Miten liiketoimintajohtajat voivat saavuttaa tavoitteensa sekä tekoälyssä että kestävyydessä

Yrityksille on tärkeää tasapainottaa tekoälyn omaksumista ja ympäristövaikutuksia. Maailman talousfoorumin (WEF) mukaan tekoälyn kasvun tukemiseen tarvittava voima kaksinkertaistuu joka 100 päivässä. Vuoteen 2028 mennessä tekoälyn energiankulutus voi ylittää Islannin vuoden 2021 kokonaisenergiankulutuksen. Tekoäly voi olla molempia: se voi edistää merkittävästi ympäristöaloitteita, mutta se voi olla yhtä haitallista, jos sitä käytetään huolimattomasti.

Yleistä suunnitelmaa kestävän tekoälyn käytölle ei ole olemassa – jokaisen organisaation on sopeutettava lähestymistapaansa sen ainutlaatuisiin olosuhteisiin. Sen sijaan tekoälyn ja ekologisen kestävyyden tavoitteiden yhdistäminen vaatii tietyn asenteen.

Ajattele niitä jonoja, jotka muodostuvat Apple-liikkeiden ulkopuolelle tuotteiden julkaisupäivinä: varhaiset omaksujat esittelevät ylpeästi uusimpia laitteita statuksena. Tämä asenne ei toimi tässä tapauksessa. Yritysten ei pitäisi kiirehtiä omaksumaan loistavia tekoälytyökaluja pelkästään ollakseen trendien mukana. Sen sijaan heidän pitäisi keskittyä tarkoituksenmukaiseen tekoälyn käyttöön, joka tukee pitkän aikavälin kestävyyden tavoitteita.

Tässä ovat joitakin strategioita, jotka kannattaa ottaa huomioon.

Automaatio energiansäästön näkökulmasta

Jotkut johtajat saattavat olla tyytymättömiä, jos työntekijät etsivät lyhyitä polkuja, mutta minä en. Jotformissa kannustan työntekijöitä jatkuvasti etsimään nopeampia tapoja suorittaa heidän ruutitöitään, kunhan heidän tuotoksensa laatu ei heikkene. Automaatio on liiketoimintamme sydän ja keskeinen osa kulttuuriamme. Jos on olemassa automaattinen työkalu, joka voi suorittaa tylsän, manuaalisen tehtävän, sanon: mene sille.

Käytännössä tehtävien automatisointi tekoälytyökalujen avulla voi myös edistää kestävyyden tavoitteita. Maailman talousfoorumin mukaan aikataulun optimointi energiansäästön vuoksi, ts. tekoälytyökuormien siirtäminen aikoihin, jolloin energian kysyntä on alhaisempi, on vaikuttava taktiikka tekoälyn hyödyntämiseksi ja hiilijalanjäljen vähentämiseksi.

Oletetaan, että olet valinnut tekoälytyökalun automatisoimaan säännöllisiä tietoturvatarkastuksia suojellaksesi tietojasi. Ohjelmointi näistä tehtävistä yöaikaan on helppo tapa parantaa energiatehokkuutta. Yleinen energiankulutus on yleensä vähäisempää iltaisin, ja energaverkot saavat hengitysrauhan ja voivat toimia tehokkaammin. Sivutuotteena energiakustannukset usein laskevat.

Tai, jos olet alueella, jossa on lämmintä säätä ja runsasta ilmastoinnin käyttöä, voit siirtää energiankulutukselle alttiita projekteja viileämmille kuukausille, jolloin energiaverkot ovat vähemmän kuormittuneita. Tärkeää on, että nämä siirtymät vaativat etukäteissuunnittelua, mutta vaativat lähes yhtä vähän lisätyötä. Ne voivat johtaa merkittäviin energiansäästöihin.

Valitse perusmallit

Kuvittele, että olet Michelin-tähden ravintolan keittiössä. Kokit ovat kaikki koulutettu kulinaarisissa koulutusohjelmissa ja korkeatasoisissa ravintoloissa. Yhdessä tiimi voi suorittaa erilaisia ruokalajeja ja kehittää uusia. Jos joku haluaa koota uskomattoman aterian, he eivät tarvitse kouluttaa uutta kokkiryhmää – he voivat käyttää tätä ryhmää hyödyntäen heidän olemassa olevaa asiantuntemusta ja antaa räätälöityjä ohjeita.

Tekoälyssä tämä on perusmallin idea: edistynyt ohjelma, joka on jo koulutettu valtavalle määrälle dataa. Jos joku tarvitsee tiettyä tekoälytyökalua, he voivat aloittaa tästä perusmallista sen sijaan, että rakentaisivat mallin alusta alkaen.

Harvard Business Reviewiin kirjoittaessaan IBM:n kestävän kehityksen johtaja Christina Shim selittää, miksi perusmallien valitseminen on energiatehokas lähestymistapa. Perusmallien sijaan “perusmallit voidaan räätälöidä tiettyihin tarkoituksiin murto-osassa ajasta, murto-osassa dataa ja murto-osassa energiakustannuksissa”.

Shim toteaa, että perusmallin koko voi myös vaikuttaa – useimmat niistä ovat joko 3, 8 tai 20 miljardin parametrin suuruisia. IBM:n tutkimuksen mukaan pienemmät mallit, jotka on koulutettu tiettyyn ja relevanttiin dataan, voivat suorittaa yhtä hyvin kuin suuremmat, mutta nopeammin ja vähemmän energiankulutuksella. Suurempi ei aina ole parempi. Kuten Salesforce toteaa, suurimman ja tehokkaimman mallin valitseminen tiettyihin yritystarpeisiin on kuin “käyttäminen kuorma-autoa mennäkseen ostamaan ruokaa tai hakemaan yhtä matkustajaa” – toisin sanoen täysin tarpeetonta.

Suuremmat mallit ovat kuitenkin usein kalliimpia. Ajan ottaminen mallin valitsemiseen, joka on mitoitettu tavoitteisiisi, on hyödyllinen investointi, joka voi lopulta säästää sekä taloudellisia että ekologisia resursseja.

Valitse avoimen lähdekoodin ohjelmisto

Toinen tärkeä valinta tekoälymatkan alussa on, valitaanko avoimen lähdekoodin ohjelmisto. Avoimet vaihtoehdot eivät välttämättä ratkaise jokaista ongelmaa, mutta useissa tapauksissa ne voivat tarjota energiatehokkaan ja kustannusvaikuttavan ratkaisun, joka hyödyntää lukemattomien asiantuntijoiden viisautta. Voit keskittyä parantamaan olemassa olevaa ratkaisua (ja jakamaan tulokset), sen sijaan että verkkoyhteyksiä rasittava uudelleen keksiminen jokaisella kerralla. Kuten Shim toteaa, avoimen lähdekoodin ohjelmistojen etu on kollektiivinen parantaminen – useamman silmäparin ollessa ongelmassa lopputuote on parempi, ja energiankulutus kehitysvaiheessa on jakautunut käyttäjien kesken.

Hyvä ohjelmisto on sen arvoista, mutta se täytyy sopia tarpeisiisi ja budjettiisi – yhä relevantimpi huomio inflation aikakaudella. Useissa tapauksissa avoimen lähdekoodin ratkaisu on saatavilla ilmaiseksi tai murto-osalla kustannuksista.

Toteuta automaatio järjestelmän tehokkuuden parantamiseksi

Lopuksi tekoälyvoimaiset automaatio-työkalut voivat säästää energiaa siten, että ne parantavat järjestelmän tehokkuutta. Ne voivat tehdä tämän suoraan, vähentämällä tunteja, jotka tarvitaan tylsien tehtävien suorittamiseen. Esimerkiksi, jos suoritat tutkimusta, työkalut kuten ChatGPT voivat poistaa tunteja istumista näytön ääressä tunnistamalla ja syntetisoimalla avainasioita sekunneissa.

Tekoälytyökalut voivat myös osallistua järjestelmäsuunnitteluvaiheeseen. Otetaan esimerkki Salesforce: heidän datakeskuksen infrastruktuuritiimi käyttää tekoälyä ennustamaan ja arvioimaan asiakkaiden käyttömallien mukaan, ja skaalaa automaattisesti tarvittavan palvelinten määrän. Tämä mahdollistaa heidän mukauttaa datakeskuksensa käyttöä ja välttää energian haaskauksen. Vastaavasti ohjelmistoyritys käyttää tekoälyä tekemään päätöksiä, joilla vähennetään hiilijalanjälkeä analysoimalla miljoonia datakohtia toimitusketjusta, liiketoimintamatkailusta, kiinteistöistä ja muista.

Tekoäly voi toimia kestävyyden konsulttina, säästäen energiansa paremmin kuin mitä tarvitaan vastaavien analyysien ja tehtävien suorittamiseen. Tässä mielessä tekoäly voi olla yksiteräinen miekka, tarjoamalla enemmän hyötyjä kuin mitä siihen liittyvät haitat.