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’imperativa. Secondo il World Economic Forum (WEF), la potenza necessaria per supportare la crescita dell’AI raddoppia 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 dannoso se utilizzato 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 perseguire obiettivi eco-friendly richiede una certa mentalità.

Pensate alle file che si formano fuori dai negozi Apple nei giorni di lancio dei prodotti: gli acquirenti esibiscono con orgoglio gli ultimi gadget come simboli di status. Quella mentalità non funziona qui. Le aziende non dovrebbero adottare strumenti AI alla moda solo per essere viste come innovatrici. 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 il risparmio energetico

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, a condizione che 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 quello.

Come si verifica, l’automatizzazione dei compiti utilizzando strumenti AI può anche favorire i vostri obiettivi di sostenibilità. Come nota il WEF, ottimizzare la pianificazione per il risparmio energetico, 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 semplice 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 calano anche.

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

Scegliere modelli fondamentali

Immaginate di essere nella cucina di 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 utilizzare questo team, sfruttando la loro esperienza esistente e fornendo indicazioni personalizzate.

Nell’AI, questo è il concetto di 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 solo passeggero”: in altre parole, completamente inutile.

I modelli più grandi, tuttavia, vengono con etichette dei prezzi più elevate. Prendere il tempo per scegliere un modello che sia dimensionato per il vostro obiettivo è un investimento degno 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) invece di tassare le reti elettriche per reinventare la ruota ogni volta. Come Shim nota, 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 in tempi 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 basati sull’AI possono risparmiare energia nella misura in cui 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 monitorando 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 di data center e di evitare di sprecare energia in eccesso. Allo stesso modo, l’azienda di software utilizza l’AI per prendere decisioni per ridurre la sua impronta carbonica analizzando milioni di punti di dati dalla catena di approvvigionamento, viaggi d’affari, proprietà immobiliari 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 questo senso, l’AI può essere una spada a doppio taglio, offrendo più benefici di qualsiasi svantaggio associato.