Sluicebox scala gli agenti IA per le valutazioni dinamiche del ciclo di vita con NVIDIA Nemotron

L'idea di Sluicebox è nata da un problema che il co-fondatore e CEO Elmar Kert ha riscontrato mentre lavorava nel settore: i team avevano bisogno di capire come le catene di approvvigionamento dell'elettronica si inserissero, dove erano concentrati gli hotspot di carbonio e quali modifiche al prodotto o al fornitore potevano ottenere il massimo impatto.

La difficoltà inizia con i dati alla base dell'impronta di carbonio di un prodotto. Gli analisti devono analizzare manualmente decine di migliaia di documenti di record dei materiali per ogni prodotto e determinare cos'è ogni componente, cosa contiene, come e dove è stato prodotto, come si è spostato attraverso la supply chain e quale fattore di emissione si applica. Gran parte di queste informazioni si trova al di fuori dei sistemi aziendali in set di dati multimodali composti da elenchi di materiali, PDF, file CAD, immagini, e-mail dei fornitori e informazioni provenienti dai registri di fabbrica. Gli analisti devono quindi riconciliare le incoerenze terminologiche e cercare in inventari dei fattori di emissione contenenti più di 10.000 voci. L'intero processo può richiedere anni per la raccolta dei dati necessari sui fornitori primari.

Le informazioni sul fornitore creano un altro collo di bottiglia. Spesso, infatti, le specifiche arrivano in diversi formati e con lacune che richiedono più follow-up. Anche quando un'azienda completa una valutazione, il risultato può arrivare troppo tardi per influenzare il prodotto. Quando molte delle LCA tradizionali vengono completate, i prodotti oggetto di tali analisi sono spesso già presenti sul mercato da anni, trasformando la contabilizzazione delle emissioni di carbonio in un esercizio di rendicontazione retrospettivo.

Allo stesso tempo, la domanda di dati credibili a livello di prodotto è in crescita. Gli acquirenti di grandi dimensioni e gli hyperscaler hanno bisogno di informazioni dai propri fornitori a monte per misurare i progressi rispetto agli impegni di sostenibilità e fare pressione sui fornitori affinché raggiungano gli obiettivi di riduzione delle emissioni. I produttori hanno quindi bisogno di un modo per scalare l'analisi del carbonio senza aumentare il lavoro manuale sui dati. Soprattutto, hanno bisogno di risultati in tempo utili per guidare le decisioni che determinano l'impronta di un prodotto in pre-produzione. 

Per affrontare questo problema relativo alla pipeline di dati con la rapidità e la portata necessarie, Sluicebox ha sviluppato i propri agenti di intelligenza artificiale al fine di creare un modello strutturato per il prodotto e la supply chain. L'agente collega componenti, materiali, fornitori, processi di produzione e dati di trasporto in un grafico del carbonio che i team possono interrogare e aggiornare man mano che nuove informazioni diventano disponibili.

L'intelligenza dinamica LCA di Sluicebox inizia con l'ingestione di record multimodali e la loro conversione in dati di prodotto coerenti, arricchendo gli elenchi di materiali incompleti con informazioni come il peso dei componenti, la composizione dei materiali e l'attività di produzione. Il modello risultante offre ai team una visione più chiara di ciò che è contenuto nei prodotti, dell'origine delle emissioni e di dove le lacune nei dati richiedono ulteriori informazioni da parte del fornitore.  

L'azienda ha trasformato tre delle fasi più dispendiose in termini di lavoro in flussi di lavoro IA:

• Classificazione dei componenti: ogni riga della lista di materiali viene ordinata nella categoria appropriata in una tassonomia di circa 100 nodi
• Estrazione parziale dei dati del fornitore: le e-mail e i documenti non strutturati vengono trasformati in record puliti che possono supportare una valutazione
• Corrispondenza del fattore di emissione: ogni componente o processo viene mappato in base al miglior fattore disponibile nell'inventario contenente più di 10.000 voci

Il team ha inoltre sviluppato l'agente IA per fornitori Lucy per raccogliere e convalidare i dati primari. Lucy guida i fornitori attraverso le richieste di informazioni, identifica i campi mancanti e verifica se i valori non rientrano negli intervalli attesi. Ciò aiuta Sluicebox a sostituire l'adozione delle medie di settore con dati basati su come i componenti sono stati effettivamente prodotti e aziende possono ottenere una copertura dei dati primari di oltre il 90% dei propri fornitori in poche settimane anziché anni.  

Sluicebox ha considerato NVIDIA Nemotron 3 Ultra per questi flussi di lavoro. NVIDIA Nemotron è una famiglia di modelli aperti progettati per offrire un ragionamento agentico efficiente e un rapido completamento delle attività. Nei test di Sluicebox, Nemotron 3 Ultra ha elaborato il contesto necessario per classificare le parti, strutturare i dati dei fornitori e selezionare i fattori di emissione, offrendo al contempo una riduzione dei costi di inferenza del 51–80%, una migliore accuratezza e tempi di risposta uguali o più veloci rispetto al precedente modello di produzione dell'azienda.

La raccolta dei dati è una conversazione in divenire, non un calcolo una tantum. Ciò significa che una risposta in ritardo può interrompere lo scambio di informazioni e aggiungere un livello di difficoltà a un processo già di per sé impegnativo. L'inferenza più rapida consente a Lucy di assorbire nuove informazioni, mantenere il contesto, segnalare possibili outlier e guidare i fornitori verso una risposta completa mentre l'interazione è ancora in corso.