Estas facile vidi kial AI-adopto eksplodas en la komerca mondo. Artefarita inteligenteco rajtigas organizojn atingi novajn nivelojn de efikeco, efikeco kaj profiteco. Ĝi jam pruvis esti potenca ilo por maksimumigi komprenojn kaj kondukante novigojn.
Sed integri AI en komercajn operaciojn ankaŭ vekas kelkajn zorgojn. Unu tia zorgo estas la efiko kiun ĝi havas sur mediaj, sociaj, kaj regado (ESG) praktikoj.
Konsumantzorgoj pri la efiko kiun komerco havas sur la medio kaj kulturo konsiderinde kreskis dum la pasinta jardeko. Lastatempaj studoj montras ke 83 procentoj de konsumantoj kredas ke kompanioj devus investi en ESG-plej bonaj praktikoj. Por renkonti la atendojn de konsumantoj, entreprenoj serĉis adapti praktikojn por subteni sanajn mediajn kaj sociajn iniciatojn.
La kresko de AI postulas, ke entreprenoj zorge pripensu kiel la nova teknologio povus influi iliajn ESG-penojn.
AI kaj ekologiismo
"Unu el la ĉefaj zorgoj ĉirkaŭ generaj AI-iloj estas ilia media efiko," diras Ed Watal, fondinto de Intellibus. "Ĝia kresko ne nur vekas novajn zorgojn pri ekologia postlasaĵo, sed ankaŭ evidentigas zorgojn, kiuj delonge ekzistas pri la intersekco de teknologio kaj medio. La potenco de AI-iloj kaj ilia ĝeneraligita adopto draste pligrandigas tiujn zorgojn."
Watal estas pensanto de AI kaj teknologia investanto, kies ŝlosilaj projektoj inkluzivas BigParser - etikan AI-platformon kaj datumkomunaĵojn por la mondo. Krom gvidanta Intellibus, kiu helpas organizojn realigi inteligentajn komercajn platformojn, Watal estas la ĉefa fakultato de AI Masterclass, kiu estas komuna operacio inter NYU SPS kaj Intellibus.
AI dependas de datumcentroj por stoki la masivajn datumajn arojn uzatajn por trejni ĝin, kaj ankaŭ por povigi la altrapidan reton necesan por mobilizi la datumojn. Iuj spertuloj antaŭdiras, ke la grandegaj datumbezonoj de genera AI postulos 50 fojojn pli pretiganta potencon ene de la venontaj kvin jaroj.
La energio bezonata por funkciigi datumcentrojn estas daŭranta zorgo pri ESG. Fakuloj antaŭvidas, ke la energikonsumo de datumcentro povus atingi 7.5 procento de totala energikonsumo antaŭ 2030. Generativa AI estas atendita respondeci pri proksimume 1 procento de tiu konsumo.
"Kvankam energikonsumo de datumcentroj estas sendube ekologia zorgo, ĝi ne estas la sola, kiun AI ekigas," diras Watal. "Malvarmigaj sistemoj en datuminstalaĵoj ankaŭ estas grandega energitizo. Fakte, 70 procentoj de la tuta energikonsumo de datumcentro iras al malvarmigo kaj akvo. A grava ordo implikante la Google Data Center en The Dalles, Oregono, elmontris tion 25% de la akvoprovizado de tiu urbo estis konsumita de la datumcentro."
AI kaj sociaj aferoj
La efiko de AI al sociaj aferoj ĉefe centras sur la potencialo de biaso en la decidoj kiujn ĝi movas. Se trejnita sur partiaj datumoj, genera AI povas eternigi kaj plifortigi historiajn antaŭjuĝojn kaj strukturajn malegalecojn. Lastatempaj raportoj montri preskaŭ 75 procentoj de entreprenoj ne faras paŝojn por redukti ĉi tiun tipon de biaso.
Dungado de biaso estas esenca zorgo, kiu aperis dum AI-integriĝo kreskis.
"Uzo de generaj AI-iloj por funkciigi rekrutajn procezojn ĉiam pli fariĝas la normo," diras Watal. "Firmaoj uzas AI-algoritmojn por ĉiuj partoj de la dunga procezo, inkluzive de rekomenca analizo, ekzamenado de kandidatoj kaj eĉ finaj decido-rekomendoj. Ĉar klarigebleco, kiu implikas provizi logikan klarigon de la raciaĵo malantaŭ AI-movitaj decidoj, daŭre estas defio, multaj entreprenoj estas nekapablaj determini la ĉeeston aŭ amplekson de rasa, socia, seksa aŭ ekonomia biaso en la genera AI-movita rastrumo. aŭ rekomendaj algoritmoj por dungi."
AI kaj regado bezonas
Entreprena istrado implikas la politikojn, procezojn kaj kontrolojn, kiujn entreprenoj efektivigas por certigi, ke iliaj operacioj estas respondecaj kaj etikaj. La evoluo de AI-politikoj, kiuj certigas respondecon, travideblecon, justecon kaj sekurecon, aperis kiel ŝlosila respondeco de kompania istrado.
"Sona kompania regado postulas, ke organizoj zorge komprenu la datumarojn uzatajn por trejni AI", klarigas Watal. "Multaj generaj AI-platformoj estis trejnitaj sur publikaj deponejoj interretaj datumoj nomitaj la Ofta Rampado. Studo de AI-modeloj trejnitaj sur Common Crawl indikas la ĉeesto de socia biaso kaj negativaj sentoj kiuj povus kaŭzi reprezentan damaĝon de specifaj grupoj."
istrado ankaŭ devus inkluzivi politikojn por dungita engaĝiĝo kun genera AI. Organizoj kiel Apple, JP Morgan, Verizon kaj Amazon ĉiuj malpermesis iloj kiel ChatGPT ĉe la laborejo. Aliaj limigis la kvanton de datumoj kiuj povas esti provizitaj al genera AI en la laborejo.
"Dungistoj uzantaj generajn AI-ilojn sen taŭga rajtigo aŭ kontroloj povas konduki al datumfluado," avertas Watal. "Operaciaj eraroj de AI-esploristoj ĉe Microsoft kaŭzis 38TB da datumoj estante hazarde elmontrita. Samsung dungitoj hazarde elmontritaj konfidencaj datumoj al generaj AI-platformoj en tri apartaj okazoj."
Malgraŭ ĉi tiuj zorgoj, AI-uzo daŭre kreskas rapide. La defio nun antaŭ entreprenoj trovas manieron utiligi la potencon de AI sen malobservi iliajn ESG-respondecojn. Trovi ekvilibron komenciĝas per agnosko de la danĝeroj de genera AI kaj devontiĝo preni antaŭgardan aliron al ĝia deplojo.
