AI 如何帮助公司实现可持续发展目标

ChatGPT 等 AI 工具频频登上新闻头条，但其他专为企业设计的 AI 技术和工具也正在悄然助力企业达成可持续发展目标。经典 AI 技术已在多个场景中广泛应用，而生成式 AI 正快速发展以应对新型用例。

我之前曾领导技术团队，帮助客户实施 AI 项目。在担任 Expert Labs 可持续发展领域领导职务后，我看到了 AI 在能效提升、脱碳管理和废物减量方面的潜力。探讨 AI 在废弃物管理、流程优化、能耗降低及 ESG 报告等领域当前与新兴的应用场景。

• 资产管理： 无论是公用事业基础设施还是工厂机械设备，及时干预都能延长资产寿命，减少填埋废弃物量并降低更换设备的环境影响。AI 解决方案通过采集资产性能数据并输入机器学习模型，可预测资产的运行状况和故障风险。
• 库存管理：运输需要消耗能源；此外，易腐货物在运输和储存过程中可能需要冷藏。库存优化对于确保库存充足并满足客户需求至关重要。与此同时，您还希望减少与搬运和存储相关的碳足迹。AI 通过需求预测、末端配送和路径优化等维度协同解决这一难题。
• 调度优化：该场景与库存管理类似，但专注于人力资源的合理配置。以设备维护为例，需要统筹技术人员的可用性、地理位置和工作优先级。核心并非最短路径规划，而是优先处理距离较远但成本更高或故障风险更急迫的资产AI 可以有效解决资产维护等问题。
• 异常检测：一些制造商的目标是零缺陷。如果部件有缺陷或组装错误，则可能无法回收或循环利用。图像和视频识别系统可以利用 AI 来监控各生产环节，尽早发现差异。除了浪费材料外，部件返工或重新制造还会消耗额外的能源。此用例展示了 AI 如何能帮助处理非结构化图像和视频数据以及上述示例中的结构化数据。
• 计算优化： 数据中心会消耗大量电力。通过 AI 分析算力需求变化规律，可以优化计算和冷却资源的使用。精准匹配资源与需求有助于实现节能目标。

未来一年内，我预计会看到各公司部署生成式 AI 应用，以帮助实现其可持续发展目标，并拓展新的用例。有些公司已经在着手研发这类应用。

首先是利用智能文档理解技术来处理可持续发展信息。公司采用多种不同的框架，以标准化方式报告环境影响。从传统上看，收集相关信息并编制 ESG 报告是一个耗时的过程。生成式 AI 能从供应商系统等业务系统中检索和汇总文本信息，并将其映射至报告框架，同时保留人工审核机制。

另一方面，AI 简化了环境、社会和治理 (ESG) 报告中已汇编信息的处理流程。公司可将采购订单数据与供应商 ESG 报告结合分析。例如，如果您已知占某供应商一半营业额，即可使用其 ESG 报告来估算自身范围三的碳排放责任。

对于对绿色金融感兴趣的投资者而言，AI 可以批量处理 ESG 报告，生成一份具有更强环保意识的公司的推荐名单。在进阶场景中，根据公司的可持续发展政策微调的生成式 AI 模型可为顾问应用提供支持，用于供应商选择等活动。

基础大型语言模型 (LLM) 在利用特定领域的数据进行微调，很可能在类似的智能文本处理应用中发挥重要作用。

未来一年，基于地理空间数据的基础模型也将崭露头角。这些模型对于预测洪水区划、森林火灾和其他气候风险具有重要价值。农业、零售、公用事业和金融服务等行业的企业将能够利用这些模型进行风险评估与防控。

在这些新用例中采用生成式 AI 同时，各公司还需关注从隐私保护到缺乏真实性等一系列新兴风险。负责任的 AI 方法和 AI 治理框架都是必要的，它们为负责任应用经典 AI 和生成式 AI 设置防护机制。

可持续发展目标与其他业务目标相辅相成。多数应用场景中，可持续发展与成本控制密切相关。降低能耗、减少浪费、优化资源既能带来环境效益，也能创造财务价值。借助 AI 驱动的可持续发展应用，企业将更轻松做出符合可持续发展目标的决策。