Het gebruik van generatie AI voor mondiale doelen: gids voor de private sector voor duurzame ontwikkeling met technologie

Het lijkt moeilijk om de Agenda 2030 voor Duurzame Ontwikkeling te verwezenlijken en de doelstellingen te bereiken. SDGs. Met toegenomen geopolitieke spanningen, ongelijkheden en klimaatverandering worden zaken in het algemeen beïnvloed. Daarom biedt dit rapport over het gebruik van Gen AI voor wereldwijde doelen belangrijke inzichten over de uitdagingen en oplossingen die worden geboden.

“De Agenda 2030 — onze wereldwijde blauwdruk voor vrede en welvaart op een gezonde planeet — verkeert in grote problemen. AI zou kunnen helpen dat om te draaien. Het zou klimaatactie en inspanningen om de 17 Duurzame Ontwikkelingsdoelen te bereiken tegen 2030 een boost kunnen geven. Maar dit alles hangt af van AI-technologieën die op verantwoorde wijze worden ingezet en voor iedereen toegankelijk worden gemaakt,” zei António Guterres, Secretaris-Generaal van de Verenigde Naties.

Doel van het rapport – Om de doelstellingen van de VN te helpen verwezenlijken door bruikbare inzichten en aanbevelingen te bieden. 

Wat is GEN AI?

Het is een machine-gebaseerd systeem dat menselijk denken nabootst en verschillende inputs omzet in outputs. Deze outputs kunnen variëren van aanbevelingen of voorspellingen tot content. [7] Generative AI (GEN AI) is een type kunstmatige intelligentie dat nieuwe content genereert die verder gaat dan wat al is blootgelegd. [8]

Dit alles wordt gedaan door de patronen die al aanwezig zijn in tekst en afbeeldingen te identificeren en te repliceren, samen met andere gegevens om realistische nieuwe gegevens te creëren. Enkele veelvoorkomende Gen AI-producten zijn GPT-4/4o, Claude, Midjourney en Claude.

Momenteel ligt de aandacht op Large Language Models (LLM's) die menselijke taal kunnen nabootsen, en modellen genereren ook proteïnememes en -structuren. Fundamentele modellen voor algemene doeleinden worden getraind op uitgebreide datasets die zijn afgeleid van de kern van het Gen AI-ecosysteem. Aanpassing met specifieke gegevens voor verschillende toepassingen is mogelijk en cloudproviders kunnen het systeem trainen.

gebruik Gen AI voor mondiale doelen: de leidende rol van de private sector in duurzame ontwikkeling

De private sector is goed voor meer dan 60% van het wereldwijde BBP en speelt een belangrijke rol in de productie van goederen en diensten. Er is dus een significante kans om het voortouw te nemen in Generatieve AI voor duurzame ontwikkeling door ons te richten op de Duurzame Ontwikkelingsdoelstellingen (SDG's).

2 hoofddoelstellingen die door de VN Global Compact voor Gen AI bedrijven zijn als volgt:

1. Bedrijven moeten voorzichtig te werk gaan bij de invoering van Gen AI en ervoor zorgen dat er menselijk toezicht is, zodat AI veilig kan worden ontwikkeld voor gebruik.
2. Naast de verantwoorde implementatie van Gen AI moet de private sector de kloof tussen acties en intenties ten aanzien van de SDG's dichten.

Het gebruik van Gen AI om de Duurzame Ontwikkelingsdoelen te bevorderen

Er zijn 3 sleutelelementen die het systeem ondersteunen voor succesvol en verantwoord gebruik van Gen AI.

1. Bedrijven moeten er zeker van zijn dat ze het probleem dat ze oplossen goed begrijpen. Ze moeten het er ook over eens zijn dat Gen AI een ideale oplossing is.
2. Bedrijven moeten hun personeel trainen om Gen AI verantwoord te gebruiken. Dit kan door ze te ondersteunen met geschikte data, AI-geletterdheidstraining en digitaal.
3. Bedrijven moeten de juiste overheidsstructuren opzetten en de veiligheid en verantwoording waarborgen.

Gen AI en duurzaamheid

Gen AI heeft het potentieel om duurzame ontwikkeling te ondersteunen door te fungeren als Data Miner, Knowledge Amplifier en Insight Navigator. Hiermee kan Gen AI ook bestaande technologieën en bedrijfsactiviteiten verbeteren, en zo de duurzaamheid op 4 belangrijke gebieden verder bevorderen, zoals verderop besproken.

Operationele efficiëntie

Het is belangrijk voor bedrijven om beperkte middelen efficiënt te beheren om duurzame rendementen te behalen. Met Gen AI is het mogelijk om verschillende operaties te verbeteren zoals hieronder vermeld.

• Resource-optimalisatie: Kostenreductie en milieu-impact kunnen worden bereikt door de behoefte aan middelen te minimaliseren. Werknemers kunnen middelen zoals logistiek en computerkracht optimaliseren door Gen AI toe te passen naast huidige analyses. Zoals het upgraden van voorspellende analysesystemen naar prescriptieve onderhoudssystemen die bruikbare aanbevelingen bieden.
• Werknemers effectiviteit: Het kan worden verbeterd met adequate training en tools. Met Gen AI kan de training van elke werknemer worden gepersonaliseerd door rekening te houden met hun rol, lokale regelgeving en taal. Bovendien kan het ook trainingsprogramma's ontwerpen die aansluiten bij de doelen van het bedrijf, waardoor de besluitvorming en productiviteit van werknemers verder worden verbeterd.
• Efficiënte code: Om de impact van software op het milieu te beheren, is effectieve codering belangrijk. Met Gen AI kunnen codeertaken worden geautomatiseerd en bestaande code worden geoptimaliseerd, samen met het verbeteren van pinpoint. Dit maakt het team efficiënter. Effectieve codering is essentieel voor het beheren van de impact van software op het milieu. Gen AI kan codeertaken automatiseren, bestaande code optimaliseren en verbeteringen aanwijzen, waardoor teams efficiënter worden.

Kortom, door het stroomlijnen van ontwikkelingsprocessen kunnen bedrijven mogelijk hun grondstoffenverbruik en emissies verminderen.

Casestudies

SuperMenselijk Ras – Om de gezondheid van moeders in de armste staten van India te verbeteren, ontwikkelden ze een app. Deze biedt gepersonaliseerde doktersaanbevelingen. Deze app gebruikt Gen AI en machinemodellering om gegevens over de gezondheid van moeders te analyseren. Vervolgens worden er op maat gemaakte vragenlijsten gemaakt op basis van het zwangerschapsstadium en de risicofactoren van de patiënt.

Siemens – Ze implementeerden de Industrial Copilot (Microsoft's Gen AI-oplossing) op een Schaeffler-productielijn om de industriële efficiëntie te verbeteren. De tool helpt automatiseringstechnici bij het maken van code voor programmeerbare logische controllers (PLC's). Dit bestuurt verder fabrieksmachines, waarvan 1/3 op Siemens-apparaten draait. Met natuurlijke programmeertaal vermindert het tijd, moeite en fouten. Zo kunnen technici zich meer richten op belangrijke taken. Hierdoor kunnen ook minder ervaren werknemers doorstromen naar technische functies.

Duurzame waardeketen

Voor een effectieve transitie is het belangrijk om de gehele organisatie te betrekken toeleveringsketen in duurzame ontwikkeling. Gen AI kan een langdurig proces van gegevensverzameling stroomlijnen door ongestructureerde gegevens te analyseren. Het maakt bovendien efficiënte Lifecycle Assessments (LCA's), verbeterde leveranciersbetrokkenheid en verantwoorde sourcing mogelijk. LCA's zijn belangrijk voor duidelijke duurzaamheidsgegevens, maar het maken ervan is arbeidsintensief. Gen AI verbetert de efficiëntie van het onderhouden van nauwkeurige LCA's.

Volgens de SDG's van 2030 is verantwoorde inkoop belangrijk omdat het de sociale en ecologische voetafdruk beïnvloedt. Een ander belangrijk element is de betrokkenheid van leveranciers, omdat niet alle risico's alleen door inkoop kunnen worden beperkt. Gen AI kan helpen bij het identificeren van risico's en de juiste kansen om deze te verbeteren. Dit alles samen met het aanbieden van op maat gemaakte trainingen voor leveranciers en zo het bevorderen van transparantie en duurzame praktijken.

Casestudies

Accenture – De N-Tier Supply Chain Navigator gebruikt Gen AI om supply chain-activiteiten te verbeteren. Dit gebeurt met realtime-inzichten die Gen AI biedt voor duurzaamheids- en inkoopmanagers. Het identificeert risico's voor mensenrechten en duurzaamheid door supply chain-gegevens te analyseren op basis van belangrijke indicatoren. Accenture ontdekte onlangs dat leveranciers van niveau 2 en 3 verantwoordelijk zijn voor 50%-60% van de CO2-hotspots. Deze informatie werd verkregen na beoordeling van meer dan 122,000 leveranciers. Hiermee wordt de capaciteit van de tool benadrukt om duurzame inkoopbeslissingen te informeren.

Unilever – Sinds 2020 werkt Unilever samen met Google Earth's Engine en heeft georuimtelijke analyses ontwikkeld om ontbossing te monitoren en risico's van bosgrondstoffen te beheren. Om georuimtelijke en supply chain-gegevens met elkaar te vergelijken, hebben ze Gen AI geïntegreerd. Het helpt dus bij het nemen van betere commerciële beslissingen door georuimtelijke inzichten te integreren in inkoop- en leveranciersbeheer.

SAP - The Duurzaamheidsvoetafdrukbeheer van SAP gebruikt zijn Business AI om de CO10-voetafdruk te verkleinen door factoren in kaart te brengen die verband houden met emissie voor aankoopfactoren. OpenAI Embedding-modellen worden in de tool gebruikt om overeenkomende producten te vinden en te valideren. Dit wordt gedaan door LCA- en ERP-databases te analyseren. Er worden ongeveer XNUMX nauwe emissiefactortoewijzingen geïdentificeerd en er worden gegevensvelden verstrekt, namelijk productnaam, beschrijving en gelijkenisscore. Het bedrijf beoordeelt vervolgens de matchkwaliteit en verbetert de zichtbaarheid van emissiegegevens en documentatie voor audits.

Innovatie

Met beperkte tijd om de SDG's te bereiken, is er een dringende behoefte aan innovatieve oplossingen om de kloof tussen intenties en resultaten te dichten. Gen AI kan ideeën genereren voor het volgende.

• Groene financiën: Gen AI kan kleine en middelgrote ondernemingen helpen die worstelen met financiële duurzame ontwikkeling door hen te helpen bij het veiligstellen van middelen. Financiële instellingen kunnen context-passende oplossingen creëren zoals groene leningen en obligaties met Gen AI.
• Duurzaam product- en serviceontwerp: Gen AI kan helpen bij het integreren van duurzaamheidsconcepten in het hele ontwerpproces. Op deze manier kan het duurzaamheidsvereisten inbedden in de vroege stadia van ontwerp en ontwikkeling. Ontwerpers kunnen de concurrentie beheren in het hele proces en voldoen aan functionele vereisten zonder duurzame factoren te verwaarlozen.
• Baanbrekend onderzoek: Duurzaamheid kan worden versneld met Gen AI, omdat het helpt bij het identificeren van trends, correlaties en opkomende duurzaamheidsoplossingen. Het kan niet alleen snel grote hoeveelheden data analyseren, maar kan ook synthetische datasets maken om ondervertegenwoordiging in data aan te pakken. Het kan onderzoek en technologie verbeteren en de private sector verder helpen om de SDG's van 2030 te bereiken.

Casestudies

Yamaha & Einddoel – De Concept 451 van Yamaha en Final Aim is een compacte EV voor landbouw in de Japanse bergen die inspeelt op demografische veranderingen. Met Gen AI versnellen ze het ontwerp door onderzoek te doen naar uitdagingen in de sector. Het helpt hen om 2,000 ontwerpvarianten te genereren, wat leidt tot communicatie tijdens 3D-modellering. Dit laat zien dat het mogelijk is voor bedrijven om maatschappelijke problemen aan te pakken met snellere R&D-cycli.

potlood – Om onderzoek te verbeteren, ontwikkelde het bedrijf een LLM-aangedreven chatbot voor een internationaal energiebedrijf. Het maakt zoekopdrachten en samenvattingen eenvoudiger voor verschillende bronnen. Het marktonderzoek werd verbeterd met chatthe bot en het leverde 15% meer relevante antwoorden op. Dit hielp bij betere strategische en operationele beslissingen, samen met interacties met klanten.

Communicatie en rapportage 

Met de toenemende controle van investeerders, toezichthouders en consumenten, wordt duurzaamheid van bedrijven geconfronteerd met verschillende beleidslijnen en kaders. Gen AI helpt bij ESG-rapportage en duurzaamheidsmarketing en bevordert samenwerkingen binnen bedrijven. 

• Duurzaamheidsrapportage: ESG-rapporten zijn belangrijk om resultaten, verantwoording en naleving te tonen. Gen AI analyseert gegevens om statistieken te identificeren, initiatieven te benadrukken en rapporten te maken, waardoor de rapportage-efficiëntie wordt verbeterd.
• Marketing Duurzaamheid: Om steun van consumenten en investeerders te krijgen, is eerlijke berichtgeving over duurzame ontwikkeling belangrijk. Marketingteams kunnen Gen AI gebruiken om op maat gemaakte content te creëren, en zo de afstemming met de merkstrategie te waarborgen. Gen AI-tools zijn ook nuttig bij het voorkomen greenwashing door complexe duurzame concepten voor marketeers te verduidelijken.
• Samenwerking stimuleren: Gen AI begeleidt bedrijven ook bij het integreren van duurzaamheid door samenwerking en communicatie tussen teams te verbeteren. Het kan jargon eenvoudig vereenvoudigen en een betere kennisbasis bieden voor besluitvormers.

Casestudies

Salesforce – Ze integreerden Einstein (AI-systeem) in Net Zero Cloud en verbeterden zo hun ESG-beheer. Door historische ESG-gegevens en andere documenten te gebruiken, worden de rapportreacties ingevuld. Hierdoor kunnen bedrijven zich richten op duurzaamheidsinitiatieven in plaats van op rapportage.

Microsoft – De Copilot-sjabloon helpt bedrijven bij het sourcen en delen van duurzaamheidsgegevens. Door Gen AI te gebruiken, analyseert het gegevens ter ondersteuning van werknemers, waardoor resultaten kunnen worden gedeeld als documenten en rapporten. Bedrijven vergelijken hun duurzaamheidsvoortgang met anderen, wat de nauwkeurigheid en het vertrouwen vergroot. Deze tool bevordert duurzame kennis, vermindert fouten en verbetert de besluitvorming.

Leeward Renewable Energy verzekert zich van 400 MW zonne-energieprojecten van Microsoft in Texas

Gebruikersrisico's van het gebruik van Gen AI door de particuliere sector voor mondiale doelen

• Gen AI-processen zijn vaak ondoorzichtig – Bedrijven zijn afhankelijk van een systeem van derden voor infrastructuur, modellen en data, wat een verantwoordingskloof creëert. Externe data kan verkeerd gelabeld zijn of inbreuk maken op het auteursrecht, wat ontwikkelaars niet kunnen begrijpen bij het trekken van conclusies. Het is ook mogelijk dat gebruikers hun validatie van Gen AI-uitvoer verkeerd voorstellen, wat de risico's vergroot.
• Generatie AI kan onzekere en problematische resultaten opleveren – Mensen zijn modellen voor Gen AI en kunnen vooroordelen en onzekerheid weerspiegelen die gender-, sociaaleconomische en raciale vooroordelen kunnen introduceren. Dit probleem kan toenemen met een foutief modelontwerp, bestaande gebruikersvooroordelen en onvolledige trainingsgegevens. Er is ook een mogelijkheid van valse presentatie van inhoud en de generatie van toxische outputs. Met de juiste transparantie en governance kunnen deze fouten, toxiciteit en vooroordelen echter worden voorkomen.
• Generatie AI kan inbreuk maken op de privacy en beveiliging van gegevens – Gen AI-apps kunnen soms onbedoeld gevoelige bedrijfs- of persoonlijke informatie blootstellen. Dit leidt tot schendingen van gegevensbeveiligingsprotocollen zoals GDPR. Als grote datasets onjuist worden gecontroleerd, zelfs met screening, bestaat het risico dat vertrouwelijke gegevens worden onthuld met het vermogen van Gen AI om openbare informatie te indexeren en associaties te maken.
• De kracht van generatie AI kan worden misbruikt – Mensen en de planeet worden beïnvloed door de interactie van gebruikers met Gen AI. Zonder waarborgen kan het SDG's ondermijnen door misinformatie te verspreiden via deepfakes. Op deze manier biedt het richtlijnen voor wapens of ondersteunt het misleiding. Er is een mogelijkheid dat gebruikers Gen AI manipuleren om giftige outputs te produceren of de privacy van gegevens te schenden, waardoor deze risico's toenemen.

Kruisverwijzing: Heeft automatisering invloed op de besluitvorming?

Externe risico's van het gebruik van AI door de particuliere sector

• Generatie AI heeft aanzienlijke resourcevereisten – Gen AI vereist resource-intensieve datacenters en een verhoogd elektriciteitsverbruik tegen 2026, wat nu al meer dan 1.5% van de wereldwijde energie uitmaakt. Het heeft ook invloed op de waterveiligheid door de behoefte aan koeling en de productie van hardware heeft een impact op het milieu.
• Generatie AI zal banen herdefiniëren en zou ze kunnen vervangen – Met nieuwe kansen biedt Gen AI ook aanzienlijke automatiseringsbedreigingen voor werknemers. Bedrijven moeten zichzelf bijscholen om ontslagen te verminderen en samenwerken met overheden voor een mensgerichte transitie in de veranderende beroepsbevolking.
• Generatie AI zal de maatschappij verstoren, wat bestaande verdeeldheid kan vergroten – Samenlevingen en economieën zullen transformeren met Gen AI. Hiervoor zijn echter digitale geletterdheid, kwalitatieve trainingsdata en rekenkracht nodig. Ongelijkheden in internet- en elektriciteitsdistributie zullen de vooruitgang alleen maar belemmeren, de kloof vergroten en mensenrechtenkwesties voor kwetsbare groepen genereren.

Concluderend is Gen AI geen universele oplossing voor uitdagingen in de private sector. Maar het heeft een groot potentieel om het bedrijfsleven en duurzame ontwikkeling te revolutioneren. Het rapport laat zien hoe vroege toepassingen van Gen AI hielpen bij het aanpakken van wereldwijde problemen van armoede en genderongelijkheid. De private sector zou zijn beslissingen moeten afstemmen op de tien principes van het UN Global Compact. Er is hoop dat Gen AI behulpzaam kan zijn bij het behalen van de doelen voor 2030.

Bron : Gids voor de particuliere sector om duurzame ontwikkeling te versnellen met technologie