Blog, GenAI, Inteligência Artificial

Guia para líderes executivos de GenAI para sustentabilidade

As organizações estão em um momento em que as necessidades e requisitos em relação a metas de sustentabilidade, com práticas ambientais, sociais e de governança (ESG), crescem cada vez mais. 

Uma pesquisa do Gartner revelou que 87% dos líderes empresariais esperam aumentar o investimento de sua organização em ESG nos próximos anos. 

O propósito desse artigo é ser um ponto de partida para qualquer executivo que busque navegar na interseção da inteligência artificial generativa e sustentabilidade. Vamos trazer exemplos de casos de uso e melhores práticas para usar o potencial da GenAI para acelerar iniciativas de sustentabilidade e ESG, bem como insights sobre os principais desafios operacionais envolvidos.  

Continue a leitura e saiba mais sobre como integrar a IA generativa de forma eficaz nas estratégias de ESG, garantindo o alinhamento com os objetivos organizacionais. 

 

Roadmap para IA generativa na sustentabilidade


Nas seções a seguir, fornecemos um roteiro para auxiliar o processo de integração da IA generativa com iniciativas sustentáveis. 

1. Compreender o potencial da GenAI para a sustentabilidade

A inteligência artificial generativa tem o poder de transformar todas as áreas de um negócio com sua ampla gama de capacidades. Entre elas, vale citar a habilidade de analisar grandes quantidades de dados, identificar padrões, resumir documentos, realizar traduções, corrigir erros ou responder perguntas. Tais capacidades podem ser utilizadas para adicionar valor em toda a cadeia de valor da sua organização. 

A Figura 1 ilustra exemplos selecionados de casos de uso de IA generativa para sustentabilidade ao longo da cadeia de valor.

Figura 1: Exemplos de casos de uso da GenAI para sustentabilidade em toda a cadeia de valor.

Figura 1: Exemplos de casos de uso da GenAI para sustentabilidade em toda a cadeia de valor.

 

De acordo com a pesquisa organizacional ESG 2024 da KPMG, o investimento em práticas ESG é uma das prioridades máximas para executivos. Isso decorre, em muitos casos, da pressão regulatória crescente nas empresas para divulgar informações sobre impactos, riscos e oportunidades de sustentabilidade. 

Nesse contexto, a IA generativa é uma excelente ferramenta para avançar os objetivos ESG das organizações. 

O fluxo de trabalho ESG típico consiste em várias fases, cada uma com pontos de atenção (pain points) únicos. A GenAI oferece soluções que podem facilitar uma abordagem mais assertiva em diferentes níveis nos processos empresariais e contribuir para os esforços de sustentabilidade. 

A Figura 2 mostra exemplos que ilustram como a IA generativa pode apoiar cada fase do fluxo de trabalho ESG dentro do seu negócio. Eles incluem acelerar a análise de tendências de mercado, garantir uma gestão de riscos e conformidade precisas e facilitar a coleta de dados ou geração de relatórios

É válido apontar que os fluxos de trabalho ESG podem variar em diferentes verticais, maturidades organizacionais e estruturas legislativas. Fatores como regulamentações específicas da indústria, tamanho da empresa e políticas regionais influenciam esse fluxo. 

Portanto, priorizar casos de uso de acordo com suas necessidades e contexto específicos e definir um plano claro para medir o sucesso é essencial para uma maior eficácia

Figura 2: Mapeamento dos benefícios da IA generativa ao longo do fluxo de trabalho ESG 

Figura 2: Mapeamento dos benefícios da IA generativa ao longo do fluxo de trabalho ESG

 

2. Reconhecer os desafios operacionais da IA generativa para a sustentabilidade 

Compreender e abordar adequadamente os desafios da implementação da IA generativa é crucial para as organizações que pretendem usar seu potencial para abordar os objetivos de sustentabilidade da organização e as iniciativas ESG. 

Esses desafios, de forma geral, incluem: 

  • Coletar e gerenciar dados de alta qualidade 
  • Integrar a GenAI em sistemas de TI existentes 
  • Navegar em preocupações éticas 
  • Preencher lacunas de habilidades 
  • Envolver líderes de diferentes áreas para construir um modelo responsável 

Questões legais também estão inclusas nesses possíveis obstáculos. Portanto, é importante ter uma orientação de qualidade desde o início do processo para construir com a conformidade regulatória em mente. 

A Figura 3 fornece uma visão geral dos principais desafios operacionais da IA generativa para a sustentabilidade.

Figura 3: Desafios operacionais da IA generativa para sustentabilidade 

Figura 3: Desafios operacionais da IA generativa para sustentabilidade

 

3. Estabelecer as bases de dados corretas 

Gestores que pretendem utilizar a GenAI para atingir os objetivos de sustentabilidade devem lembrar que os dados são o seu diferenciador. 

As empresas que não têm acesso imediato a dados de alta qualidade não serão capazes de personalizar modelos de IA generativa com os seus próprios dados, perdendo assim a oportunidade de aproveitar todo o potencial de escalabilidade da IA generativa e de criar uma vantagem competitiva. 

Contar com conjuntos de dados diversos e de alta qualidade enriquecem e aceleram as suas iniciativas ESG. Podem ser utilizados recursos como a Amazon Sustainability Data Initiative ou a AWS Data Exchange para simplificar e agilizar a aquisição e análise de conjuntos de dados abrangentes. 

Ao mesmo tempo que adquire dados externos, priorize a gestão de dados internos para maximizar o potencial da inteligência artificial generativa e utilizar as suas capacidades na análise dos seus dados organizacionais e na descoberta de novos insights. 

Do ponto de vista operacional, pode adotar as operações de modelos de base (FMOps) e as operações de modelos de linguagem de grande dimensão (LLMOps) para garantir que os seus esforços de sustentabilidade são orientados por dados e escaláveis. Isto envolve documentar a linhagem de dados, a versão dos dados, a automatização do processamento de dados e o controlo dos custos de gestão de dados. 

4. Identificar oportunidades de alto impacto 

Você pode usar o princípio de Working Backwards da Amazon para identificar oportunidades dentro de sua estratégia de sustentabilidade onde a IA generativa pode ter um impacto significativo. Priorize projetos que prometem melhorias imediatas em áreas-chave dentro de sua organização

Embora o ESG continue sendo um aspecto fundamental da sustentabilidade, aproveitar a expertise específica da indústria em setores como energia, cadeia de suprimentos e manufatura, transporte ou agricultura pode revelar diversas IAs generativas para casos de uso de sustentabilidade adaptados às aplicações de sua empresa. 

Além disso, explorar caminhos alternativos, como usar a GenAI para melhorar a pesquisa e o desenvolvimento, habilitar o autoatendimento do cliente, otimizar o uso de energia em edifícios ou desacelerar a desflorestamento, também pode fornecer oportunidades impactantes para a inovação sustentável. 

5. Usar as ferramentas corretas 

Não usar as ferramentas adequadas pode aumentar a complexidade, comprometer a segurança e reduzir a eficácia do uso da IA generativa para a sustentabilidade. A ferramenta certa deve oferecer a você escolha e flexibilidade e permitir que você personalize suas soluções para necessidades e requisitos específicos. 

A Figura 4 ilustra a pilha de IA generativa da AWS em 2023, que oferece um conjunto de recursos que abrangem escolha, amplitude e profundidade em todas as camadas. Além disso, é construído em uma abordagem de dados em primeiro lugar, garantindo que todos os aspectos de suas ofertas sejam projetados com segurança e privacidade em mente. 

Exemplos de ferramentas que você pode usar para promover iniciativas de sustentabilidade são: 

Amazon Bedrock – um serviço totalmente gerenciado que fornece acesso a FMs de alto desempenho de empresas líderes de IA por meio de uma única API, permitindo que você escolha o modelo certo para seus casos de uso de sustentabilidade. 

AWS Trainium2 – Projetado para treinamento de alto desempenho de FMs e LLMs, o Trainium2 oferece até 2x melhor eficiência energética (desempenho/watt) em comparação com os chips Trainium de primeira geração. 

Instâncias Amazon EC2 Inf2 baseadas em Inferentia2 – Essas instâncias oferecem até 50% de melhor desempenho/watt em comparação com instâncias Amazon Elastic Compute Cloud (Amazon EC2) comparáveis. Projetadas para lidar com modelos de aprendizado profundo em escala, as instâncias Inf2 são indispensáveis para implantar modelos ultragrandes ao mesmo tempo em que atendem aos objetivos de sustentabilidade por meio de maior eficiência energética. 

Figura 4: Pilha de IA generativa da AWS 

Figura 4: Pilha de IA generativa da AWS

 

6. Utilizar a abordagem correta 

A GenAI não é uma solução única para todos. Adaptar sua abordagem escolhendo a modalidade certa e a estratégia de otimização é crucial para maximizar seu impacto nas iniciativas de sustentabilidade. A Figura 5 oferece uma visão geral das modalidades de IA generativa e das estratégias de otimização, incluindo engenharia de prompts, Geração com Recuperação Aumentada e ajuste fino ou pré-treinamento contínuo. 

Figura 5: Modalidades de IA generativa 

Figura 5: Modalidades de IA generativa

 

Além disso, a figura 6 apresenta as principais estratégias de otimização de IA generativa, incluindo engenharia de prompts, Geração com Recuperação Aprimorada e ajuste fino ou pré-treinamento contínuo. 

Figura 6: Estratégias de otimização de IA generativa

Figura 6: Estratégias de otimização de IA generativa

 

7. Simplificar o desenvolvimento de seus aplicativos usando agentes de IA generativa 

Os agentes de IA generativa oferecem uma oportunidade única de impulsionar as iniciativas de sustentabilidade com suas capacidades avançadas de automatizar uma ampla gama de tarefas rotineiras e repetitivas, como entrada de dados, solicitações de suporte ao cliente e geração de conteúdo. Além disso, eles podem orquestrar fluxos de trabalho complexos e de várias etapas, dividindo as tarefas em etapas menores e gerenciáveis, coordenando várias ações e garantindo a execução eficiente de processos dentro de sua organização. 

Por exemplo, você pode usar o Amazon Bedrock para configurar um agente que monitora e analisa padrões de uso de energia em suas operações e identifica oportunidades de economia de energia. Alternativamente, você pode criar um agente especializado que monitora o cumprimento das regulamentações de sustentabilidade em tempo real. 

8. Construir mecanismos de feedback robustos para avaliação 

Aproveite as informações de feedback para melhorias estratégicas, seja ajustando modelos de IA generativa ou redefinindo objetivos para garantir agilidade e alinhamento com os desafios de sustentabilidade. 

Considere as seguintes diretrizes: 

Implemente monitoramento em tempo real – Configure sistemas de monitoramento para rastrear o desempenho da IA generativa em relação aos benchmarks de sustentabilidade, com foco na eficiência e no impacto ambiental. Estabeleça um pipeline de métricas para fornecer insights sobre as contribuições de sustentabilidade de suas iniciativas de IA generativa. 

Engaje as partes interessadas para avaliação com humanos no processo – Conte com auditorias com humanos no processo e colete regularmente feedback de equipes internas, clientes e parceiros para avaliar o impacto dos processos movidos por GenAI nos benchmarks de sustentabilidade da organização. Isso aumenta a transparência e promove confiança em seu compromisso com a sustentabilidade. 

Use testes automatizados para melhoria contínua – Com ferramentas como RAGAS e LangSmith, você pode usar avaliação baseada em LLM para identificar e corrigir imprecisões ou alucinações, facilitando a otimização rápida de modelos de IA generativa alinhados aos objetivos de sustentabilidade. 

9. Medir o impacto e maximize o ROI da IA generativa para sustentabilidade 

Estabeleça indicadores-chave de desempenho (KPIs) claros que capturem o impacto ambiental, como redução da pegada de carbono, juntamente com benefícios econômicos, como redução de custos ou maior agilidade de negócios. 

Esse foco duplo garante que seus investimentos não apenas contribuam para programas focados na sustentabilidade ambiental, mas também reforcem o argumento de negócios para a sustentabilidade, ao mesmo tempo em que o capacitam a impulsionar a inovação e a vantagem competitiva em práticas sustentáveis. Compartilhe histórias de sucesso interna e externamente para inspirar outras pessoas e demonstrar o compromisso de sua organização com a liderança em sustentabilidade. 

10. Minimizar o uso de recursos durante todo o ciclo de vida da GenAI 

Em alguns casos, a própria IA generativa pode ter um alto custo de energia. Para obter o máximo impacto, considere a troca entre os benefícios do uso da IA generativa para iniciativas de sustentabilidade e a eficiência energética da própria tecnologia. 

Certifique-se de obter uma compreensão profunda do ciclo de vida iterativo da IA generativa e otimizar cada fase para a sustentabilidade ambiental. Normalmente, a jornada para a IA generativa começa com a identificação de requisitos específicos do aplicativo. A partir daí, você tem a opção de treinar seu modelo do zero ou usar um existente. Na maioria dos casos, é preferível optar por um modelo existente e personalizá-lo. Seguir esta etapa e avaliar seu sistema completamente é essencial antes do lançamento. 

Por último, o monitoramento contínuo permite o refinamento e ajustes contínuos. Durante todo esse ciclo de vida, é recomendável implementar as melhores práticas do AWS Well-Architected Framework. Consulte a Figura 7 para obter uma visão geral do ciclo de vida da IA generativa. 

Figura 7: O ciclo de vida da GenAI 

Figura 7: O ciclo de vida da GenAI

 

11. Gerir riscos e implementar de forma responsável 

Enquanto a IA generativa tem uma promessa significativa para trabalhar em direção aos objetivos de sustentabilidade da sua organização, também apresenta desafios como toxicidade e alucinações. 

Encontrar o equilíbrio certo entre inovação e o uso responsável da IA generativa é fundamental para mitigar riscos e permitir a inovação responsável da IA. Este equilíbrio deve ter em conta a avaliação do risco em termos de vários fatores, como qualidade, divulgações ou relatórios. 

Para alcançá-lo, é necessário adotar ferramentas e capacidades específicas e trabalhar com os especialistas da sua equipa de segurança para adotar as melhores práticas de segurança. 

A escalação da IA generativa de forma segura e protegida requer a implementação de barreiras personalizadas para os seus casos de uso e alinhadas com as políticas de IA responsável. 

12. Invista na educação e treinamento de suas equipes 

Aprimore continuamente sua equipe e capacite-os com as habilidades certas para inovar e contribuir ativamente para alcançar os objetivos de sustentabilidade de sua organização. 

Identifique recursos relevantes para sustentabilidade e IA generativa para garantir que suas equipes estejam atualizadas com as habilidades essenciais necessárias em ambas as áreas. 

 

Conclusão


Neste artigo, fornecemos um guia para executivos integrarem a IA generativa em suas estratégias de sustentabilidade, focando tanto nos objetivos sustentáveis quanto nos de ESG. 

A adoção da IA generativa nos esforços de sustentabilidade não se trata apenas de inovação tecnológica. Trata-se de fomentar uma cultura de responsabilidade, inovação e melhoria contínua. 

Ao priorizar dados de alta qualidade, identificar oportunidades impactantes e fomentar o envolvimento dos stakeholders, as empresas podem aproveitar o poder transformador da GenAI para não apenas atingir, mas superar seus objetivos de sustentabilidade. 

 

A DNX Brasil tem know-how e a experiência com IA e GenAI para projetos em diversas áreas.


Nossos especialistas certificados pela AWS trabalham lado a lado com cada cliente, desenvolvendo soluções sob medida para suas demandas mais importantes. 

Eleve o potencial do seu negócio com a IA generativa!  

Entre em contato agora com a DNX Brasil. 

 

*Conteúdo adaptado e reproduzido a partir do Blog da AWS. 

Artigos relacionados

close
Start typing to see posts you are looking for.
Sidebar Scroll To Top
Instagram YouTube linkedin