实现2030年可持续发展议程和实现 SDGs。随着地缘政治紧张局势加剧，不平等和气候变化正在影响整个事物。这就是为什么这份关于使用 Gen AI 实现全球目标的报告提供了有关挑战和解决方案的重要见解。
“2030 年议程——我们为健康星球上的和平与繁荣制定的全球蓝图——正深陷困境。人工智能可以帮助扭转这一局面。它可以增强气候行动和到 17 年实现 2030 个可持续发展目标的努力。但这一切都取决于人工智能技术是否得到负责任的利用，以及是否让所有人都能使用，” 说过 安东尼奥·古特雷斯，联合国秘书长。
报告目的 – 通过提供可行的见解和建议帮助实现联合国的目标。
什么是GEN AI？
这是一种基于机器的系统，可以复制人类思维并将各种输入转换为输出。这些输出可以是建议、预测或内容。[7] 生成式人工智能 (GEN AI) 是一种人工智能，可以生成超出现有内容的新内容。[8]
所有这些都是通过识别和复制文本和图像中已经存在的模式以及其他数据来创建逼真的新数据来完成的。一些常见的 Gen AI 产品包括 GPT-4/4o、Claude、Midjourney 和 Claude。
目前，人们关注的是能够模仿人类语言的大型语言模型 (LLM)，这些模型还可以生成蛋白质模因和结构。通用基础模型是在来自 Gen AI 生态系统核心的大量数据集上进行训练的。可以使用特定数据针对各种应用程序进行定制，云提供商可以训练系统。
运用 人工智能助力全球目标：私营部门在可持续发展中的主导作用
私营部门占全球 GDP 的 60% 以上，在商品和服务生产中发挥着重要作用。因此，私营部门在引领全球经济增长方面具有重大机遇。 生成式人工智能助力可持续发展 重点关注可持续发展目标（SDG）。
2 个主要目标 联合国全球人工智能契约 公司如下：
- 公司在采用通用人工智能时必须谨慎行事，并确保人工监督，以确保其安全使用。
- 在负责任地实施人工智能的同时，私营部门还应弥合可持续发展目标的行动与意图之间的差距。
利用通用人工智能推进可持续发展目标
有3个关键要素支持系统成功且负责任地使用 Gen AI。
- 公司应该确保他们清楚地了解他们正在解决的问题。他们还应该同意 Gen AI 是一个理想的解决方案。
- 公司必须培训员工负责任地使用人工智能。这可以通过向他们提供适当的数据、人工智能素养培训和数字化支持来实现。
- 公司应该建立正确的政府结构并保持安全和问责。
人工智能与可持续性
Gen AI 有潜力通过充当数据挖掘者、知识放大器和洞察导航器来支持可持续发展。借助这些，Gen AI 还可以增强现有技术和业务运营，进一步促进前面讨论的 4 个关键领域的可持续发展。
操作高效
对于企业来说，有效管理有限的资源以实现可持续回报非常重要。借助 Gen AI，可以增强下述各种运营。
- 资源优化：通过最大限度地减少资源需求，可以降低成本和减少对环境的影响。员工可以通过将 Gen AI 与当前分析相结合来优化物流和计算能力等资源。例如将预测分析系统升级为提供可行建议的规范维护系统。
- 工人效率：通过适当的培训和工具，可以改进这一点。借助 Gen AI，可以根据员工的角色、当地法规和语言对每位员工的培训进行个性化。此外，它还可以设计符合公司目标的培训计划，进一步提高员工的决策能力和生产力。
- 高效的代码：为了管理软件对环境的影响，有效的编码非常重要。借助 Gen AI，可以自动执行编码任务，优化现有代码，同时提高精确度。这将使团队更加高效。有效的编码对于管理软件对环境的影响至关重要。Gen AI 可以自动执行编码任务，优化现有代码，并精确定位改进，帮助团队提高效率。
总而言之，通过简化开发流程，企业可以减少资源使用并降低排放。
客户案例
超人种族 – 为了改善印度最贫穷的邦的产妇健康，他们开发了一款应用程序。它提供个性化的医生推荐。这款应用程序使用 Gen AI 和机器建模来分析产妇健康数据。然后，它根据患者的怀孕阶段和风险因素创建定制问卷。
Siemens – 他们在舍弗勒生产线上实施了工业副驾驶（微软的 Gen AI 解决方案），以提高工业效率。该工具可帮助自动化工程师为可编程逻辑控制器 (PLC) 创建代码。这进一步控制了工厂机器，其中 1/3 运行在西门子设备上。使用自然编码语言，可以减少时间、精力和错误。因此，工程师可以更加专注于重要任务。有了它，经验不足的员工也可以担任工程职位。
可持续价值链
为了有效过渡，重要的是让整个 可持续发展中的供应链。Gen AI 可以通过分析非结构化数据来简化冗长的数据收集过程。它进一步实现了高效的生命周期评估 (LCA)、改善了供应商参与度和负责任的采购。LCA 对于清晰的可持续性数据很重要，但创建它们需要大量资源。Gen AI 提高了维护准确 LCA 的效率。
根据 2030 年可持续发展目标，负责任的采购很重要，因为它会影响社会和环境足迹。另一个重要因素是供应商参与，因为并非所有风险都可以通过采购来缓解。Gen AI 可以帮助识别风险和改进风险的正确机会。除此之外，还提供针对供应商的定制培训，从而促进透明度和可持续实践。
客户案例
Accenture – 其 N-Tier Supply Chain Navigator 使用 Gen AI 来增强供应链运营。这是通过 Gen AI 为可持续发展和采购经理提供的实时洞察来实现的。它通过根据关键指标分析供应链数据来识别人权风险和可持续性。最近，埃森哲发现二级和三级供应商对 2%-3% 的二氧化碳热点负有责任。这一信息是在评估了 50 多家供应商后得出的。因此，凸显了该工具为可持续采购决策提供信息的能力。
联合利华（Unilever） – 自 2020 年起，联合利华与 Google Earth 引擎合作，开发了地理空间分析来监测森林砍伐和管理森林商品风险。为了交叉引用地理空间和供应链数据，他们整合了 Gen AI。因此，通过将地理空间洞察纳入采购和供应商管理，它有助于做出更好的商业决策。
树液 ——由数百家创建、维护和提供物联网(IoT)全球开放标准的公司所组成的 可持续发展足迹管理 SAP 使用其业务 AI 通过将与排放相关的因素映射到购买因素来减少碳足迹。该工具使用 OpenAI 嵌入模型来查找匹配的产品并对其进行验证。这是通过分析 LCA 和 ERP 数据库来完成的。确定了大约 10 个密切的排放因子映射，并提供了数据字段，包括产品名称、描述和相似度得分。然后，该公司评估匹配质量并提高排放数据的可见性和审计文档。
创新
由于实现可持续发展目标的时间有限，迫切需要创新解决方案来弥补意图和结果之间的差距。Gen AI 可以为以下方面提供思路。
- 绿色金融: Gen AI 可以帮助那些在金融可持续发展方面遇到困难的中小企业获得资源。金融机构可以利用 Gen AI 创建适合当地情况的解决方案，例如绿色贷款和债券。
- 可持续产品和服务设计：Gen AI 可以帮助将可持续性概念融入整个设计过程。这样，它可以在设计和开发的早期阶段嵌入可持续性要求。设计师可以在整个过程中管理竞争并满足功能要求，而不会忽视可持续性因素。
- 前沿研究：Gen AI 有助于识别趋势、相关性和新兴的可持续发展解决方案，从而加速可持续发展。它不仅可以快速分析大量数据，还可以创建合成数据集来解决数据代表性不足的问题。它可以增强研究和技术，进一步帮助私营部门实现 2030 年可持续发展目标。
客户案例
雅马哈与 Final Aim – Yamaha 和 Final Aim 共同开发的 Concept 451 是一款用于日本山区农业的紧凑型电动车，旨在应对人口变化。借助 Gen AI，他们通过研究行业挑战来加速设计。它帮助他们生成 2,000 个设计变体，从而在 3D 建模过程中进行沟通。这表明企业有可能通过更快的研发周期来解决社会问题。
铅笔 – 为了加强研究，该公司与一家国际能源公司共同开发了一款由 LLM 提供支持的聊天机器人。它使各种来源的搜索和摘要变得更容易。聊天机器人改进了市场研究，并提供了 15% 的相关答案。这有助于做出更好的战略和运营决策以及与客户的互动。
沟通和报告
随着投资者、监管机构和消费者的审查日益严格，企业可持续发展面临各种政策和框架。Gen AI 正在帮助 ESG 报告和可持续发展营销，同时促进公司内部的合作。
- 可持续发展报告：ESG 报告对于展示结果、责任和合规性非常重要。Gen AI 分析数据以确定指标、突出举措并制作报告，从而提高报告效率。
- 营销可持续性：为了获得消费者和投资者的支持，关于可持续发展的诚实信息很重要。营销团队可以使用 Gen AI 创建定制内容，从而确保与品牌战略保持一致。Gen AI 工具还有助于预防 漂绿 通过向营销人员阐明复杂的可持续概念。
- 促进协作: Gen AI 还通过增强团队之间的协作和沟通来指导企业融入可持续性。它可以轻松简化术语并为决策者提供更好的知识基础。
客户案例
Salesforce – 他们将 Einstein（AI 系统）集成到 Net Zero Cloud 中，从而改善了 ESG 管理。通过使用历史 ESG 数据和其他文档，它可以填充报告响应。这使公司能够专注于可持续发展计划而不是报告。
Microsoft – Copilot 模板可帮助公司获取和共享可持续性数据。通过使用 Gen AI，它可以分析数据以支持员工，从而允许将结果共享为文档和报告。公司将自己的可持续性进展与其他公司进行比较，从而提高准确性和信心。该工具可促进可持续知识、减少错误并改善决策。
Leeward Renewable Energy 从微软获得德克萨斯州 400 兆瓦太阳能项目
私营部门利用人工智能实现全球目标的用户风险
- 通用人工智能流程通常不透明 – 公司依赖第三方系统来提供基础设施、模型和数据，这造成了责任缺失。外部数据可能被错误标记或侵犯版权，开发人员在得出结论时无法理解。用户也可能会歪曲他们对 Gen AI 输出的验证，这会增加风险。
- 人工智能可能产生不确定且有问题的结果 – 人类是通用人工智能的模型，可以反映偏见和不确定性，从而引入性别、社会经济和种族偏见。这个问题可能会因模型设计错误、现有用户偏见和不完整的训练数据而加剧。还可能出现虚假内容呈现和产生有害输出。然而，通过适当的透明度和治理，这些错误、毒性和偏见是可以预防的。
- 人工智能可能破坏数据隐私和安全 – Gen AI 应用程序有时会无意中泄露敏感的公司或个人信息。这会导致违反 GDPR 等数据安全协议。如果大型数据集即使经过筛选也未得到适当审核，则存在泄露机密数据的风险，因为 Gen AI 能够索引公共信息并建立关联。
- 人工智能的力量可能被滥用 – 用户与 Gen AI 的互动会影响人类和地球。如果没有保障措施，它可能会通过深度伪造传播错误信息，从而破坏可持续发展目标。这样，它就会为武器提供指导或支持欺骗。用户有可能操纵 Gen AI 产生有毒输出或侵犯数据隐私，从而增加这些风险。
交叉引用： 自动化会影响决策吗？
私营部门使用人工智能的外部风险
- 人工智能对资源的需求巨大 – 人工智能需要资源密集型数据中心，到 2026 年，电力消耗将增加，目前电力消耗已占全球能源的 1.5% 以上。它还通过冷却需求影响水安全，硬件生产对环境也有影响。
- 人工智能将重新定义并取代工作 – 人工智能在带来新机遇的同时，也给工人带来了重大的自动化威胁。企业必须提高自身技能，以减少裁员，并与政府合作， 以人为本的转变 在不断发展的劳动力中。
- 人工智能将颠覆社会，扩大现有分歧 – 社会和经济将 利用 Gen AI 进行改造。然而，这需要数字素养、高质量的训练数据和计算能力。互联网和电力分配的不平等只会阻碍进步，加剧分歧并引发弱势群体的人权问题。
总之，Gen AI 并不是解决私营部门挑战的通用解决方案。但它具有彻底改变商业和可持续发展的巨大潜力。该报告展示了 Gen AI 的早期应用如何帮助解决全球贫困和性别不平等问题。私营部门应使其决策与联合国全球契约的十项原则保持一致。人们希望 Gen AI 能够帮助实现 2030 年目标。
