यह क्यों मायने रखता है

डिजिटल सेवाएँ भारहीन लगती हैं। अनुरोध जाता है, उत्तर आता है, और ऐसा नहीं लगता कि कुछ खर्च हुआ। इसके पीछे बिजली और पानी खींचते डेटा सेंटर, खनन की सामग्री से बने उपकरण, दिन-रात चलते नेटवर्क, और तेज़ी से बढ़ते बड़े AI कार्यभार हैं जो उन कार्यों से अधिक ऊर्जा लेते हैं जिनकी जगह वे लेते हैं। क्षेत्र का पदचिह्न बड़ा और बढ़ता हुआ है, और संगठनों से, ग्राहकों, नियामकों, कर्मचारियों और अपने बोर्डों द्वारा, पूछा जा रहा है कि उनका क्या है और वे इसके बारे में क्या कर रहे हैं।

पर्यावरण इस मामले का एक हिस्सा है। सेवाएँ लोगों को भी प्रभावित करती हैं। अगम्य पोर्टल विकलांग उपयोगकर्ताओं को बाहर कर देता है। जो सहायता मॉडल मानता है कि सबके पास तेज़ इंटरनेट है, वह उन्हें विफल करता है जिनके पास नहीं है। संकीर्ण डेटा पर प्रशिक्षित AI उपकरण कुछ समूहों के साथ बुरा व्यवहार करता है। जो ऑन-कॉल मॉडल इंजीनियरों को थका देता है वह सामाजिक लागत है, जो सेवा चलाने वाले लोग वहन करते हैं। ज़िम्मेदार सेवा प्रबंधन इन सबके बारे में पूछता है, बाद के विचार के रूप में नहीं बल्कि इसके हिस्से के रूप में कि सेवाएँ कैसे डिज़ाइन की, ख़रीदी और चलाई जाती हैं।

यह ऐसा क्षेत्र है जिसमें दावे प्रमाण से आगे निकल जाते हैं। Wikipedia ग्रीनवॉशिंग (greenwashing) का वर्णन करता है, यानी पर्यावरणीय लाभ के बारे में भ्रामक दावे करने का अभ्यास, और यह प्रौद्योगिकी की मार्केटिंग में आम है। माप अक्सर बड़ी अनिश्चितता वाले अनुमान होते हैं। एक जगह की बचत लागत को कहीं और ले जा सकती है, और दक्षता के लाभ अधिक उपयोग से कट सकते हैं, एक पैटर्न जिसे Wikipedia रिबाउंड प्रभाव (rebound effect), या जेवॉन्स विरोधाभास कहता है। यह विषय व्यावहारिक दृष्टिकोण देता है: अपने मुख्य प्रभाव जानें, ईमानदारी से मापें, वहाँ कार्रवाई करें जहाँ प्रभाव सबसे बड़ा और लागत सबसे कम है, और सावधान रहें कि आप क्या दावा करते हैं। यह हार्डवेयर («विषय 4.3 — हार्डवेयर परिसंपत्ति प्रबंधन»), वित्त («विषय 4.5 — वित्तीय प्रबंधन और FinOps»), AI गवर्नेंस («विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन») और गवर्नेंस («विषय 8.1 — गवर्नेंस, जोखिम और अनुपालन») से जुड़ता है। यह क़ानूनी सलाह नहीं देता; रिपोर्टिंग के दायित्व स्थान के अनुसार अलग हैं।

मूल अवधारणाएँ

स्थिरता। सामान्य वाक्यांश में, वर्तमान की ज़रूरतें पूरी करना, भावी पीढ़ियों की अपनी ज़रूरतें पूरी करने की क्षमता से समझौता किए बिना। Wikipedia स्थिरता (sustainability) का वर्णन पर्यावरणीय, सामाजिक और आर्थिक आयामों वाले के रूप में करता है। सेवा प्रबंधन में इसका अर्थ है सेवाएँ ऐसे चलाना जो पर्यावरण, लोगों या भावी विकल्पों पर अनुचित लागत न थोपें।

पर्यावरणीय, सामाजिक और गवर्नेंस (ESG)। फ्रेमवर्क जिसे संगठन और निवेशक ग़ैर-वित्तीय प्रदर्शन का आकलन करने के लिए उपयोग करते हैं। Wikipedia ESG (environmental, social, and governance) का वर्णन करता है। रिपोर्टिंग की आवश्यकताएँ कई क्षेत्राधिकारों में तेज़ी से विकसित हो रही हैं। आपका संगठन सेवा टीमों से डेटा माँग सकता है। जाँचें कि क्या लागू होता है, और ऐसे रिकॉर्ड रखें जिनका आप बचाव कर सकें।

कार्बन पदचिह्न और उत्सर्जन। किसी गतिविधि से हुआ ग्रीनहाउस गैस उत्सर्जन, आम तौर पर कार्बन डाइऑक्साइड समतुल्य में व्यक्त। Wikipedia कार्बन पदचिह्न (carbon footprints) और ग्रीनहाउस गैसों का वर्णन करता है। कार्बन लेखांकन आम तौर पर आपके अपने संचालन, ख़रीदी ऊर्जा, और व्यापक मूल्य शृंखला से उत्सर्जन को अलग करता है, जिसमें उपकरणों का निर्माण और आपूर्तिकर्ताओं की सेवाओं का उपयोग शामिल हैं, जो अक्सर सबसे बड़ा हिस्सा होते हैं और मापने में सबसे कठिन। Wikipedia कार्बन लेखांकन (carbon accounting) और इन श्रेणियों का वर्णन करता है।

अंतर्निहित और संचालन प्रभाव। अंतर्निहित (एम्बॉडिड) प्रभाव वह है जो उपकरण बनाने और ढोने या सुविधा बनाने में लगा; संचालन प्रभाव वह है जो उसे चलाते समय लगता है। अंतिम-उपयोगकर्ता उपकरणों के लिए अंतर्निहित प्रभाव अक्सर जीवनकाल के उत्सर्जन का बड़ा हिस्सा होता है। Wikipedia अंतर्निहित ऊर्जा (embodied energy) का वर्णन करता है। डेटा सेंटरों के लिए संचालन, विशेषकर बिजली, आम तौर पर हावी रहता है। यह समझना कि कौन लागू होता है, कार्रवाई का मार्गदर्शन करता है। «विषय 4.3 — हार्डवेयर परिसंपत्ति प्रबंधन» देखें।

ऊर्जा और डेटा सेंटर। डेटा सेंटर कंप्यूटिंग और शीतलन के लिए बिजली उपयोग करते हैं। Wikipedia डेटा सेंटर (data centers) और पावर यूसेज इफ़ेक्टिवनेस (PUE) का वर्णन करता है, जो कुल सुविधा ऊर्जा और कंप्यूटिंग उपकरण द्वारा उपयोग की गई ऊर्जा का अनुपात है। कम PUE का अर्थ कम उत्सर्जन नहीं है; बिजली की कार्बन तीव्रता भी मायने रखती है, जैसे यह कि उपकरण का कितना पूरा उपयोग हो रहा है। निष्क्रिय सर्वर भी बिजली खींचते हैं।

क्लाउड और साझा इन्फ्रास्ट्रक्चर। बड़े क्लाउड प्रदाता अक्सर छोटे ऑन-प्रिमाइसेस कमरों से अधिक कुशलता से चलते हैं और बड़े पैमाने पर नवीकरणीय ऊर्जा ख़रीद सकते हैं। वे अधिक उपभोग करना भी आसान बनाते हैं। Wikipedia सामान्य रूप से क्लाउड कंप्यूटिंग (cloud computing) का वर्णन करता है। प्रदाताओं से क्षेत्र और सेवा के अनुसार उत्सर्जन डेटा माँगें, और उनके आँकड़ों को कही गई विधियों वाले अनुमान मानें। क्लाउड पर जाने से अपने आप सेवा हरित नहीं हो जाती।

AI और ऊर्जा। बड़े मॉडलों को प्रशिक्षित करना और चलाना महत्त्वपूर्ण ऊर्जा और, कुछ मामलों में, शीतलन के लिए पानी खा सकता है। प्रभाव मॉडल के आकार, उसके कितनी बार उपयोग होने, और कहाँ चलता है, पर निर्भर है। ऐसे कार्यों के लिए बड़े मॉडलों का बार-बार उपयोग जिन्हें सरल विधि कर सकती थी, संसाधन बर्बाद करता है। «विषय 5.8 — AI संचालन मॉडल और कौशल» देखें। प्रकाशित आँकड़ों को सावधानी से लें, क्योंकि विधियाँ और दायरा अलग-अलग हैं।

कुशल सॉफ़्टवेयर और संचालन। कुशल कोड, सही आकार के संसाधन, निष्क्रिय परिवेश बंद करना, लचीले काम को तब निर्धारित करना जब बिजली स्वच्छ हो, और अनावश्यक डेटा भंडारण और स्थानांतरण घटाना, सब प्रभाव घटाते हैं, और आम तौर पर लागत भी। Wikipedia हरित कंप्यूटिंग (green computing) और कम पर्यावरणीय प्रभाव के लिए डिज़ाइन करने के अभ्यास का वर्णन करता है। «विषय 4.5 — वित्तीय प्रबंधन और FinOps» देखें, जहाँ लागत की बचत और उत्सर्जन की बचत अक्सर मेल खाती हैं।

इलेक्ट्रॉनिक कचरा और चक्रीय अर्थव्यवस्था। फेंके गए इलेक्ट्रॉनिक्स में मूल्यवान सामग्री और ख़तरे दोनों हैं। Wikipedia इलेक्ट्रॉनिक कचरा (electronic waste) और चक्रीय अर्थव्यवस्था (circular economy) दृष्टिकोण का वर्णन करता है, जो सामग्री को पुनः उपयोग, मरम्मत और पुनर्चक्रण से उपयोग में रखता है। उपकरणों का लंबा जीवन, मरम्मत, नवीनीकरण और ज़िम्मेदार पुनर्चक्रण कचरा घटाते हैं। «विषय 4.3 — हार्डवेयर परिसंपत्ति प्रबंधन» देखें। मरम्मत का अधिकार आंदोलन, जिसका वर्णन Wikipedia करता है, ऐसे उपकरणों के पक्ष में तर्क देता है जिनकी मरम्मत हो सके।

जीवन-चक्र सोच। उत्पाद या सेवा के सभी चरणों पर विचार करना, सामग्री से निपटान तक। Wikipedia जीवन-चक्र आकलन (life-cycle assessment) का वर्णन करता है। यह प्रभाव को एक चरण से दूसरे में ले जाने से बचाता है, जैसे उपयोग में ऊर्जा बचाना ऐसे उपकरण से जिसे बनाने में अधिक संसाधन लगते हैं।

रिबाउंड प्रभाव। दक्षता अधिक उपयोग की ओर ले जा सकती है, जो लाभ को रद्द कर देता है। Wikipedia इसका वर्णन रिबाउंड प्रभाव और जेवॉन्स विरोधाभास के अंतर्गत करता है। अगर सस्ती कंप्यूटिंग कहीं अधिक गणना की ओर ले जाए, तो कुल प्रभाव बढ़ सकता है। दक्षता के साथ निरपेक्ष लक्ष्य भी तय करें।

सुगम्यता और समावेशन। सेवाएँ अलग-अलग क्षमताओं, उपकरणों, भाषाओं और कनेक्टिविटी वाले लोगों द्वारा उपयोग-योग्य होनी चाहिए। Wikipedia सुगम्यता (accessibility), समावेशी डिज़ाइन और डिजिटल खाई का वर्णन करता है। वेब कंटेंट एक्सेसिबिलिटी गाइडलाइंस जैसे मानक वेब सामग्री के लिए आधार-रेखा तय करते हैं। कई जगह क़ानून सुगम्यता माँगते हैं। डिज़ाइन और परीक्षण में विकलांग उपयोगकर्ताओं को शामिल करें, और ग़ैर-डिजिटल रास्ते रखें।

निष्पक्षता और नैतिकता। सेवाओं और AI प्रणालियों को लोगों के साथ निष्पक्ष व्यवहार करना चाहिए और इस बारे में खुला होना चाहिए कि वे कैसे काम करती हैं। Wikipedia एल्गोरिदमिक पूर्वाग्रह (algorithmic bias) और कृत्रिम बुद्धिमत्ता की नैतिकता का वर्णन करता है। «विषय 5.6 — AI गवर्नेंस, जोखिम और अनुपालन» देखें।

लोग और कार्यभार। सेवाएँ चलाने वाले लोग हितधारक हैं। टिकाऊ ऑन-कॉल, उचित घंटे, सुरक्षित कार्य परिस्थितियाँ, और आपूर्तिकर्ताओं के कर्मचारियों के साथ निष्पक्ष व्यवहार ज़िम्मेदार अभ्यास का हिस्सा हैं। «विषय 2.10 — एजाइल प्रबंधन और सीखना» देखें।

ज़िम्मेदार ख़रीद। आपूर्तिकर्ताओं को कीमत के साथ उनके पर्यावरणीय और सामाजिक अभ्यासों से चुनना। Wikipedia टिकाऊ ख़रीद (sustainable procurement) का वर्णन करता है। प्रमाण माँगें, जैसे प्रकाशित उत्सर्जन डेटा और मरम्मत नीतियाँ, और दावे जाँचें। «विषय 3.14 — आपूर्तिकर्ता प्रबंधन» देखें।

माप में ईमानदारी। इस क्षेत्र के कई आँकड़े अनुमान हैं। विधि, दायरा और अनिश्चितता बताएँ। उन तुलनाओं से सावधान रहें जो अलग सीमाएँ उपयोग करती हैं। स्पष्ट, सत्यापन-योग्य आधार के बिना "कार्बन न्यूट्रल" जैसे दावों से बचें, क्योंकि Wikipedia का ग्रीनवॉशिंग का वृत्तांत दिखाता है कि ऐसे दावे कैसे भ्रमित करते हैं।

कॉर्पोरेट ज़िम्मेदारी। संगठन बढ़ती संख्या में प्रतिबद्धताएँ प्रकाशित करते हैं। Wikipedia कॉर्पोरेट सामाजिक ज़िम्मेदारी (corporate social responsibility) का वर्णन करता है। सेवा टीमें डेटा देती हैं और ऐसे चुनाव करती हैं जो तय करते हैं कि प्रतिबद्धताएँ पूरी होती हैं या नहीं।

दृष्टियाँ कैसे फ़िट होती हैं। स्थिरता चारों पर लागू होती है। एजाइल अभ्यास बर्बादी घटाने के लिए छोटे, मापे हुए प्रयोगों का सुझाव देता है। AI प्रभाव का स्रोत भी है और बचत खोजने का उपकरण भी। स्वचालन निष्क्रिय संसाधन बंद कर सकता और काम निर्धारित कर सकता है। विश्लेषण कही गई अनिश्चितता के साथ प्रभाव मापता है।

सर्वोत्तम अभ्यास

  1. अपने सबसे बड़े प्रभाव खोजें। अनुमान लगाएँ कि आपकी सेवाओं के सबसे बड़े पर्यावरणीय और सामाजिक प्रभाव कहाँ हैं: उपकरण, क्लाउड और डेटा सेंटर उपयोग, AI कार्यभार, यात्रा, और सेवाएँ चलाने वाले लोग। वहाँ से शुरू करें जहाँ संभावना सबसे अधिक है।
  2. कही गई विधियों से मापें। आपूर्तिकर्ता का डेटा और मानक रूपांतरण कारक उपयोग करें, दायरा और मान्यताएँ दर्ज करें, और अनिश्चितता दिखाएँ। समय के साथ डेटा सुधारें।
  3. वह बर्बादी घटाएँ जो लागत भी घटाती है। निष्क्रिय परिवेश बंद करें, संसाधनों का सही आकार करें, अनावश्यक डेटा हटाएँ, और कम उपयोग वाली प्रणालियाँ समेकित करें। ये अक्सर अपना ख़र्च ख़ुद निकाल लेते हैं।
  4. उपकरणों का जीवन बढ़ाएँ। बदलने से पहले मरम्मत, उन्नयन और पुनः उपयोग करें, और मरम्मत-योग्य, टिकाऊ उपकरण चुनें। डेटा मिटाने के साथ ज़िम्मेदार चैनलों से निपटान करें।
  5. चुनें कि कहाँ और कब चलाएँ। जहाँ आपके पास चुनाव हो, स्वच्छ बिजली वाले क्षेत्र और समय उपयोग करें, और आपूर्तिकर्ताओं से डेटा माँगें। ऐसे बदलावों से बचें जो कहीं और प्रभाव बढ़ाते हैं।
  6. AI का अनुपात में उपयोग करें। मॉडल का आकार और उपयोग की आवृत्ति मूल्य से मिलाएँ। जहाँ सरल विधियाँ उतना ही अच्छा करती हैं वहाँ उन्हें उपयोग करें। AI कार्यभार की लागत और, जहाँ उपलब्ध हो, ऊर्जा ट्रैक करें।
  7. सुगम्यता के लिए डिज़ाइन और परीक्षण करें। सुगम्यता मानकों का पालन करें, अलग ज़रूरतों वाले उपयोगकर्ताओं के साथ परखें, और वैकल्पिक रास्ते रखें। सुगम्यता को "पूर्ण" की परिभाषा में शामिल करें।
  8. निष्पक्षता और नैतिकता जाँचें। सेवाओं और AI उपयोगों की अनुचित प्रभावों के लिए समीक्षा करें, समूहों में परखें, और लोगों को निर्णयों को चुनौती देने का तरीक़ा दें।
  9. सेवाएँ चलाने वालों की देखभाल करें। कार्यभार और ऑन-कॉल टिकाऊ रखें, और आपूर्तिकर्ताओं के कर्मचारियों के साथ निष्पक्ष व्यवहार करें। बर्नआउट को लागत गिनें।
  10. दावों में ईमानदार रहें। बताएँ कि आपने क्या मापा, कैसे, और आप क्या नहीं जानते। अस्पष्ट या असत्यापित कथनों से बचें, और प्रकाशन से पहले दावों की समीक्षा करवाएँ।

अपनी टीम के साथ चर्चा के प्रश्न

हमारी सेवाओं का सबसे बड़ा पर्यावरणीय प्रभाव कहाँ है, और हमें कैसे पता है? उपकरण, क्लाउड, AI और सुविधाएँ देखें। डेटा की कमी और मज़बूत मान्यताओं की अपेक्षा रखें। फ़ॉलो-अप में कही गई विधि से अनुमान लगाने के लिए एक क्षेत्र चुनें।

हमारी कौन-सी प्रणालियाँ या परिवेश हमेशा चलते हैं और बंद या घटाए जा सकते हैं? विकास और परीक्षण जाँचें। निष्क्रिय की अपेक्षा रखें। फ़ॉलो-अप में एक परिवेश के लिए बंद होना निर्धारित करें और बचत दर्ज करें।

हम उपकरण कितने समय रखते हैं, और उन्हें लंबे समय रखने या मरम्मत करने से हमें क्या रोकता है? नीति और आदत के बारे में पूछें। कैलेंडर के अनुसार नवीनीकरण की अपेक्षा रखें। फ़ॉलो-अप में एक समूह के लिए लंबा जीवन आज़माएँ।

कौन हमारी सेवाओं को डिज़ाइन के अनुसार उपयोग नहीं कर सकता, और हमें कैसे पता है? विकलांगता, भाषा, कनेक्टिविटी और आत्मविश्वास के बारे में सोचें। अपेक्षा रखें कि कुछ समूहों को परखा नहीं गया। फ़ॉलो-अप में उन समूहों के कुछ उपयोगकर्ताओं को देखें।

हमने कौन-से AI उपयोग अपनाए हैं जहाँ सरल विधि काफ़ी होती, और संसाधनों में उनकी क्या लागत है? सूची की समीक्षा करें। अपेक्षा रखें कि कुछ चलन के हैं। फ़ॉलो-अप में एक AI उपयोग की सरल विकल्प से गुणवत्ता और लागत पर तुलना करें।

हमने स्थिरता के बारे में कौन-से दावे किए हैं, या करने को कहा गया है, और क्या हम हर एक का समर्थन कर सकते हैं? उन्हें जुटाएँ। कुछ की अपेक्षा रखें जिन्हें सत्यापित नहीं किया जा सकता। फ़ॉलो-अप में डेटा रखने वालों के साथ हर एक की समीक्षा करें।

व्यवहार में: सेवा प्रबंधन का एक उदाहरण

एक राष्ट्रीय पुस्तकालय के IT विभाग से उसके मूल मंत्रालय ने अपनी डिजिटल सेवाओं के पर्यावरणीय प्रभाव पर रिपोर्ट करने और कटौती प्रस्तावित करने को कहा है। विभाग के पास 400 कर्मचारी, 300 शाखाओं में 6,000 उपकरण, क्लाउड पर होस्ट किया कैटलॉग, और हाल का AI खोज सहायक है।

सेवा प्रबंधक मुख्य स्रोतों का अनुमान लगाकर शुरू करती हैं। उपकरणों के लिए ख़रीद और परिसंपत्ति रिकॉर्ड 4,800 लैपटॉप और डेस्कटॉप दिखाते हैं, औसत आयु 4.1 वर्ष। निर्माता द्वारा प्रकाशित जीवन-चक्र आँकड़ों से, जिन्हें वे अनुमान नोट करती हैं, वे आकलन करती हैं कि वर्ष में ख़रीदे उपकरणों का अंतर्निहित प्रभाव सबसे बड़ी एकल मद है। क्लाउड के लिए प्रदाता का उत्सर्जन डैशबोर्ड क्षेत्र के अनुसार मासिक अनुमान देता है, जिसे वे प्रदाता की कही गई विधि के साथ दर्ज करती हैं। AI सहायक का उपयोग अन्य मदों की तुलना में छोटा है, पर बढ़ रहा है, और विक्रेता कोई ऊर्जा डेटा नहीं देता।

वे चार कार्रवाइयाँ प्रस्तावित करती हैं। जहाँ स्वास्थ्य डेटा अनुमति दे वहाँ बैटरी और स्टोरेज की मरम्मत के साथ लैपटॉप बदलने का चक्र चार से पाँच वर्ष करें। विकास और परीक्षण परिवेश रात में और सप्ताहांत पर बंद करें, जो क्लाउड लागत का लगभग पाँचवाँ हिस्सा भी बचाता है। विलंबता स्वीकार्य होने की जाँच के बाद एक बैच कार्यभार कम-कार्बन ग्रिड वाले क्षेत्र में ले जाएँ। और AI विक्रेता से ऊर्जा और पानी का डेटा माँगें और नियम बनाएँ कि सहायक का उपयोग केवल खुले प्रश्नों के लिए होगा, ज्ञात मदों के लिए सरल खोज के साथ।

सामाजिक पक्ष पर, विभाग स्क्रीन रीडर उपयोग करने वाले पाँच कर्मचारियों और संरक्षकों और आवाज़ नियंत्रण उपयोग करने वाले एक के साथ पोर्टल का सुगम्यता परीक्षण करवाता है। वह पाता है कि बुकिंग फ़ॉर्म केवल कीबोर्ड से पूरा नहीं हो सकता, और टीम उसे ठीक करती है। वह ऑन-कॉल रोटा की भी समीक्षा करता है, जिसमें कभी-कभी दो इंजीनियर 24 घंटे कवर करते हैं; वह तीसरा जोड़ता है।

क्या बदलता है: मंत्रालय को विधियों और श्रेणियों के साथ पहली रिपोर्ट मिलती है, और विभाग के पास चार ट्रैक की जा रही कार्रवाइयाँ हैं। क्या कठिन रहता है: अंतर्निहित आँकड़े निर्माता औसत पर आधारित हैं और सत्यापित नहीं किए जा सकते; विक्रेता ने ऊर्जा डेटा नहीं दिया; मसौदा प्रेस विज्ञप्ति में एक पर्यावरणीय दावा ("कार्बन-न्यूट्रल डिजिटल सेवा") वापस लिया जाता है क्योंकि विभाग उसका समर्थन नहीं कर सकता; और लंबा बदलाव चक्र पुराने उपकरणों के लिए सहायता का प्रयास बढ़ाता है। प्रबंधक अनिश्चितताओं की रिपोर्ट करती हैं और सहायता लागत की समीक्षा की योजना बनाती हैं।

चार दृष्टिकोण

उत्पाद और डिलीवरी टीमें

दक्षता और सुगम्यता के लिए डिज़ाइन करें: हल्के पेज, कुशल क्वेरी, सही आकार के संसाधन, और कीबोर्ड तथा स्क्रीन-रीडर समर्थन। AI विधियाँ आवश्यकता के अनुपात में चुनें, और विविध उपयोगकर्ताओं के साथ परखें।

सेवा और संचालन टीमें

जो निष्क्रिय है उसे बंद करें, उपकरणों की मरम्मत और पुनः उपयोग करें, ऊर्जा और कचरे का डेटा दर्ज करें, और ऑन-कॉल टिकाऊ रखें। स्वामियों को बताएँ कि प्रभाव कहाँ सबसे अधिक है।

नेतृत्व और गवर्नेंस

निरपेक्ष लक्ष्यों और ईमानदार माप के साथ लक्ष्य तय करें, और काम का वित्तपोषण करें। प्रकाशन से पहले दावों की समीक्षा करें। जो आप गिनते हैं उसमें केवल कार्बन नहीं, लोग भी शामिल करें।

ग्राहक और उपयोगकर्ता

आप क्षमता या कनेक्शन की परवाह किए बिना सेवाएँ उपयोग कर सकें, और उनके प्रभाव के बारे में ईमानदार जानकारी की अपेक्षा रखें। प्रदाताओं को बताएँ कि आपके लिए क्या काम नहीं करता और आप क्या देखना चाहेंगे।

एजाइल, AI, स्वचालन और विश्लेषण

एजाइल

छोटे बदलाव आज़माएँ, जैसे निर्धारित बंदी या हल्का पेज, प्रभाव मापें, और जो काम करे उसे रखें। समीक्षाओं में अलग ज़रूरतों वाले उपयोगकर्ताओं को शामिल करें। सावधानी: माप के बिना बड़ा "हरित कार्यक्रम" न चलाएँ; प्रमाण वाली कार्रवाइयाँ चुनें।

AI

AI निष्क्रिय संसाधन खोजने, उपयोग और ऊर्जा के डेटा का विश्लेषण करने, और डिज़ाइनों में सुगम्यता की समस्याएँ जाँचने में मदद कर सकती है, समीक्षा के अधीन। AI का स्वयं पर्यावरणीय पदचिह्न और पूर्वाग्रह के जोखिम हैं। सावधानी: यह दावा न करें कि AI ऊर्जा बचाती है जब तक कि उसके उपयोग की ऊर्जा से तुलना न की हो; दोनों मापें। «विषय 5.8 — AI संचालन मॉडल और कौशल» देखें।

स्वचालन

निष्क्रिय परिवेशों की बंदी, लचीले कार्यभार का निर्धारण, और अनुपयोगी डेटा की सफ़ाई स्वचालित करें, स्वामियों और सुरक्षा उपायों के साथ। सावधानी: स्वचालित हटाना ज़रूरी डेटा हटा सकता है; प्रतिधारण नियम और समीक्षा उपयोग करें। «विषय 6.1 — स्वचालन रणनीति» देखें।

विश्लेषण

ऊर्जा, उत्सर्जन के अनुमान, उपकरण की आयु और विफलता का डेटा, क्लाउड उपयोग, और सुगम्यता परीक्षण के परिणाम जुटाएँ, विधि और अनिश्चितता बताते हुए। सावधानी: उत्सर्जन के आँकड़े विधि के अनुसार बहुत भिन्न होते हैं, और एकबारगी सुधार वृद्धि से मिट सकते हैं; निरपेक्ष कुल और रुझान ट्रैक करें। «विषय 7.3 — मापन और रिपोर्टिंग» और सेवा प्रबंधन मेट्रिक्स पुस्तक देखें।

आम विफलता के तरीके

  • प्रमाण के बिना दावे। "कार्बन न्यूट्रल" जैसे कथनों का समर्थन नहीं किया जा सकता। विधियाँ और सीमाएँ बताएँ, और दावों की समीक्षा करें।
  • समस्या को खिसकाना। प्रभाव दूसरे चरण या आपूर्तिकर्ता पर चला जाता है। जीवन-चक्र में सोचें।
  • सीमाओं के बिना दक्षता। बचत अधिक उपयोग से कट जाती है। निरपेक्ष लक्ष्य तय करें।
  • बाद के विचार के रूप में सुगम्यता। कुछ उपयोगकर्ता बाहर रह जाते हैं। उसे निर्मित करें और परखें।
  • बड़ी AI। बड़े मॉडल सरल कार्य करते हैं। विधि को आवश्यकता से मिलाएँ।
  • सेवाएँ चलाने वालों की अनदेखी। बर्नआउट और छोड़ना बढ़ता है। कार्यभार को स्थिरता का हिस्सा मानें।
  • कोई डेटा नहीं। निर्णय अनुमानों पर टिके हैं। जो जुटा सकें अनिश्चितता के साथ जुटाएँ।

परिपक्वता मॉडल

आयाम आरंभ विकास मानकीकरण प्रबंधन समन्वय
मापन कोई नहीं मोटे अनुमान कही गई विधियों से मुख्य प्रभाव अनुमानित डेटा सुधारा और लक्ष्यों के विरुद्ध ट्रैक प्रभाव डेटा लागत, नियोजन और आपूर्तिकर्ताओं के साथ एकीकृत
कार्रवाई तदर्थ कुछ बचत मानक अभ्यास: बंदी, सही आकार, उपकरण जीवन कार्रवाइयाँ ट्रैक और समीक्षित प्रभाव डिज़ाइन, ख़रीद और संचालन में निर्मित
समावेशन और नैतिकता विचार नहीं किया जागरूकता सुगम्यता और निष्पक्षता की समीक्षाएँ मानक समूहों में परिणाम मापे गए सेवाओं में समावेशी डिज़ाइन और निष्पक्षता एकीकृत
ईमानदारी बिना जाँचे दावे जागरूकता प्रमाण के विरुद्ध दावों की समीक्षा दावों की लेखा-परीक्षा स्वतंत्र आश्वासन के साथ पारदर्शी रिपोर्टिंग

जाँच-सूची

  • हमने कही गई विधियों से अपने मुख्य पर्यावरणीय प्रभावों का अनुमान लगाया।
  • हम निष्क्रिय परिवेश बंद करते या घटाते हैं।
  • हम उपकरणों की मरम्मत, पुनः उपयोग और जीवन विस्तार करते हैं, और ज़िम्मेदारी से निपटान करते हैं।
  • हम आपूर्तिकर्ताओं से उत्सर्जन और ऊर्जा डेटा माँगते हैं और उनकी विधियाँ दर्ज करते हैं।
  • AI उपयोग अनुपातिक हैं, लागत और जहाँ संभव हो ऊर्जा दर्ज करते हुए।
  • सेवाओं का सुगम्यता के लिए वास्तविक उपयोगकर्ताओं के साथ परीक्षण होता है।
  • ऑन-कॉल और कार्यभार टिकाऊ हैं।
  • स्थिरता के दावों की प्रकाशन से पहले प्रमाण के विरुद्ध समीक्षा होती है।

AI प्रॉम्प्ट

प्रभाव के अनुमान को संरचित करें।

ये हमारे तथ्य हैं: उपकरणों की संख्या और आयु [चिपकाएँ], क्षेत्र के अनुसार क्लाउड उपयोग [चिपकाएँ], AI उपयोग [चिपकाएँ], और आपूर्तिकर्ता का कोई उत्सर्जन डेटा [चिपकाएँ]।
प्रभाव के स्रोतों की तालिका का मसौदा बनाएँ, हर एक के लिए हमारे पास डेटा, छूटा डेटा, जो विधि हम उपयोग कर सकते हैं, और मुख्य अनिश्चितता के साथ। उत्सर्जन कारक या आँकड़े न गढ़ें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

स्थिरता के दावे की समीक्षा करें।

यह हमारी सेवा के पर्यावरणीय प्रभाव के बारे में कथन का मसौदा है: [चिपकाएँ]। यह वह प्रमाण है जो हमारे पास है: [चिपकाएँ]।
हर दावे के लिए बताएँ कि प्रमाण उसका समर्थन करता है, आंशिक समर्थन करता है, या नहीं करता, पाठ उद्धृत करते हुए, और सूचीबद्ध करें कि क्या छूटा है। दावे को दोबारा न लिखें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

सुगम्यता परीक्षण की योजना बनाएँ।

हमारी सेवा: [वर्णन करें]। हमारे उपयोगकर्ता: [समूह]। ज्ञात समस्याएँ: [सूची]।
परीक्षण योजना का मसौदा बनाएँ, जिसमें वास्तविक उपयोगकर्ता कौन-से कार्य आज़माएँगे, कौन-सी सहायक प्रौद्योगिकियाँ और उपकरण शामिल हों, क्या दर्ज करना है, और परिणाम कैसे रिपोर्ट करने हैं। यह दावा न करें कि कोई मानक पूरा होता है।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

AI कौशल

  • roi-analysis: प्रभाव घटाने वाले विकल्पों की लागत और लाभ तौलने के लिए उपयोग करें।
  • stakeholder-analysis: यह पहचानने के लिए उपयोग करें कि कौन प्रभावित है और कौन छूटा है।
  • risk-register: पर्यावरणीय और सामाजिक जोखिम स्वामियों के साथ दर्ज करने के लिए उपयोग करें।
  • capacity-planning: संसाधनों का सही आकार करने के लिए उपयोग करें।
  • vendor-management: आपूर्तिकर्ताओं से डेटा और प्रतिबद्धताएँ माँगने के लिए उपयोग करें।

प्रमुख स्रोत

  • The Green Software Foundation (greensoftware.foundation): सॉफ़्टवेयर और कार्बन पर सामुदायिक मार्गदर्शन और मानक।
  • W3C, Web Content Accessibility Guidelines (WCAG): सुगम्य वेब सामग्री का अंतरराष्ट्रीय मानक।
  • Wikipedia, "Sustainability" और "Greenwashing": क्षेत्र और दावों के मुख्य ख़तरे का अवलोकन।
  • Wikipedia, "Electronic waste" और "Circular economy": उपकरणों और सामग्री की पृष्ठभूमि।

संदर्भ

  1. Sustainability — Wikipedia — https://en.wikipedia.org/wiki/Sustainability
  2. Environmental, social, and governance — Wikipedia — https://en.wikipedia.org/wiki/Environmental,_social,_and_governance
  3. Carbon footprint — Wikipedia — https://en.wikipedia.org/wiki/Carbon_footprint
  4. Carbon accounting — Wikipedia — https://en.wikipedia.org/wiki/Carbon_accounting
  5. Green computing — Wikipedia — https://en.wikipedia.org/wiki/Green_computing
  6. Data center — Wikipedia — https://en.wikipedia.org/wiki/Data_center
  7. Power usage effectiveness — Wikipedia — https://en.wikipedia.org/wiki/Power_usage_effectiveness
  8. Electronic waste — Wikipedia — https://en.wikipedia.org/wiki/Electronic_waste
  9. Circular economy — Wikipedia — https://en.wikipedia.org/wiki/Circular_economy
  10. Greenwashing — Wikipedia — https://en.wikipedia.org/wiki/Greenwashing
  11. Rebound effect (conservation) — Wikipedia — https://en.wikipedia.org/wiki/Rebound_effect_(conservation)
  12. Accessibility — Wikipedia — https://en.wikipedia.org/wiki/Accessibility

सेवा प्रबंधन मार्गदर्शिका — एजाइल, AI, स्वचालन और विश्लेषण के साथ सेवा प्रबंधन।

स्रोत और योगदान: github.com/service-management-guide. इसके साथ बनाया गया Lily Design System™.

संचालन Joel Parker Henderson.