AIが企業のサステナビリティー目標達成にどのように貢献しているか

ChatGPTのようなAIツールは注目を集めていますが、企業向けに特別に設計された他のAI技術やツールも、企業が持続可能性の目標を達成するのに静かに役立っています。従来のAIはすでにさまざまなユースケースで広く使用されており、生成AIは新しいユースケースに対応するために急速に進化しています。

以前は、お客様のAI導入を支援する技術チームを率いていました。当社のプロフェッショナル・サステナビリティー・サービス組織であるExpert Labsでサステナビリティーのリーダーとしての役割を開始したとき、私はAIがエネルギー効率、脱炭素化、廃棄物の削減に役立つ可能性を見出しました。廃棄物管理、最適化、エネルギー削減、ESGレポート作成におけるAIの現在のユースケースと新たなユースケースをご覧ください。

• 資産管理：ユーティリティー・インフラストラクチャーであれ、工場の機械であれ、タイムリーな介入で資産の寿命を延ばすことができます。埋め立て地に送られる廃棄物の量と代替品の作成がもたらす環境への影響を削減するのです。AIソリューションは、資産のパフォーマンスデータを収集し、それを機械学習モデルに取り込むことで機能し、資産の正常性と故障のリスクを予測できます。
• インベントリー管理：輸送にはエネルギーを使用します。さらに、生鮮品は輸送中や保管中に冷蔵する必要がある場合があります。在庫の最適化は、顧客の需要を満たしながら十分な在庫を確保するために重要です。同時に、在庫の移動と保管に関連するカーボン・フットプリントを削減したいと考えています。AIは、需要予測、ラストマイル配送、ルーティングの最適化などの側面を組み合わせることで、この問題に取り組みます。
• スケジュールの最適化：このユースケースはインベントリー管理に似ていますが、人材の適切な調整を確保するという課題に取り組むものです。たとえば、資産の保守について考察する場合、どの技術者が対応可能で、どこにいて、彼らの作業にどのように優先順位を付けるべきかが問題となります。重要なのは移動を最小限に抑えることではありません。そうではなく、より遠くにある資産の方がコストが高い、または早く故障する可能性があるため、その資産を優先して修理する方が適切です。AIは資産の保守などの問題に効率的に取り組むことができます。
• 異常検知：一部のメーカーは欠陥ゼロを目標としています。部品に欠陥があるか、組み立てが不適切な場合、回収やリサイクルが困難になる可能性があります。画像およびビデオ認識システムは、AIを使用して製造の各段階を監視し、不一致をできるだけ早く検出できます。材料の廃棄に加えて、部品の再加工や再製造が必要になった場合、追加のエネルギーが消費されます。このユースケースは、前の例の構造化データに加えて、非構造化画像とビデオ・データを処理することで、AIがどのように役立つかを示しています。
• コンピュートの最適化：データセンターは大量の電力を消費します。AIを使用して時間の経過に伴うコンピューティング需要を把握することで、コンピューティングおよび冷却リソースの使用を最適化できるようになります。リソースと需要をより密接に一致させることで、エネルギーの節約につながります。

今後1年ほどで、サステナビリティーの目標を達成するために、新しいクラスのユースケースを支援する生成AIアプリケーションを企業がデプロイするようになると予想しています。一部の企業はすでに取り組んでいます。

その1つ目は、インテリジェントな文書理解を利用してサステナビリティー情報を処理することです。企業は、環境への影響を標準化された方法で報告するために、いくつかの異なるフレームワークを使用しています。関連情報を収集し、ESGレポートを作成するのは時間のかかるプロセスです。生成AIソフトウェアは、サプライヤー・システムを含むさまざまなビジネス・システムからテキスト情報を取得して要約し、人間によるレビューのオプションを含めてレポート作成フレームワークにマッピングします。

その一方で、AIは、環境、社会、コーポレート・ガバナンス（ESG）のレポートにすでにまとめられている情報の処理を合理化します。企業は、発注書情報とサプライヤーのESGレポートを組み合わせることができます。たとえば、サプライヤーの売上高の半分を占めていることがわかっている場合、そのESGレポートを使用して、スコープ3排出量に対する責任を推定できます。

グリーン・ファイナンスに関心のある投資家向けに、AIがESGレポートを一括処理することで、より強力な環境姿勢を持つ企業の推奨候補リストを作成できます。高度なユースケースでは、企業のサステナビリティー・ポリシーに合わせて微調整された生成AIモデルが、サプライヤーの選定などの活動のためのアドバイザー・アプリケーションを強化することができます。

ドメイン固有のデータで微調整された基盤大規模言語モデル（LLM）は、このようなインテリジェントなテキスト処理アプリケーションで重要な役割を果たす可能性があります。

地理空間データを使用した基盤モデルは、今後1年ほどで注目を集めるようになると思われます。これらのモデルは、洪水地帯、森林火災、その他の気候リスクを予測するのに役立ちます。農業、小売、公益事業、金融サービスなどの分野の企業は、これらのモデルをリスクアセスメントとリスクの軽減に使用できるようになります。

企業がこのような新しいユースケースに生成AIを導入する際には、潜在的なプライバシー上の懸念から事実の欠如まで、新たに出現する一連のリスクにも注意を払う必要があります。従来のAIと生成AIの両方を責任を持って使用するためのガードレールを確実に設置するには、責任あるAIアプローチとAIガバナンスフレームワークの両方が必要です。

持続可能性の目標とその他のビジネス目標は密接に関連しています。こうしたユースケースの多くでは、サステナビリティーとコストに密接な関係があります。エネルギーを削減し、無駄を回避し、リソースを最適化することは、経済的なメリットだけでなく、環境上のメリットもあります。AIを活用した新しいサステナビリティー・アプリケーションを使用することで、企業はサステナビリティーの目標に沿った意思決定を容易に行うことができます。