Sustainability in Generative AI: Evaluating the Sustainability of Microsoft Copilot

Abstract

Denne oppgaven fokuserer på å identifisere de positive og negative virkningene av Microsoft Copilot, over miljømessige, økonomiske, sosiale, individuelle og tekniske bærekraftsdimensjoner. Nøkkelfunn inkluderer positive virkninger, som økt opplevd produktivitet og forbedret inkludering, samt negative virkninger, som energibehov og bekymringer knyttet til sikkerhet og personvern. Funnene understreker et behov for å være bevisst på bærekraftsproblemer ved innføring av lignende systemer, og viktigheten av å ha retningslinjer for bærekraft og opplæring av ansatte for å redusere problemene. Anbefalinger for organisasjoner som ønsker å adoptere Microsoft Copilot inkluderer å gjennomføre nytte-kostnadsanalyser, fremme en kultur for kontinuerlig læring, og utnytte verktøyene som er tilgjengelige i Copilot-pakken for å forbedre rapportering og beslutningstakingsprosesser for bærekraftsspørsmål. Studien evaluerer også brukbarheten til SusAF som et verktøy til å evaluere bærekraft, og konkluderer med at det er et effektivt verktøy til å analysere generativ KI-baserte systemer. Det er imidlertid behov for videre arbeid for å utvikle kvantitative mål for bærekraft. I tillegg er det nødvendig med langsiktig evaluering av bærekraft for å forstå den virkelige effekten av slike systemer.

This paper focuses on identifying the positive and negative impacts of Microsoft Copilot, across environmental, economic, social, individual and technical sustainability dimensions. Key findings include positive impacts, such as perceived increase in productivity and enhanced inclusivity, as well as negative impacts, such as energy demands, and privacy and security concerns. The findings highlight the need to be aware of sustainability issues when adopting similar systems, and the importance of policies on sustainability concerns and training of employees to mitigate the issues. Recommendations for organizations looking to adopt Microsoft Copilot include performing cost-benefit analyses, fostering a culture of continuous learning and leveraging the tools available in the Copilot suite to enhance reporting and decision-making on issues such as sustainability. The research also evaluates the usefulness of SusAF as a tool in sustainability evaluation, concluding that it is an effective tool for analyzing generative AI systems. Further work is however needed to develop quantitative metrics for sustainability. In addition, long-term evaluation of sustainability is necessary to fully understand the real impact of such systems.