Het lijkt lastig om de Agenda 2030 voor Duurzame Ontwikkeling te realiseren en de Duurzame Ontwikkelingsdoelen (SDG's) te bereiken . Toenemende geopolitieke spanningen, ongelijkheid en klimaatverandering hebben een grote impact op de situatie. Daarom biedt dit rapport over het gebruik van Gen AI voor mondiale doelen belangrijke inzichten in de uitdagingen en mogelijke oplossingen.
“De Agenda 2030 – ons wereldwijde plan voor vrede en welvaart op een gezonde planeet – verkeert in grote problemen. Kunstmatige intelligentie (AI) zou kunnen helpen om het tij te keren. Het zou klimaatactie en inspanningen om de 17 Duurzame Ontwikkelingsdoelen tegen 2030 te bereiken een enorme impuls kunnen geven. Maar dit alles hangt af van het verantwoord gebruik van AI-technologieën en de toegankelijkheid ervan voor iedereen”, aldus António Guterres , secretaris-generaal van de Verenigde Naties.
Doel van het rapport – Bijdragen aan het bereiken van de VN-doelstellingen door middel van bruikbare inzichten en aanbevelingen.
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 particuliere sector is goed voor meer dan 60% van het wereldwijde bbp en speelt een belangrijke rol in de productie van goederen en diensten. Daarom is er een aanzienlijke kans om een voortrekkersrol te spelen in generatieve AI voor duurzame ontwikkeling, met de focus op de Duurzame Ontwikkelingsdoelen (SDG's).
De twee belangrijkste doelstellingen die het VN Global Compact voor Gen AI -bedrijven nastreeft, zijn de volgende:
- 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.
- 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.
- 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.
- Bedrijven moeten hun personeel trainen om Gen AI verantwoord te gebruiken. Dit kan door ze te ondersteunen met geschikte data, AI-geletterdheidstraining en digitaal.
- 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
SuperHumanRace – Met als doel de moedergezondheid in de armste staten van India te verbeteren, hebben ze een app ontwikkeld. Deze app biedt gepersonaliseerde doktersaanbevelingen. De app maakt gebruik van Gen AI en machine learning om gegevens over de moedergezondheid te analyseren. Vervolgens stelt de app vragenlijsten op maat samen, gebaseerd op het stadium van de zwangerschap en de risicofactoren van de patiënt.
Siemens heeft Industrial Copilot (Microsofts Gen AI-oplossing) geïmplementeerd op een productielijn van Schaeffler om de industriële efficiëntie te verbeteren. De tool helpt automatiseringsingenieurs bij het schrijven van code voor programmeerbare logische controllers (PLC's). Deze besturen vervolgens de fabrieksmachines, waarvan een derde op Siemens-apparaten draait. Dankzij de natuurlijke programmeertaal worden tijd, moeite en fouten verminderd. Hierdoor kunnen ingenieurs zich meer richten op belangrijke taken. Ook minder ervaren medewerkers kunnen hierdoor doorstromen naar technische functies.
Duurzame waardeketen
Voor een effectieve transitie is het belangrijk om de gehele toeleveringsketen te betrekken bij duurzame ontwikkeling . Gen AI kan een langdurig dataverzamelingsproces stroomlijnen door ongestructureerde data te analyseren. Het maakt bovendien efficiënte levenscyclusanalyses (LCA's), verbeterde leveranciersbetrokkenheid en verantwoorde inkoop mogelijk. LCA's zijn belangrijk voor duidelijke duurzaamheidsgegevens, maar het opstellen ervan is arbeidsintensief. Gen AI verbetert de efficiëntie van het bijhouden van accurate 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 gebruikt Gen AI in zijn N-Tier Supply Chain Navigator om de supply chain-activiteiten te verbeteren. Dit gebeurt met realtime inzichten van Gen AI voor duurzaamheids- en inkoopmanagers. De tool identificeert risico's op het gebied van mensenrechten en duurzaamheid door supply chain-data te analyseren aan de hand van belangrijke indicatoren. Recentelijk ontdekte Accenture dat leveranciers van niveau 2 en 3 verantwoordelijk zijn voor 50% tot 60% van de CO2-hotspots. Deze informatie werd verkregen na een analyse van meer dan 122,000 leveranciers. Dit onderstreept het vermogen van de tool om duurzame inkoopbeslissingen te ondersteunen.
Unilever – In samenwerking met Google Earth Engine sinds 2020 heeft Unilever geospatiale analyses ontwikkeld om ontbossing te monitoren en risico's met betrekking tot bosbouwproducten te beheren. Om geospatiale en supply chain-gegevens te koppelen, hebben ze Gen AI geïntegreerd. Dit helpt bij het nemen van betere commerciële beslissingen door geospatiale inzichten te integreren in inkoop- en leveranciersmanagement.
SAP – Het Sustainability Footprint Management van SAP gebruikt Business AI om de CO2-voetafdruk te verkleinen door emissiegerelateerde factoren te koppelen aan aankoopcriteria. OpenAI Embedding-modellen worden in de tool gebruikt om overeenkomende producten te vinden en te valideren. Dit gebeurt door LCA- en ERP-databases te analyseren. Er worden ongeveer 10 vergelijkbare emissiefactoren geïdentificeerd, met bijbehorende gegevensvelden zoals productnaam, beschrijving en gelijkenisscore. Het bedrijf beoordeelt vervolgens de kwaliteit van de koppeling en verbetert de zichtbaarheid en documentatie van emissiegegevens 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 & Final Aim – De Concept 451 van Yamaha en Final Aim is een compacte elektrische auto voor de landbouw in het Japanse berggebied, die inspeelt op demografische veranderingen. Met Gen AI versnellen ze het ontwerpproces door sectoruitdagingen te onderzoeken. Dit helpt hen bij het genereren van 2,000 ontwerpvarianten, wat leidt tot communicatie tijdens het 3D-modelleren. Dit toont aan dat bedrijven maatschappelijke problemen kunnen aanpakken met snellere R&D-cycli.
Crayon – Om onderzoek te verbeteren, ontwikkelde het bedrijf samen met een internationaal energiebedrijf een chatbot op basis van LLM-technologie. Deze chatbot vereenvoudigt het zoeken en samenvatten van diverse bronnen. Het marktonderzoek werd verbeterd door de chatbot, die 15% meer relevante antwoorden opleverde. Dit leidde tot betere strategische en operationele beslissingen, evenals tot betere klantinteracties.
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 heeft Einstein (een AI-systeem) geïntegreerd in Net Zero Cloud, waardoor hun ESG-management is verbeterd. Door gebruik te maken van historische ESG-gegevens en andere documenten, worden rapporten automatisch ingevuld. Dit stelt bedrijven in staat zich te concentreren op duurzaamheidsinitiatieven in plaats van op rapportage.
Microsoft – De Copilot-template helpt bedrijven bij het verzamelen en delen van duurzaamheidsgegevens. Door gebruik te maken van Gen AI analyseert de template data ter ondersteuning van medewerkers, waardoor resultaten als documenten en rapporten kunnen worden gedeeld. Bedrijven vergelijken hun duurzaamheidsvooruitgang met die van anderen, wat de nauwkeurigheid en het vertrouwen vergroot. Deze tool bevordert kennis over duurzaamheid, 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: Beïnvloedt automatisering 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.
