Agenci AI dla bardziej zrównoważonego świata: spostrzeżenia z zakresu nauki o danych

Wraz ze spadkiem politycznego poparcia dla zrównoważonego rozwoju, potrzeba długoterminowych, zrównoważonych praktyk jest większa niż kiedykolwiek. Agenci AI mogą odegrać kluczową rolę w tym obszarze.

W jaki sposób możemy wykorzystać analitykę, wzmocnioną przez potężną sztuczną inteligencję, aby wesprzeć firmy w ich zielonej transformacji?

Przez lata mój blog koncentrował się na wykorzystaniu metodologii i narzędzi analityki łańcucha dostaw do rozwiązywania konkretnych problemów. Teraz, wraz ze wzrostem znaczenia zrównoważonego rozwoju, koncentrujemy się na integracji tych narzędzi, aby osiągnąć cele środowiskowe.

W LogiGreenW startupie, który założyłem, wdrażamy te rozwiązania analityczne, aby pomóc sprzedawcom detalicznym, producentom i firmom logistycznym osiągnąć cele w zakresie zrównoważonego rozwoju. Wykorzystujemy narzędzia takie jak modele predykcyjne i optymalizacja tras, aby ograniczyć emisje.

W tym artykule pokażę, jak możemy udoskonalić istniejące rozwiązania, wykorzystując agentów AI. Przeanalizujemy, jak sztuczna inteligencja może udoskonalić nasze możliwości analityczne, aby szybciej i skuteczniej osiągać cele zrównoważonego rozwoju.

Celem jest ułatwienie i przyspieszenie wdrażania inicjatyw. Zrównoważony rozwój W całym korporacyjnym łańcuchu dostaw. Integrując sztuczną inteligencję, możemy automatyzować procesy i proaktywnie identyfikować możliwości usprawnień.

 

Bariery dla zielonej transformacji dla firm

W obliczu rosnącej presji politycznej i finansowej, która coraz bardziej odsuwa kwestie zrównoważonego rozwoju, ułatwienie przejścia na zieloną gospodarkę i uczynienie go bardziej dostępnym stało się pilniejsze niż kiedykolwiek.

W zeszłym tygodniu uczestniczyłem w konferencji. Zmień teraz Global, które odbyło się w moim rodzinnym mieście, Paryżu.

Konferencja zgromadziła innowatorów, przedsiębiorców i decydentów, którym zależy na budowaniu lepszej przyszłości, pomimo trudnych warunków.

Była to doskonała okazja, aby spotkać się z niektórymi z moich czytelników i nawiązać kontakt z liderami, którzy są motorem zmian w różnych branżach.

Z tych dyskusji wyłonił się jasny przekaz.

Firmy, wdrażając zrównoważoną transformację, napotykają na trzy główne bariery:

• Brak widoczności procesów operacyjnych,
• Złożoność wymogów dotyczących sprawozdawczości w zakresie zrównoważonego rozwoju,
• Wyzwanie polegające na projektowaniu i wdrażaniu inicjatyw w całym łańcuchu wartości.

W poniższych sekcjach omówię, jak możemy wykorzystać Agentyczna sztuczna inteligencja Aby pokonać dwie z tych głównych przeszkód:

• Ulepsz raportowanie, aby spełnić wymogi przepisów
• Przyspieszenie projektowania i wdrażania zrównoważonych inicjatyw

 

Rozwiązywanie problemów z raportowaniem za pomocą agentów AI

Pierwszym krokiem w każdym planie zrównoważonego rozwoju jest zbudowanie fundamentów raportowania. Zbudowanie tych fundamentów jest kluczowe dla zapewnienia dokładności i dostępności danych, co umożliwia podejmowanie świadomych decyzji.

Przed podjęciem jakichkolwiek działań firmy powinny zmierzyć i opublikować aktualny wpływ na środowisko.

Na przykład raport ESG opisuje wyniki przedsiębiorstwa w zakresie ochrony środowiska. (MI)i jej odpowiedzialność społeczna (S)i siły jego struktur zarządzania. (G)Raport ESG jest istotnym narzędziem oceny wyników przedsiębiorstw w zakresie zrównoważonego rozwoju pod względem środowiskowym, społecznym i korporacyjnym.

Zacznijmy od omówienia kwestii przygotowania danych.

 

Problem 1: Gromadzenie i przetwarzanie danych

Wiele firm już na samym początku staje w obliczu poważnych wyzwań, takich jak: جمع البيانات, co stanowi fundamentalne wyzwanie w projektach analizy cyklu życia produktu.

W poprzednim artykule przedstawiłem koncepcję Szacowanie cyklu życia lub (LCA) – metoda oceny wpływu produktu na środowisko od momentu wydobycia surowców do momentu jego utylizacji.

Wymaga to złożonego systemu danych, który łączy się z wieloma systemami, wyodrębnia surowe dane, przetwarza je i przechowuje w magazynie danych. Obejmuje to integrację danych z różnych źródeł w celu zapewnienia dokładnej analizy.

Tego typu procesy służą do generowania raportów i udostępniania spójnych źródeł danych zespołom analitycznym i biznesowym, ułatwiając podejmowanie świadomych decyzji w oparciu o dokładne spostrzeżenia.

 

W jaki sposób możemy pomóc zespołom nietechnicznym poruszać się w tym złożonym środowisku?

W LogiGreenBadamy możliwość wykorzystania agenta AI do aplikacji text-to-SQL, znanego jako agent AI Text-to-SQL.

Istotną wartością dodaną jest to, że zespoły operacyjne i biznesowe nie polegają już na ekspertach ds. analityki w tworzeniu niestandardowych rozwiązań. Zmniejsza to konieczność korzystania z usług analityków danych i poprawia wydajność.

Jako inżynier łańcucha dostaw rozumiem frustrację menedżerów operacyjnych, którzy muszą tworzyć zgłoszenia pomocy technicznej, aby wyodrębnić dane lub obliczyć nową metrykę.

Dzięki temu agentowi AI zapewniamy wszystkim użytkownikom usługę Analytics-as-a-Service, umożliwiając im formułowanie zapytań prostym językiem. Umożliwia to szybszy i łatwiejszy dostęp do analiz danych.

Na przykład, pomagamy zespołom raportowania tworzyć konkretne monity do zbierania danych z wielu tabel i wprowadzania ich do raportu. Przyspiesza to proces raportowania i ogranicza ręczną pracę.

 

„Proszę utworzyć tabelę przedstawiającą całkowitą dzienną emisję dwutlenku węgla (CO₂) dla wszystkich dostaw z Magazynu XXX.”

 

Problem 2: Formatowanie raportu

Nawet po zebraniu danych firmy stają przed kolejnym wyzwaniem: Utwórz raport w wymaganych formatach.

W Europie zapewnia Dyrektywa w sprawie raportowania zrównoważonego rozwoju przedsiębiorstw (CSRD) Nowe ramy umożliwiające przedsiębiorstwom ujawnianie swojego wpływu na środowisko, społeczeństwo i ład korporacyjny.

Zgodnie z dyrektywą w sprawie raportowania zrównoważonego rozwoju przedsiębiorstw (CSRD) firmy muszą składać ustrukturyzowane raporty w formacie XHTML.

Niniejszy dokument, poparty ocenami, wymaga ESG Szczegółowy proces może być wysoce techniczny i podatny na błędy, zwłaszcza w przypadku firm o niskiej dojrzałości danych.

W związku z tym przeprowadziliśmy eksperyment z wykorzystaniem agenta AI do automatycznego przeglądania raportów i dostarczania podsumowania użytkownikom niemającym wiedzy technicznej.

 

Jak to działa?

Użytkownicy przesyłają swoje raporty pocztą elektroniczną.

Punkt końcowy automatycznie pobiera załączony plik i sprawdza jego zawartość oraz formatowanie pod kątem błędów lub brakujących wartości. Ten proces zapewnia dokładną weryfikację danych.

Wyniki są następnie przesyłane do agenta AI, który generuje przejrzyste podsumowanie audytu w języku angielskim. Agent wykorzystuje zaawansowane algorytmy do efektywnej analizy i podsumowania danych.

Agent odsyła raport do nadawcy..

Stworzyliśmy w pełni zautomatyzowaną usługę audytu raportów generowanych przez konsultantów ds. zrównoważonego rozwoju. (Nasz klient jest firmą konsultingową) Może z niego korzystać każdy, bez żadnych umiejętności technicznych. Usługa ta oszczędza czas i wysiłek oraz gwarantuje dokładność raportów.

 

Czy jesteś zainteresowany wdrożeniem podobnego rozwiązania?

Zbudowałem ten projekt korzystając z platformy n8n bez żadnego kodu.

Gotowy do publikacji szablon znajdziesz pod adresem Mój profil twórcy treści na n8n.

Teraz, gdy omówiliśmy już rozwiązania dotyczące raportowania, możemy przejść do sedna zielonych transformacji: Projektowanie i wdrażanie zrównoważonych inicjatyw.

Efektywna sztuczna inteligencja dla produktów analityki łańcucha dostaw

Produkty analityczne dla zrównoważonego rozwoju

W ciągu ostatnich dwóch lat koncentrowałem się na budowaniu produktów analitycznych, w tym aplikacji internetowych, interfejsów API i zautomatyzowanych przepływów pracy. Moje doświadczenie obejmuje tworzenie zaawansowanych rozwiązań analitycznych wspierających inicjatywy firm w zakresie zrównoważonego rozwoju środowiskowego i społecznego, ze szczególnym uwzględnieniem pomiaru wpływu na środowisko i poprawy efektywności wykorzystania zasobów.

 

Czym jest mapa drogowa zrównoważonego rozwoju?

Z mojego doświadczenia wynika, że ​​proces ten często zaczyna się od nacisku ze strony kierownictwa wyższego szczebla.

Na przykład kierownictwo może poprosić dział łańcucha dostaw o zmierzenie emisji dwutlenku węgla (CO₂) firmy za rok bazowy 2021.

Byłem odpowiedzialny za oszacowanie Emisje zakresu 3 Dla łańcucha dystrybucji.

Dlatego zastosowałem metodologię przedstawioną w artykule podlinkowanym powyżej.

Po ustaleniu punktu bazowego cel redukcji Z jasno określonym terminem.

Na przykład, Twoje kierownictwo może zobowiązać się do osiągnięcia 30-procentowej redukcji do roku 2030.

Rolą działu łańcucha dostaw jest zatem projektowanie i wdrażanie inicjatyw mających na celu redukcję emisji dwutlenku węgla.

W powyższym przykładzie firma osiągnęła 30-procentową redukcję do roku N dzięki inicjatywom obejmującym produkcję, logistykę, sprzedaż detaliczną i kompensację emisji dwutlenku węgla.

Aby wesprzeć tę podróż, opracowujemy produkty analityczne, które symulują wpływ różnych inicjatyw, pomagając zespołom projektować optymalne strategie zrównoważonego rozwoju.

Dotychczas produkty miały formę aplikacji internetowych z interfejsem użytkownika i zapleczem połączonym z własnymi źródłami danych.

Każdy moduł dostarcza kluczowych informacji wspomagających podejmowanie decyzji operacyjnych.

 

„Na podstawie wyników możemy osiągnąć 32-procentową redukcję emisji dwutlenku węgla (CO₂) poprzez przeniesienie naszej fabryki z Brazylii do USA”.

Jednak dla osób niezaznajomionych z analityką danych, korzystanie z tych aplikacji może być nieco mylące. Podstawowe zrozumienie zasad analizy danych jest niezbędne do wyciągnięcia cennych wniosków, co może być trudne dla osób niebędących ekspertami.

 

Jak możemy wykorzystać agentów AI, aby lepiej wspierać tych użytkowników? I w jaki sposób agenci AI mogą pomóc w poprawie doświadczeń użytkowników i dostarczaniu innowacyjnych rozwiązań?

 

Skuteczna sztuczna inteligencja dla produktów analitycznych

Obecnie rozwijamy te rozwiązania, uwzględniając autonomicznych agentów sztucznej inteligencji, którzy wchodzą w interakcje bezpośrednio z modelami i narzędziami analitycznymi za pośrednictwem punktów końcowych interfejsu API.

Te środki są zaprojektowane Aby pomóc użytkownikom nietechnicznym Podczas całej podróży, zaczynając od prostego pytania:

„Jak mogę ograniczyć emisję dwutlenku węgla (CO₂) z mojej sieci transportowej?”

Następnie agent AI przejmuje odpowiedzialność za:

• Formułowanie poprawnych zapytań,
• Modele optymalizacji kontaktów,
• Interpretacja wyników,
• I przedstawić rekomendacje, które można wdrożyć.

Użytkownik nie musi rozumieć, jak działa zaplecze.
Otrzymują bezpośrednie, zorientowane na biznes wyniki, takie jak:

„Wdrożenie rozwiązania XXX przy budżecie inwestycyjnym YYY euro w celu osiągnięcia redukcji emisji CO2 o ZZZ ton ekwiwalentu CO2”.

Łącząc modele optymalizacji, interfejsy API i wskazówki oparte na sztucznej inteligencji, oferujemy kompleksowe rozwiązanie Analityka jako usługa.

Naszym celem jest udostępnienie analiz zrównoważonego rozwoju wszystkim zespołom, nie tylko ekspertom technicznym.

Wnioski i wnioski końcowe

 

Odpowiedzialne korzystanie ze sztucznej inteligencji

Zanim zakończymy, kilka słów o zmniejszeniu wpływu rozwiązań, które opracowujemy na środowisko.

Jesteśmy w pełni świadomi wpływu, jaki na środowisko ma korzystanie z dużych modeli językowych (LLM).

Dlatego rdzeń naszych produktów pozostaje zbudowany na deterministyczne modele optymalizacji، starannie zaprojektowane przez nasModele te zapewniają wysoką efektywność wykorzystania energii i zasobów.

Duże modele językowe (LLM) są używane tylko wtedy, gdy zapewniają rzeczywistą wartość dodaną, głównie w celu uproszczenia interakcji użytkowników lub automatyzacji zadań mniej istotnych. Jest to zgodne z najlepszymi praktykami zrównoważonego rozwoju w dziedzinie sztucznej inteligencji.

Pozwala nam to na:

• Zapewnij trwałość i niezawodnośćW przypadku tych samych danych wejściowych użytkownicy otrzymują zawsze te same dane wyjściowe, unikając w ten sposób losowych zachowań typowych dla czystych modeli sztucznej inteligencji.
• Zmniejsz zużycie energii: Zmniejszając liczbę tokenów używanych w wywołaniach API i optymalizując każde wywołanie, aby było jak najbardziej wydajne.

Krótko mówiąc, zależy nam na tworzeniu rozwiązań, które są zrównoważone już na etapie projektowania. Dążymy do zrównoważenia potencjału sztucznej inteligencji z odpowiedzialnością za środowisko.

 

Agenci AI zmieniają zasady gry w analityce łańcucha dostaw.

Dla mnie agenci AI stali się potężnymi sojusznikami, którzy pomagają naszym klientom przyspieszyć realizację planów zrównoważonego rozwoju. Wykorzystanie agentów AI w analityce łańcucha dostaw stanowi prawdziwą zmianę paradygmatu.

Jako osoba nietechniczna, stanowi to dla mnie przewagę konkurencyjną, pozwalając mi oferować rozwiązania Analytics-as-a-Service (AAS), które wspierają zespoły operacyjne. Te rozwiązania oparte na sztucznej inteligencji dostarczają cennych informacji w uproszczony sposób.

Dzięki temu uproszczono jedną z największych przeszkód, z jakimi borykają się firmy rozpoczynające transformację ekologiczną, ponieważ dzięki tym narzędziom zrozumienie złożonych danych staje się o wiele łatwiejsze.

Przez Komunikowanie wizji prostym językiem و Agenci AI pomagają użytkownikom w ich podróży Łączymy rozwiązania oparte na danych z wdrożeniem operacyjnym. Zapewnia to szersze wdrożenie zrównoważonych rozwiązań.