Vejen til mere bæredygtighed er en nødvendig agenda for alle virksomheder. Det går på tværs af alle brancher. Alle dele af vores samfund og erhvervsliv vil fremover blive mødt med krav og forventninger om tilbundsgående omstilling for at indfri målsætninger om bæredygtighed. Og hvis det ikke allerede er en realitet for virksomhederne, så er det kun et spørgsmål om tid, før denne virkelighed rammer alle direktionsgangene.
Jeg mener der, at der er behov for sætte innovative løsninger baseret på nye teknologier i spil, for at hjælpe bæredygtigheden på vej og i det hele taget forbedre vores samfund.
De nye teknologier handler først og fremmest om brug af kunstig intelligens, og om den kan hjælpe vores virksomheder og samfund med at blive mere bæredygtige.
30 pct. mindre spild
For et mediehus har vi eksempelvis udviklet en løsning, der optimerer hvor mange magasiner og blade, der skal trykkes og distribueres til forhandlerne. Løsningen er baseret på kunstig intelligens, en algoritme, der rummer store mængder historiske data og med hjælp fra en række indbyggede parametre kan den hjælpe mediehuset til at forudsige, ikke alene hvor stort det samlede oplag af den pågældende titel skal være i denne uge, men også hvor mange eksemplarer, der skal distribueres til de enkelte salgssteder.
Udfordringen er, at eksempelvis et ugemagasin mister sin værdi senest ugen efter, når et nyt magasin udkommer. De ikke-solgte magasiner bliver kørt til forbrænding og efterlader et ærgerligt CO2-aftryk.
Vores løsning betyder at mediehuset nu kører 30 pct. færre blade og magasiner til destruktion. Og det bliver endnu bedre fremover – for den kunstige intelligens indlejrer uge for uge, og måned for måned, nye data, der kan hjælpe mediehuset til med endnu mere præcision at kunne forudsige sandsynlige salgsmønstre helt ned til det enkelte salgssted.
Konkret fungerer det på den måde, at algoritmen foreslår et tal for oplaget for beslutningstageren, som trods alt er et menneske, og denne kan korrigere ud fra egne mavefornemmelser eller helt unikke forhold, som algoritmen ikke har viden om. Men det vigtige er, at forudsigelsen fra algoritmen er ren datadrevet. Den har ingen bias, og intet menneske kan rumme så megen data som algoritmen, som bliver stærkere over tid i takt med mere dataindsamling.
Den kunstige intelligens bliver et værktøj til optimering og til at minimere spild. På den måde kan tankegangen overføres til brancher med andre typer ”fordærvelige” varer, hvad enten der er tale om fødevarer eller andre varer med kort levetid.
Kunstig intelligens hjælper mod churn
Det andet eksempel, hvor vi har gjort brug af nye teknologier for at opnå forbedringer, har forbindelse til NGO-verdenen. Inden vi går videre, skal vi lige opholde os ved bæredygtighedsbegrebet et kort øjeblik. Når man taler bæredygtighed som overskrift, og behovet for at tale i overskrifter er forståeligt, så glemmer man nogle gange, at ESG-målene rummer tre dimensioner. Hvor E’et, Environmental, åbenlyst er dominerende, så har vi også S’et, social eller samfund, og G’et, governance eller ansvarlig ledelse.
Og netop i forhold til den sociale og samfundsmæssige dimension af bæredygtighed, hjælper vi to NGO’er pro bono med at udvikle en algoritme, der kan hjælpe med at forudsige, hvornår organisationernes bidragydere vil være tilbøjelige til at stoppe deres donationer. Det sætter organisationerne i stand til at forsøge at redde de fortsatte donationer.
Det specielle ved hjælpen til NGO’erne består i, at der er tale om en maskinlæringsløsning, der er delt mellem to NGO’er. De to organisationer deler ikke på noget tidspunkt data med hinanden, men deres respektive data er med til – ligesom med eksemplet ovenfor – at berige algoritmen og dermed forbedre dens evne til at forudsige udfordringer i organisationernes donationsstrømme, hvilket er vitalt for en NGO. Donationsalgoritmen kan være anvendelig for brancher, der har abonnement, kontingent eller genkommende salg som forretningsmodel.
Travelling Salesman-problemet
Vi samarbejder også med ServiceNow, Google og Microsoft om at udvikle løsninger på det såkaldte Travelling Salesman-problem, som består i at besøge en given liste af byer/lokationer med brug af kortest mulige kørsel. Her er vi med til at udvikle innovative løsninger, der er baseret på kvanteteknologi. Det er et eksempel på brug af digitalisering til at hjælpe med at reducere CO2-udledningerne, og noget som montører og alle servicevirksomheder med udkørende folk kan have stor glæde af.
Derudover mener jeg også, at vi altid skal huske på, at de løsninger, der er skabt ud fra digitalisering og kunstig intelligens, i sig selv skal udfærdiges på en bæredygtig vis, sådan at strømforbruget for eksempel sker på et tidspunkt, hvor der er størst sandsynlighed for, at produktionen er sket på grundlag af vedvarende energikilder.
