Come i leader aziendali possono raggiungere i loro obiettivi sia in AI che in sostenibilità

Per le aziende, bilanciare l’adozione dell’AI e l’impatto ambientale è un imperativo. Secondo il World Economic Forum (WEF), la potenza necessaria per supportare la crescita dell’AI si sta raddoppiando ogni 100 giorni. Entro il 2028, il consumo di energia dell’AI potrebbe superare la potenza totale utilizzata dall’Islanda nel 2021. L’AI può essere una spada a doppio taglio: mentre può avanzare notevolmente le iniziative ambientali, può essere altrettanto dannosa se utilizzata senza cura.

Non esiste un modello universale per l’uso sostenibile dell’AI: ogni approccio aziendale deve allinearsi con le sue circostanze uniche. Invece, integrare l’AI e promuovere gli obiettivi ecocompatibili richiede un certo atteggiamento.

Pensate alle file che si formano fuori dai negozi Apple nei giorni di lancio dei prodotti: gli acquirenti precoci esibiscono con orgoglio gli ultimi gadget come simboli di status. Quel mentalità non funziona qui. Le aziende non dovrebbero adottare strumenti AI appariscenti solo per essere viste come precursori. Invece, dovrebbero concentrarsi sull’implementazione dell’AI con uno scopo che supporti gli obiettivi di sostenibilità a lungo termine.

Ecco alcune strategie da considerare.

Automatizzare con un occhio verso i risparmi energetici

Alcuni leader potrebbero disapprovare gli impiegati che prendono scorciatoie, ma io no. In Jotform, incoraggio gli impiegati a cercare continuamente modi più veloci per svolgere il loro lavoro, purché la qualità del loro output non ne risenta. L’automazione è il cuore del nostro business e centrale nella nostra cultura. Se c’è uno strumento automatizzato che può gestire un compito tedioso e manuale, allora dico: vai per itu.

Come si verifica, automatizzare i compiti utilizzando strumenti AI può anche promuovere i vostri obiettivi di sostenibilità. Come nota il WEF, ottimizzare la pianificazione per i risparmi energetici, ad esempio spostando i carichi di lavoro dell’AI per corrispondere ai periodi di minor domanda di energia, è una tattica efficace per sfruttare l’AI e ridurre la vostra impronta carbonica.

Supponiamo che abbiate scelto uno strumento AI per automatizzare le scansioni di sicurezza regolari per proteggere i vostri dati. Programmare quei compiti durante la notte è un modo facile per diventare più efficienti dal punto di vista energetico. Il consumo generale di energia tende a diminuire durante le serate, e le reti elettriche possono funzionare più efficientemente. Come beneficio incidentale, i vostri costi energetici spesso diminuiscono anche.

O, se siete in una regione geografica con clima caldo e utilizzo generoso di condizionatori d’aria, potete spostare i progetti che richiedono molta energia nei mesi più freschi, quando le reti elettriche sono meno soggette a stress. Importante, questi spostamenti richiedono previdenza ma richiedono quasi nessuno sforzo aggiuntivo. Possono equivalere a una significativa conservazione dell’energia.

Scegliere modelli fondamentali

Immaginate di essere in cucina in un ristorante stellato Michelin. I cuochi sono stati tutti formati in scuole di cucina e ristoranti di alta qualità. Insieme, il team può eseguire tutti i tipi di piatti e innovare nuovi. Se qualcuno vuole mettere insieme un pasto incredibile, non deve formare un intero nuovo team di cuochi: può usare questo, sfruttando la loro esperienza esistente e fornendo indicazioni personalizzate.

In AI, quell’idea è quella di un modello fondamentale: un programma avanzato che è già stato addestrato su enormi quantità di dati. Se qualcuno avesse bisogno di uno strumento AI specifico, potrebbe iniziare con questo modello fondamentale invece di costruire un modello da zero.

Scrivendo per Harvard Business Review, Christina Shim, chief sustainability officer di IBM, spiega perché optare per modelli fondamentali è un approccio efficiente dal punto di vista energetico. A differenza della creazione di un nuovo modello, “i modelli fondamentali possono essere personalizzati per scopi specifici in una frazione del tempo, con una frazione dei dati e una frazione dei costi energetici”.

Shim nota che le dimensioni di un modello fondamentale possono anche avere un impatto: la maggior parte di essi ha 3, 8 o 20 miliardi di parametri. Secondo la ricerca di IBM, modelli più piccoli addestrati su dati specifici e rilevanti possono funzionare altrettanto bene di quelli più grandi, ma più velocemente e consumando meno energia. Più grande non è sempre meglio. Come Salesforce afferma, optare per il modello più grande e potente per specifiche esigenze aziendali è come “usare un semirimorchio per andare a fare la spesa o prendere un singolo passeggero”: in altre parole, completamente inutile.

I modelli più grandi, tuttavia, hanno anche etichette più grandi. Prendere il tempo per scegliere un modello che sia dimensionato per il vostro obiettivo è un investimento che può alla fine risparmiare risorse finanziarie ed ecologiche.

Optare per software open-source

Un’altra scelta cruciale all’inizio di qualsiasi percorso AI è se optare per software open-source. Le opzioni open-source potrebbero non risolvere ogni problema, ma in molti casi possono fornire una soluzione efficiente dal punto di vista energetico e dei costi che attinge alla saggezza di innumerevoli esperti. Potete concentrarvi sul miglioramento di una soluzione esistente (e condividere i risultati), anziché tassare le reti elettriche per reinventare la ruota ogni volta. Come nota Shim, il software open-source gode del beneficio del miglioramento collettivo: con più occhi sul problema, il prodotto risultante è migliore e la domanda di energia nella fase di sviluppo è distribuita tra gli utenti.

Un buon software vale i soldi, ma deve adattarsi alle vostre esigenze e al vostro budget: una considerazione sempre più rilevante durante i periodi di inflazione. In molti casi, una soluzione open-source è disponibile gratuitamente o a una frazione del costo.

Implementare l’automazione per migliorare l’efficienza del sistema

Infine, gli strumenti di automazione alimentati da AI possono risparmiare energia in quanto aiutano a migliorare l’efficienza del sistema. Possono farlo direttamente, riducendo le ore necessarie per eseguire compiti tediosi. Ad esempio, se state conducendo ricerche, strumenti come ChatGPT possono eliminare ore di seduta davanti a uno schermo del computer identificando e sintetizzando le informazioni chiave in pochi secondi.

Gli strumenti AI possono anche svolgere un ruolo nella fase di pianificazione dei sistemi. Prendete Salesforce: il loro team di infrastrutture dei data center utilizza l’AI per prevedere e anticipare i modelli di utilizzo dei clienti, quindi scala automaticamente il volume dei server necessari. Ciò consente loro di personalizzare il modo in cui viene utilizzata la loro infrastruttura dei data center e di evitare di sprecare energia in eccesso. Allo stesso modo, la società di software utilizza l’AI per prendere decisioni per ridurre la sua impronta carbonica analizzando milioni di punti dati dalla catena di approvvigionamento, viaggi d’affari, proprietà e altro.

L’AI può funzionare come un consulente di sostenibilità, idealmente risparmiando più energia di quanta ne sia necessaria per eseguire le analisi e i compiti corrispondenti. In quel senso, l’AI può essere una spada a un solo taglio, offrendo più benefici di qualsiasi svantaggio associato.