El cambio climático no le es indiferente a Amazon, compañía que también tiene las credenciales de ser el mayor comprador corporativo de electricidad renovable a través de acuerdos para financiar el desarrollo de nuevos parques solares y eólicos en todo el mundo.
Con el fin de cumplir sus objetivos de sostenibilidad, Amazon utiliza la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML), y develó siete formas en las que está aprovechando estas tecnologías para cumplir con su compromiso climático de carbono neto cero para 2040.
Estas acciones se traducen en la reducción de los envases y el desperdicio de alimentos, hasta el cumplimiento de las operaciones en el marco de los planes de sostenibilidad. A continuación, las estrategias que emplea Amazon para alcanzar sus metas:
Reducción del uso de envases
El “Motor de Decisión de Embalaje” es un modelo de IA que ayuda a decidir las opciones de empaque más eficientes a la hora de enviar los artículos a los clientes finales. Los científicos de datos entrenaron un modelo para entender una variedad de atributos de productos, entre ellos, la durabilidad. Este modelo también analiza el feedback de los clientes acerca de cómo funcionaron las distintas opciones de empaquetado. Todo esto ha contribuido con la reducción del uso de material de embalaje desde su lanzamiento, en 2019.
Identificación de elementos dañados para evitar residuos
La tecnología alimentada por IA se está utilizando en diversos centros de cumplimiento para detectar daños. El objetivo es disminuir el número de artículos rotos que son enviados y devueltos por los clientes. Los resultados arrojados establecen que la IA es tres veces más eficaz para identificar los daños en comparación a los seres humanos. El entrenamiento para detectar esto se basó en el análisis de millones de fotos de artículos dañados y no dañados.
Vigilancia de los productos para reducir el desperdicio de alimentos
Un número creciente de equipos de comestibles denominado Amazon Fresh está utilizando soluciones basadas en el aprendizaje automático para hacer más eficiente el monitoreo de estantes de tiendas para frutas y verduras. Esta solución impulsada por IA analiza imágenes de caja para detectar imperfecciones visuales en los productos tales como grietas, cortes y daño a presión.
Disminución de las devoluciones y personalización de la atención del cliente
La reducción de las devoluciones desemboca inevitablemente en compras más sostenibles. Amazon introdujo varias innovaciones impulsadas por la Inteligencia Artificial para ayudar a los clientes a comprar de manera confiable, que incluyen recomendaciones personalizadas utilizando IA y ML, con el fin de ayudar a los clientes a hallar qué tamaño necesitan.
Medición de la huella de carbono
Calcular la huella de carbono para millones de productos de Amazon puede ser desafiante ya que, si lo hace una persona, implicaría una cantidad de horas invertidas en la investigación y cálculo de la huella de carbono de cada producto.
Para resolver esto, la empresa desarrolló Flamingo, un algoritmo basado en IA que aprovecha el procesamiento natural del lenguaje para que coincida con las descripciones de texto para Factores de Impacto Ambiental (FEI), una medición comúnmente aceptada para calcular el impacto de carbono de un elemento con productos específicos.
El algoritmo ya está ayudando al equipo de la empresa de e-commerce a calcular los impactos ambientales de todo tipo de productos: desde camisetas de algodón hasta zanahorias.
Democratización de los datos para evitar la deforestación
Amazon democratiza la IA para que otras compañías puedan utilizarla a su favor para ayudar a cumplir sus propios objetivos de sostenibilidad. Como ejemplo, AWS trabajó con una organización sin fines de lucro brasileña para desarrollar un modelo de IA a gran escala que monitorea la deforestación. Esto ha permitido la vigilancia automática de 20 millones de hectáreas de áreas forestales.
Utilización de las fichas AWS para alimentar la IA de manera más eficiente
La compañía está invirtiendo en chips AWS Trainium. Se trata de chips de aprendizaje automático de alto rendimiento diseñados para reducir el tiempo y el costo de la formación de modelos de IA. La construcción de nuevos modelos requiere menos dinero y energía, con un ahorro potencial de hasta el 50% y reducciones de consumo de energía de hasta un 29%.
¿Podrán las demás empresas imitar esta práctica?
