For et selskap i tidlig fase kan bærekraft føles som en fremtidig oppgave og noe å ta opp etter produktmarkedstilpasning, finansiering og vekst. I virkeligheten blir de første driftsvalgene ofte de vanskeligste å endre. Hvordan en oppstartsbedrift kjøper materialer, forutsier etterspørsel, designer levering, velger skytjenester og måler ytelse, kan låse inn både kostnads- og miljøpåvirkning.
AI kan støtte bedre beslutninger på tvers av disse områdene, men ”AI-drevet” betyr ikke automatisk bærekraftig. AI-systemer er avhengige av datasentre, elektrisitet, vann, maskinvare og forsyningskjeder. En ansvarlig oppstart stiller derfor to spørsmål samtidig: Kan dette programmet redusere en meningsfull miljøpåvirkning? Er fordelen større enn ressursene og risikoen som innføres av løsningen?
Begynn med materialproblemet, ikke verktøyet
Velg én ressursflyt som er viktig for virksomheten og som kan måles: usolgte varer, strømforbruk, leveringskilometer, avviste produkter, emballasje, nedetid for vann eller utstyr. Etablere en baseline før innføring av AI. Uten en baseline kan en oppstart rapportere aktivitet som å installere et nytt system, men kan ikke demonstrere forbedring.
Forretningsområde | Mulig AI-støttet bruk | Metrisk å spore |
Etterspørsel og lagerbeholdning | Prognose etterspørsel og identifisere saktegående lager | Forkastede enheter, lagerbeholdninger, lagerdager, prognosefeil |
Energi | Oppdag uvanlig forbruk og optimaliser tidsplaner | kWh per enhet, maksimal etterspørsel, unngått forbruk |
Logistikk | Sammenlign ruter, laster og leveringsvinduer | Kilometer, belastningsfaktor, mislykkede leveranser, bruk av drivstoff eller elektrisitet |
Kvalitet og vedlikehold | Identifisere feil eller tidlige tegn på utstyrssvikt | Skraphastighet, omarbeiding, nedetid, komponentens levetid |
Produkter og materialer | Sammenligne design- eller materialscenarier | Materialintensitet, resirkulert innhold, reparerbarhet, produktets levetid |
Et sekstrinns bærekraftseksperiment
Definer utfallet. Skriv et målbart mål, for eksempel å redusere ukentlig matavfall per ordre eller redusere energibruken per produksjonsenhet.
Opprette grunnlinjen. Noter det nåværende resultatet lenge nok til å forstå normal variasjon, sesongmessighet og datagap.
Velg den letteste og mest egnede metoden. En regnearkregel, dashbord eller statistisk prognose kan løse problemet uten en stor AI-modell.
Pilot i en svært krevende prosess. Test ett sted, produktkategori, rute eller arbeidsflyt før du utvider.
Mål nettoeffekten. Sammenlign driftsgevinsten med implementeringsinnsats, skybruk, ny maskinvare, retureffekter og eventuelle endringer av innvirkning andre steder.
Avgjøre og dokumentere. Skaler, tilpass eller stopp. Registrere forutsetninger, datakvalitet, begrensninger og den som er ansvarlig for avgjørelsen.
Unngå fire vanlige former for grønnvasking
Å hevde at optimalisering automatisk er bærekraftig uten å måle ressursutfallet.
Rapportere en prosentvis reduksjon uten å forklare baseline, periode, omfang eller absolutt mengde.
Ignorerer fordrevne påvirkninger, for eksempel å redusere lokalt avfall mens du øker retur, emballasje eller beregne andre steder.
Bruk av AI-generert bærekraftsspråk i offentlig kommunikasjon før den underliggende påstanden er verifisert.
Markedsføring bør følge måling, ikke lede den. Hold en kort bevisfil for hver offentlig påstand: hva som ble målt, hvordan det ble beregnet, hva som er utelukket og hvem som godkjente uttalelsen.
Gjør AI-bruken mer proporsjonal
Ikke alle oppgaver krever den største eller mest ressurskrevende modellen. Reduser unødvendige gjentatte spørringer, batch passende arbeid, gjenbruk validerte utganger, begrense datainnsamling til det som trengs og gjennomgå om en mindre modell eller ikke-AI-metode utfører tilstrekkelig. Når du velger en leverandør, spør hvilken informasjon som er tilgjengelig om energieffektivitet, hosting, datalagring, maskinvarelevetid og utslippsrapportering.
EU-kommisjonen utvikler arbeid med å måle energiforbruk og utslipp i hele AI-livssyklusen. Dette er et nyttig signal for oppstart: Miljøprestasjon bør bli en del av teknologiinnkjøp og produktdesign, ikke en ettertanke.
Bruk AI der miljø- og forretningsverdi møtes
De sterkeste bærekraftsapplikasjonene har ofte en klar forretningsmodell. Mindre avfall kan føre til lavere innkjøps- og avhendingskostnader. Bedre etterspørselsprognoser kan redusere arbeidskapitalen. Energioptimalisering kan redusere regninger og eksponering for prisvolatilitet. Forebyggende vedlikehold kan forlenge levetiden til ressursene og beskytte påliteligheten til tjenestene.
Fortsett å lære med EYE4AI
For mer informasjon og praktiske eksempler på dette emnet, undersøk disse (EYE4AI) ressursene:
EYE4AI-modul 5: Internasjonalisering, bærekraft og teambygging
EU-kommisjonen: Måling av energiforbruk og utslipp av AI-modeller og -systemer
Norwegian