AI בשירות הקיימות – החיבור שמשפיע לטובה על הסביבה- AI טכנולוגיה וקיימות – סיכום וובינר של חברת ווטרשד.

🌍סיכום ועידת Watershed: AI לקיימות — בין אחריות עסקית, אנרגיה חכמה והאצה מדעית – להשפיע לטובה על הסביבה וגם לקדם טכנולוגיה.

AI בשירות הקיימות – איך לרתום את הAI לקידום קיימות תאגידית, ואיך לצמצם השפעות סביבתיות של AI כדי לקדם קיימות.

אלכסה מ-Watershedהפתיחה הציבה את הבמה לשני הצירים המרכזיים של הדיון:

קיימות עבור AI – כיצד טכנולוגיות בינה מלאכותית משפיעות על משאבי האנרגיה והאקלים.
AIלמען קיימות – איך ניתן לרתום את הכלים האלה לטובת צמצום פליטות, אופטימיזציה של משאבים והחלטות סביבתיות חכמות יותר.

השאלה הגדולה איננה רק אם להשתמש ב-AI, אלא איך – באחריות, בהבנה ובהתאם לערכים של קיימות ושקיפות.

🧠 יונה קוהל – Anthropic: “AI ככלי מואץ אך מחושב”

יונה קוהל, ראש תחום יישומי מדעי החיים בחברת Anthropic (חברת האם של קלאוד), הציג גישה זהירה אך חדשנית לשילוב AI במדע ובתעשייה.

עיקרי דבריו:

AIכמנוע מחקרי מאיץ: בינה מלאכותית יכולה לקצר תהליכי גילוי מדעי, להפחית בזבוז ולמנוע ניסויים מיותרים.
לדוגמה, Anthropic משתמשת ב־Claude כדי לעבד קרדיטי פחמן או לתמוך במחקרי ביואינפורמטיקה – תהליכים שבעבר נמשכו חודשים וכעת מצטמצמים לימים.
AIכמפחית פסולת מדעית: במעבדות ביולוגיות ורפואיות נוצרת פסולת עצומה (חומרי פלסטיק, תרכובות, ניסויים כושלים).
שימוש במודלים של בינה מלאכותית מאפשר להתמקד בניסויים מבטיחים בלבד ולחסוך עד 70% מפסולת המעבדה.
מרוץ לפסגה – Race to the Top: Anthropic מדגישה “תחרות חיובית” – לא רק לחדש מהר יותר, אלא לחדש טוב יותר.
המטרה: לפתח AI שמשרת את האנושות כולה, לא רק את בעלי ההון או הטכנולוגיה.
שקיפות ואחריות: החברה בוחרת את הפרויקטים שלה לפי תרומתם הציבורית, ולא רק לפי רווח.
תפיסת היסוד שלו:“אנחנו לא שואפים להחליף אנשים — אלא לאפשר להם להתמודד עם הבעיות החשובות באמת, ביתר עומק וסיפוק.”

⚡ ד"ר שיינה יוליסס – Watershed: “AI משנה את קצב צריכת האנרגיה הגלובלית”

שיינה, מדענית אקלים בכירה בצוות ה-AI של Watershed, הציגה את הצד הפיזי של הסיפור – כיצד השימוש הגובר בבינה מלאכותית משפיע על פליטות גזי חממה.

נתונים והקשרים עיקריים:
80% מהפליטות של AI נובעות מהחשמל הדרוש להפעיל GPU במרכזי נתונים.
האימון של מודלים גדולים (LLMs) הוא השלב הצורך את מירב האנרגיה, אך גם השימוש השוטף בכל שיחה מוסיף עומס מתמשך.
שיפור יעילות אקספוננציאלי: בין 2022 ל-2024 נרשמה ירידה של אלפי אחוזים בצריכת האנרגיה ליחידת חישוב, אך במקביל – השימוש גדל דרמטית, ולכן ההשפעה הכוללת עדיין משמעותית.
השוואה לפרופורציות עולמיות: כיום מרכזי הנתונים של AI מהווים רק 0.5% מצריכת החשמל העולמית, אך הצפי לעלייה של 15% מדי שנה עד 2030.

המלצותיה למנהלי קיימות:

שקיפות מול ספקי AI – לדרוש נתוני אנרגיה, פחמן ומים ממי שמפעיל את המודלים.
אופטימיזציה פנימית – לבחור במודל הקטן ביותר המתאים לצורך.
חינוך משתמשים בארגון – ללמד עובדים להשתמש ב-AI באחריות: לא להריץ פקודות חוזרות, למנוע בזבוז משאבי מחשוב ולזהות מתי השימוש לא נחוץ.

מסר מפתח:

“Don’t use a truck when a bicycle will do.”

(אל תשתמש במשאית של AI כדי להרים פתק קטן.)

⚙️ ד"ר ג’יימס ג’ויס – Watershed: “הביטו על התמונה הגדולה של האנרגיה והפליטות”

כמוביל מדעי הקיימות ב-Watershed, ד"ר ג’ויס הציג ניתוח אנרגטי מאוזן ופרגמטי.

עיקרי נקודותיו:

AI = פחות מזהמים ממה שנדמה: רק אחוז זעום מצריכת החשמל העולמית קשור ל-AI. אפילו מזגנים ביתיים מוסיפים יותר עומס לרשת מאשר מרכזי נתונים של בינה מלאכותית.
השפעה עקיפה חיובית: אמנם יש צריכת חשמל, אך כל שימוש ב-AI חוסך אנרגיה אנושית וזמן. לדוגמה – תהליך שנמשך שעות עבודה רבות במחשב בודד שקול לכמות חשמל קטנה בהרבה מאשר אם היה מבוצע ידנית.
AIככלי תומך, לא רק צרכן אנרגיה : שימוש ב-AIלמדידות קיימות, חיזוי פליטות או אופטימיזציה של שרשרת אספקה יכול להביא חיסכון מצטבר גדול פי כמה מהאנרגיה שהוא צורך.

גישת היעילות של ג’ויס:

אם AI מאפשר פעולה שלא הייתם מצליחים לבצע לבד – הוא כנראה משתלם אנרגטית.
פליטות ה-AI אינן מטרה בפני עצמה; הן חלק מתמונה רחבה של איזון משאבים.

🌱 יובינג זאנג – Watershed: “AI בשירות הקיימות התאגידית”

ראש מוצרי ה-AI ב-Watershed סיכם את המפגש בהצגת מוצר AI חדש למדידת פליטות Scope 3 — הבעייתיות והגדולה ביותר בניהול קיימות תאגידית.

ארבעת עקרונות הפיתוח של Watershed AI:

Intelligence for Sustainability – שילוב ידע מדעי ונתונים מאומתים (GHGP, LCA) כדי לבנות בינה מלאכותית מדויקת, לא רק חכמה.
Guardrails Against Error – מערכת של “סוכני בקרה” שמוודאים שכל חישוב נבדק על ידי מודל נוסף ושמירה על עקביות נתונים.
Transparency & Explainability – כל תוצאה מלווה בהנחות, במקורות ובציון אמינות, כך שהמשתמשים יכולים להסתמך על הנתונים ולהציגם לגורמים חיצוניים.
Impact & Speed – לא רק יעילות תפעולית, אלא גילוי תובנות עסקיות ופתיחת מנופים חדשים להפחתת פליטות.

כיצד המערכת תומכת בפועל:

מאפשרת חישוב פליטות מדויק ברמת מוצר יחיד (למשל, המבורגר או אופניים) תוך שעות ולא חודשים.
מאפשרת השוואת ספקים לפי יעילות תהליכית ולא רק לפי נתוני LCA מיושנים.
משמשת חברות כמו Albany International, Vita Group ו-Specialized Bicycles למדידה, למידול ולהפחתת טביעת הרגל הפחמנית שלהן.

🚴 פאנל החברות – יישומים אמיתיים

שלוש הדוברות מהחברות השונות הדגימו את השימוש המעשי במערכת Watershed AI:

אנה יייטס – Albany International

משתמשת ב-AI כדי לנהל חומרים ייחודיים ומוצרים בהתאמה אישית.
הדגישה את החשיבות של שמירת סודיות ונתונים קנייניים — לכן נדרש כלי פנימי מאובטח.
המטרה: הפחתת פליטות מו"פ ושיפור תכנון מוצר לפי נתונים בזמן אמת.

נדיה קרול – Specialized Bicycles

תיארה את הקושי במדידת פליטות לכל דגם אופניים באופן ידני.
ה-AI איפשר לעבד נתוני ספקים ולבנות טביעת רגל מדויקת לכל רכיב.
מאפשר סימולציות “What if” – לבדוק במהירות השפעת שינוי חומר, ספק או תהליך על פליטות המוצר.

ג’ורג’ינה טיילור – Vita Group

מתמודדת עם נתוני ספקים לא עקביים (LCA, PCF).
Watershed AIמאפשרת לה להשוות “תפוחים לתפוחים” ולבקש מהספקים מידע רלוונטי יותר – לדוגמה, צריכת אנרגיה בפועל במקום מדדים כלליים.
התוצאה: דיאלוג חדש עם שרשרת האספקה על חדשנות ותהליכים יעילים.

🌎 סיכום ועקרונות פעולה

הבינה המלאכותית משנה את דפוסי האנרגיה, אך גם פותחת כלים חדשים לקיימות.

השיח בוועידה חידד כי ניהול חכם של AI הוא חלק בלתי נפרד ממדיניות האקלים של כל חברה.

עקרונות מרכזיים ליישום:

מדוד לפני שתשתמש – כל יישום AI דורש ניתוח עלות-תועלת סביבתי.
בחר מודלים יעילים – הקטן ביותר שיכול לבצע את המשימה.
שלב מומחי קיימות בתכנון מערכות AI.
עודד ספקים לדווח על פליטותיהם באופן שקוף ומבוסס מדע.
נצל את AI להפחתת פליטות עקיפות – חיזוי, אופטימיזציה, ניתוח נתונים ויעילות אנרגטית.

💬 מסר מסכם

“AI הוא לא אויב של האקלים – אלא כלי שיכול להאיץ את השינוי, אם נלמד להשתמש בו בחכמה.”

האתגר האמיתי איננו טכנולוגי בלבד – אלא מוסרי, ניהולי ותרבותי:

להפוך את הבינה המלאכותית ממנוע צרכני לאנרגיה — למנוע של קיימות אנושית.