Biaya Tersembunyi dari Kenyamanan: Mengapa Dampak Lingkungan AI Perlu Diperhatikan

Kita sering mengandalkan AI untuk membantu, baik untuk meringkas ini, menghasilkan itu, maupun menyelesaikan masalah ini. AI cepat, mudah, dan semakin terintegrasi dalam cara kita bekerja. Namun, dalam upaya kita untuk mempermudah segala sesuatunya, kita telah mengabaikan bagian penting dari cerita ini: biaya lingkungan di balik kemudahan digital.

Setiap interaksi AI bergantung pada sesuatu yang tak pernah kita lihat dan jarang kita pertimbangkan – pusat data, chip, jaringan listrik, sistem pendingin, dan jaringan logistik global. "Infrastruktur tak kasat mata" ini membuat AI terasa ringan. Namun, dampaknya terhadap lingkungan sama sekali tidak demikian.

Sudah saatnya kita membuat biaya tersebut terlihat. Seiring AI menjadi semakin sentral dalam operasional bisnis, dampaknya terhadap energi, air, dan emisi pun meningkat. Pertanyaannya bukan hanya seberapa kuat model selanjutnya, tetapi juga apakah kita siap bertanggung jawab atas apa yang diperlukan untuk menjalankannya.

AI punya masalah optik. Tidak seperti asap pabrik atau lalu lintas di jalan bebas hambatan, emisi dari pelatihan atau pengujian model terjadi di balik pintu tertutup di ruang server ber-AC. Namun, hal itu tidak mengurangi realitanya.

Menjalankan model canggih membutuhkan listrik dalam jumlah yang signifikan. Pelatihan GPT-3, misalnya, mengonsumsi energi sebanyak 130 rumah di AS. setiap tahunDan itu tidak berhenti di situ. Inferensi, proses menghasilkan respons, ringkasan, atau gambar, menggunakan daya yang sangat besar. Satu kueri ChatGPT menggunakan sekitar lima kali lebih banyak listrik daripada pencarian web biasa, dan menghasilkan satu gambar AI dapat menghabiskan banyak waktu energi seperti mengisi penuh daya ponsel pintar.

Konsumsi air juga merupakan bagian penting dari gambaran ini. Setiap kali ChatGPT membuat email singkat 100 kata menggunakan model GPT-4, ia mengonsumsi kira-kira Volume botol air standar. Air tersebut digunakan untuk mendinginkan server di pusat data, yang menghasilkan panas tinggi selama pengoperasian. Jika 10% pekerja Amerika menggunakan air tersebut hanya sekali seminggu, maka penggunaan air tahunan tersebut akan setara dengan konsumsi harian setiap rumah tangga di Rhode Island, selama satu setengah hari.

Seiring dengan meningkatnya beban kerja AI, kebutuhan daya pusat data pun meningkat. Bank Dunia perkiraan Kategori Teknologi Informasi dan Komunikasi (TIK) yang lebih luas, termasuk AI, saat ini menyumbang setidaknya 1.7% emisi gas rumah kaca global. Meskipun angka tersebut mungkin tampak sederhana, angka tersebut hanya mencerminkan tingkat adopsi saat ini. Dengan pertumbuhan AI yang berkelanjutan – seiring dengan meningkatnya akses internet global, perluasan penyimpanan cloud, perangkat IoT, dan bahkan teknologi blockchain – dampak kolektifnya dapat meningkat secara signifikan, bahkan jika beberapa efisiensi tercapai.

Kesenjangan antara kemudahan penggunaan AI dan besarnya penggunaan sumber daya untuk menjalankannya membuat masalah ini mudah diabaikan.

Namun, hal ini juga menunjukkan solusinya. Kita tidak perlu memperlambat inovasi. Kita perlu lebih cermat dalam merancang dan menerapkannya. Artinya, kita perlu mengajukan pertanyaan yang lebih baik, meminta pertanggungjawaban vendor, dan mempertimbangkan keberlanjutan dalam setiap keputusan AI.

Sistem-sistem ini semakin canggih. Jika kita ingin mereka membantu mengatasi tantangan iklim, kita harus memastikan mereka tidak memperburuknya secara diam-diam.

Dari Infrastruktur ke Akuntabilitas

Dampak lingkungan AI tidak terbatas pada saat pengguna menekan "enter". Ada keseluruhan rantai pasokan di baliknya: penambangan, fabrikasi chip, pengiriman peralatan, dan pembangunan pusat data. Realitas ini menciptakan tantangan akuntabilitas baru bagi perusahaan. Tidak seperti sumber emisi tradisional, yang dampaknya dapat dikaitkan dengan bahan bakar yang dibakar atau jarak tempuh, biaya AI tersebar di seluruh sistem dan penyedia. Mudah untuk berpikir bahwa tanggung jawab berada di tangan "cloud" atau "vendor".

Namun, jika Anda menggunakan AI melalui platform SaaS, penyedia cloud, atau perangkat internal, emisi dan penggunaan energi merupakan bagian dari jejak operasional Anda. Hal ini terutama berlaku ketika mempertimbangkan emisi Cakupan 3, yang mencakup emisi yang dihasilkan di seluruh rantai nilai Anda.

Kabar baiknya adalah akuntabilitas bukan tentang menyalahkan. Akuntabilitas adalah tentang kesadaran, transparansi, dan pengambilan keputusan yang lebih baik.

Membuat Yang Tak Terlihat Terlihat

Jadi, bagaimana kita mengungkap biaya lingkungan tersembunyi dari AI? Dimulai dengan memikirkan kembali cara kita mengevaluasi perangkat yang kita gunakan.

Tim pengadaan harus menanyakan tentang fungsionalitas, sumber energi, efisiensi pusat data, dan pelaporan emisi. Jika vendor tidak dapat memberi tahu Anda berapa banyak daya yang dikonsumsi perangkat AI mereka atau apakah mereka bergantung pada energi terbarukan, itu merupakan tanda bahaya.

Tim produk dan teknik dapat membuat keputusan desain yang mengurangi dampak tanpa mengorbankan hasil. Hal ini mencakup penggunaan model yang lebih kecil dan lebih halus jika memungkinkan, serta menghindari kerumitan yang tidak perlu. Model yang lebih efisien tidak hanya lebih cepat, tetapi juga lebih ramah lingkungan.

Karyawan juga dapat berkontribusi. Melatih tim untuk menulis perintah yang jelas dan terarah akan mengurangi jumlah kueri yang dibutuhkan dan meminimalkan waktu komputasi. Satu perintah yang tersusun dengan baik mungkin langsung memberikan hasil yang benar, sementara beberapa perintah yang kurang jelas dapat membuang-buang energi di setiap iterasi.

Kepemimpinan eksekutif dapat menghubungkan inovasi dan keberlanjutan. Adopsi AI harus selaras dengan tujuan iklim, bukan diperlakukan sebagai strategi terpisah. Perubahan kecil akan berdampak besar ketika organisasi menjadikan dampak lingkungan sebagai bagian dari percakapan di setiap tingkatan.

Mengapa ISO 42001 Menawarkan Peta Jalan yang Bermanfaat

ISO 42001, standar internasional baru untuk sistem manajemen AI, memperkenalkan fokus utama: mendorong organisasi untuk mempertimbangkan tidak hanya kinerja sistem AI, tetapi juga dampaknya terhadap manusia dan planet. Standar ini tidak menganggap iklim sebagai sesuatu yang remeh; melainkan sebagai risiko yang perlu dikelola sejak awal.

Bagi perusahaan yang sudah berupaya mencapai ISO 14001 (untuk manajemen lingkungan) atau target nol bersih, ISO 42001 menawarkan solusi. ISO XNUMX membantu menyelaraskan tata kelola AI dengan strategi keberlanjutan yang lebih luas, mulai dari pelacakan emisi hingga kemitraan vendor yang bertanggung jawab.

Apa yang Dapat Diberikan AI Kembali

Mudah untuk berfokus pada hal-hal negatif, tetapi AI juga membawa potensi nyata untuk membantu kita memecahkan masalah lingkungan.

AI telah membantu perusahaan utilitas memperkirakan permintaan dan menyesuaikan penggunaan energi secara real-time untuk mengintegrasikan sumber daya terbarukan seperti angin dan matahari dengan lebih baik. Di bidang pertanian, AI digunakan untuk memantau kelembapan tanah dan kondisi cuaca guna memandu jadwal irigasi dan meminimalkan limpasan pupuk. Perusahaan logistik menggunakan AI untuk merencanakan rute pengiriman yang lebih efisien, mengurangi konsumsi bahan bakar dan waktu henti. Dan yang mungkin paling signifikan, AI mempercepat pelacakan emisi dengan menganalisis data pengadaan dan pemasok, membantu perusahaan menghitung emisi Cakupan 3 yang sulit diukur dan mengidentifikasi di mana pengurangan dapat dilakukan.

Jika diterapkan dengan hati-hati, AI dapat bertindak tidak hanya sebagai konsumen sumber daya tetapi juga sebagai penggerak solusi iklim yang lebih cerdas.

Saatnya Melihat Lebih Dekat

AI tidak akan melambat, dan memang seharusnya begitu. Namun, kita harus mulai membuat jejak lingkungannya lebih terlihat dan terkelola.

Itu berarti:

• Memilih mitra yang melaporkan dan mengurangi emisi mereka.
• Melatih tim untuk menggunakan AI secara efisien dan tepat sasaran.
• Memperlakukan dampak lingkungan sebagai bagian dari persamaan nilai, bukan sebagai suatu pengorbanan.

Kita terbiasa menganggap AI tak kasat mata. Tapi itu masalah persepsi, bukan fisik. Servernya nyata, emisinya terukur, dan airnya terbatas.

Sekaranglah saatnya untuk membangun kebiasaan akuntabilitas sehingga sistem yang kita andalkan tidak diam-diam merusak masa depan yang kita semua coba lindungi.