Den skjulte pris for bekvemmelighed: Hvorfor AI’s miljøpåvirkning skal være synlig

Vi regelmæssigt benytter AI til hjælp, enten til at sammenfatte dette, generere det eller løse dette. Det er hurtigt, let og stadig mere integreret i, hvordan vi arbejder. Men i vores hast til at gøre ting lettere, har vi overset en vigtig del af historien: den miljømæssige pris bag digital bekvemmelighed.

Hver AI-interaktion afhænger af noget, vi aldrig ser og sjældent overvejer – datacentre, chip, kraftnet, kølesystemer og globale logistiknetværk. Denne “usynlige infrastruktur” gør AI til at føle sig vægtløs. Men den miljømæssige pris er langt fra vægtløs.

Det er tid til, at vi gør denne pris synlig. Da AI bliver mere central for virksomhedsdrift, bliver også dets påvirkning på energi, vand og emissioner. Spørgsmålet er ikke kun, hvor kraftfuld den næste model vil være, men også, om vi er parat til at tage ansvar for, hvad det kræver at køre den.

AI har et synsproblem. I modsætning til røg fra en fabrik eller trafik på en motorvej sker emissionerne ved træning eller forespørgsel af en model bag lukkede døre i klimastyrede serverhallen. Det gør dem ikke mindre virkelige.

Kørsel af avancerede modeller kræver en betydelig mængde elektricitet. Træning af GPT-3, for eksempel, forbruger så meget energi, som 130 amerikanske hjem bruger årligt. Og det stopper ikke der. Forespørgslen, processen med at generere svar, sammenfatninger eller billeder, bruger betydelig kraft. En enkelt ChatGPT-forespørgsel bruger omkring fem gange mere elektricitet end en typisk web-søgning, og generering af ét AI-billede kan forbruge så meget energi som fuldt opladning af en smartphone.

Vandforbrug er også en betydelig del af billedet. Hver gang ChatGPT genererer en kort 100-ord email ved hjælp af GPT-4-modellen, forbruger det omkring volumen af en standard vandflaske. Det vand bruges til at køle serverne i datacentre, som genererer intens varme under drift. Skalér det op til blot én ugentlig brug af 10% af de arbejdende amerikanere, ville det årlige vandforbrug være lig med det daglige forbrug af hver husstand i Rhode Island i en dag og en halv.

Da AI-arbejdsbyrden udvides, udvides også datacenterets kraftkrav. Verdensbanken estimerer, at den bredere informations- og kommunikationsteknologi (IKT)-kategorie, herunder AI, i øjeblikket står for mindst 1,7% af de globale drivhusgasemissioner. Selvom dette tal måske synes beskedent, afspejler det kun nuværende niveau af anvendelse. Med den fortsatte vækst af AI – sammen med stigende global internetadgang, udvidet cloud-lagring, IoT-enheder og selv blockchain-teknologier – kan den kollektive påvirkning vokse betydeligt, selvom visse effektiviteter opnås.

Denne afkopling mellem, hvor let AI er at bruge, og hvor ressourcekrævende det er at køre, gør problemet let at ignorere.

Men det peger også på løsningen. Vi behøver ikke at slowe innovationen. Vi behøver at være mere bevidste om, hvordan vi designer og implementerer den. Det betyder at stille bedre spørgsmål, holde leverandører ansvarlige og indarbejde bæredygtighed i hver AI-beslutning.

Disse systemer bliver kun mere kraftfulde. Hvis vi vil have dem til at hjælpe os med at løse klima-udfordringer, må vi sikre, at de ikke stille og roligt gør dem værre.

Fra Infrastruktur til Ansvar

AI’s miljøpåvirkning er ikke begrænset til øjeblikket, hvor en bruger trykker på “enter”. Der er en hel forsyningskæde bagved: minedrift, chip-fabrikation, udstyrs-transport og datacenter-bygning. Denne virkelighed skaber en ny type ansvarsudfordring for virksomheder. I modsætning til traditionelle emissionskilder, hvor påvirkningen kan tilknyttes brændstof eller kørsel, er AI’s pris spredt over systemer og leverandører. Det er let at tro, at ansvaret tilhører “skyen” eller “leverandøren”.

Hvis du bruger AI gennem en SaaS-platform, cloud-leverandør eller interne værktøjer, er emissionerne og energiforbrugtet en del af din operationelle fodaftryk. Det er især sandt, når du ser på Scope 3-emissioner, som omfatter de emissioner, der genereres over din værdikæde.

Det gode nyheder er, at ansvar ikke handler om skyld. Det handler om bevidsthed, gennemsigtighed og bedre beslutninger.

At gøre det usynlige synligt

Så hvordan gør vi den skjulte miljømæssige pris for AI synlig? Det starter med at omvurdere, hvordan vi vurderer de værktøjer, vi bruger.

Indkøbshold skal spørge om funktion, energikilder, datacenter-effektivitet og emissionsrapportering. Hvis en leverandør ikke kan fortælle dig, hvor meget kraft deres AI-værktøjer forbruger eller om de afhænger af vedvarende energi, er det et advarselstegn.

Produkt- og ingeniørhold kan træffe designbeslutninger, der reducerer påvirkningen uden at gå på kompromis med resultaterne. Det inkluderer brug af mindre, finjusterede modeller, når det er muligt, og undgåelse af unødvendig kompleksitet. En mere effektiv model er ikke kun hurtigere, men også grønnere.

Medarbejdere kan også bidrage. Træning af hold til at skrive klare, målrettede prompts reducerer antallet af forespørgsler og minimiserer beregnings tid. En enkelt velkonstrueret anmodning kan give det korrekte resultat med det samme, mens flere vagtspørgsmål kan spilde energi med hver iteration.

Ledelsen kan sammenkæde innovation og bæredygtighed. AI-adopterings skal være i overensstemmelse med klimamål, ikke behandlet som en separat strategi. Små ændringer begynder at tilføje op, når organisationer gør miljøpåvirkning en del af samtalen på alle niveauer.

Hvorfor ISO 42001 tilbyder en nyttig vejviser

ISO 42001, den nye internationale standard for AI-ledelsessystemer, introducerer en nøglefokus: opmuntring af organisationer til at overveje ikke kun, hvordan AI-systemer fungerer, men også, hvordan de påvirker mennesker og planeten. Den behandler ikke klimaet som en eftertanke; den behandler det som en risiko, der er værd at styre fra begyndelsen.

For virksomheder, der allerede arbejder mod ISO 14001 (for miljøledelse) eller netto-nul-mål, tilbyder ISO 42001 en bro. Den hjælper med at tilpasse AI-styring med bredere bæredygtighedsstrategier, fra emissionsrapportering til ansvarlige leverandør-partnerskaber.

Hvad AI kan give tilbage

Det er let at fokusere på de negative aspekter, men AI har også reel potentiale til at hjælpe os med at løse miljøproblemer.

Allerede nu hjælper AI med at forudsige energibehov og tilpasse energiforbrug i realtid for bedre at integrere vedvarende kilder som vind og sol. I landbrug bruges AI til at overvåge jordfugtighed og vejrforhold for at vejlede vandingsplaner og minimere gødningsskyl. Logistikvirksomheder bruger AI til at planlægge mere effektive leveringsruter, hvilket reducerer brændstofforbrug og tomgangstid. Og måske mest betydningsfuldt er AI accelererer emissionsrapportering ved at analysere indkøbs- og leverandørdata, hvilket hjælper virksomheder med at beregne svært-målbar Scope 3-emissioner og identificere, hvor reduktioner er mulige.

Hvis AI implementeres med omhu, kan det fungere ikke kun som en ressource-forbruger, men også som en driver af smartere klima-løsninger.

Tid til at tage en nærmere kig

AI er ikke ved at slowe ned, og det skal det heller ikke. Men vi må begynde at gøre dets miljømæssige fodaftryk mere synligt og håndterbart.

Det betyder:

• Valg af partnere, der rapporterer og reducerer deres emissioner.
• Træning af hold til at bruge AI effektivt og bevidst.
• Behandling af miljøpåvirkning som en del af værdi-ligningen, ikke en kompromis.

Vi er vant til at tænke på AI som usynligt. Men det er et perceptionsproblem, ikke et fysisk. Serverne er virkelige, emissionerne er målbare, og vandet er begrænset.

Nu er tiden til at bygge ansvarsvaner, så de systemer, vi afhænger af, ikke stille og roligt undergraver fremtiden, vi alle forsøger at beskytte.