Caminho para o zero líquido: integrar a AI nas estratégias de risco climático

• Poderá a IA Generativa (GenAI) ou a aprendizagem automática ajudar a definir e a concretizar eficazmente a estratégia net zero?
• Será, de facto, a ferramenta que irá mudar a face da divulgação e da estratégia ESG e de sustentabilidade?
• Será que a utilização da GenAI como ferramenta, a bala de prata, é uma forma de ajudar a levar uma empresa (ou um país) ao zero líquido, de forma eficiente e rápida?

O risco climático está a passar gradualmente da consciência para a questão e da prioridade para a estratégia. A evolução tem sido subtil até há poucos anos, altura em que o salto da consciencialização para uma prioridade começou a fazer-se sentir. Esta evolução foi acompanhada por discussões empresariais crescentes sobre "resiliência", "adaptação" e "mitigação". O case de negócios para lidar com os impactes das alterações climáticas e todos os riscos relacionados é urgente. As estratégias anteriores de combate aos riscos climáticos já não funcionam. Há uma necessidade real de ser criativo, inovador e pronto para olhar para além do tradicional. Os riscos climáticos continuam a ser os mesmos, mas a abordagem para medir, monitorizar e mitigar o risco continua a constituir um desafio para as empresas, os países e as comunidades.

Estes tipos de riscos climáticos são familiares a qualquer estudante das alterações climáticas, ou a qualquer negócio que tenha sido afetado por eventos climáticos. À medida que a compreensão dos riscos climáticos se torna mais estratégica, existem claramente oportunidades de negócio para qualquer empresa, desde a mera resiliência até à procura proactiva de soluções inovadoras.

Os riscos climáticos são apresentados em quatro categorias distintas e conhecidas:

• risco de responsabilidade
• risco de reputação
• risco de transição
• risco físico

A chave é que as empresas sejam claras e transparentes quanto aos seus objectivos e esforços para fazer face a esses riscos. O contrário de transparência é visto como "greenwashing". Estes riscos exigem dados específicos e sólidos, para garantir que os riscos são medidos, monitorizados e geridos; todos os elementos-chave subjacentes a uma estratégia sólida e credível. A recolha desses dados alimenta diretamente os objectivos e o cumprimento das metas, além de apoiar uma estratégia de negócios bem informada - uma estratégia que inclui todos os riscos de negócios, incluindo o risco climático.

As empresas precisam de clareza em relação aos seus riscos climáticos. É igualmente importante abordar esses riscos com vista a oportunidades de resiliência e criatividade. Há muita investigação que descreve como uma empresa pode abordar os riscos climáticos; desde fontes de energia alternativas a estratégias de descarbonização, desde o investimento em novos mercados a oportunidades de negócio claras como fornecedores de soluções.

O Net Zero assenta numa compreensão sólida dos riscos climáticos e é o passo seguinte para passar efetivamente de uma prioridade para uma estratégia concisa. A questão é saber que contributos pode a AI dar para esta compreensão?

A AI tem sido frequentemente descrita como uma tecnologia transformadora de uso geral, análoga à eletricidade (ou seja O Departamento da Defesa chama à AI "o novo petróleo"; mas, por muito interessantes que sejam estas categorizações, pode ser mais útil identificar propriedades e impactos específicos da AI relevantes para a estratégia net zero.

• AI para fornecer informações: uma das primeiras aplicações relativamente bem sucedidas do GenAI foi a sua utilização para criar resumos de documentos grandes e complicados. Durante algum tempo, antes de a GenAI se ter tornado moda, os sistemas de aprendizagem automática estavam a ser eficazmente utilizados para procurar informações em dados estruturados, fornecendo aos executivos Insights acionáveis sobre as suas operações comerciais. Embora seja claro que a nova abordagem não fornece um oráculo em que se possa confiar para extrair relatórios abrangentes e fiáveis do armazenamento de documentos de uma empresa, a GenAI parece ser um método mais acessível e robusto para encontrar Insights em dados complexos não estruturados.

• AI para fornecer previsões: previsões precisas e fiáveis do consumo de energia podem ser utilizadas para criar planos eficientes que evitem fontes de energia intensivas em carbono. Além disso, a previsão pode ser utilizada para criar simulações que validem intervenções de poupança de energia. Uma das primeiras aplicações da nova vaga de AI pela Google foi o desenvolvimento de modelos de utilização de energia nos centros de dados da Google. Segundo consta, esta aplicação reduziu em 40% a quantidade de energia utilizada para o arrefecimento dos centros de dados. O Deepmind reduz em 40% a energia utilizada para o arrefecimento dos centros de dados da Google. Mais recentemente, a DeepMind desenvolveu modelos de previsão meteorológica de médio alcance que são alegadamente mais precisos do que as anteriores simulações de supercomputadores e consomem 1/1000 da energia para produzir uma previsão. A tecnologia subjacente a este caso de utilização não é a GenAI no sentido mais estrito, mas faz parte da tecnologia emergente da AI criada pelo boom dos dados e da computação nos últimos 10 anos.

• A AI como um motor mais eficiente: a utilização da AI para a previsão meteorológica é um indicador inicial interessante de um potencial surpreendente de vantagens líquidas nulas. Na próxima secção, destacaremos o consumo de energia muito elevado da atual geração de modelos de IA; no entanto, existe potencial para a implementação de sistemas alimentados por IA que sejam mais eficientes em termos energéticos e menos intensivos em carbono do que os processos de negócio e os sistemas de TI tradicionais.

Existem algumas formas específicas de a AI poder apoiar uma estratégia eficaz de net zero: criando insights para impulsionar iniciativas, fazendo previsões que criam resiliência nos planos e permitem a eficiência, e como um motor direto da eficiência energética. Infelizmente, há um outro lado da AI como tecnologia que os líderes de negócios devem conhecer e que deve ser usado como forma de desafio ao trabalho que utiliza a AI das três formas acima descritas. O boom da AI é um motor direto das emissões de carbono e de outros danos ambientais. A Agência Internacional da Energia (AIE) publicou uma previsão Electricity 2024 (relatório da AIE) segundo a qual a AI consumirá 10 vezes mais eletricidade dentro de 10 anos. No relatório, a AIE estima que uma pesquisa no Google requer 0,3Wh de eletricidade, enquanto um modelo de AI como o ChatGPT requer 2,9Wh.

Se a IA moderna puder ser utilizada de forma eficiente e direcionada, e se puder ser alimentada eficazmente com os dados de que necessita, pode vir a ser útil. Especificamente, a capacidade dos sistemas de IA para fazer previsões úteis sobre cenários complexos com "caudas gordas" nas suas distribuições (como o tempo e o clima) e o desenvolvimento de simulações que podem ser utilizadas para demonstrar a utilidade de políticas e intervenções alternativas podem fornecer aos decisores novas opções de elevada utilidade para chegar ao zero líquido.

Esta pode ser a forma como as tecnologias inovadoras terão um impacto duradouro na agenda ESG, identificando caminhos claros para a gestão dos riscos climáticos. A IA pode ser utilizada para trabalhar "de forma mais inteligente e não mais difícil", mas aqueles que a utilizam na busca do zero líquido devem também estar conscientes da intensidade energética incorporada na estratégia de trabalho "mais inteligente". A GenAI não é uma solução milagrosa, mas uma ferramenta que deve ser utilizada de forma responsável e com uma compreensão clara dos seus impactos positivos e negativos.