? Inspirasi
Organisasi besar dan perusahaan berupaya meningkatkan keberlanjutan secara global. Gen AI memiliki banyak kegunaan dalam pengembangan keberlanjutan, salah satunya adalah Pelaporan Keberlanjutan dan Peningkatan Kolaborasi dalam perusahaan. Untuk meningkatkan komunikasi dan pelaporan demi keberlanjutan, kami mengembangkan Analisis Keberlanjutan .
Apa Fungsinya
Sustainability Analytics menyediakan antarmuka chatbot cerdas yang memungkinkan pengguna mengajukan pertanyaan real-time tentang data keberlanjutan perusahaan.
Fitur Utama:
- Memanfaatkan data ESG dan model AI tingkat lanjut (seperti LLaMA 3.1) untuk mendapatkan informasi yang akurat dan relevan.
- Pengguna dapat menanyakan tentang:
- Emisi karbon
- Penggunaan energi
- Konsumsi air
- Dan banyak lagi!
- Chatbot menghasilkan:
- Perbandingan dari tahun ke tahun
- Wawasan visual dalam bentuk diagram batang, garis, dan lingkaran.
Contoh:
Pertanyaan Pengguna: "Berapa total emisi karbon pada tahun 2024 untuk masing-masing perusahaan?"
Tanggapan Chatbot: "Total emisi karbon pada tahun 2024 adalah X metrik ton ."
Bagaimana Kami Membangunnya
Tumpukan Teknologi:
- Metodologi RAG tingkat lanjut menggunakan model LLaMA 3.1 sumber terbuka.
- Kerangka Langchain untuk menanyakan data.
- Basis data Postgres untuk menyimpan metrik ESG.
- Backend: Kerangka kerja Python FastAPI .
- Frontend: Dibangun menggunakan React.js .
Data ditanyakan melalui alat Langchain, yang diproses oleh LLM untuk menghasilkan respons bahasa alami, bersama dengan visualisasi bagan.
? Tantangan yang Kami Hadapi
Kami menghadapi beberapa tantangan selama pengembangan:
Rekayasa Cepat:
- Memastikan model LLaMA 3.1 secara akurat menangani pertanyaan terkait keberlanjutan.
Sumber & Integrasi Data:
- Menyusun data metrik ESG untuk kemudahan kueri melalui kerangka Langchain.
Optimasi Kinerja:
- Meningkatkan metodologi RAG untuk kumpulan data besar dan mengelola pembuatan bagan (batang, garis, pai) untuk perbandingan data.
Akurasi di Seluruh Kueri:
- Memastikan akurasi dalam perbandingan dinamis tahun-ke-tahun di berbagai jenis kueri.
? Prestasi yang Kami Banggakan
- Integrasi yang Berhasil: Kami mengintegrasikan LLaMA 3.1 dengan Langchain untuk membangun platform analisis keberlanjutan interaktif.
- Respons Real-Time: Chatbot kami memberikan jawaban yang akurat dan spesifik konteks mengenai metrik ESG perusahaan secara real-time.
- Visualisasi Dinamis: Pengguna dapat menghasilkan wawasan visual (diagram batang, garis, lingkaran) berdasarkan kueri.
- Kueri yang Efisien: Membangun mekanisme kueri yang sangat efisien untuk database Postgres kami, memastikan kecepatan tanpa mengurangi akurasi.
? Apa yang Kami Pelajari
- Menguasai metodologi RAG yang canggih membantu kami menyederhanakan pembuatan respons yang tepat.
- Kami belajar untuk menangani data ESG secara lebih efektif sambil membangun sistem backend yang dapat diskalakan dan mendukung operasi yang banyak menggunakan data.
- Mengintegrasikan database dengan model generatif mengajarkan kita pentingnya integritas data dan optimalisasi kueri.
Langkah Berikutnya untuk Analisis Keberlanjutan
Kami bertujuan untuk memperluas Analisis Keberlanjutan dengan:
Fitur Analisis Data Tingkat Lanjut:
- Analisis prediktif untuk memperkirakan metrik ESG di masa depan.
- Mengidentifikasi area untuk peningkatan keberlanjutan.
Integrasi Standar Global:
- Menambahkan lebih banyak kerangka keberlanjutan agar selaras dengan standar global.
- Dukungan untuk kemampuan multibahasa untuk basis klien yang lebih luas.
Alat Kolaborasi:
- Memperkenalkan alat yang memungkinkan pemangku kepentingan perusahaan untuk secara kolaboratif memasukkan data dan menghasilkan laporan yang komprehensif.
Integrasi API:
- Memperluas integrasi API dengan platform keberlanjutan yang ada.
Peningkatan Antarmuka Pengguna:
- Meningkatkan UI untuk pengalaman pengguna yang lebih intuitif.
