Using Gen AI for Global Goals: Private Sector's Guide to Sustainable Development with Technology

Det verkar svårt att uppnå 2030-agendan för hållbar utveckling och uppnå den SDGs. Med ökade geopolitiska spänningar påverkar ojämlikheter och klimatförändringar saker i stort. Det är därför som denna rapport om att använda Gen AI för globala mål ger viktiga insikter om de utmaningar och lösningar som erbjuds.

"2030-agendan - vår globala plan för fred och välstånd på en hälsosam planet - är i djupa problem. AI kan hjälpa till att vända det. Det kan överdriva klimatåtgärder och ansträngningar för att uppnå de 17 hållbara utvecklingsmålen till 2030. Men allt detta beror på att AI-tekniken utnyttjas ansvarsfullt och görs tillgänglig för alla," sade António Guterres, FN:s generalsekreterare.

Syfte med rapporten – Att bidra till att uppnå FN:s mål genom att tillhandahålla praktiska insikter och rekommendationer. 

Vad är GEN AI?

Det är ett maskinbaserat system som replikerar mänskligt tänkande och omvandlar olika input till output. Dessa utdata kan variera från rekommendationer eller förutsägelser till innehåll. [7] Generativ AI (GEN AI) är en typ av artificiell intelligens som genererar nytt innehåll som är bortom det som redan har exponerats. [8]

Allt detta görs genom att identifiera och replikera de mönster som redan finns i text och bilder tillsammans med annan data för att skapa realistiska nya data. Några vanliga Gen AI-produkter inkluderar GPT-4/4o, Claude, Midjourney och Claude.

För närvarande ligger uppmärksamheten på stora språkmodeller (LLM) som kan efterlikna mänskligt språk, och modeller genererar också proteinmemes och strukturer. Grundmodeller för allmänna ändamål tränas på omfattande datauppsättningar härledda från kärnan i Gen AI-ekosystemet. Anpassning med specifik data för olika applikationer är möjlig och molnleverantörer kan träna systemet.

Använda Gen AI för globala mål: Privatsektorns ledande roll i hållbar utveckling

Den privata sektorn står för mer än 60 % av den globala BNP och spelar en viktig roll i produktionen av varor och tjänster. Det finns alltså en betydande möjlighet att leda in Generativ AI för hållbar utveckling genom att fokusera på Sustainable Development Goals (SDG).

2 huvudmål som eftersträvas av UN Global Compact för Gen AI företag är följande:

1. Företag måste gå försiktigt tillväga när de adopterar Gen AI och säkerställa mänsklig tillsyn för att utveckla den på ett säkert sätt för användning.
2. Tillsammans med ett ansvarsfullt genomförande av Gen AI bör den privata sektorn överbrygga klyftan mellan åtgärder och avsikter på SDGs.

Använder Gen AI för att främja målen för hållbar utveckling

Det finns 3 nyckelelement för att stödja systemet för framgångsrik och ansvarsfull Gen AI-användning.

1. Företagen bör vara säkra på att de tydligt förstår problemet de löser. De bör också vara överens om att Gen AI är en idealisk lösning.
2. Företag måste utbilda personalen för att använda Gen AI på ett ansvarsfullt sätt. Detta kan göras genom att stödja dem med lämplig data, AI-läskunnighetsutbildning och digital.
3. Företagen bör upprätta rätt myndighetsstrukturer och upprätthålla säkerhet och ansvarsskyldighet.

Gen AI och hållbarhet

Gen AI har potential att stödja hållbar utveckling genom att agera som Data Miner, Knowledge Amplifier och Insight Navigator. Med dessa kan Gen AI också förbättra befintlig teknik och affärsverksamhet, vilket ytterligare främjar hållbarhet inom fyra nyckelområden, som diskuteras framöver.

Operativ effektivitet

Det är viktigt för företag att effektivt hantera begränsade resurser för att uppnå hållbar avkastning. Med Gen AI är det möjligt att förbättra olika operationer som nämns nedan.

• Resursoptimering: Kostnadsminskning och miljöpåverkan kan göras genom att minimera resursbehovet. Anställda kan optimera resurser som logistik och datorkraft genom att tillämpa Gen AI tillsammans med aktuell analys. Som att uppgradera system för prediktiv analys till föreskrivande underhållssystem som ger rekommendationer som kan användas.
• Arbetarens effektivitet: Det kan förbättras med adekvat utbildning och verktyg. Med Gen AI kan varje anställds utbildning anpassas genom att ta hänsyn till deras roll, lokala regler och språk. Dessutom kan den också utforma utbildningsprogram som är i linje med företagets mål, vilket ytterligare förbättrar medarbetarnas beslutsfattande och produktivitet.
• Effektiv kod: För att hantera programvarans miljöpåverkan är effektiv kodning viktig. Med Gen AI kan kodningsuppgifter automatiseras och befintlig kod kan optimeras, tillsammans med förbättrad exakthet. Detta kommer att göra teamet mer effektivt. Effektiv kodning är avgörande för att hantera programvarans miljöpåverkan. Gen AI kan automatisera kodningsuppgifter, optimera befintlig kod och lokalisera förbättringar, vilket hjälper team att bli mer effektiva.

Sammantaget kan företag genom att effektivisera utvecklingsprocesser eventuellt minska resursanvändningen och minska sina utsläpp.

Kund-case

SuperHumanRace – Syftet till att förbättra mödrahälsan i Indiens fattigaste stater utvecklade de en app. Den ger personliga läkarerekommendationer. Denna app använder Gen AI och maskinmodellering för att analysera mödrahälsodata. Sedan skapar den skräddarsydda frågeformulär utifrån patientens graviditetsstadium och riskfaktorer.

siemens – De implementerade Industrial Copilot (Microsofts Gen AI-lösning) på en Schaefflers tillverkningslinje för att förbättra industriell effektivitet. Verktyget hjälper automationsingenjörer att skapa kod för programmerbara logiska styrenheter (PLC). Detta styr ytterligare fabriksmaskiner, det vill säga 1/3 körs på Siemens-enheter. Med naturligt kodningsspråk minskar det tid, ansträngning och fel. Detta gör att ingenjörer kan fokusera mer på viktiga uppgifter. Med detta kan mindre erfarna medarbetare också flytta in i ingenjörsroller.

Hållbar värdekedja

För en effektiv övergång är det viktigt att engagera helheten leveranskedja för hållbar utveckling. Gen AI kan effektivisera en lång datainsamlingsprocess genom att analysera ostrukturerad data. Det möjliggör ytterligare effektiva livscykelanalyser (LCA), förbättrat leverantörsengagemang och ansvarsfull inköp. LCA:er är viktiga för tydliga hållbarhetsdata men att skapa dem är resurskrävande. Gen AI förbättrar effektiviteten för att upprätthålla exakta LCA:er.

Enligt 2030 års SDG är ansvarsfulla inköp viktigt eftersom det påverkar de sociala och miljömässiga fotavtrycken. En annan viktig del är leverantörsengagemang eftersom inte alla risker kan minskas enbart genom inköp. Gen AI kan hjälpa till att identifiera risker och rätt möjligheter att förbättra dem. Allt detta tillsammans med att erbjuda skräddarsydd utbildning för leverantörer och på så sätt främja transparens och hållbara metoder.

Kund-case

Accenture – Dess N-Tier Supply Chain Navigator använder Gen AI för att förbättra leveranskedjans verksamhet. Detta görs med realtidsinsikter från Gen AI för hållbarhets- och inköpschefer. Den identifierar risker för mänskliga rättigheter och hållbarhet genom att analysera försörjningskedjans data mot nyckelindikatorer. Accenture fann nyligen att leverantörer av nivå 2 och 3 står för 50–60 % av CO2-hotspots. Denna information erhölls efter att ha utvärderat mer än 122,000 XNUMX leverantörer. På så sätt belyser verktygets förmåga att informera hållbara upphandlingsbeslut.

Unilever – Unilever har samarbetat med Google Earths motor sedan 2020 och har utvecklat geospatial analys för att övervaka avskogning och hantera risker med skogsråvaror. För att korsreferensera geospatial och försörjningskedjadata integrerade de Gen AI. Det hjälper alltså till att fatta bättre kommersiella beslut genom att integrera geospatiala insikter i inköp och leverantörshantering.

SAP - Den Hållbarhet Footprint Management av SAP använder sin Business AI för att minska koldioxidavtrycket genom att kartlägga faktorer relaterade till utsläpp för köpfaktorer. OpenAI Embedding-modeller används i verktyget för att hitta matchande produkter och validera dem. Detta görs genom att analysera LCA- och ERP-databaser. Cirka 10 mappningar av nära emissionsfaktorer identifieras och datafält tillhandahålls, som är produktnamn, beskrivning och likhetspoäng. Företaget bedömer sedan matchningskvaliteten och förbättrar synbarheten av utsläppsdata och dokumentation för revisioner.

Innovation

Med begränsad tid för att uppnå SDGs finns det ett akut behov av innovativa lösningar för att täcka gapet mellan intentioner och resultat. Gen AI kan generera idéer för följande.

• Grön finans: Gen AI kan hjälpa små och medelstora företag som kämpar med ekonomisk hållbar utveckling genom att hjälpa dem att säkra resurser. Finansiella institutioner kan skapa sammanhangsanpassade lösningar som gröna lån och obligationer med Gen AI.
• Hållbar produkt- och tjänstedesign: Gen AI kan hjälpa till att integrera hållbarhetskoncept genom hela designprocessen. På så sätt kan det införliva hållbarhetskrav i de tidiga stadierna av design och utveckling. Designers kan hantera konkurrensen genom hela processen och uppfylla funktionella krav utan att försumma hållbara faktorer.
• Spetsforskning: Hållbarhet kan påskyndas med Gen AI eftersom det hjälper till att identifiera trender, samband och framväxande hållbarhetslösningar. Det kan inte bara snabbt analysera stora mängder data utan kan också skapa syntetiska datauppsättningar för att åtgärda underrepresentation i data. Det kan förbättra forskning och teknik ytterligare och hjälpa den privata sektorn att uppnå 2030 SDG.

Kund-case

Yamaha & Slutmål – Concept 451 från Yamaha och Final Aim är en kompakt elbil för jordbruk i de japanska bergen som hanterar demografiska förändringar. Med Gen AI påskyndar de design genom att undersöka sektorns utmaningar. Det hjälper dem att generera 2,000 3 designvarianter, vilket leder till kommunikation under XNUMXD-modellering. Detta visar att det är möjligt för företag att ta itu med sociala frågor med snabbare FoU-cykler.

blyertspenna – För att förbättra forskningen, utvecklade företaget en LLM-driven chatbot för ett internationellt energibolag. Det gör sökningar och sammanfattningar enklare för olika källor. Marknadsundersökningen förbättrades med chatthe bot och den gav 15 % mer relevanta svar. Detta hjälpte till bättre strategiska och operativa beslut tillsammans med kundinteraktioner.

Kommunikation och rapportering 

Med ökad granskning från investerare, tillsynsmyndigheter och konsumenter står företagens hållbarhet inför olika policyer och ramverk. Gen AI hjälper ESG-rapportering och hållbarhetsmarknadsföring samtidigt som det främjar samarbeten inom företag. 

• hållbarhetsrapportering: ESG-rapporter är viktiga för att visa resultat, ansvarighet och efterlevnad. Gen AI analyserar data för att identifiera mätvärden, lyfta fram initiativ och göra rapporter, vilket förbättrar rapporteringseffektiviteten.
• Marknadsföring Hållbarhet: För att få stöd från konsumenter och investerare är ärliga budskap om hållbar utveckling viktigt. Marknadsföringsteam kan använda Gen AI för att skapa skräddarsytt innehåll och på så sätt säkerställa anpassning till varumärkesstrategin. Gen AI-verktyg är också till hjälp för att förebygga greenwashing genom att förtydliga komplexa hållbara koncept för marknadsförare.
• Öka samarbetet: Gen AI vägleder också företag att integrera hållbarhet genom att förbättra samarbete och kommunikation mellan team. Det kan enkelt förenkla jargong och ge en bättre kunskapsbas för beslutsfattare.

Kund-case

Salesforce – De integrerade Einstein (AI-system) i Net Zero Cloud och förbättrade därmed sin ESG-hantering. Genom att använda historiska ESG-data och andra dokument fyller den i rapportsvar. Detta gör att företag kan fokusera på hållbarhetsinitiativ snarare än rapportering.

Microsoft – Copilotmallen hjälper företag att hitta och dela hållbarhetsdata. Genom att använda Gen AI analyserar den data för att stödja anställda, vilket gör att resultaten kan delas som dokument och rapporter. Företag jämför sina hållbarhetsframsteg med andra, vilket ökar noggrannheten och förtroendet. Detta verktyg främjar hållbar kunskap, minskar fel och förbättrar beslutsfattandet.

Leeward Renewable Energy säkrar 400 MW solenergiprojekt från Microsoft i Texas

Användarrisker för privat sektor som använder Gen AI för globala mål

• Gen AI-processer är ofta ogenomskinliga – Företag är beroende av ett tredje parts system för infrastruktur, modeller och data som skapar en ansvarighetsklyfta. Extern data kan vara felmärkt eller bryta mot upphovsrätten, vilket utvecklare inte kan förstå när de drar slutsatser. Det är också möjligt att användare kan ge en felaktig bild av sin validering av Gen AI-utgångar, vilket ökar riskerna.
• Gen AI kan ge osäkra och problematiska resultat – Människor är modeller för Gen AI och kan återspegla fördomar och osäkerhet som kan introducera fördomar mellan kön, socioekonomiska och rasmässiga aspekter. Detta problem kan öka med felaktig modelldesign, befintliga användarfördomar och ofullständiga träningsdata. Det finns också en möjlighet för falsk innehållspresentation och generering av giftiga utsläpp. Men med korrekt insyn och styrning kan dessa fel, toxicitet och partiskhet förhindras.
• Gen AI kan bryta mot datasekretess och säkerhet – Gen AI-appar kan ibland oavsiktligt exponera känslig företagsinformation eller personlig information. Detta leder till brott mot datasäkerhetsprotokoll som GDPR. Om stora datamängder granskas felaktigt även med screening, finns det en risk att konfidentiell data avslöjas med Gen AI:s förmåga att indexera offentlig information och göra associationer.
• Gen AI:s kraft kan missbrukas – Människor och planeten påverkas av användarnas interaktion med Gen AI. Utan skyddsåtgärder kan det undergräva SDGs genom att sprida desinformation genom deepfakes. På så sätt ger den vägledning för vapen eller stödbedrägeri. Det finns en möjlighet för användare att manipulera Gen AI för att producera giftiga utdata eller bryta dataintegriteten, vilket ökar dessa risker.

Korsreferens: Påverkar automatisering beslutsfattandet?

Externa risker med användning av generisk AI i den privata sektorn

• Gen AI har betydande resurskrav – Gen AI kräver resurskrävande datacenter och ökad elförbrukning till 2026, som redan utgör mer än 1.5 % av den globala energin. Det påverkar också vattensäkerheten genom kylbehov och hårdvaruproduktion har miljöpåverkan.
• Gen AI kommer att omdefiniera och kan förskjuta jobb – Med nya möjligheter erbjuder Gen AI också betydande automatiseringshot för arbetare. Företag måste förbättra sig själva för att minska uppsägningar och samarbeta med regeringar för en människocentrerad övergång i den föränderliga arbetskraften.
• Gen AI kommer att störa samhället, vilket kan vidga befintliga klyftor – Det kommer samhällen och ekonomier transformera med Gen AI. Detta kommer dock att kräva digital kompetens, kvalitetsutbildningsdata och beräkningskraft. Ojämlikheter i internet- och eldistribution kommer bara att hindra framsteg, förvärra klyftorna och skapa mänskliga rättigheter för utsatta grupper.

Sammanfattningsvis är Gen AI inte en universell lösning på utmaningar inom den privata sektorn. Men det har stor potential att revolutionera företag och hållbar utveckling. Rapporten visar hur tidiga tillämpningar av Gen AI hjälpte till att ta itu med globala frågor om fattigdom och ojämlikhet mellan könen. Den privata sektorn bör anpassa sina beslut till de tio principerna i FN:s Global Compact. Det finns hopp om att Gen AI kan vara till hjälp för att uppnå 2030-målen.

Källa: Privata sektorns guide för att påskynda hållbar utveckling med teknik