para los desarrolladores al extraer conclusiones. También es posible que los usuarios tergiversen su validación de los resultados de Gen AI, lo que aumenta los riesgos.
• La inteligencia artificial puede producir resultados inciertos y problemáticos Los humanos son modelos para la IA Gen y pueden reflejar sesgos e incertidumbre que pueden introducir sesgos de género, socioeconómicos y raciales. Este problema puede agravarse con un diseño de modelo defectuoso, sesgos de usuario existentes y datos de entrenamiento incompletos. También existe la posibilidad de presentar contenido falso y generar resultados tóxicos. Sin embargo, con una transparencia y gobernanza adecuadas, estos errores, toxicidad y sesgos pueden prevenirse.
• La inteligencia artificial puede vulnerar la privacidad y la seguridad de los datos Las aplicaciones de Gen AI a veces pueden exponer involuntariamente información confidencial corporativa o personal. Esto conlleva violaciones de protocolos de seguridad de datos como el RGPD. Si grandes conjuntos de datos se auditan incorrectamente, incluso con análisis, existe el riesgo de revelar datos confidenciales debido a la capacidad de Gen AI para indexar información pública y establecer asociaciones.
• El poder de la IA puede ser mal utilizado Las personas y el planeta se ven afectados por la interacción de los usuarios con Gen AI. Sin medidas de seguridad, esta puede socavar los ODS al difundir desinformación mediante deepfakes. De esta forma, ofrece orientación para armas o apoya el engaño. Existe la posibilidad de que los usuarios manipulen Gen AI para generar resultados tóxicos o violar la privacidad de los datos, lo que aumenta estos riesgos.

Referencia cruzada: ¿La automatización sesga la toma de decisiones?

Riesgos externos del uso de inteligencia artificial en el sector privado

• La generación de IA tiene importantes necesidades de recursos La IA de generación requiere centros de datos con un alto consumo de recursos y un mayor consumo de electricidad para 2026, que ya representa más del 1.5 % de la energía mundial. También afecta la seguridad hídrica debido a las necesidades de refrigeración, y la producción de hardware tiene un impacto ambiental.
• La generación de IA redefinirá y podría desplazar empleos Con las nuevas oportunidades, la IA de la generación anterior también presenta importantes amenazas de automatización para los trabajadores. Las empresas deben mejorar sus habilidades para reducir los despidos y colaborar con los gobiernos para... transición centrada en las personas en la fuerza laboral en evolución.
• La inteligencia artificial alterará la sociedad, lo que podría ampliar las divisiones existentes – Las sociedades y las economías Transformarse con Gen AISin embargo, esto requerirá alfabetización digital, datos de capacitación de calidad y capacidad computacional. Las desigualdades en la distribución de internet y electricidad solo obstaculizarán el progreso, profundizando las brechas y generando problemas de derechos humanos para los grupos vulnerables.

En conclusión, la IA Gen no es una solución universal a los desafíos del sector privado. Sin embargo, tiene un gran potencial para revolucionar los negocios y el desarrollo sostenible. El informe muestra cómo las primeras aplicaciones de la IA Gen ayudaron a abordar los problemas globales de pobreza y desigualdad de género. El sector privado debe alinear sus decisiones con los Diez Principios del Pacto Mundial de las Naciones Unidas. Se espera que la IA Gen pueda contribuir al logro de los objetivos de 2030.

Fuente: Guía del sector privado para acelerar el desarrollo sostenible con tecnología