Bagaimana Pemimpin Bisnis Dapat Mencapai Tujuan Mereka dalam AI dan Keberlanjutan

Bagi perusahaan, menyeimbangkan adopsi AI dan dampak lingkungan adalah suatu keharusan. Menurut Forum Ekonomi Dunia (WEF), daya yang dibutuhkan untuk mendukung pertumbuhan AI berlipat ganda setiap 100 hari. Pada tahun 2028, konsumsi energi AI dapat melampaui total daya yang digunakan Islandia pada tahun 2021. AI dapat menjadi pedang bermata dua: meskipun dapat memajukan inisiatif lingkungan secara signifikan, AI juga dapat merugikan jika digunakan secara sembarangan.  

Tidak ada cetak biru universal untuk penggunaan AI yang berkelanjutan—pendekatan masing-masing organisasi harus selaras dengan keadaan uniknya. Sebaliknya, mengintegrasikan AI dan memajukan tujuan ramah lingkungan memerlukan sikap tertentu.

Pikirkan tentang antrean yang terbentuk di luar toko Apple pada hari peluncuran produk: para pengadopsi awal dengan bangga memamerkan gadget terbaru sebagai simbol status. Pola pikir seperti itu tidak akan berhasil di sini. Perusahaan tidak boleh terburu-buru mengadopsi perangkat AI yang mencolok hanya untuk dilihat sebagai penentu tren. Sebaliknya, mereka harus fokus pada implementasi AI yang bertujuan untuk mendukung tujuan keberlanjutan jangka panjang.

Berikut adalah beberapa strategi yang perlu dipertimbangkan.  

Otomatisasi dengan memperhatikan penghematan energi

Beberapa pemimpin mungkin tidak suka jika karyawannya mengambil jalan pintas, tapi saya tidak pernah melakukannya. JotformSaya mendorong karyawan untuk terus mencari cara yang lebih cepat untuk menyelesaikan pekerjaan mereka yang sibuk, selama kualitas hasil kerja mereka tidak menurun. Otomatisasi adalah jantung bisnis kami dan pusat budaya kami. Jika ada alat otomatis yang dapat menangani tugas manual yang membosankan, maka saya katakan: lakukan saja.

Seperti yang terjadi, mengotomatiskan tugas menggunakan alat AI juga dapat memajukan tujuan keberlanjutan Anda. WEF catatan, mengoptimalkan penjadwalan untuk penghematan energi, yaitu, mengalihkan beban kerja AI agar sesuai dengan waktu permintaan energi yang lebih rendah, merupakan taktik yang berdampak untuk memanfaatkan AI dan menurunkan jejak karbon Anda.

Katakanlah Anda telah memilih alat AI untuk mengotomatiskan pemindaian keamanan rutin guna melindungi data Anda. Memprogram tugas-tugas tersebut pada malam hari adalah cara mudah untuk menjadi lebih hemat energi. Konsumsi energi secara umum cenderung menurun pada malam hari, dan jaringan listrik dapat beristirahat dan beroperasi lebih efisien. Sebagai manfaat tambahan, biaya energi Anda juga sering turun. 

Atau, jika Anda berada di wilayah geografis dengan cuaca hangat dan penggunaan AC yang tinggi, Anda dapat mengalihkan proyek yang membutuhkan banyak energi ke bulan-bulan yang lebih dingin, saat jaringan listrik tidak terlalu terbebani. Yang penting, pengalihan ini memerlukan pemikiran ke depan tetapi hampir tidak memerlukan upaya tambahan. Pengalihan ini dapat berarti penghematan energi yang signifikan. 

Pilih model dasar

Bayangkan Anda berada di dapur restoran berbintang Michelin. Semua koki telah dilatih di sekolah kuliner dan restoran kelas atas. Bersama-sama, tim dapat menyajikan semua jenis hidangan dan berinovasi dalam hidangan baru. Jika seseorang ingin menyiapkan hidangan yang luar biasa, mereka tidak perlu melatih tim koki yang sama sekali baru—mereka dapat menggunakan tim ini, memanfaatkan keahlian yang sudah ada, dan memberikan panduan yang disesuaikan. 

Dalam AI, itulah ide tentang model dasar: program lanjutan yang telah dilatih pada sejumlah besar data. Jika seseorang membutuhkan alat AI tertentu, mereka dapat memulai dengan model dasar ini daripada membangun model dari awal.

Menulis untuk Harvard Business ReviewChristina Shim, kepala bagian keberlanjutan di IBM, menjelaskan mengapa memilih model dasar merupakan pendekatan yang hemat energi. Berbeda dengan membuat model baru, “model dasar dapat disesuaikan untuk tujuan tertentu dalam waktu yang lebih singkat, dengan data yang lebih sedikit, dan biaya energi yang lebih sedikit.”

Shim mencatat bahwa ukuran model dasar juga dapat memberikan dampak—sebagian besar model memiliki 3, 8, atau 20 miliar parameter. Menurut penelitian IBM, model yang lebih kecil yang dilatih pada data spesifik dan relevan dapat bekerja sama baiknya dengan model yang lebih besar, tetapi lebih cepat dan mengonsumsi lebih sedikit energi. Lebih besar tidak selalu lebih baik. Salesforce Dengan kata lain, memilih model yang paling besar dan paling kuat untuk kebutuhan perusahaan tertentu itu seperti “menggunakan truk gandeng untuk berbelanja kebutuhan sehari-hari atau menjemput satu penumpang”—dengan kata lain, sama sekali tidak perlu.  

Namun, model yang lebih besar memiliki harga yang lebih mahal. Meluangkan waktu untuk memilih model yang sesuai dengan tujuan Anda merupakan investasi yang berharga yang pada akhirnya dapat menghemat sumber daya finansial dan ekologi.

Pilih perangkat lunak sumber terbuka

Pilihan penting lainnya di awal perjalanan AI adalah apakah akan memilih perangkat lunak sumber terbuka. Opsi sumber terbuka mungkin tidak menyelesaikan setiap masalah, tetapi dalam banyak kasus, opsi tersebut dapat memberikan solusi hemat energi dan biaya yang memanfaatkan kebijaksanaan para ahli yang tak terhitung jumlahnya. Anda dapat berfokus pada peningkatan solusi yang sudah ada (dan membagikan hasilnya), daripada membebani jaringan energi untuk menciptakan kembali hal yang sudah ada setiap saat. Seperti yang dicatat Shim, perangkat lunak sumber terbuka menikmati manfaat dari peningkatan kolektif—dengan lebih banyak perhatian pada masalah, produk yang dihasilkan lebih baik, dan permintaan energi dalam fase pengembangan didistribusikan di antara para pengguna. 

Perangkat lunak yang bagus sepadan dengan harganya, tetapi harus sesuai dengan kebutuhan dan anggaran Anda—pertimbangan yang semakin relevan selama masa inflasi. Dalam banyak kasus, solusi sumber terbuka tersedia secara gratis atau dengan biaya yang jauh lebih murah. 

Terapkan otomatisasi untuk meningkatkan efisiensi sistem

Terakhir, alat otomatisasi bertenaga AI dapat menghemat energi sejauh membantu meningkatkan efisiensi sistem. Alat ini dapat melakukannya secara langsung, dengan memangkas jam yang dibutuhkan untuk melakukan tugas-tugas yang membosankan. Misalnya, jika Anda sedang melakukan penelitian, alat seperti ChatGPT dapat menghilangkan waktu berjam-jam duduk di depan layar monitor dengan mengidentifikasi dan mensintesis informasi penting dalam hitungan detik. 

Alat AI juga dapat berperan dalam tahap perencanaan sistem. Ambil contoh Salesforce: Tim infrastruktur pusat data mereka menggunakan AI untuk memprediksi dan mengantisipasi pola penggunaan pelanggan, lalu secara otomatis menyesuaikan volume server yang dibutuhkan. Hal ini memungkinkan mereka untuk menyesuaikan cara infrastruktur pusat data mereka digunakan dan menghindari pemborosan energi berlebih. Demikian pula, perusahaan perangkat lunak tersebut menggunakan AI untuk membuat keputusan guna mengurangi jejak karbonnya dengan menganalisis jutaan titik data dari rantai pasokan, perjalanan bisnis, real estat, dan banyak lagi. 

AI dapat berfungsi seperti konsultan keberlanjutan, idealnya menghemat lebih banyak energi daripada yang dibutuhkan untuk melakukan analisis dan tugas terkait. Dalam hal itu, AI dapat menjadi pedang bermata satu, yang memberikan lebih banyak manfaat daripada kekurangan terkait.