Jak liderzy biznesu mogą osiągnąć swoje cele w zakresie sztucznej inteligencji i zrównoważonego rozwoju

Dla firm, równowaga między wdrożeniem sztucznej inteligencji a wpływem na środowisko jest niezbędna. Zgodnie z Światowym Forum Ekonomicznym (WEF), energia potrzebna do wspierania wzrostu sztucznej inteligencji podwaja się co 100 dni. Do 2028 roku, zużycie energii przez sztuczną inteligencję może przekroczyć całkowitą energię wykorzystywaną przez Islandię w 2021 roku. Sztuczna inteligencja może być obosiecznym mieczem: może znacznie przyczyniać się do inicjatyw środowiskowych, ale może być również równie szkodliwa, jeśli jest używana bez rozmysłu.

Nie ma uniwersalnego planu dla zrównoważonego wykorzystania sztucznej inteligencji – każda firma musi dostosować swój podejście do swoich unikalnych okoliczności. Zamiast tego, integracja sztucznej inteligencji i dalsze ekologiczne cele wymagają pewnego nastawienia.

Pomyśl o ludziach stojących w kolejce przed sklepami Apple w dniu premiery nowych produktów: wczesni adopterzy z dumą prezentujący najnowsze gadżety jako symbole statusu. To nastawienie nie zadziała tutaj. Firmy nie powinny spieszyć się z wdrożeniem efektownych narzędzi sztucznej inteligencji tylko po to, by być postrzegane jako pionierzy. Zamiast tego, powinny one skoncentrować się na celowym wdrożeniu sztucznej inteligencji, które wspiera długoterminowe cele zrównoważonego rozwoju.

Oto kilka strategii do rozważenia.

Automatyzuj z myślą o oszczędnościach energii

Niektórzy liderzy mogą nie zgadzać się z tym, że pracownicy szukają sposobów na zaoszczędzenie czasu, ale ja nie. W Jotform, zachęcam pracowników do ciągłego szukania szybszych sposobów na wykonanie swojej pracy, o ile jakość ich pracy nie ulegnie pogorszeniu. Automatyzacja jest sercem naszego biznesu i jest centralna dla naszej kultury. Jeśli istnieje automatyczne narzędzie, które może wykonać nudną, ręczną pracę, to mówię: zrób to.

Okazuje się, że automatyzacja zadań przy użyciu narzędzi sztucznej inteligencji może również przyczyniać się do Twoich celów zrównoważonego rozwoju. Jak WEF zauważa, optymalizacja planowania dla oszczędności energii, czyli przeniesienie obciążeń sztucznej inteligencji na czas mniejszego zapotrzebowania na energię, jest skuteczną taktyką dla wykorzystania sztucznej inteligencji i zmniejszenia Twojego śladu węglowego.

Powiedzmy, że wybrałeś narzędzie sztucznej inteligencji do automatyzacji regularnych skanów bezpieczeństwa w celu ochrony Twoich danych. Programowanie tych zadań w nocy jest łatwym sposobem na to, aby być bardziej efektywnym energetycznie. Ogólne zużycie energii tendencję do zmniejszania się w godzinach wieczornych, a sieci energetyczne mogą działać bardziej efektywnie. Jako dodatkową korzyść, Twoje koszty energii często spadają również.

Albo, jeśli znajdujesz się w regionie z ciepłym klimatem i dużym zużyciem energii na klimatyzację, możesz przenieść projekty wymagające dużej ilości energii na chłodniejsze miesiące, kiedy sieci energetyczne są mniej obciążone. Co ważne, te zmiany wymagają przemyślenia, ale wymagają prawie żadnego dodatkowego wysiłku. Mogą one stanowić znaczącą oszczędność energii.

Wybierz modele podstawowe

Wyobraź sobie, że jesteś w kuchni restauracji z gwiazdką Michelin. Szefowie kuchni zostali wszyscy przeszkoleni w szkołach kucharskich i restauracjach wysokiej klasy. Razem, zespół może wykonać wszystkie rodzaje potraw i stworzyć nowe. Jeśli ktoś chce przygotować niesamowite danie, nie musi szkolić całkowicie nowego zespołu szefów kuchni – może użyć tego zespołu, wykorzystując ich istniejącą wiedzę i zapewniając dostosowaną pomoc.

W sztucznej inteligencji, to jest idea modelu podstawowego: zaawansowanego programu, który został już przeszkolony na ogromnych ilościach danych. Jeśli ktoś potrzebuje określonego narzędzia sztucznej inteligencji, może rozpocząć od tego modelu podstawowego, zamiast budować model od podstaw.

Pisząc dla Harvard Business Review, Christina Shim, dyrektor ds. zrównoważonego rozwoju w IBM, wyjaśnia, dlaczego wybór modeli podstawowych jest podejściem efektywnym energetycznie. W przeciwieństwie do tworzenia nowego modelu, „modele podstawowe mogą być dostosowane do konkretnych celów w ułamku czasu, z ułamkiem danych i ułamkiem kosztów energii”.

Shim zauważa, że rozmiar modelu podstawowego może również mieć wpływ – większość z nich ma 3, 8 lub 20 miliardów parametrów. Według badań IBM, mniejsze modele przeszkolone na określonych i istotnych danych mogą działać równie dobrze jak większe, ale szybciej i zużywają mniej energii. Większe nie zawsze oznacza lepsze. Jak Salesforce stwierdza, wybór największego, najpotężniejszego modelu dla konkretnych potrzeb przedsiębiorstwa jest jak „używanie ciężarówki do zrobienia zakupów lub odebrania jednego pasażera” – innymi słowy, całkowicie niepotrzebne.

Większe modele mają jednak wyższe ceny. Zainwestowanie czasu w wybór modelu, który jest dostosowany do Twojego celu, jest wartościową inwestycją, która może ostatecznie zaoszczędzić zasoby finansowe i ekologiczne.

Wybierz oprogramowanie open-source

Innym ważnym wyborem na początku każdej podróży sztucznej inteligencji jest to, czy wybrać oprogramowanie open-source. Opcje open-source mogą nie rozwiązać każdego problemu, ale w wielu przypadkach mogą one zapewnić rozwiązanie efektywne energetycznie i kosztowo, które wykorzystuje mądrość niezliczonej liczby ekspertów. Możesz skoncentrować się na udoskonaleniu istniejącego rozwiązania (i dzieleniu się wynikami), zamiast obciążać sieci energetyczne, aby wymyślić koło na nowo każdego razu. Jak Shim zauważa, oprogramowanie open-source korzysta z kolektywnej poprawy – im więcej osób patrzy na problem, tym lepszy jest wynik, a zapotrzebowanie na energię w fazie rozwoju jest rozłożone wśród użytkowników.

Dobre oprogramowanie jest warte pieniędzy, ale musi odpowiadać Twoim potrzebom i budżetowi – coraz bardziej istotnej uwagi w czasach inflacji. W wielu przypadkach dostępne jest rozwiązanie open-source za darmo lub za ułamkiem kosztów.

Wdrożenie automatyzacji w celu poprawy efektywności systemu

Wreszcie, narzędzia automatyzacji wspomaganej sztuczną inteligencją mogą zaoszczędzić energię, ponieważ pomagają zwiększyć efektywność systemu. Mogą to robić bezpośrednio, redukując czas potrzebny do wykonania nudnych zadań. Na przykład, jeśli prowadzisz badania, narzędzia takie jak ChatGPT mogą wyeliminować godziny spędzane przed ekranem, identyfikując i syntetyzując kluczowe informacje w sekundach.

Narzędzia sztucznej inteligencji mogą również odgrywać rolę w fazie planowania systemów. Weź Salesforce: ich zespół infrastruktury centrum danych wykorzystuje sztuczną inteligencję do przewidywania i przewidywania wzorców użytkowania przez klientów, a następnie automatycznie dostosowuje ilość serwerów wymaganych. Pozwala im to na dostosowanie sposobu, w jaki ich infrastruktura centrum danych jest wykorzystywana, i uniknięcie marnowania nadmiaru energii. Podobnie, firma wykorzystuje sztuczną inteligencję do podejmowania decyzji, które zmniejszają ich ślad węglowy, analizując miliony punktów danych z łańcucha dostaw, podróży służbowych, nieruchomości i więcej.

Sztuczna inteligencja może działać jak konsultant zrównoważonego rozwoju, oszczędzając idealnie więcej energii niż wymagane do wykonania odpowiednich analiz i zadań. W tym sensie, sztuczna inteligencja może być jednym ostrzem miecza, dostarczając więcej korzyści niż jakiekolwiek związane z nimi wady.