Làm thế nào các nhà lãnh đạo kinh doanh có thể đạt được mục tiêu của mình trong cả Trí tuệ nhân tạo và Bền vững

Đối với các công ty, việc cân bằng giữa việc áp dụng Trí tuệ nhân tạo và tác động môi trường là một yêu cầu cấp thiết. Theo Diễn đàn Kinh tế Thế giới (WEF), năng lượng cần thiết để hỗ trợ sự tăng trưởng của Trí tuệ nhân tạo đang tăng gấp đôi mỗi 100 ngày. Đến năm 2028, tiêu thụ năng lượng của Trí tuệ nhân tạo có thể vượt quá tổng lượng điện sử dụng ở Iceland vào năm 2021. Trí tuệ nhân tạo có thể là một con dao hai lưỡi: trong khi nó có thể thúc đẩy đáng kể các sáng kiến môi trường, nó cũng có thể gây hại nếu sử dụng một cách bất cẩn.

Không có bản thiết kế chung cho việc sử dụng Trí tuệ nhân tạo bền vững – mỗi tổ chức phải tiếp cận theo hoàn cảnh độc đáo của mình. Thay vào đó, việc tích hợp Trí tuệ nhân tạo và thúc đẩy các mục tiêu thân thiện với môi trường đòi hỏi một thái độ nhất định.

Hãy nghĩ về những hàng người xếp hàng bên ngoài các cửa hàng Apple vào ngày ra mắt sản phẩm: những người dùng sớm tự hào展示 các thiết bị mới nhất như biểu tượng của sự thành công. Thái độ đó sẽ không hiệu quả ở đây. Các công ty không nên vội vàng áp dụng các công cụ Trí tuệ nhân tạo chỉ để được coi là người đi đầu xu hướng. Thay vào đó, họ nên tập trung vào việc triển khai Trí tuệ nhân tạo một cách có mục đích, hỗ trợ các mục tiêu bền vững lâu dài.

Dưới đây là một số chiến lược cần xem xét.

Tự động hóa với mục tiêu tiết kiệm năng lượng

Một số nhà lãnh đạo có thể không thích nhân viên tìm cách nhanh chóng hoàn thành công việc, nhưng tôi không bao giờ như vậy. Tại Jotform, tôi khuyến khích nhân viên liên tục tìm cách nhanh hơn để hoàn thành công việc của họ, miễn là chất lượng đầu ra không bị suy giảm. Tự động hóa là trái tim của kinh doanh và trung tâm của văn hóa chúng tôi. Nếu có một công cụ tự động có thể xử lý một nhiệm vụ thủ công nhàm chán, thì tôi nói: hãy thực hiện nó.

Như đã xảy ra, việc tự động hóa các nhiệm vụ bằng cách sử dụng các công cụ Trí tuệ nhân tạo cũng có thể thúc đẩy các mục tiêu bền vững của bạn. Như WEF lưu ý, tối ưu hóa lịch trình để tiết kiệm năng lượng, tức là chuyển các khối lượng công việc Trí tuệ nhân tạo sang các thời điểm nhu cầu năng lượng thấp hơn, là một chiến thuật có tác động để tận dụng Trí tuệ nhân tạo và giảm lượng khí thải carbon của bạn.

Hãy nói bạn đã chọn một công cụ Trí tuệ nhân tạo để tự động hóa các quét bảo mật thường xuyên để bảo vệ dữ liệu của mình. Việc lập trình các nhiệm vụ đó vào ban đêm là một cách dễ dàng để trở nên hiệu quả hơn về năng lượng. Tiêu thụ năng lượng chung có xu hướng giảm vào buổi tối, và lưới điện có thể hoạt động hiệu quả hơn. Là một lợi ích附带, chi phí năng lượng của bạn thường giảm xuống.

Hoặc, nếu bạn ở một khu vực địa lý có thời tiết ấm và sử dụng điều hòa không khí rộng rãi, bạn có thể chuyển các dự án đòi hỏi năng lượng cao sang các tháng mát mẻ hơn, khi lưới điện ít bị căng thẳng hơn. Điều quan trọng là những chuyển đổi này đòi hỏi sự suy nghĩ trước nhưng đòi hỏi gần như không có nỗ lực thêm. Chúng có thể dẫn đến tiết kiệm năng lượng đáng kể.

Chọn mô hình nền tảng

Hãy tưởng tượng bạn đang ở trong nhà bếp của một nhà hàng được trao sao Michelin. Các đầu bếp đã được đào tạo trong các trường ẩm thực và nhà hàng cao cấp. Cùng nhau, đội ngũ có thể thực hiện tất cả các món ăn và đổi mới các món ăn mới. Nếu ai đó muốn chuẩn bị một bữa ăn tuyệt vời, họ không cần phải đào tạo một đội đầu bếp hoàn toàn mới – họ có thể sử dụng đội này, tận dụng chuyên môn hiện có và cung cấp hướng dẫn tùy chỉnh.

Trong Trí tuệ nhân tạo, đó là ý tưởng của một mô hình nền tảng: một chương trình tiên tiến đã được đào tạo trên lượng lớn dữ liệu. Nếu ai đó cần một công cụ Trí tuệ nhân tạo nhất định, họ có thể bắt đầu với mô hình nền tảng này thay vì xây dựng một mô hình từ đầu.

Viết cho Harvard Business Review, Christina Shim, giám đốc trưởng về tính bền vững tại IBM, giải thích tại sao việc chọn mô hình nền tảng là một cách tiếp cận tiết kiệm năng lượng. So với việc tạo một mô hình mới, “các mô hình nền tảng có thể được tùy chỉnh cho các mục đích cụ thể trong một phần nhỏ của thời gian, với một phần nhỏ của dữ liệu và một phần nhỏ của chi phí năng lượng”.

Shim lưu ý rằng kích thước của một mô hình nền tảng cũng có thể có tác động – hầu hết đều có 3, 8 hoặc 20 tỷ tham số. Theo nghiên cứu của IBM, các mô hình nhỏ hơn được đào tạo trên dữ liệu cụ thể và liên quan có thể hoạt động cũng tốt như các mô hình lớn hơn, nhưng nhanh hơn và tiêu thụ ít năng lượng hơn. Lớn hơn không phải lúc nào cũng tốt hơn. Như Salesforce cho biết, việc chọn mô hình lớn nhất và mạnh nhất cho nhu cầu doanh nghiệp cụ thể là như “sử dụng một xe tải bán tải để đi mua sắm hoặc đón một hành khách đơn lẻ” – nói cách khác, hoàn toàn không cần thiết.

Các mô hình lớn hơn cũng đi kèm với giá cả đắt hơn. Việc dành thời gian để chọn một mô hình phù hợp với mục tiêu của bạn là một khoản đầu tư xứng đáng có thể tiết kiệm tài nguyên tài chính và sinh thái cuối cùng.

Chọn phần mềm mã nguồn mở

Một lựa chọn quan trọng khác ở đầu bất kỳ hành trình Trí tuệ nhân tạo nào là liệu có nên chọn phần mềm mã nguồn mở hay không. Các lựa chọn mã nguồn mở có thể không giải quyết mọi vấn đề, nhưng trong nhiều trường hợp, chúng có thể cung cấp một giải pháp tiết kiệm năng lượng và chi phí mà tận dụng trí tuệ của hàng ngàn chuyên gia. Bạn có thể tập trung vào việc cải thiện một giải pháp hiện có (và chia sẻ kết quả), thay vì làm tăng gánh nặng cho lưới điện để tái phát minh lại bánh xe mỗi lần. Như Shim lưu ý, phần mềm mã nguồn mở có lợi thế của sự cải tiến tập thể – với nhiều người xem xét vấn đề, sản phẩm cuối cùng tốt hơn và nhu cầu năng lượng trong giai đoạn phát triển được phân phối giữa người dùng.

Phần mềm tốt đáng giá tiền nhưng nó cần phù hợp với nhu cầu và ngân sách của bạn – một yếu tố ngày càng quan trọng trong thời kỳ lạm phát. Trong nhiều trường hợp, một giải pháp mã nguồn mở có sẵn miễn phí hoặc với chi phí chỉ bằng một phần nhỏ.

Triển khai tự động hóa để tăng hiệu quả hệ thống

Cuối cùng, các công cụ tự động hóa Trí tuệ nhân tạo có thể tiết kiệm năng lượng bằng cách giúp tăng hiệu quả hệ thống. Chúng có thể làm điều này trực tiếp, bằng cách cắt giảm giờ cần thiết để thực hiện các nhiệm vụ nhàm chán. Ví dụ, nếu bạn đang tiến hành nghiên cứu, các công cụ như ChatGPT có thể loại bỏ hàng giờ ngồi trước màn hình bằng cách xác định và tổng hợp thông tin chính trong vài giây.

Các công cụ Trí tuệ nhân tạo cũng có thể đóng vai trò trong giai đoạn lập kế hoạch hệ thống. Lấy Salesforce làm ví dụ: nhóm cơ sở hạ tầng trung tâm dữ liệu của họ sử dụng Trí tuệ nhân tạo để dự đoán và dự báo các mẫu sử dụng của khách hàng, sau đó tự động điều chỉnh số lượng máy chủ cần thiết. Điều này cho phép họ tùy chỉnh cách cơ sở hạ tầng trung tâm dữ liệu của họ được sử dụng và tránh lãng phí năng lượng thừa. Tương tự, công ty phần mềm sử dụng Trí tuệ nhân tạo để đưa ra quyết định giảm lượng khí thải carbon bằng cách phân tích hàng triệu điểm dữ liệu từ chuỗi cung ứng, du lịch kinh doanh, bất động sản và hơn thế nữa.

Trí tuệ nhân tạo có thể hoạt động như một chuyên gia tư vấn về tính bền vững, lý tưởng là tiết kiệm nhiều năng lượng hơn so với yêu cầu để thực hiện các phân tích và nhiệm vụ tương ứng. Trong ý nghĩa đó, Trí tuệ nhân tạo có thể là một con dao một lưỡi, mang lại nhiều lợi ích hơn bất kỳ hạn chế nào liên quan.