Агенты ИИ для более устойчивого мира: идеи науки о данных

Поскольку политическая поддержка устойчивого развития снижается, потребность в долгосрочных устойчивых практиках становится больше, чем когда-либо. Агенты ИИ могут сыграть решающую роль в этой области.

Как мы можем использовать аналитику, дополненную мощным искусственным интеллектом, для поддержки компаний в их зеленой трансформации?

В течение многих лет основное внимание в моем блоге уделялось использованию методологий и инструментов аналитики цепочек поставок для решения конкретных проблем. Теперь, когда важность устойчивого развития растет, мы сосредоточились на интеграции этих инструментов для достижения экологических целей.

В Logi Green , стартапе, который я основал, мы внедряем эти аналитические решения, чтобы помочь розничным торговцам, производителям и логистическим компаниям достичь своих целей в области устойчивого развития. Мы используем такие инструменты, как прогностические модели и оптимизация маршрутов, для сокращения выбросов.

В этой статье я покажу, как можно усовершенствовать существующие решения с помощью агентов ИИ. Мы рассмотрим, как ИИ может расширить наши аналитические возможности для более быстрого и эффективного достижения целей устойчивого развития.

Цель состоит в том, чтобы облегчить и ускорить внедрение инициатив в области устойчивого развития во всех корпоративных цепочках поставок. Интеграция искусственного интеллекта позволит автоматизировать процессы и заблаговременно выявлять возможности для улучшения.

 

Препятствия на пути к зеленой трансформации компаний

Поскольку политическое и финансовое давление смещается в сторону от устойчивого развития, содействие переходу к зеленой экономике и обеспечение его большей доступности становятся более насущными, чем когда-либо.

На прошлой неделе я посетила глобальную конференцию ChangeNOW , которая проходила в моем родном городе, Париже.

На этой конференции собрались новаторы, предприниматели и лица, принимающие решения, стремящиеся построить лучшее будущее, несмотря на сложные условия.

Это была прекрасная возможность встретиться с некоторыми из моих читателей и пообщаться с лидерами, которые являются движущей силой перемен в различных отраслях.

В ходе этих обсуждений было высказано четкое послание.

Компании сталкиваются с тремя основными препятствиями на пути к устойчивой трансформации:

• Отсутствие прозрачности операционных процессов,
• Сложность требований к отчетности в области устойчивого развития,
• Проблема разработки и внедрения инициатив по всей цепочке создания стоимости.

В следующих разделах я рассмотрю, как мы можем использовать агентный ИИ для преодоления двух из этих ключевых препятствий:

• Улучшить отчетность для соответствия нормативным требованиям
• Ускорение разработки и внедрения устойчивых инициатив

 

Решение проблем с отчетами с помощью агентов ИИ

Первым шагом в любой дорожной карте устойчивого развития является создание основы отчетности. Создание этой основы имеет решающее значение для обеспечения точности и доступности данных, что позволит принимать обоснованные решения.

Прежде чем предпринимать какие-либо действия, компаниям следует оценить и опубликовать свой текущий экологический след.

Например, отчет ESG иллюстрирует экологические показатели компании (E) , ее социальную ответственность (S) и эффективность ее структур управления (G) . Отчет ESG является важным инструментом для оценки эффективности компаний в областях экологической, социальной и управленческой устойчивости.

Начнем с решения проблемы подготовки данных.

 

Проблема 1: Сбор и обработка данных

Многие компании сталкиваются со значительными трудностями с самого начала, начиная со сбора данных , что является ключевой проблемой в проектах по анализу жизненного цикла продукта.

В предыдущей статье я представил концепцию оценки жизненного цикла (LCA) — метода оценки воздействия продукта на окружающую среду, начиная с добычи сырья и заканчивая утилизацией.

Для этого требуется сложный конвейер данных для подключения к нескольким системам, извлечения необработанных данных, их обработки и сохранения в хранилище данных. Это включает в себя интеграцию данных из различных источников для обеспечения точного анализа.

Эти конвейеры используются для создания отчетов и предоставления согласованных источников данных аналитическим и бизнес-группам, что способствует принятию обоснованных решений на основе точной информации.

 

Как мы можем помочь нетехническим командам ориентироваться в этой сложной среде?

В компании LogiGreen мы изучаем использование ИИ-агента для приложений преобразования текста в SQL, известного как «ИИ-агент для преобразования текста в SQL».

Большим преимуществом является то, что операционные и бизнес-отделы больше не полагаются на экспертов-аналитиков для создания индивидуальных решений. Это снижает зависимость от аналитиков данных и повышает эффективность.

Как инженер по цепочке поставок, я понимаю разочарование операционных менеджеров, которым приходится создавать заявки в службу поддержки только для того, чтобы извлечь данные или рассчитать новый показатель.

Используя этого ИИ-агента, мы предоставляем всем пользователям возможность использовать аналитику как услугу, позволяя им формулировать свои запросы на простом английском языке. Это обеспечивает более быстрый и простой доступ к аналитическим данным.

Например, мы помогаем группам по составлению отчетов создавать специальные подсказки для сбора данных из нескольких таблиц для включения в отчет. Это ускоряет процесс составления отчетов и сокращает объем ручной работы.

 

«Пожалуйста, создайте таблицу, показывающую общие выбросы углекислого газа (CO₂) в день для всех поставок со склада XXX».

 

Проблема 2: Форматирование отчета

Даже после сбора данных компании сталкиваются с еще одной проблемой: созданием отчета в необходимых форматах.

В Европе новая Директива о корпоративной отчетности в области устойчивого развития (CSRD) предоставляет компаниям основу для раскрытия информации о воздействии на окружающую среду, социальную сферу и корпоративное управление.

В соответствии с Директивой о корпоративной отчетности в области устойчивого развития (CSRD) компании обязаны представлять структурированные отчеты в формате XHTML.

Этот документ, подкрепленный подробной классификацией ESG , требует применения процесса, который может быть весьма техническим и чреватым ошибками, особенно для компаний с низким уровнем зрелости данных.

Поэтому мы экспериментировали с использованием ИИ-агента для автоматического просмотра отчета и предоставления сводки для нетехнических пользователей.

 

Как это работает?

Пользователи отправляют свои отчеты по электронной почте.

Конечная точка автоматически загружает прикрепленный файл и проверяет содержимое и форматирование на наличие ошибок или отсутствующих значений. Этот процесс обеспечивает тщательную проверку данных.

Затем результаты отправляются ИИ-агенту, который формирует четкое резюме аудита на английском языке. Агент использует передовые алгоритмы для эффективного анализа и обобщения данных.

Агент отправляет отчет отправителю.

Мы разработали полностью автоматизированный сервис для проверки отчетов, созданных консультантами по устойчивому развитию (наш клиент — консалтинговая фирма) , который может использовать любой желающий без специальных технических навыков. Этот сервис экономит время и силы и гарантирует точность отчетов.

 

Заинтересованы ли вы во внедрении аналогичного решения?

Я создал этот проект, используя платформу n8n, без какого-либо кода.

Готовый к публикации шаблон вы найдете в моем профиле создателя контента на n8n.

Теперь, когда мы рассмотрели решения для отчетности, мы можем перейти к сути «зеленых» преобразований: разработке и внедрению устойчивых инициатив.

Эффективный ИИ для продуктов аналитики цепочки поставок

Аналитические продукты для устойчивого развития

В течение последних двух лет я занимался разработкой аналитических продуктов, включая веб-приложения, API и автоматизированные рабочие процессы. Мой опыт включает разработку передовых аналитических решений, которые поддерживают корпоративные инициативы в области экологической и социальной устойчивости, уделяя особое внимание измерению воздействия на окружающую среду и повышению эффективности использования ресурсов.

 

Какова дорожная карта устойчивого развития?

По моему опыту, этот процесс часто начинается с инициативы со стороны высшего руководства.

Например, руководство может попросить отдел цепочки поставок измерить выбросы углекислого газа (CO₂) компании за базовый 2021 год.

В мои обязанности входила оценка выбросов категории 3 в рамках всей цепочки поставок.

Вот почему я применил методологию, представленную в статье, ссылка на которую приведена выше.

После определения базового уровня устанавливается целевой показатель сокращения выбросов с четким сроком выполнения.

Например, ваше руководство может взять на себя обязательство достичь сокращения выбросов на 30% к 2030 году.

Затем роль отдела цепочки поставок заключается в разработке и реализации инициатив по сокращению выбросов углекислого газа.

В приведенном выше примере компания достигает сокращения выбросов на 30% к году N за счет инициатив в сфере производства, логистики, розничной торговли и компенсации выбросов углерода.

Для поддержки этого пути мы разрабатываем аналитические продукты, которые моделируют воздействие различных инициатив, помогая командам разрабатывать оптимальные стратегии устойчивого развития.

До сих пор продукты представляли собой веб-приложения с пользовательским интерфейсом и бэкэндом, подключенными к собственным источникам данных.

Каждый модуль предоставляет ключевые идеи для поддержки принятия оперативных решений.

 

«Исходя из результатов, мы можем добиться сокращения выбросов углекислого газа (CO₂) на 32%, перенеся наш завод из Бразилии в США».

Однако для аудитории, незнакомой с аналитикой данных, взаимодействие с этими приложениями может оказаться немного запутанным. Для извлечения ценной информации требуются базовые знания принципов анализа данных, что может оказаться сложной задачей для неспециалистов.

 

Как мы можем использовать агентов ИИ для лучшей поддержки этих пользователей? Как агенты ИИ могут помочь улучшить пользовательский опыт и предложить инновационные решения?

 

Эффективный ИИ для аналитических продуктов

В настоящее время мы развиваем эти решения, включая автономных агентов ИИ, которые напрямую взаимодействуют с аналитическими моделями и инструментами через конечные точки API.

Эти агенты призваны направлять пользователей, не обладающих техническими навыками, на протяжении всего процесса, начиная с простого вопроса:

«Как я могу сократить выбросы углекислого газа (CO₂) моей транспортной сетью?»

Затем агент ИИ берет на себя ответственность за:

• Формулирование правильных запросов,
• Модели улучшения контактов,
• Интерпретация результатов,
• И дайте действенные рекомендации.

Пользователю не нужно понимать, как работает бэкэнд.
Они получают прямые, ориентированные на бизнес результаты, такие как:

«Внедрить решение XXX с инвестиционным бюджетом YYY евро для достижения сокращения выбросов CO2 на ZZZ тонн эквивалента CO2».

Объединяя модели оптимизации, API и рекомендации на основе искусственного интеллекта, мы предоставляем комплексный опыт аналитики как услуги.

Наша цель — сделать аналитику устойчивого развития доступной для всех команд, а не только для технических экспертов.

Заключение и окончательные выводы

 

Ответственное использование искусственного интеллекта

В заключение несколько слов о снижении воздействия на окружающую среду разрабатываемых нами решений.

Мы полностью осознаем воздействие на окружающую среду использования больших языковых моделей (LLM).

Таким образом, в основе нашей продукции по-прежнему лежат тщательно разработанные детерминированные модели оптимизации . Эти модели обеспечивают высокую эффективность использования энергии и ресурсов.

Большие языковые модели (LLMS) используются только тогда, когда они обеспечивают реальную добавленную стоимость, в первую очередь для упрощения взаимодействия с пользователем или автоматизации некритических задач. Это соответствует передовой практике обеспечения устойчивости в сфере ИИ.

Это позволяет нам:

• Гарантия долговечности и надежностиПри одинаковых входных данных пользователи постоянно получают одинаковые выходные данные, избегая случайного поведения, типичного для чистых моделей ИИ.
• Сокращение потребления энергии: За счет сокращения количества токенов, используемых в наших вызовах API, и оптимизации каждого вызова для достижения максимальной эффективности.

Короче говоря, мы стремимся создавать решения, которые изначально являются устойчивыми. Мы стремимся найти баланс между мощью ИИ и ответственностью за окружающую среду.

 

Агенты ИИ меняют правила игры в аналитике цепочек поставок.

Для меня агенты ИИ стали мощными союзниками, помогающими нашим клиентам ускорить реализацию своих планов устойчивого развития. Использование агентов ИИ в аналитике цепочек поставок представляет собой настоящую смену парадигмы.

Поскольку я взаимодействую с нетехнической целевой аудиторией, это дает мне конкурентное преимущество, позволяя предлагать решения «Аналитика как услуга», расширяющие возможности операционных групп. Эти решения на базе искусственного интеллекта предоставляют ценную информацию в упрощенной форме.

Это упрощает одно из самых больших препятствий, с которым сталкиваются компании при начале своей зеленой трансформации, поскольку с помощью этих инструментов понимание сложных данных становится намного проще.

Передавая информацию простым языком и направляя пользователей на протяжении всего процесса, агенты искусственного интеллекта помогают преодолеть разрыв между решениями, основанными на данных, и их оперативным внедрением. Это обеспечивает более широкое распространение устойчивых решений.