Как лидеры бизнеса могут достичь своих целей в области ИИ и устойчивости

Для компаний баланс между внедрением ИИ и воздействием на окружающую среду является императивом. Согласно Всемирному экономическому форуму (WEF), мощность, необходимая для поддержки роста ИИ, удваивается каждые 100 дней. К 2028 году потребление энергии ИИ может превысить общую мощность, использованную в Исландии в 2021 году. ИИ может быть двузначным мечом: хотя он может существенно продвигать экологические инициативы, он может быть равно вредным, если используется бездумно.

Не существует универсального плана для устойчивого использования ИИ – подход каждой организации должен соответствовать ее уникальным обстоятельствам. Вместо этого интеграция ИИ и продвижение экологически чистых целей требует определенного отношения.

Подумайте о очередях, которые образуются у магазинов Apple в дни запуска новых продуктов: ранние последователи с гордостью демонстрируют последние гаджеты как символы статуса. Такой подход не сработает здесь. Компании не должны спешить внедрять модные инструменты ИИ просто для того, чтобы быть видными как последователи тенденций. Вместо этого они должны сосредоточиться на целенаправленном внедрении ИИ, которое поддерживает долгосрочные цели устойчивости.

Вот некоторые стратегии, которые можно рассмотреть.

Автоматизируйте с учетом энергосбережения

Некоторые лидеры могут не одобрять, когда сотрудники ищут обходные пути, но я никогда не делаю этого. В Jotform я поощряю сотрудников постоянно искать более быстрые способы выполнения своей работы, пока качество их выходных данных не пострадает. Автоматизация является сердцем нашего бизнеса и центральной частью нашей культуры. Если существует автоматизированный инструмент, который может выполнить скучную ручную задачу, то я говорю: вперед.

Как оказалось, автоматизация задач с помощью инструментов ИИ также может продвигать ваши цели устойчивости. Как отмечает WEF, оптимизация графика для энергосбережения, т.е. сдвиг нагрузки ИИ на время более низкого энергопотребления, является эффективным тактикой для использования ИИ и снижения углеродного следа.

Допустим, вы выбрали инструмент ИИ для автоматизации регулярных проверок безопасности для защиты своих данных. Программирование этих задач на ночь – это простой способ стать более энергоэффективным. Общее энергопотребление, как правило, уменьшается вечером, и энергосети могут работать более эффективно. Как дополнительное преимущество, ваши энергетические затраты часто снижаются.

Или, если вы находитесь в географическом регионе с теплым климатом и обильным использованием кондиционеров, вы можете сдвигать энергозатратные проекты на более прохладные месяцы, когда энергосети менее напряжены. Важно, что эти сдвиги требуют предварительного размышления, но почти не требуют дополнительных усилий. Они могут привести к значительной экономии энергии.

Выберите базовые модели

Представьте, что вы на кухне ресторана с звездой Мишлена. Повара прошли обучение в кулинарных школах и ресторанах высокого класса. Вместе команда может выполнить все виды блюд и создать новые. Если кто-то хочет приготовить невероятный обед, ему не нужно тренировать совершенно новую команду поваров – он может использовать эту команду, используя их существующий опыт и предоставляя индивидуальные рекомендации.

В ИИ это идея базовой модели: продвинутой программы, которая уже была обучена на огромных объемах данных. Если кто-то нуждается в определенном инструменте ИИ, он может начать с этой базовой модели, а не строить модель с нуля.

Пишет для Harvard Business Review, Кристина Шим, главный офицер по устойчивому развитию в IBM, объясняет, почему выбор базовых моделей является энергоэффективным подходом. В отличие от создания новой модели, «базовые модели можно настроить для конкретных целей за долю времени, с долей данных и долей энергетических затрат».

Шим отмечает, что размер базовой модели также может оказать влияние – большинство из них имеют 3, 8 или 20 миллиардов параметров. Согласно исследованиям IBM, более мелкие модели, обученные на конкретных и актуальных данных, могут работать так же хорошо, как и более крупные, но быстрее и потребляют меньше энергии. Больше не всегда лучше. Как Salesforce говорит, выбор самой большой и мощной модели для конкретных потребностей бизнеса похож на «использование полутора грузовиков, чтобы съездить за продуктами или подобрать одного пассажира» – другими словами, совершенно ненужно.

Более крупные модели, однако, имеют более высокие ценовые метки. Потратить время на выбор модели, которая масштабируется до вашей цели, – это полезная инвестиция, которая может в конечном итоге сэкономить финансовые и экологические ресурсы.

Выберите программное обеспечение с открытым исходным кодом

Другой важный выбор в начале любого пути ИИ – это выбор программного обеспечения с открытым исходным кодом. Варианты с открытым исходным кодом могут не решить каждую проблему, но во многих случаях они могут предоставить энерго- и затратоэффективное решение, которое опирается на мудрость бесчисленных экспертов. Вы можете сосредоточиться на улучшении существующего решения (и обмене результатами), а не тратить энергетические ресурсы на повторное изобретение колеса каждый раз. Как отмечает Шим, программное обеспечение с открытым исходным кодом имеет преимущество коллективного улучшения – с большим количеством глаз на проблему, полученный продукт лучше, а энергетический спрос на этапе разработки распределяется среди пользователей.

Хорошее программное обеспечение стоит денег, но оно должно соответствовать вашим потребностям и бюджету – все более актуальное соображение в периоды инфляции. Во многих случаях решение с открытым исходным кодом доступно бесплатно или за долю стоимости.

Реализуйте автоматизацию для повышения эффективности системы

Наконец, инструменты автоматизации на основе ИИ могут сэкономить энергию, поскольку они помогают повысить эффективность системы. Они могут делать это直接, сокращая часы, необходимые для выполнения скучных задач. Например, если вы проводите исследования, инструменты, такие как ChatGPT, могут исключить часы сидения перед монитором, выявляя и синтезируя ключевую информацию за секунды.

Инструменты ИИ также могут сыграть роль на этапе планирования системы. Возьмем Salesforce: их команда инфраструктуры центров данных использует ИИ для прогнозирования и предсказания моделей использования их клиентов, а затем автоматически масштабирует объем необходимых серверов. Это позволяет им настроить использование инфраструктуры центров данных и избежать излишнего энергопотребления. Аналогично, компания по производству программного обеспечения использует ИИ для принятия решений по снижению своего углеродного следа, анализируя миллионы данных из цепочки поставок, деловых поездок, недвижимости и т. д.

ИИ может работать как консультант по устойчивому развитию, идеально экономя больше энергии, чем требуется для выполнения соответствующих анализов и задач. В этом смысле ИИ может быть однозначным мечом, приносящим больше пользы, чем любые связанные с ним недостатки.