持続可能な開発のための2030アジェンダとSDGsの達成は困難に思える。地政学的緊張の高まり、不平等、気候変動が世界全体に影響を与えている。だからこそ、グローバル目標達成のためのGen AI活用に関するこのレポートは、課題と解決策について重要な洞察を提供する。
「健全な地球における平和と繁栄のためのグローバルな青写真である『2030アジェンダ』は、深刻な危機に瀕しています。AIは、この状況を好転させるのに役立つ可能性があります。気候変動対策や、2030年までに17の持続可能な開発目標を達成するための取り組みを飛躍的に加速させることができるでしょう。しかし、これらすべては、AI技術が責任を持って活用され、すべての人々が利用できるようにされることにかかっています」と、アントニオ・グテーレス国連事務総長は述べました。
本報告書の目的― 実践的な知見と提言を提供することにより、国連の目標達成に貢献すること。
GEN AIとは何ですか?
これは人間の思考を再現し、さまざまな入力を出力に変換する機械ベースのシステムです。これらの出力は、推奨や予測からコンテンツまで多岐にわたります。[7] 生成型AI（GEN AI）は、これまでに公開されているものを超えた新しいコンテンツを生成するタイプの人工知能です。[8]
これらはすべて、テキストや画像にすでに存在するパターンを他のデータとともに識別して複製し、現実的な新しいデータを作成することによって行われます。一般的な Gen AI 製品には、GPT-4/4o、Claude、Midjourney、Claude などがあります。
現在、人間の言語を模倣できる大規模言語モデル (LLM) に注目が集まっており、モデルはタンパク質のミームや構造も生成します。汎用的な基礎モデルは、Gen AI エコシステムの中核から派生した広範なデータセットでトレーニングされています。さまざまなアプリケーション向けの特定のデータを使用したカスタマイズが可能で、クラウド プロバイダーがシステムをトレーニングできます。
使い方 地球規模の目標に向けたAI世代：持続可能な開発における民間セクターの主導的役割
世界のGDPの60%以上を占める民間セクターは、財・サービスの生産において重要な役割を担っています。したがって、持続可能な開発目標（SDGs）に焦点を当てることで、持続可能な開発のための生成型AIの分野で主導権を握る大きな機会が存在します。
国連グローバル・コンパクトが、AI企業に求める2つの主要な目標は以下のとおりです。
- 企業は Gen AI の導入を慎重に進め、安全に使用できるように開発するために人間による監視を確保する必要があります。
- 民間部門は、Gen AI の責任ある実装とともに、SDGs に関する行動と意図の間のギャップを埋める必要があります。
Gen AI を活用して持続可能な開発目標を推進する
Gen AI を成功裏に責任を持って使用するためのシステムをサポートする重要な要素が 3 つあります。
- 企業は、自分たちが解決しようとしている問題を明確に理解していることを確認する必要があります。また、Gen AI が理想的なソリューションであることに同意する必要があります。
- 企業は、従業員が責任を持って Gen AI を使用できるようにトレーニングする必要があります。これは、適切なデータ、AI リテラシー トレーニング、デジタルで従業員をサポートすることで実現できます。
- 企業は適切な政府構造を構築し、安全性と説明責任を維持する必要があります。
次世代AIと持続可能性
Gen AI は、データ マイナー、ナレッジ アンプ、インサイト ナビゲーターとして機能することで、持続可能な開発をサポートする可能性があります。これらにより、Gen AI は既存のテクノロジーとビジネス オペレーションを強化し、後述する 4 つの主要分野で持続可能性をさらに促進することもできます。
オペレーション効率向上
企業が持続可能な収益を上げるためには、限られたリソースを効率的に運用することが重要です。Gen AI を活用することで、以下のようなさまざまな業務の強化が可能になります。
- リソースの最適化: コスト削減と環境への影響は、リソースの必要性を最小限に抑えることで実現できます。従業員は、Gen AI を現在の分析と併用することで、物流やコンピューティング能力などのリソースを最適化できます。たとえば、予測分析システムを、実用的な推奨事項を提供する処方メンテナンス システムにアップグレードします。
- 労働者の効率: 適切なトレーニングとツールで改善できます。Gen AI では、各従業員の役割、現地の規制、言語を考慮して、各従業員のトレーニングをパーソナライズできます。さらに、会社の目標に沿ったトレーニング プログラムを設計できるため、従業員の意思決定と生産性がさらに向上します。
- 効率的なコードソフトウェアの環境への影響を管理するには、効果的なコーディングが重要です。Gen AI を使用すると、コーディング タスクを自動化し、既存のコードを最適化して、改善点を特定することができます。これにより、チームの効率が向上します。効果的なコーディングは、ソフトウェアの環境への影響を管理するために不可欠です。Gen AI は、コーディング タスクを自動化し、既存のコードを最適化して、改善点を特定し、チームの効率を向上させることができます。
全体として、開発プロセスを合理化することで、企業は資源の使用を減らし、排出量を削減できる可能性があります。
ケーススタディ
SuperHumanRaceは、インドの最貧困州における妊産婦の健康改善を目指し、アプリを開発しました。このアプリは、個々の患者に合わせた医師の推薦を提供します。Gen AIと機械学習モデルを用いて妊産婦の健康データを分析し、患者の妊娠段階やリスク要因に基づいて、個別の質問票を作成します。
シーメンスは、シェフラーの製造ラインにインダストリアル・コパイロット（マイクロソフトのGen AIソリューション）を導入し、産業効率の向上を図りました。このツールは、自動化エンジニアがプログラマブルロジックコントローラ（PLC）用のコードを作成する際に役立ちます。これにより、工場内の機械（全体の3分の1がシーメンス製デバイスで稼働）の制御が可能になります。自然言語によるコーディングにより、時間、労力、エラーを削減できるため、エンジニアはより重要な業務に集中できます。また、経験の浅い従業員もエンジニアリングの役割を担えるようになります。
持続可能なバリューチェーン
効果的な移行を実現するには、サプライチェーン全体を持続可能な開発に巻き込むことが重要です。Gen AIは、非構造化データを分析することで、時間のかかるデータ収集プロセスを効率化できます。さらに、効率的なライフサイクルアセスメント（LCA）、サプライヤーとの連携強化、責任ある調達を可能にします。LCAは明確なサステナビリティデータを得るために重要ですが、作成には多くのリソースが必要です。Gen AIは、正確なLCAの維持管理の効率性を向上させます。
2030 SDGs によれば、責任ある調達は社会と環境への影響に影響を及ぼすため重要です。調達だけではすべてのリスクを軽減できるわけではないため、もう XNUMX つの重要な要素はサプライヤーの関与です。Gen AI は、リスクの特定と、リスクを改善するための適切な機会の特定に役立ちます。これらすべてに加えて、サプライヤーに合わせたトレーニングを提供し、透明性と持続可能な慣行を促進します。
ケーススタディ
アクセンチュアのN層サプライチェーンナビゲーターは、一般化AI（Gen AI）を活用してサプライチェーン業務を強化します。これは、一般化AIがリアルタイムで提供するインサイトをサステナビリティおよび調達担当マネージャーに提供することで実現されます。サプライチェーンデータを主要指標と照らし合わせて分析することで、人権リスクとサステナビリティを特定します。最近、アクセンチュアは、12万2000社以上のサプライヤーを評価した結果、ティア2およびティア3のサプライヤーがCO2排出量のホットスポットの50～60%を占めていることを発見しました。これは、持続可能な調達に関する意思決定を支援するツールの能力を際立たせています。
ユニリーバは、2020年以来Google Earth Engineと提携し、森林破壊の監視と森林資源リスクの管理を目的とした地理空間分析を開発しました。地理空間データとサプライチェーンデータを相互参照するために、Gen AIを統合しました。これにより、地理空間に関する知見を購買およびサプライヤー管理に取り入れることで、より的確な商業的意思決定が可能になりました。
SAPのサステナビリティ・フットプリント管理は、ビジネスAIを活用し、購入要因に関連する排出量要因をマッピングすることで、二酸化炭素排出量を削減します。このツールでは、OpenAIの埋め込みモデルを使用して、一致する製品を見つけて検証します。これは、LCAおよびERPデータベースを分析することによって行われます。約10件の類似した排出要因のマッピングが特定され、製品名、説明、類似度スコアなどのデータフィールドが提供されます。その後、同社は一致度を評価し、監査のために排出量データの可視性と文書化を強化します。
革新的手法
SDGs 達成までの時間は限られているため、意図と結果のギャップを埋めるための革新的なソリューションが緊急に必要とされています。Gen AI は次のようなアイデアを生み出すことができます。
- グリーンファイナンスGen AI は、リソースの確保を支援することで、持続可能な財務開発に苦戦している中小企業を支援できます。金融機関は Gen AI を利用して、グリーンローンや債券など、状況に応じたソリューションを作成できます。
- 持続可能な製品とサービスの設計: Gen AI は、設計プロセス全体に持続可能性の概念を統合するのに役立ちます。これにより、設計と開発の初期段階に持続可能性の要件を組み込むことができます。設計者はプロセス全体を通じて競争を管理し、持続可能な要素を無視することなく機能要件を満たすことができます。
- 最先端の研究Gen AI は、トレンド、相関関係、新たな持続可能性ソリューションの特定に役立つため、持続可能性を加速できます。膨大な量のデータを迅速に分析できるだけでなく、合成データセットを作成して、データの不足に対処することもできます。研究とテクノロジーを強化し、民間部門が 2030 年の SDG を達成できるようさらに支援します。
ケーススタディ
ヤマハ＆ファイナルエイム– ヤマハとファイナルエイムが共同開発したコンセプト451は、日本の山間部における農業向けに開発されたコンパクトなEVで、人口動態の変化に対応しています。Gen AIを活用することで、業界の課題を研究し、設計を加速させています。これにより、2,000もの設計案が生成され、3Dモデリング中のコミュニケーションが円滑化されました。これは、企業がより迅速な研究開発サイクルで社会課題に取り組むことが可能であることを示しています。
Crayon社は、調査研究を強化するため、国際的なエネルギー企業向けにLLM（法医学修士）技術を搭載したチャットボットを共同開発しました。このチャットボットは、様々な情報源からの検索や要約を容易にします。チャットボットの導入により市場調査が改善され、関連性の高い回答が15%増加しました。これにより、戦略的および業務上の意思決定、そして顧客とのやり取りがより円滑になりました。
コミュニケーションと報告
投資家、規制当局、消費者からの監視が強化される中、企業の持続可能性はさまざまなポリシーやフレームワークに直面しています。Gen AI は、企業内でのコラボレーションを促進しながら、ESG レポートと持続可能性マーケティングを支援しています。
- サステナビリティレポートESG レポートは、結果、説明責任、コンプライアンスを示すために重要です。Gen AI はデータを分析して指標を特定し、取り組みを強調し、レポートを作成し、レポートの効率を高めます。
- マーケティングの持続可能性: 消費者や投資家の支持を得るためには、持続可能な開発に関する正直なメッセージを伝えることが重要です。マーケティングチームは、Gen AIを使用してカスタマイズされたコンテンツを作成し、ブランド戦略との整合性を確保できます。Gen AIツールは、 グリーンウォッシング マーケティング担当者向けに複雑な持続可能性の概念を明確にします。
- コラボレーションの促進Gen AI は、チーム間のコラボレーションとコミュニケーションを強化することで、企業が持続可能性を統合できるように導きます。専門用語を簡単に簡素化し、意思決定者に優れた知識ベースを提供できます。
ケーススタディ
Salesforceは、Einstein（AIシステム）をNet Zero Cloudに統合することで、ESG管理を改善しました。過去のESGデータやその他の文書を活用することで、レポートへの回答を自動生成します。これにより、企業は報告業務ではなく、サステナビリティへの取り組みに注力できるようになります。
マイクロソフトのCopilotテンプレートは、企業がサステナビリティデータを収集・共有するのに役立ちます。Gen AIを活用することで、従業員を支援するためにデータを分析し、その結果を文書やレポートとして共有できるようにします。企業は自社のサステナビリティの進捗状況を他社と比較することで、正確性と信頼性を高めることができます。このツールは、サステナビリティに関する知識を促進し、エラーを削減し、意思決定を改善します。
リーワード・リニューアブル・エナジー、テキサス州でマイクロソフトから400MWの太陽光発電プロジェクトを獲得
民間セクターがグローバル目標のために Gen AI を利用する際のユーザーリスク
- ジェネレーションAIのプロセスは往々にして不透明 – 企業はインフラストラクチャ、モデル、データに関してサードパーティのシステムに依存しているため、説明責任のギャップが生じています。外部データは誤ったラベルが付けられていたり、著作権を侵害している可能性があり、開発者は結論を出す際にそれを理解できません。また、ユーザーが Gen AI 出力の検証を誤って伝える可能性があり、リスクが増大します。
- Gen AIは不確実で問題のある結果を生み出す可能性がある – 人間は Gen AI のモデルであり、偏見や不確実性を反映する可能性があり、性別、社会経済的、人種的偏見をもたらす可能性があります。この問題は、モデル設計の誤り、既存のユーザー バイアス、不完全なトレーニング データによって増大する可能性があります。また、誤ったコンテンツの表示や有害な出力の生成の可能性もあります。ただし、適切な透明性とガバナンスがあれば、これらのエラー、毒性、偏見を防ぐことができます。
- Gen AIはデータのプライバシーとセキュリティを侵害する可能性がある – Gen AI アプリは、意図せず企業や個人の機密情報を公開することがあります。これは、GDPR などのデータ セキュリティ プロトコルの違反につながります。スクリーニングを行っても大規模なデータセットが不適切に監査されると、公開情報をインデックス化して関連付けを行う Gen AI の機能により、機密データが漏洩するリスクがあります。
- ジェネレーションAIの力は悪用される可能性がある – 人々と地球は、ユーザーと Gen AI のやり取りによって影響を受けます。安全策を講じなければ、ディープフェイクを通じて誤った情報を拡散し、SDG を損なう可能性があります。このようにして、武器のガイダンスを提供したり、欺瞞を支援したりします。ユーザーが Gen AI を操作して有害な出力を生成したり、データのプライバシーを侵害したりする可能性があり、これらのリスクが増大します。
相互参照：自動化は意思決定に偏りをもたらすのか？
民間セクターにおけるAI活用の外部リスク
- Gen AIには多大なリソース要件がある – Gen AI には、リソース集約型データセンターが必要であり、2026 年までに電力消費量が増加します。これはすでに世界のエネルギーの 1.5% 以上を占めています。また、冷却の必要性により水の安全性にも影響を及ぼし、ハードウェアの生産は環境に影響を与えます。
- AI世代は仕事の定義を変え、仕事を奪う可能性がある – 新たな機会とともに、AI世代は労働者に重大な自動化の脅威ももたらします。企業は解雇を減らすためにスキルアップし、政府と協力して 人間中心の移行 進化する労働力の中で。
- 次世代AIは社会を混乱させ、既存の格差を拡大させる可能性がある – 社会と経済は Gen AIで変革するしかし、そのためにはデジタルリテラシー、質の高いトレーニングデータ、計算能力が必要です。インターネットと電力供給の不平等は進歩を妨げ、格差を悪化させ、弱い立場の人々の人権問題を引き起こすだけです。
結論として、Gen AI は民間部門の課題に対する普遍的な解決策ではありません。しかし、ビジネスと持続可能な開発に革命を起こす大きな可能性を秘めています。レポートでは、Gen AI の初期の応用が貧困と男女不平等という世界的な問題への取り組みにどのように役立ったかを示しています。民間部門は、国連グローバル コンパクトの 2030 原則に沿って決定を下すべきです。Gen AI が XNUMX 年の目標達成に役立つことが期待されています。
