องค์กรต่างๆ กำลังเผชิญกับข้อกำหนดที่เพิ่มมากขึ้นสำหรับเป้าหมายด้านความยั่งยืนควบคู่ไปกับแนวทางปฏิบัติด้านสิ่งแวดล้อม สังคม และการกำกับดูแล (ESG) ก การสำรวจของ Gartner, Inc เผยว่าร้อยละ 87 ของผู้นำธุรกิจคาดว่าจะเพิ่มการลงทุนขององค์กรในด้านความยั่งยืนในปีหน้า โพสต์นี้ทำหน้าที่เป็นจุดเริ่มต้นสำหรับผู้บริหารที่ต้องการนำทางจุดตัดของ ปัญญาประดิษฐ์เจเนอเรทีฟ (AI เจนเนอเรทีฟ) และ ความยั่งยืน- โดยให้ตัวอย่างกรณีการใช้งานและแนวทางปฏิบัติที่ดีที่สุดในการใช้ศักยภาพของ generative AI เพื่อเร่งความยั่งยืนและความคิดริเริ่ม ESG ตลอดจนข้อมูลเชิงลึกเกี่ยวกับความท้าทายในการดำเนินงานหลักของ generative AI เพื่อความยั่งยืน คู่มือนี้สามารถใช้เป็นแผนงานสำหรับการบูรณาการ AI ทั่วไปภายในกลยุทธ์ความยั่งยืนได้อย่างมีประสิทธิภาพ ในขณะเดียวกันก็รับประกันความสอดคล้องกับวัตถุประสงค์ขององค์กร

แผนงานสู่ AI เชิงสร้างสรรค์เพื่อความยั่งยืน

ในส่วนต่อๆ ไป เราได้จัดทำแผนงานสำหรับการบูรณาการ AI ทั่วไปเข้ากับโครงการริเริ่มด้านความยั่งยืน

1. เข้าใจถึงศักยภาพของ generative AI เพื่อความยั่งยืน

Generative AI มีพลังในการเปลี่ยนแปลง ทุกส่วนของธุรกิจ ด้วยความสามารถที่หลากหลาย ซึ่งรวมถึงความสามารถในการวิเคราะห์ข้อมูลจำนวนมหาศาล ระบุรูปแบบ สรุปเอกสาร ทำการแปล แก้ไขข้อผิดพลาด หรือตอบคำถาม ความสามารถเหล่านี้สามารถใช้เพื่อเพิ่มมูลค่าตลอดห่วงโซ่คุณค่าทั้งหมดขององค์กรของคุณ รูปที่ 1 แสดงตัวอย่างกรณีการใช้งาน generative AI เพื่อความยั่งยืนตลอดห่วงโซ่คุณค่า

รูปที่ 1: ตัวอย่างของ generative AI สำหรับกรณีการใช้งานด้านความยั่งยืนทั่วทั้งห่วงโซ่คุณค่า

ตามที่ แบบสำรวจองค์กร ESG ปี 2024 ของ KPMGการลงทุนในขีดความสามารถ ESG ถือเป็นอีกหนึ่งความสำคัญสูงสุดสำหรับผู้บริหาร เนื่องจากองค์กรต่างๆ เผชิญกับแรงกดดันด้านกฎระเบียบที่เพิ่มขึ้นในการเปิดเผยข้อมูลเกี่ยวกับผลกระทบ ESG ความเสี่ยง และโอกาส ภายในบริบทนี้ คุณสามารถใช้ AI เชิงสร้างสรรค์ได้ พัฒนาเป้าหมาย ESG ขององค์กรของคุณ.

ขั้นตอนการทำงาน ESG ทั่วไปประกอบด้วยหลายขั้นตอน โดยแต่ละขั้นตอนจะนำเสนอจุดด้อยที่ไม่ซ้ำใคร Generative AI นำเสนอโซลูชั่นที่สามารถจัดการกับปัญหาเหล่านี้ได้ตลอดกระบวนการ และนำไปสู่ความพยายามด้านความยั่งยืน รูปที่ 2 เป็นตัวอย่างที่แสดงให้เห็นว่า AI เชิงสร้างสรรค์สามารถรองรับแต่ละขั้นตอนของเวิร์กโฟลว์ ESG ภายในองค์กรของคุณได้อย่างไร ตัวอย่างเหล่านี้ ได้แก่ การเร่งการวิเคราะห์แนวโน้มตลาด การรับรองการจัดการความเสี่ยงและการปฏิบัติตามข้อกำหนดที่แม่นยำ และการอำนวยความสะดวกในการรวบรวมข้อมูลหรือการสร้างรายงาน โปรดทราบว่าขั้นตอนการทำงาน ESG อาจแตกต่างกันไปตามประเภทธุรกิจ วุฒิภาวะขององค์กร และกรอบกฎหมายที่แตกต่างกัน ปัจจัยต่างๆ เช่น กฎระเบียบเฉพาะอุตสาหกรรม ขนาดของบริษัท และนโยบายระดับภูมิภาคสามารถมีอิทธิพลต่อขั้นตอนเวิร์กโฟลว์ ESG ดังนั้นการจัดลำดับความสำคัญกรณีการใช้งานตามความต้องการและบริบทเฉพาะของคุณ และการกำหนดแผนงานที่ชัดเจนเพื่อวัดความสำเร็จจึงเป็นสิ่งสำคัญสำหรับประสิทธิผลสูงสุด

รูปที่ 2: การจัดทำแผนที่ประโยชน์ของ AI เชิงสร้างสรรค์ทั่วทั้งเวิร์กโฟลว์ ESG

2. ตระหนักถึงความท้าทายในการดำเนินงานของ generative AI เพื่อความยั่งยืน

การทำความเข้าใจและจัดการกับความท้าทายในการใช้ Generative AI อย่างเหมาะสมเป็นสิ่งสำคัญสำหรับองค์กรที่มุ่งหวังที่จะใช้ศักยภาพของตนเพื่อบรรลุเป้าหมายความยั่งยืนขององค์กรและความคิดริเริ่ม ESG ความท้าทายเหล่านี้รวมถึงการรวบรวมและการจัดการข้อมูลคุณภาพสูง การบูรณาการ AI ทั่วไปเข้ากับระบบไอทีที่มีอยู่ การนำทางข้อกังวลด้านจริยธรรม การเติมเต็มช่องว่างทักษะ และการเตรียมองค์กรให้พร้อมสำหรับความสำเร็จโดยการนำผู้มีส่วนได้ส่วนเสียหลัก เช่น หัวหน้าเจ้าหน้าที่รักษาความปลอดภัยข้อมูล (CISO) หรือหัวหน้า เจ้าหน้าที่การเงิน (CFO) ตั้งแต่เนิ่นๆ เพื่อให้คุณสร้างงานอย่างมีความรับผิดชอบ ความท้าทายทางกฎหมายเป็นอุปสรรคสำคัญในการเปลี่ยนจากการพิสูจน์แนวคิด (POC) ไปสู่การใช้งานจริง ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องให้ทีมกฎหมายเข้ามามีส่วนร่วมในกระบวนการตั้งแต่เนิ่นๆ เพื่อสร้างโดยคำนึงถึงการปฏิบัติตามกฎระเบียบ รูปที่ 3 แสดงภาพรวมของความท้าทายในการดำเนินงานหลักของ generative AI เพื่อความยั่งยืน

รูปที่ 3: ความท้าทายในการดำเนินงานของ generative AI เพื่อความยั่งยืน

3. กำหนดรากฐานข้อมูลที่ถูกต้อง

ในฐานะซีอีโอที่มุ่งหวังที่จะใช้ generative AI เพื่อบรรลุเป้าหมายด้านความยั่งยืน โปรดจำไว้ว่า ข้อมูลคือตัวสร้างความแตกต่างของคุณ- บริษัทที่ขาดการเข้าถึงข้อมูลคุณภาพสูงที่พร้อมจะไม่สามารถปรับแต่งโมเดล AI เชิงสร้างสรรค์ด้วยข้อมูลของตนเองได้ ดังนั้นจึงพลาดการตระหนักถึงศักยภาพของ AI เชิงสร้างสรรค์อย่างเต็มรูปแบบ และสร้างความได้เปรียบทางการแข่งขัน ลงทุนซื้อ หลากหลายและมีคุณภาพสูง ชุดข้อมูลเพื่อเสริมสร้างและเร่งความคิดริเริ่ม ESG ของคุณ คุณสามารถใช้ทรัพยากรเช่น การริเริ่มข้อมูลความยั่งยืนของ Amazon หรือ การแลกเปลี่ยนข้อมูล AWS เพื่อลดความซับซ้อนและเร่งการได้มาและการวิเคราะห์ชุดข้อมูลที่ครอบคลุม นอกเหนือจากการรับข้อมูลภายนอกแล้ว ให้จัดลำดับความสำคัญของการจัดการข้อมูลภายในเพื่อเพิ่มศักยภาพของ generative AI และใช้ความสามารถของ AI ในการวิเคราะห์ข้อมูลองค์กรของคุณและเปิดเผยข้อมูลเชิงลึกใหม่ๆ

จากจุดยืนในการปฏิบัติงาน คุณสามารถยอมรับได้ ปฏิบัติการแบบจำลองพื้นฐาน (FMOps) และ ops โมเดลภาษาขนาดใหญ่ (LLMOps) เพื่อให้แน่ใจว่าความพยายามด้านความยั่งยืนของคุณขับเคลื่อนด้วยข้อมูลและปรับขนาดได้ ซึ่งเกี่ยวข้องกับการจัดทำเอกสารสายข้อมูล การกำหนดเวอร์ชันข้อมูล การประมวลผลข้อมูลอัตโนมัติ และการตรวจสอบต้นทุนการจัดการข้อมูล

4. ระบุโอกาสที่มีผลกระทบสูง

คุณสามารถใช้ได้ หลักการทำงานแบบถอยหลังของอเมซอน เพื่อระบุโอกาสภายในกลยุทธ์ความยั่งยืนของคุณ โดยที่ AI เจนเนอเรชั่นสามารถสร้างผลกระทบที่สำคัญได้ จัดลำดับความสำคัญของโครงการที่สัญญาว่าจะปรับปรุงทันทีในด้านสำคัญภายในองค์กรของคุณ ในขณะที่ ESG ยังคงเป็นประเด็นสำคัญของความยั่งยืน โดยอาศัยความเชี่ยวชาญเฉพาะทางอุตสาหกรรมทั่วทั้งภาคส่วนต่างๆ เช่น พลังงาน, ห่วงโซ่อุปทานและ การผลิต การขนส่ง หรือการเกษตร สามารถค้นพบ AI เจนเนอเรชั่นที่หลากหลายสำหรับกรณีการใช้งานที่ยั่งยืนซึ่งปรับให้เหมาะกับแอปพลิเคชันธุรกิจของคุณ นอกจากนี้ การสำรวจช่องทางอื่น เช่น การใช้ generative AI เพื่อปรับปรุงการวิจัยและพัฒนา ช่วยให้ลูกค้าสามารถบริการตนเองได้ เพิ่มประสิทธิภาพการใช้พลังงานในอาคาร หรือ ชะลอการตัดไม้ทำลายป่ายังสามารถมอบโอกาสอันทรงประสิทธิภาพสำหรับนวัตกรรมที่ยั่งยืน

5. ใช้เครื่องมือที่เหมาะสม

การไม่ใช้เครื่องมือที่เหมาะสมอาจเพิ่มความซับซ้อน ลดความปลอดภัย และลดประสิทธิภาพในการใช้ generative AI เพื่อความยั่งยืน เครื่องมือที่เหมาะสมควรเสนอทางเลือกและความยืดหยุ่นให้กับคุณ และช่วยให้คุณสามารถปรับแต่งโซลูชันให้ตรงตามความต้องการและข้อกำหนดเฉพาะได้

รูปที่ 4 แสดงให้เห็นถึง สแต็ก AI ที่สร้างโดย AWS ในปี 2023 ซึ่งนำเสนอชุดความสามารถที่ครอบคลุมตัวเลือก ความกว้าง และความลึกในทุกเลเยอร์ ยิ่งไปกว่านั้น มันยังถูกสร้างขึ้นบนแนวทางที่เน้นข้อมูลเป็นหลัก เพื่อให้มั่นใจว่าทุกแง่มุมของข้อเสนอได้รับการออกแบบโดยคำนึงถึงความปลอดภัยและความเป็นส่วนตัว

ตัวอย่างเครื่องมือที่คุณสามารถใช้เพื่อพัฒนาความคิดริเริ่มด้านความยั่งยืน ได้แก่:

อเมซอน เบดร็อค – บริการที่มีการจัดการเต็มรูปแบบที่ให้การเข้าถึง FM ที่มีประสิทธิภาพสูงจากบริษัท AI ชั้นนำผ่าน API เดียว ช่วยให้คุณสามารถเลือกรุ่นที่เหมาะสมสำหรับกรณีการใช้งานด้านความยั่งยืนของคุณ

AWS Trainium2 – สร้างขึ้นโดยมีจุดประสงค์เพื่อการฝึกอบรม FM และ LLM ที่มีประสิทธิภาพสูง Trainium2 ให้ประสิทธิภาพการใช้พลังงานที่ดีขึ้นถึง 2 เท่า (ประสิทธิภาพ/วัตต์) เมื่อเทียบกับชิป Trainium รุ่นแรก

ตาม Inferentia2 อินสแตนซ์ Amazon EC2 Inf2 – อินสแตนซ์เหล่านี้นำเสนอประสิทธิภาพ/วัตต์ที่ดีขึ้นถึง 50 เปอร์เซ็นต์ เมื่อเทียบกับการเปรียบเทียบ Amazon Elastic Compute Cloud (อเมซอน EC2) ตัวอย่าง. สร้างขึ้นโดยมีจุดประสงค์เพื่อรองรับโมเดลการเรียนรู้เชิงลึกในวงกว้าง อินสแตนซ์ Inf2 เป็นสิ่งที่ขาดไม่ได้สำหรับการปรับใช้โมเดลขนาดใหญ่พิเศษ ในขณะเดียวกันก็บรรลุเป้าหมายด้านความยั่งยืนผ่านประสิทธิภาพการใช้พลังงานที่ได้รับการปรับปรุง

รูปที่ 4: สแต็ก AI ที่สร้างโดย AWS

6. ใช้แนวทางที่ถูกต้อง

Generative AI ไม่ใช่โซลูชันที่เหมาะกับทุกคน การปรับแต่งแนวทางของคุณโดยการเลือกรูปแบบและกลยุทธ์การเพิ่มประสิทธิภาพที่เหมาะสมเป็นสิ่งสำคัญอย่างยิ่งในการเพิ่มผลกระทบสูงสุดต่อโครงการริเริ่มด้านความยั่งยืน รูปที่ 5 นำเสนอภาพรวมเกี่ยวกับรูปแบบ AI เชิงสร้างสรรค์และกลยุทธ์การปรับให้เหมาะสม ซึ่งรวมถึง วิศวกรรมพรอมต์, การดึงข้อมูล Augmented Generationและ การปรับแต่งหรือการฝึกอบรมล่วงหน้าอย่างต่อเนื่อง.

รูปที่ 5: รูปแบบ AI เชิงสร้างสรรค์

นอกจากนี้ รูปที่ 6 ยังสรุปกลยุทธ์การเพิ่มประสิทธิภาพ AI หลัก ๆ ซึ่งรวมถึง วิศวกรรมพรอมต์, การดึงข้อมูล Augmented Generationและ การปรับแต่งหรือการฝึกอบรมล่วงหน้าอย่างต่อเนื่อง.

รูปที่ 6: กลยุทธ์การเพิ่มประสิทธิภาพ AI เชิงสร้างสรรค์

7. ลดความซับซ้อนในการพัฒนาแอปพลิเคชันของคุณโดยใช้ตัวแทน AI ทั่วไป

ตัวแทน AI เจนเนอเรชั่น เสนอโอกาสพิเศษในการขับเคลื่อนความคิดริเริ่มด้านความยั่งยืนไปข้างหน้าด้วยความสามารถขั้นสูงของ ทำให้งานประจำและงานซ้ำซ้อนต่างๆ เป็นแบบอัตโนมัติเช่น การป้อนข้อมูล การสอบถามการสนับสนุนลูกค้า และการสร้างเนื้อหา นอกจากนี้ พวกเขาสามารถเรียบเรียงขั้นตอนการทำงานที่ซับซ้อนและหลายขั้นตอนโดยการแบ่งงานออกเป็นขั้นตอนเล็กๆ ที่สามารถจัดการได้ ประสานงานการดำเนินการต่างๆ และสร้างความมั่นใจใน การดำเนินการกระบวนการต่างๆ ภายในองค์กรของคุณอย่างมีประสิทธิภาพ. ตัวอย่างเช่น คุณสามารถใช้ ตัวแทนของ Amazon Bedrock เพื่อกำหนดค่าตัวแทนที่ตรวจสอบและวิเคราะห์รูปแบบการใช้พลังงานในการดำเนินงานของคุณและระบุโอกาสในการประหยัดพลังงาน หรือคุณสามารถสร้างตัวแทนพิเศษที่ตรวจสอบการปฏิบัติตามกฎระเบียบด้านความยั่งยืนแบบเรียลไทม์

8. สร้างกลไกการตอบรับที่มีประสิทธิภาพสำหรับการประเมินผล

ใช้ประโยชน์จากข้อมูลเชิงลึกข้อเสนอแนะสำหรับการปรับปรุงเชิงกลยุทธ์ ไม่ว่าจะเป็นการปรับโมเดล AI ทั่วไปหรือการกำหนดวัตถุประสงค์ใหม่เพื่อให้แน่ใจว่ามีความคล่องตัวและสอดคล้องกับความท้าทายด้านความยั่งยืน พิจารณาแนวทางต่อไปนี้:

ใช้การตรวจสอบแบบเรียลไทม์ – ตั้งค่าระบบการตรวจสอบเพื่อติดตามประสิทธิภาพ AI เชิงสร้างสรรค์เทียบกับเกณฑ์มาตรฐานความยั่งยืน โดยมุ่งเน้นที่ประสิทธิภาพและผลกระทบต่อสิ่งแวดล้อม สร้างไปป์ไลน์เมตริก เพื่อให้ข้อมูลเชิงลึกเกี่ยวกับการมีส่วนร่วมอย่างยั่งยืนของความคิดริเริ่มด้าน AI ของคุณ

มีส่วนร่วมกับผู้มีส่วนได้ส่วนเสียสำหรับการประเมินโดยมนุษย์ในวง – พึ่ง การตรวจสอบโดยมนุษย์ในวง และรวบรวมคำติชมจากทีมงานภายใน ลูกค้า และพันธมิตรอย่างสม่ำเสมอ เพื่อวัดผลกระทบของกระบวนการที่ขับเคลื่อนด้วย AI แบบสร้างสรรค์ต่อเกณฑ์มาตรฐานความยั่งยืนขององค์กร สิ่งนี้จะช่วยเพิ่มความโปร่งใสและส่งเสริมความไว้วางใจในความมุ่งมั่นของคุณต่อความยั่งยืน

ใช้การทดสอบอัตโนมัติเพื่อการปรับปรุงอย่างต่อเนื่อง – ด้วยเครื่องมืออย่าง รากัส และ แลงสมิธคุณสามารถใช้การประเมินแบบ LLM เพื่อระบุและแก้ไขความไม่ถูกต้องหรือภาพหลอน อำนวยความสะดวกในการเพิ่มประสิทธิภาพโมเดล AI ที่สร้างอย่างรวดเร็วให้สอดคล้องกับเป้าหมายด้านความยั่งยืน

9. วัดผลกระทบและเพิ่ม ROI จาก generative AI เพื่อความยั่งยืน

จัดทำดัชนีชี้วัดผลการดำเนินงาน (KPI) ที่ชัดเจน ซึ่งรวบรวมผลกระทบต่อสิ่งแวดล้อม เช่น การลดการปล่อยก๊าซคาร์บอนไดออกไซด์ ควบคู่ไปกับผลประโยชน์ทางเศรษฐกิจ เช่น ประหยัดต้นทุนหรือเพิ่มความคล่องตัวทางธุรกิจ- การมุ่งเน้นแบบคู่นี้ทำให้มั่นใจได้ว่าการลงทุนของคุณไม่เพียงแต่มีส่วนช่วยในโครงการที่เน้นเรื่องความยั่งยืนด้านสิ่งแวดล้อมเท่านั้น แต่ยังเป็นการตอกย้ำกรณีธุรกิจเพื่อความยั่งยืน ในขณะเดียวกันก็เพิ่มขีดความสามารถให้คุณขับเคลื่อนนวัตกรรมและความได้เปรียบทางการแข่งขันในแนวปฏิบัติที่ยั่งยืน แบ่งปันเรื่องราวความสำเร็จทั้งภายในและภายนอกเพื่อสร้างแรงบันดาลใจให้กับผู้อื่น และแสดงให้เห็นถึงความมุ่งมั่นขององค์กรของคุณในการเป็นผู้นำด้านความยั่งยืน

10. ลดการใช้ทรัพยากรให้เหลือน้อยที่สุดตลอดวงจรชีวิต AI เชิงสร้างสรรค์

ในบางกรณี generative AI เองอาจมีต้นทุนพลังงานสูง เพื่อให้บรรลุผลสูงสุด ให้พิจารณาการแลกเปลี่ยนระหว่างประโยชน์ของการใช้ AI กำเนิดสำหรับโครงการริเริ่มด้านความยั่งยืนและประสิทธิภาพการใช้พลังงานของเทคโนโลยีเอง ตรวจสอบให้แน่ใจว่าได้รับความเข้าใจอย่างลึกซึ้งเกี่ยวกับวงจรชีวิต AI ที่สร้างซ้ำและ ปรับแต่ละขั้นตอนให้เหมาะสมเพื่อความยั่งยืนด้านสิ่งแวดล้อม- โดยทั่วไปแล้ว การเดินทางสู่ generative AI จะเริ่มต้นด้วยการระบุข้อกำหนดการใช้งานเฉพาะ จากนั้น คุณจะมีตัวเลือกในการฝึกโมเดลของคุณตั้งแต่เริ่มต้นหรือใช้โมเดลที่มีอยู่ ในกรณีส่วนใหญ่ ควรเลือกใช้โมเดลที่มีอยู่แล้วปรับแต่งโมเดล การทำตามขั้นตอนนี้และการประเมินระบบของคุณอย่างละเอียดเป็นสิ่งสำคัญก่อนปรับใช้ สุดท้ายนี้ การตรวจสอบอย่างต่อเนื่องทำให้สามารถปรับปรุงและปรับเปลี่ยนได้อย่างต่อเนื่อง ตลอดวงจรชีวิตนี้ การดำเนินการ กรอบงานที่มีสถาปัตยกรรมอย่างดีของ AWS ขอแนะนำแนวทางปฏิบัติที่ดีที่สุด โปรดดูรูปที่ 7 สำหรับภาพรวมของวงจรชีวิต AI แบบสร้างสรรค์

รูปที่ 7: วงจรชีวิต AI แบบสร้างสรรค์

11. บริหารความเสี่ยงและดำเนินการอย่างมีความรับผิดชอบ

แม้ว่า AI เจนเนอเรชั่นจะถือเป็นคำมั่นสัญญาที่สำคัญในการทำงานเพื่อบรรลุเป้าหมายความยั่งยืนขององค์กรของคุณ แต่ก็ยังมีท่าทีเช่นกัน ความท้าทาย เช่นความเป็นพิษและภาพหลอน การสร้างความสมดุลที่เหมาะสมระหว่างนวัตกรรมและการใช้ generative AI อย่างรับผิดชอบเป็นพื้นฐานในการลดความเสี่ยงและทำให้เกิดนวัตกรรม AI ที่มีความรับผิดชอบ ยอดคงเหลือนี้จะต้องบัญชีสำหรับ การประเมินความเสี่ยง ในแง่ของปัจจัยหลายประการ เช่น คุณภาพ การเปิดเผย หรือการรายงาน เพื่อให้บรรลุเป้าหมายนี้โดยนำเอาเฉพาะเจาะจง เครื่องมือและความสามารถ และทำงานร่วมกับผู้เชี่ยวชาญของทีมรักษาความปลอดภัยของคุณเพื่อนำมาใช้ แนวทางปฏิบัติที่ดีที่สุดด้านความปลอดภัย เป็นสิ่งจำเป็น จำเป็นต้องมีการปรับขนาด generative AI ในลักษณะที่ปลอดภัย วางราวกั้นไว้ ที่ปรับแต่งให้เหมาะกับกรณีการใช้งานของคุณและสอดคล้องกับนโยบาย AI ที่มีความรับผิดชอบ

12. ลงทุนในการให้ความรู้และฝึกอบรมทีมของคุณ

พัฒนาทักษะให้กับทีมของคุณอย่างต่อเนื่องและเสริมศักยภาพให้พวกเขาด้วยทักษะที่เหมาะสมในการสร้างสรรค์สิ่งใหม่ๆ และมีส่วนร่วมอย่างแข็งขันในการบรรลุเป้าหมายความยั่งยืนขององค์กรของคุณ ระบุทรัพยากรที่เกี่ยวข้องสำหรับ ความยั่งยืน และ AI กำเนิด เพื่อให้แน่ใจว่าทีมของคุณได้รับการอัปเดตด้วยทักษะที่จำเป็นในทั้งสองด้าน

สรุป

ในโพสต์นี้ เราได้ให้คำแนะนำสำหรับผู้บริหารในการรวม AI ทั่วไปเข้ากับกลยุทธ์ความยั่งยืน โดยมุ่งเน้นที่ทั้งเป้าหมายด้านความยั่งยืนและ ESG การนำ AI เจนเนอเรชั่นมาใช้ในการพัฒนาอย่างยั่งยืนไม่ใช่แค่เกี่ยวกับนวัตกรรมทางเทคโนโลยีเท่านั้น เป็นเรื่องเกี่ยวกับการส่งเสริมวัฒนธรรมแห่งความรับผิดชอบ นวัตกรรม และการปรับปรุงอย่างต่อเนื่อง ด้วยการจัดลำดับความสำคัญของข้อมูลคุณภาพสูง การระบุโอกาสที่ส่งผลกระทบ และส่งเสริมการมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย บริษัทต่างๆ สามารถควบคุมพลังการเปลี่ยนแปลงของ generative AI เพื่อไม่เพียงแต่บรรลุเป้าหมาย แต่ยังเกินเป้าหมายด้านความยั่งยืนอีกด้วย

AWS สามารถช่วยได้อย่างไร

สำรวจ ไลบรารีโซลูชัน AWS เพื่อค้นพบวิธีสร้างโซลูชันด้านความยั่งยืนบน AWS

พื้นที่ ศูนย์นวัตกรรม AWS Generative AI สามารถช่วยเหลือคุณในกระบวนการนี้พร้อมคำแนะนำจากผู้เชี่ยวชาญเกี่ยวกับแนวคิด, การระบุกรณีการใช้งานเชิงกลยุทธ์ การดำเนินการ และการปรับขนาดไปสู่การใช้งานจริง

เพื่อเรียนรู้เพิ่มเติมว่า Amazon ใช้ AI เพื่อเข้าถึงเราอย่างไร จำนำสภาพภูมิอากาศ ความมุ่งมั่นของคาร์บอนสุทธิเป็นศูนย์ภายในปี 2040 สำรวจ 7 วิธีที่ AI ช่วยให้ Amazon สร้างอนาคตและธุรกิจที่ยั่งยืนมากขึ้น

---

เกี่ยวกับผู้เขียน

ดร.วาเฟ บักกาลี เป็นนักวิทยาศาสตร์ข้อมูลที่ AWS ในฐานะผู้เชี่ยวชาญด้าน generative AI Wafae ได้รับแรงผลักดันจากภารกิจในการเสริมศักยภาพลูกค้าในการแก้ปัญหาความท้าทายทางธุรกิจผ่านการใช้เทคนิค generative AI เพื่อให้มั่นใจว่าพวกเขาจะทำเช่นนั้นได้อย่างมีประสิทธิภาพและยั่งยืนสูงสุด

ดร.เมห์ดี นูริ เป็นนักวิทยาศาสตร์อาวุโสที่ AWS Generative AI Innovation Center ด้วยความหลงใหลในการเชื่อมโยงเทคโนโลยีและนวัตกรรมในด้านความยั่งยืน เขาช่วยลูกค้า AWS ในการปลดล็อกศักยภาพของ Generative AI เปลี่ยนความท้าทายที่อาจเกิดขึ้นให้เป็นโอกาสในการทดลองและสร้างสรรค์นวัตกรรมอย่างรวดเร็ว ด้วยการมุ่งเน้นไปที่การใช้เทคโนโลยี AI ขั้นสูงที่ปรับขนาด วัดผลได้ และสร้างผลกระทบ และปรับปรุงเส้นทางสู่การผลิตให้มีประสิทธิภาพ ช่วยให้ลูกค้าบรรลุเป้าหมายด้านความยั่งยืน

ราหุล สารีน เป็น GM สำหรับโซลูชันด้านความยั่งยืนและ GTM ที่ AWS Rahul มีทีมงานที่มีประสิทธิภาพสูง ซึ่งประกอบด้วยนักยุทธศาสตร์ด้านความยั่งยืน ผู้เชี่ยวชาญ GTM และสถาปนิกด้านเทคโนโลยี เพื่อสร้างผลลัพธ์ทางธุรกิจที่ยอดเยี่ยมสำหรับเป้าหมายด้านความยั่งยืนของลูกค้า (ทุกอย่างตั้งแต่การติดตามการปล่อยก๊าซคาร์บอน บรรจุภัณฑ์และการดำเนินงานที่ยั่งยืน เศรษฐกิจแบบวงกลม ไปจนถึงพลังงานหมุนเวียน) ทีมงานของ Rahul มอบความเชี่ยวชาญทางเทคนิค (ML, GenAI, IoT) เพื่อแก้ไขกรณีการใช้งานด้านความยั่งยืน

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://aws.amazon.com/blogs/machine-learning/the-executives-guide-to-generative-ai-for-sustainability/