Bagaimana AI membantu perusahaan memenuhi tujuan keberlanjutan

Alat AI seperti ChatGPT menjadi berita utama, tetapi teknik dan alat AI lainnya yang dirancang khusus untuk perusahaan diam-diam membantu perusahaan memenuhi tujuan keberlanjutan mereka. AI klasik sudah digunakan secara luas saat ini dalam berbagai contoh penggunaan dan AI generatif berkembang pesat untuk mengatasi contoh penggunaan baru.

Sebelumnya saya memimpin tim teknis yang membantu pelanggan dengan implementasi AI mereka. Ketika saya memulai peran sebagai pemimpin untuk keberlanjutan di Expert Labs, organisasi layanan teknologi profesional kami, saya melihat potensi AI untuk membantu efisiensi energi, dekarbonisasi, dan pengurangan limbah. Temukan contoh penggunaan saat ini dan yang sedang berkembang untuk AI dalam pengelolaan limbah, optimalisasi, pengurangan energi, dan pelaporan ESG.

• Manajemen aset: Apakah itu untuk infrastruktur utilitas atau mesin lantai pabrik, intervensi tepat waktu dapat memperpanjang umur aset; mengurangi volume limbah yang dikirim ke TPA dan dampak lingkungan dari menciptakan pengganti. Solusi AI bekerja dengan mengumpulkan data kinerja aset dan memasukkannya ke dalam model machine learning, yang dapat memprediksi kesehatan aset dan risiko kegagalan.
• Manajemen inventaris: Transportasi menggunakan energi; selain itu, barang yang mudah rusak mungkin perlu didinginkan dalam perjalanan dan penyimpanan. Optimalisasi inventaris penting untuk memastikan Anda memiliki stok yang cukup sekaligus memenuhi permintaan pelanggan. Pada saat yang sama, Anda ingin mengurangi jejak karbon yang terkait dengan memindahkan dan menyimpan stok di toko. AI membantu mengatasi masalah ini dengan menggabungkan berbagai aspek seperti perkiraan, pengiriman jarak jauh, dan pengoptimalan rute.
• Pengoptimalan jadwal: Contoh penggunaan ini seperti manajemen inventaris tetapi mengatasi tantangan untuk memastikan bahwa Anda memiliki penyelarasan talenta yang tepat. Jika kita berpikir tentang pemeliharaan aset, misalnya, pertanyaan yang akan diajukan adalah teknisi mana yang tersedia, di mana, dan bagaimana pekerjaan mereka harus diprioritaskan. Ini bukan tentang meminimalkan perjalanan. Sebaliknya, lebih baik memprioritaskan aset yang lebih jauh untuk diperbaiki karena aset itu memiliki biaya yang lebih tinggi atau bisa gagal lebih cepat. AI dapat mengatasi masalah seperti pemeliharaan aset secara efisien.
• Deteksi anomali: Beberapa produsen memiliki tujuan nol cacat. Jika suatu bagian rusak atau dirakit secara tidak benar, mungkin menyelamatkan atau mendaur ulang tidak dapat dilakukan. Sistem pengenalan gambar dan video dapat menggunakan AI untuk memantau setiap tahap pembuatan, menangkap perbedaan sedini mungkin. Selain bahan yang terbuang, energi tambahan dikonsumsi ketika suku cadang harus dikerjakan ulang atau dibuat ulang. Contoh penggunaan ini menunjukkan bagaimana AI dapat membantu dengan memproses data gambar dan video tidak terstruktur selain data terstruktur dalam contoh-contoh sebelumnya.
• Pengoptimalan komputasi: Pusat data mengonsumsi sejumlah besar listrik. Dengan menggunakan AI untuk memahami permintaan komputasi dari waktu ke waktu, Anda dapat mengoptimalkan penggunaan sumber daya komputasi dan pendinginan. Menyesuaikan sumber daya dengan permintaan dengan lebih cermat membantu menghemat energi.

Selama sekitar tahun depan, saya berharap dapat melihat perusahaan menerapkan aplikasi AI generatif yang membantu dengan contoh penggunaan baru untuk memenuhi tujuan keberlanjutan mereka. Beberapa perusahaan sudah menjalankannya.

Salah satu upaya pertama adalah menggunakan pemahaman dokumen cerdas untuk memproses informasi keberlanjutan. Perusahaan menggunakan beberapa kerangka kerja yang berbeda untuk melaporkan dampak lingkungan mereka dengan cara standar. Mengumpulkan informasi yang relevan dan menghasilkan laporan ESG adalah proses yang memakan waktu. Perangkat lunak AI generatif mengambil dan merangkum informasi teks dari berbagai sistem bisnis, termasuk sistem pemasok, dan memetakannya ke kerangka kerja, dengan opsi tinjauan manusia.

Di sisi lain, AI merampingkan pemrosesan informasi yang sudah disusun dalam laporan lingkungan, sosial, dan tata kelola perusahaan (ESG). Sebuah perusahaan dapat menggabungkan informasi pesanan pembelian dengan laporan ESG pemasok. Misalnya, jika Anda mengetahui bahwa Anda bertanggung jawab atas setengah dari omzet pemasok, Anda dapat menggunakan laporan ESG mereka untuk memperkirakan tanggung jawab Anda atas emisi lingkup 3.

Bagi investor yang tertarik dengan keuangan hijau, AI dapat memproses laporan ESG secara massal untuk membuat daftar pendek yang direkomendasikan dari perusahaan dengan postur lingkungan yang lebih kuat. Dalam contoh penggunaan lanjutan, model AI generatif yang disesuaikan dengan kebijakan keberlanjutan perusahaan dapat mendukung aplikasi untuk kegiatan seperti pemilihan pemasok.

Model bahasa besar (LLM) dasar yang disempurnakan dengan data khusus domain cenderung memainkan peran penting dalam aplikasi pemrosesan teks cerdas seperti ini.

Model dasar yang menggunakan data geospasial juga kemungkinan akan memberi dampak pada sekitar satu tahun mendatang. Semua model ini akan berharga untuk memprediksi zona banjir, kebakaran hutan, dan risiko iklim lainnya. Bisnis di berbagai sektor termasuk pertanian, retail, utilitas, dan jasa keuangan akan dapat menggunakan model ini untuk penilaian dan mitigasi risiko.

Ketika perusahaan mengadopsi AI generatif dalam contoh penggunaan baru ini, mereka juga perlu memperhatikan serangkaian risiko baru yang muncul, mulai dari potensi masalah privasi hingga kurangnya faktualitas. Pendekatan AI yang Bertanggung Jawab dan kerangka kerja Tata Kelola AI diperlukan untuk memastikan adanya batasan untuk penggunaan AI Klasik dan AI generatif yang bertanggung jawab.

Tujuan keberlanjutan dan tujuan bisnis lainnya berjalan beriringan. Untuk banyak contoh penggunaan ini, ada hubungan erat antara keberlanjutan dan biaya. Mengurangi energi, menghindari pemborosan, dan mengoptimalkan sumber daya memiliki manfaat finansial serta manfaat lingkungan. Menggunakan aplikasi keberlanjutan baru yang didukung oleh AI, perusahaan akan merasa lebih mudah untuk membuat keputusan yang selaras dengan tujuan keberlanjutan mereka.