Vaikuttaa vaikealta saavuttaa vuoden 2030 kestävän kehityksen toimintasuunnitelma ja saavuttaa SDGs. Lisääntyvien geopoliittisten jännitteiden myötä eriarvoisuus ja ilmastonmuutos vaikuttavat asioihin yleisesti. Tästä syystä tämä raportti Gen AI:n käytöstä globaaleihin tavoitteisiin tarjoaa tärkeitä näkemyksiä tarjotuista haasteista ja ratkaisuista.
"Vuoden 2030 Agenda – maailmanlaajuinen suunnitelmamme rauhasta ja vauraudesta terveellä planeetalla - on syvässä vaikeuksissa. Tekoäly voi auttaa kääntämään sen päinvastaiseksi. Se voisi tehostaa ilmastotoimia ja ponnisteluja 17 kestävän kehityksen tavoitteen saavuttamiseksi vuoteen 2030 mennessä. Mutta kaikki tämä riippuu tekoälytekniikoiden vastuullisesta valjastamisesta ja siitä, että ne ovat kaikkien saatavilla." sanoi António Guterres, Yhdistyneiden Kansakuntien pääsihteeri.
Raportin tavoite – Auttaa saavuttamaan YK:n tavoitteet tarjoamalla käytännönläheisiä näkemyksiä ja suosituksia.
Mikä on GEN AI?
Se on konepohjainen järjestelmä, joka toistaa ihmisen ajattelua ja muuntaa eri syötteet tuotoksiksi. Nämä tulokset voivat vaihdella suosituksista tai ennusteista sisältöön. [7] Generatiivinen tekoäly (GEN AI) on tekoälyn tyyppi, joka tuottaa uutta sisältöä, joka on enemmän kuin jo paljastettu. [8]
Kaikki tämä tehdään tunnistamalla ja toistamalla tekstissä ja kuvissa jo olevat kuviot muiden tietojen ohella realistisen uuden datan luomiseksi. Joitakin yleisiä Gen AI -tuotteita ovat GPT-4/4o, Claude, Midjourney ja Claude.
Tällä hetkellä huomiota kiinnitetään suuriin kielimalleihin (LLM), jotka voivat jäljitellä ihmisen kieltä, ja mallit luovat myös proteiinimeemejä ja rakenteita. Perusmallit yleisiin tarkoituksiin on koulutettu laajoihin tietokokonaisuuksiin, jotka on johdettu Gen AI -ekosysteemin ytimestä. Räätälöinti tietyillä tiedoilla eri sovelluksiin on mahdollista ja pilvipalveluntarjoajat voivat kouluttaa järjestelmää.
Käyttäminen Gen AI globaaleille tavoitteille: Yksityisen sektorin johtava rooli kestävässä kehityksessä
Yksityisellä sektorilla, joka muodostaa yli 60 prosenttia maailman BKT:sta, on tärkeä rooli tavaroiden ja palveluiden tuotannossa. Siten on merkittävä mahdollisuus päästä mukaan Generatiivinen tekoäly kestävään kehitykseen keskittymällä kestävän kehityksen tavoitteisiin (SDG).
2 päätavoitetta UN Global Compact sukupolven tekoälylle yritykset ovat seuraavat:
- Yritysten on edettävä varovasti ottaessaan käyttöön sukupolven tekoäly ja varmistettava ihmisten valvonta kehittääkseen sitä turvallisesti käytettäväksi.
- Gen AI:n vastuullisen täytäntöönpanon ohella yksityisen sektorin tulisi kuroa umpeen kestävän kehityksen tavoitteita koskevien toimien ja aikomusten välinen kuilu.
Gen AI käyttö kestävän kehityksen tavoitteiden edistämiseen
On kolme keskeistä elementtiä, jotka tukevat järjestelmän onnistunutta ja vastuullista Gen AI -käyttöä.
- Yritysten tulee olla varmoja siitä, että he ymmärtävät selvästi ratkaisemansa ongelman. Heidän pitäisi myös olla samaa mieltä siitä, että Gen AI on ihanteellinen ratkaisu.
- Yritysten on koulutettava työvoimaa käyttämään sukupolven tekoälyä vastuullisesti. Tämä voidaan tehdä tukemalla heitä asianmukaisella datalla, tekoälyn lukutaitokoulutuksella ja digitaalisella.
- Yritysten tulee perustaa oikeat hallintorakenteet ja ylläpitää turvallisuutta ja vastuullisuutta.
Gen AI ja kestävä kehitys
Gen AI voi tukea kestävää kehitystä toimimalla Data Minerina, Knowledge Amplifierina ja Insight Navigatorina. Näiden avulla Gen AI voi myös parantaa olemassa olevia teknologioita ja liiketoimintaa edistäen edelleen kestävyyttä neljällä avainalueella, kuten jatkossa keskustellaan.
Toiminnallinen tehokkuus
Yrityksille on tärkeää hallita tehokkaasti rajallisia resursseja kestävän tuoton saavuttamiseksi. Gen AI:lla on mahdollista tehostaa erilaisia toimintoja alla mainitulla tavalla.
- Resurssien optimointi: Kustannuksia ja ympäristövaikutuksia voidaan vähentää minimoimalla resurssitarpeet. Työntekijät voivat optimoida resursseja, kuten logistiikkaa ja laskentatehoa, käyttämällä Gen AI:tä nykyisen analytiikan rinnalla. Kuten ennakoivien analytiikkajärjestelmien päivittäminen ennakoiviksi ylläpitojärjestelmiksi, jotka tarjoavat toteutettavia suosituksia.
- Työntekijän tehokkuus: Sitä voidaan parantaa riittävällä koulutuksella ja työkaluilla. Gen AI:n avulla jokaisen työntekijän koulutus voidaan räätälöidä heidän roolinsa, paikallisten määräysten ja kielen perusteella. Lisäksi se voi myös suunnitella yrityksen tavoitteiden mukaisia koulutusohjelmia, mikä parantaa entisestään työntekijöiden päätöksentekoa ja tuottavuutta.
- Tehokas koodi: Tehokas koodaus on tärkeää ohjelmistojen ympäristövaikutusten hallitsemiseksi. Gen AI:n avulla koodaustehtävät voidaan automatisoida ja olemassa oleva koodi voidaan optimoida sekä tarkennusta parantaa. Tämä tekee joukkueesta tehokkaamman. Tehokas koodaus on elintärkeää ohjelmistojen ympäristövaikutusten hallinnassa. Gen AI voi automatisoida koodaustehtävät, optimoida olemassa olevan koodin ja paikantaa parannuksia, mikä auttaa tiimejä tehostamaan toimintaansa.
Kaiken kaikkiaan kehitysprosesseja virtaviivaistamalla yritykset voivat mahdollisesti vähentää resurssien käyttöä ja päästöjään.
Asiakastapaukset
SuperHumanRace – He kehittivät sovelluksen, jonka tarkoituksena on parantaa äitien terveyttä Intian köyhimmissä osavaltioissa. Se tarjoaa henkilökohtaisia lääkärin suosituksia. Tämä sovellus käyttää sukupolven tekoälyä ja konemallinnusta äitien terveystietojen analysointiin. Sitten se luo räätälöityjä kyselyitä potilaan raskausvaiheen ja riskitekijöiden perusteella.
Siemens – He ottivat käyttöön Industrial Copilotin (Microsoftin Gen AI-ratkaisu) Schaeffler-valmistuslinjalla teollisuuden tehokkuuden parantamiseksi. Työkalu auttaa automaatioinsinöörejä luomaan koodia ohjelmoitaville logiikkaohjaimille (PLC). Tämä ohjaa edelleen tehdaskoneita, eli 1/3 toimii Siemens-laitteissa. Luonnollisella koodauskielellä se vähentää aikaa, vaivaa ja virheitä. Näin insinöörit voivat keskittyä enemmän tärkeisiin tehtäviin. Tämän avulla myös vähemmän kokeneet työntekijät voivat siirtyä insinööritehtäviin.
Kestävä arvoketju
Tehokkaan siirtymisen kannalta on tärkeää saada koko osallistumaan toimitusketju kestävässä kehityksessä. Gen AI voi virtaviivaistaa pitkää tiedonkeruuprosessia analysoimalla jäsentämätöntä dataa. Se mahdollistaa lisäksi tehokkaan elinkaariarvioinnin (LCA), paremman toimittajien sitoutumisen ja vastuullisen hankinnan. LCA:t ovat tärkeitä selkeiden kestävän kehityksen tietojen kannalta, mutta niiden luominen vaatii resursseja. Gen AI parantaa tarkkojen elinkaariarvojen ylläpidon tehokkuutta.
Vuoden 2030 kestävän kehityksen tavoitteiden mukaisesti vastuullinen hankinta on tärkeää, koska se vaikuttaa sosiaalisiin ja ympäristöllisiin jalanjälkiin. Toinen tärkeä elementti on toimittajien sitoutuminen, sillä kaikkia riskejä ei voida pienentää pelkällä hankinnalla. Gen AI voi auttaa tunnistamaan riskit ja oikeat mahdollisuudet parantaa niitä. Kaikki tämä sekä räätälöidyn koulutuksen tarjoaminen toimittajille ja siten läpinäkyvyyden ja kestävien käytäntöjen edistäminen.
Asiakastapaukset
Accenture – Sen N-Tier Supply Chain Navigator käyttää Gen AI:ta toimitusketjun toimintojen tehostamiseen. Tämä tehdään Gen AI:n tarjoamien reaaliaikaisten näkemysten avulla kestävän kehityksen ja hankintapäälliköille. Se tunnistaa ihmisoikeusriskit ja kestävyyden analysoimalla toimitusketjun tietoja avainindikaattoreiden perusteella. Äskettäin Accenture havaitsi, että tason 2 ja 3 toimittajat ovat vastuussa 50–60 prosentista hiilidioksidipäästöistä. Nämä tiedot on saatu arvioimalla yli 2 122,000 toimittajaa. Näin ollen korostetaan työkalun kykyä antaa tietoa kestävistä hankintapäätöksistä.
Unilever – Vuodesta 2020 Google Earth's Enginen kanssa yhteistyössä toiminut Unilever kehitti geospatiaalista analytiikkaa metsäkadon seurantaan ja metsähyödykeriskien hallintaan. Geospatiaalisen ja toimitusketjun datan ristiinviittauksia varten he integroivat Gen AI:n. Siten se auttaa tekemään parempia kaupallisia päätöksiä sisällyttämällä geospatiaaliset oivallukset ostoon ja toimittajien hallintaan.
SAP - Kestävän kehityksen jalanjäljen hallinta SAP käyttää Business AI:ta pienentääkseen hiilijalanjälkeä kartoittamalla päästötekijöitä ostoa varten. OpenAI Embedding -malleja käytetään työkalussa vastaavien tuotteiden etsimiseen ja validointiin. Tämä tehdään analysoimalla LCA- ja ERP-tietokantoja. Noin 10 läheistä päästökerroinkartoitusta tunnistetaan ja tietokentät ovat tuotteen nimi, kuvaus ja samankaltaisuuspisteet. Tämän jälkeen yritys arvioi otteluiden laadun ja parantaa päästötietojen näkyvyyttä ja dokumentointia auditointeja varten.
Innovaatio:
Koska kestävän kehityksen tavoitteiden saavuttamiseen on rajallisesti aikaa, tarvitaan kiireesti innovatiivisia ratkaisuja aikomusten ja tulosten välisen kuilun kattamiseksi. Gen AI voi luoda ideoita seuraaviin.
- Vihreä rahoitus: Gen AI voi auttaa pieniä ja keskisuuria yrityksiä, jotka kamppailevat taloudellisesti kestävän kehityksen kanssa auttamalla niitä turvaamaan resurssit. Rahoituslaitokset voivat luoda kontekstiin sopivia ratkaisuja, kuten vihreitä lainoja ja joukkovelkakirjoja Gen AI:n avulla.
- Kestävä tuote- ja palvelusuunnittelu: Gen AI voi auttaa integroimaan kestävän kehityksen käsitteitä koko suunnitteluprosessin ajan. Näin se voi sisällyttää kestävän kehityksen vaatimukset suunnittelun ja kehityksen alkuvaiheisiin. Suunnittelijat voivat hallita kilpailua koko prosessin ajan ja täyttää toiminnalliset vaatimukset unohtamatta kestäviä tekijöitä.
- Huippuluokan tutkimus: Kestävää kehitystä voidaan nopeuttaa Gen AI:n avulla, koska se auttaa tunnistamaan trendejä, korrelaatioita ja uusia kestävän kehityksen ratkaisuja. Se ei vain pysty analysoimaan nopeasti valtavia tietomääriä, vaan se voi myös luoda synteettisiä tietojoukkoja puuttumaan tietojen aliedustamiseen. Se voi tehostaa tutkimusta ja teknologiaa ja auttaa yksityistä sektoria saavuttamaan vuoden 2030 kestävän kehityksen tavoitteet.
Asiakastapaukset
Yamaha ja lopullinen tavoite – Yamahan ja Final Aimin Concept 451 on kompakti sähköauto maatalouteen Japanin vuoristossa, joka vastaa väestörakenteen muutoksiin. Gen AI:n avulla he nopeuttavat suunnittelua tutkimalla alan haasteita. Se auttaa heitä luomaan 2,000 3 suunnitteluvaihtoehtoa, mikä johtaa viestintään XNUMXD-mallinnuksen aikana. Tämä osoittaa, että yritysten on mahdollista käsitellä sosiaalisia ongelmia nopeammalla T&K-syklillä.
Värikynä – Tutkimuksen tehostamiseksi yhtiö kehitti kansainväliselle energiayhtiölle LLM-käyttöisen chatbotin. Se helpottaa eri lähteiden hakuja ja yhteenvetoja. Markkinatutkimusta parannettiin chatthe-botilla ja se antoi 15 % osuvampia vastauksia. Tämä auttoi parempia strategisia ja operatiivisia päätöksiä sekä asiakasvuorovaikutusta.
Viestintä ja raportointi
Sijoittajien, sääntelyviranomaisten ja kuluttajien valvonnan lisääntyessä yritysten kestävään kehitykseen liittyy erilaisia politiikkoja ja puitteita. Gen AI auttaa ESG-raportointia ja kestävän kehityksen markkinointia edistäen samalla yritysten sisäistä yhteistyötä.
- Kestävän kehityksen raportointi: ESG-raportit ovat tärkeitä tulosten näyttämisen, vastuullisuuden ja vaatimustenmukaisuuden kannalta. Gen AI analysoi tietoja tunnistaakseen mittareita, korostaakseen aloitteita ja tehdäkseen raportteja, mikä parantaa raportoinnin tehokkuutta.
- Markkinoinnin kestävyys: Kuluttajien ja sijoittajien tuen saamiseksi rehellinen viestiminen kestävästä kehityksestä on tärkeää. Markkinointitiimit voivat käyttää Gen AI:tä räätälöidyn sisällön luomiseen, mikä varmistaa yhdenmukaisuuden brändistrategian kanssa. Gen AI -työkalut auttavat myös ehkäisemään greenwashing selventämällä monimutkaisia kestäviä käsitteitä markkinoijille.
- Yhteistyön tehostaminen: Gen AI myös ohjaa yrityksiä integroimaan kestävän kehityksen tehostamalla tiimien välistä yhteistyötä ja viestintää. Se voi helposti yksinkertaistaa ammattikieltä ja tarjota paremman tietopohjan päätöksentekijöille.
Asiakastapaukset
Salesforce – He integroivat Einsteinin (AI-järjestelmän) Net Zero Cloudiin, mikä parantaa ESG-hallintaansa. Käyttämällä historiallisia ESG-tietoja ja muita asiakirjoja, se täyttää raporttivastaukset. Tämä antaa yrityksille mahdollisuuden keskittyä kestävän kehityksen aloitteisiin raportoinnin sijaan.
Microsoft – Copilot-malli auttaa yrityksiä kestävän kehityksen tietojen hankinnassa ja jakamisessa. Gen AI:n avulla se analysoi tietoja työntekijöiden tukemiseksi, mikä mahdollistaa tulosten jakamisen asiakirjoina ja raportteina. Yritykset vertaavat kestävän kehityksen kehitystään muihin, mikä lisää tarkkuutta ja luottamusta. Tämä työkalu edistää kestävää tietämystä, vähentää virheitä ja parantaa päätöksentekoa.
Leeward Renewable Energy turvaa 400 MW:n aurinkoprojektit Microsoftilta Texasissa
Yksityisen sektorin käyttäjäriskit, jotka käyttävät sukupolven tekoälyä globaaleihin tavoitteisiin
- Gen AI-prosessit ovat usein läpinäkymättömiä – Yritykset ovat riippuvaisia kolmannen osapuolen infrastruktuurista, malleista ja tiedoista, mikä luo vastuuvajeen. Ulkoiset tiedot voivat olla merkitty väärin tai rikkoa tekijänoikeuksia, mitä kehittäjät eivät voi ymmärtää tehdessään johtopäätöksiä. On myös mahdollista, että käyttäjät antavat vääriä tietoja sukupolven AI-tulosteiden validoinnista, mikä lisää riskejä.
- Gen AI voi tuottaa epävarmoja ja ongelmallisia tuloksia – Ihmiset ovat sukupolven tekoälyn malleja, ja he voivat heijastaa ennakkoluuloja ja epävarmuutta, mikä voi tuoda esiin sukupuoleen, sosioekonomiseen ja rotuun liittyviä ennakkoluuloja. Tämä ongelma voi lisääntyä virheellisen mallin suunnittelun, olemassa olevien käyttäjien harhojen ja epätäydellisten koulutustietojen vuoksi. On myös mahdollista väärän sisällön esittäminen ja myrkyllisten tulosteiden tuottaminen. Asianmukaisella avoimuudella ja hallinnolla nämä virheet, myrkyllisyys ja harhaisuus voidaan kuitenkin estää.
- Gen AI voi rikkoa tietojen yksityisyyttä ja turvallisuutta – Gen AI-sovellukset voivat joskus tahattomasti paljastaa arkaluontoisia yritys- tai henkilötietoja. Tämä johtaa tietosuojakäytäntöjen, kuten GDPR:n, rikkomuksiin. Jos suuria tietojoukkoja auditoidaan virheellisesti jopa seulonnan yhteydessä, on olemassa vaara, että luottamukselliset tiedot paljastuvat, kun Gen AI pystyy indeksoimaan julkisia tietoja ja muodostamaan assosiaatioita.
- Gen AI:n voimaa voidaan käyttää väärin – Käyttäjien vuorovaikutus Gen AI:n kanssa vaikuttaa ihmisiin ja planeettaan. Ilman suojatoimia se voi heikentää kestävän kehityksen tavoitteita levittämällä väärää tietoa syväväärennösten kautta. Näin se tarjoaa opastusta ase- tai tukipetokseen. On mahdollista, että käyttäjät manipuloivat sukupolven tekoälyä tuottamaan myrkyllisiä tuloksia tai loukkaamaan tietosuojaa, mikä lisää näitä riskejä.
Viittaus: Häiritseekö automaatio päätöksentekoa?
Yksityisen sektorin sukupolven tekoälyn käytön ulkoiset riskit
- Gen AI:lla on merkittäviä resurssivaatimuksia – Gen AI vaatii resurssiintensiivisiä datakeskuksia ja lisää sähkönkulutusta vuoteen 2026 mennessä, joka kattaa jo yli 1.5 % maailman energiasta. Se vaikuttaa myös vesivarmuuteen jäähdytystarpeiden kautta ja laitteistotuotannolla on ympäristövaikutuksia.
- Gen AI määrittelee uudelleen ja saattaa syrjäyttää työpaikat – Gen AI tarjoaa uusien mahdollisuuksien myötä myös merkittäviä automaatiouhkia työntekijöille. Yritysten on kehitettävä itseään vähentääkseen irtisanomisia ja tehtävä yhteistyötä hallitusten kanssa ihmiskeskeinen siirtyminen kehittyvässä työvoimassa.
- Gen AI häiritsee yhteiskuntaa, mikä voi laajentaa olemassa olevia kahtiajakoja – Yhteiskunnat ja taloudet tekevät muunnos Gen AI:lla. Tämä vaatii kuitenkin digitaalista lukutaitoa, laadukasta koulutusdataa ja laskentatehoa. Internetin ja sähkönjakelun eriarvoisuus vain hidastaa edistymistä, pahentaa jakoa ja synnyttää ihmisoikeusongelmia haavoittuville ryhmille.
Yhteenvetona voidaan todeta, että Gen AI ei ole universaali ratkaisu yksityisen sektorin haasteisiin. Mutta sillä on suuri potentiaali mullistaa liiketoimintaa ja kestävää kehitystä. Raportti osoittaa, kuinka Gen AI:n varhaiset sovellukset auttoivat ratkaisemaan maailmanlaajuisia köyhyyttä ja sukupuolten välistä epätasa-arvoa koskevia kysymyksiä. Yksityisen sektorin tulisi mukauttaa päätöksensä YK:n Global Compactin kymmenen periaatteen kanssa. On toivoa, että Gen AI voi olla hyödyllinen vuoden 2030 tavoitteiden saavuttamisessa.
Lähde: Yksityisen sektorin opas kestävän kehityksen nopeuttamiseen teknologian avulla
