全球变暖固然是重大问题，但水资源压力、森林砍伐、稀有自然资源枯竭以及不平等的劳动实践等其他可持续发展挑战同样亟需关注，以减轻气候变化带来的更广泛影响。
人工智能（AI）可以弥合环境、社会和治理（ESG）信息披露与可落地的商业战略之间的差距。AI驱动的洞察有助于减少材料浪费、降低排放，并提高消费者的环保意识。
传统制造实践往往导致资源和劳动力的过度开发。AI和数字技术可以开发出既具备商业可行性又具有颠覆性的新产品和服务模式。
全球变暖及随之而来的气候变化现实，是不可持续的人类行为最常被讨论的后果。然而，全球变暖只是我们过度使用自然资源所引发的问题之一。
其他可持续发展问题还包括水资源压力、森林减少、稀有自然资源和不可再生材料的消耗、供应链上的地缘政治压力以及不平等的劳动条件。除了减缓全球气温变化所产生的连锁效应外，所有这些问题都必须得到紧迫应对。
许多承诺实现净零目标的制造商都会发布环境、社会和治理（ESG）报告，以衡量其在改善可持续性方面的成效。然而，我们对3,000名高管的调查覆盖多个行业，揭示出两个令人震惊的数据：
超过40%的受访者承认，其向利益相关方披露的ESG信息与业务或产品战略中可追溯的具体行动之间缺乏清晰的一致性。
在超过60%的企业中，ESG数据主要被外部利益相关方使用，而非用于企业内部以指导战略。
对大多数企业而言，ESG报告严重依赖标准化和汇总数据。这些信息过于宽泛，且往往滞后，难以带来有意义的可持续发展转变。因此，它并未能切实推动可持续发展方面的转变。
这一状况必须改变。正如制造商需要实时的财务管控一样，他们也需要其ESG数据能够可靠地反映其业务运营的真实状况。
这正是人工智能的用武之地。
AI驱动的ESG数据可以弥合制造商与其利益相关方之间的差距。AI能够识别推动可持续变革的经济激励因素，从而带来众多积极成果，包括以下四点。
AI为可持续制造带来的4大机遇
1. 减少材料浪费
全球变暖潜势（即对人类社会所产生材料浪费数量的可靠量化指标）估计达40万亿美元，而制造业产生了其中的40%。制造商可以并且必须通过以下方式应对这一问题：
通过计划性淘汰，去除有害及具有负面影响的材料。
减少一次性材料的使用以及总体上的过度用料。
在设计产品和服务时，充分考虑可持续性、循环性以及降低对地球的影响。
这些目标中的每一项都为制造商带来了创造新收入、降低支出以及开发新产品和应用路径的机遇，我们认为，这可能形成规模达4万亿美元的市场机会。
AI赋能的数据在此至关重要，因为该技术甚至能在产品投入生产线之前就识别出低效的材料使用情况。在实现原材料精准采购、能源管理以及新服务模式设计方面，AI同样至关重要。
2. 推动贯穿供应链的能源转型战略
近60%的人为二氧化碳排放来自制造业及其相关的运输和物流运营。造成排放量居高不下的一个原因是供应链的孤立性，这使制造商难以从整体角度规划减少化石燃料排放并转向可再生能源的方案。
在这方面，AI同样可以发挥作用。该技术能够利用仅在几年前还难以想象的海量数据，构建全球性的绩效模型。借助AI，制造商可以分析其支出模式，并与海运和物流行业开展合作，打破这些孤立的壁垒。
要减少排放，制造商必须与其物流合作伙伴（尤其是远洋班轮公司）开展协作。海运物流行业承运了全球超过90%的贸易货物。只有通力合作，双方才能优化运营、减少排放、提升可持续性并增强盈利能力。
如前所述，AI技术的进步正为制造商及其供应链合作伙伴通过分析大型数据集（包括航运路线、天气和交通模式等数据）来减少排放铺平道路。
Cognizant为全球领先的海运物流公司之一打造了一套AI赋能的咨询系统。该系统帮助这家公司优化了由70多艘船舶组成的船队的燃料消耗，效率提升超过7%。该模型还优化了货运订舱和港口运营管理，减少了船舶匆忙抵港却只能在港内等待泊位空出的情况。
这些成效既惠及该物流公司，也惠及依赖其服务的制造商。
只有当制造商采用长期可持续的商业模式时，才能真正实现向循环生产和消费模式的转变。
Manoj Mehta，Cognizant Technology Solutions欧洲、中东及非洲区负责人
3. 提升消费者意识与需求
在衡量和报告范围3排放时，制造商主要负有提高产品可回收性和提升消费者意识的责任。在一个每年产生4亿吨塑料废弃物、而其中仅有21%被回收的世界里（至少在美国如此），制造商减少对一次性塑料的依赖至关重要。4亿吨塑料废弃物，至少在美国，每年仅回收其中的21%。
借助AI驱动的模型，制造商可以通过分析客户全生命周期的数据，洞察产品影响及报废后的处理模式。对市场趋势、品牌指引和产品生命周期的分析，使制造商能够洞察废弃物流及其他产品属性，这有助于推动竞争差异化，并构建更具可持续性的使用模式。
制造商还会直接向消费者宣传，告知何种因素使产品更具可持续性，以及产品使用后如何回收。
我们与一家服装和玩具制造商合作，制定了一项综合的ESG数据战略，用以量化其供应链的可持续性属性。该战略将帮助这家制造商更好地证实其产品声明，并通过营销和广告提升消费者认知。
4. 减少剥削
传统制造经济模式——“低价买入、多产、高价卖出”——必然导致资源和劳动力的过度开发。AI和其他数字技术在开发既具备商业可行性、又具有根本性颠覆意义的新产品和服务模式方面已展现出广阔前景。
我们已与客户合作，通过以下方式减少资源和劳动力的过度开发：
精准使用模式： 基于AI、遥感和物联网（IoT）的系统已将农业和水产养殖中的能源及化学品使用量减少了30%以上。这使饲料和化肥供应商得以从按量计费模式转向按产量计费模式。
超越瓶装的模式： 借助AI、物联网和实时车队管理，饮料公司通过为酒店及住宅场景创造新的分配策略，降低了冷藏、玻璃包装和水运输过程中的排放。
互联设备车队： 一套用于管理外科手术及相关医疗用品的集成解决方案，通过在手术期间获取实时库存信息，减少了医院废弃物。其结果是，订购及库存管理交易量减少了70%以上。
借助AI实现可持续的未来制造
只有当制造商采用长期可持续的商业模式时，才能真正实现向循环生产和消费模式的转变。归根结底，推动可持续变革的并非政策，而是创造新型商业运作方式的自由市场。
将AI应用于企业的基础数据，将有助于发现各类机会，从而减少过度开发、降低成本，同时营造更健康的地球环境，并增强业务增长与绩效的新途径潜力。
请访问Cognizant官网的可持续发展服务板块。
