Biaya Tersembunyi dari Kemudahan: Mengapa Dampak Lingkungan AI Perlu Dilihat

Kita sering mengandalkan AI untuk membantu, baik untuk meringkas ini, menghasilkan itu, atau memecahkan ini. Ini cepat, mudah, dan semakin tertanam dalam cara kita bekerja. Namun, dalam kegembiraan kita untuk membuat hal-hal lebih mudah, kita telah mengabaikan bagian penting dari cerita: biaya lingkungan di balik kenyamanan digital.

Setiap interaksi AI bergantung pada sesuatu yang tidak kita lihat dan jarang dipertimbangkan – pusat data, chip, jaringan listrik, sistem pendingin, dan jaringan logistik global. “Infrastruktur tak terlihat” ini membuat AI terasa ringan. Namun, dampak lingkungan tidaklah ringan.

Saatnya kita membuat biaya itu terlihat. Ketika AI menjadi lebih sentral dalam operasi bisnis, dampaknya pada energi, air, dan emisi juga meningkat. Pertanyaannya bukan hanya seberapa kuat model berikutnya, tetapi juga apakah kita siap untuk mengambil tanggung jawab atas apa yang diperlukan untuk menjalankannya.

AI memiliki masalah optik. Tidak seperti asap dari pabrik atau lalu lintas di jalan raya, emisi dari pelatihan atau penggunaan model terjadi di balik pintu di ruang server yang terkendali iklim. Itu tidak membuatnya kurang nyata.

Menjalankan model canggih memerlukan sejumlah besar listrik. Pelatihan GPT-3, misalnya, mengonsumsi energi sebanyak 130 rumah tangga AS setiap tahun. Dan itu tidak berhenti di situ. Inference, proses menghasilkan respons, ringkasan, atau gambar, menggunakan daya yang cukup besar. Satu pertanyaan ChatGPT menggunakan sekitar lima kali lebih banyak listrik daripada pencarian web biasa, dan menghasilkan satu gambar AI dapat mengonsumsi sebanyak energi yang diperlukan untuk mengisi penuh ponsel.

Konsumsi air juga merupakan bagian penting dari gambaran. Setiap kali ChatGPT menghasilkan email singkat 100 kata menggunakan model GPT-4, itu mengonsumsi sekitar volume botol air standar. Air itu digunakan untuk mendinginkan server di pusat data, yang menghasilkan panas intens selama operasi. Jika kita mengkalikan itu dengan penggunaan mingguan oleh 10% dari pekerja Amerika, penggunaan air tahunan akan setara dengan konsumsi harian setiap rumah tangga di Rhode Island, selama satu setengah hari.

Ketika beban kerja AI berkembang, permintaan daya pusat data juga meningkat. Bank Dunia memperkirakan bahwa kategori Teknologi Informasi dan Komunikasi (TIK) yang lebih luas, termasuk AI, saat ini menyumbang setidaknya 1,7% dari total emisi gas rumah kaca global. Meskipun angka itu mungkin tampak modest, itu hanya mencerminkan tingkat adopsi saat ini. Dengan pertumbuhan AI yang berkelanjutan – bersama dengan akses internet global yang meningkat, penyimpanan cloud, perangkat IoT, dan bahkan teknologi blockchain – dampak kolektif bisa tumbuh secara signifikan, bahkan jika beberapa efisiensi diperoleh.

Perbedaan antara seberapa mudah AI digunakan dan seberapa intensif sumber daya yang diperlukan untuk menjalankannya membuat masalah ini mudah diabaikan.

Namun, itu juga menunjukkan solusi. Kita tidak perlu memperlambatkan inovasi. Kita perlu lebih sengaja dalam merancang dan menerapkan inovasi. Itu berarti mengajukan pertanyaan yang lebih baik, meminta vendor untuk bertanggung jawab, dan memasukkan keberlanjutan ke dalam setiap keputusan AI.

Sistem ini hanya akan semakin kuat. Jika kita ingin mereka membantu menyelesaikan tantangan lingkungan, kita harus memastikan mereka tidak secara diam-diam membuatnya lebih buruk.

Dari Infrastruktur ke Akuntabilitas

Dampak lingkungan AI tidak terbatas pada saat pengguna menekan “enter.” Ada rantai pasokan di baliknya: penambangan, fabrikasi chip, pengiriman peralatan, dan konstruksi pusat data. Kenyataan ini menciptakan tantangan akuntabilitas baru bagi perusahaan. Tidak seperti sumber emisi tradisional, di mana dampak dapat dihubungkan dengan bahan bakar yang dibakar atau jarak yang ditempuh, biaya AI tersebar di seluruh sistem dan penyedia. Mudah untuk berpikir bahwa tanggung jawab milik “awan” atau “vendor.”

Jika Anda menggunakan AI melalui platform SaaS, penyedia cloud, atau alat internal, maka emisi dan penggunaan energi merupakan bagian dari jejak operasional Anda. Itu terutama benar ketika melihat emisi Scope 3, yang mencakup emisi yang dihasilkan di seluruh rantai nilai.

Berita baiknya adalah akuntabilitas tidak tentang menyalahkan. Itu tentang kesadaran, transparansi, dan pengambilan keputusan yang lebih baik.

Membuat yang Tidak Terlihat Menjadi Terlihat

Bagaimana kita membuat biaya lingkungan AI yang tersembunyi menjadi terlihat? Ini dimulai dengan merenungkan kembali cara kita mengevaluasi alat yang kita gunakan.

Tim pengadaan harus bertanya tentang fungsionalitas, sumber energi, efisiensi pusat data, dan pelaporan emisi. Jika vendor tidak dapat memberitahu Anda berapa banyak daya yang dikonsumsi oleh alat AI mereka atau apakah mereka mengandalkan energi terbarukan, itu adalah tanda bahaya.

Tim produk dan teknik dapat membuat keputusan desain yang mengurangi dampak tanpa mengorbankan hasil. Itu termasuk menggunakan model yang lebih kecil dan disesuaikan ketika memungkinkan dan menghindari kompleksitas yang tidak perlu. Model yang lebih efisien tidak hanya lebih cepat, tetapi juga lebih ramah lingkungan.

Karyawan juga dapat berkontribusi. Melatih tim untuk menulis prompt yang jelas dan terarah mengurangi jumlah kueri yang diperlukan dan meminimalkan waktu komputasi. Satu permintaan yang dikonstruksi dengan baik mungkin menghasilkan hasil yang benar segera, sementara beberapa permintaan yang samar mungkin membuang energi dengan setiap iterasi.

Pimpinan eksekutif dapat menghubungkan titik-titik antara inovasi dan keberlanjutan. Adopsi AI harus sejalan dengan tujuan iklim, bukan diperlakukan sebagai strategi terpisah. Perubahan kecil mulai menambahkan ketika organisasi membuat dampak lingkungan menjadi bagian dari percakapan di setiap tingkat.

Mengapa ISO 42001 Menawarkan Peta Jalan yang Berguna

ISO 42001, standar internasional baru untuk sistem manajemen AI, memperkenalkan fokus kunci: mendorong organisasi untuk mempertimbangkan tidak hanya bagaimana sistem AI berperforma tetapi juga bagaimana mereka mempengaruhi manusia dan planet. Ini tidak memperlakukan iklim sebagai afterthought; itu memperlakukannya sebagai risiko yang patut dikelola dari awal.

Untuk perusahaan yang sudah bekerja menuju ISO 14001 (untuk manajemen lingkungan) atau tujuan nol bersih, ISO 42001 menawarkan jembatan. Ini membantu menghubungkan tata kelola AI dengan strategi keberlanjutan yang lebih luas, dari pelacakan emisi hingga kemitraan vendor yang bertanggung jawab.

Apa yang AI Dapat Berikan Kembali

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

Sudah, AI membantu utilitas untuk memprediksi permintaan dan menyesuaikan penggunaan energi secara real-time untuk lebih baik mengintegrasikan sumber terbarukan seperti angin dan surya. Di pertanian, AI digunakan untuk memantau kelembaban tanah dan kondisi cuaca untuk membimbing jadwal irigasi dan meminimalkan limpasan pupuk. Perusahaan logistik menggunakan AI untuk merencanakan rute pengiriman yang lebih efisien, mengurangi konsumsi bahan bakar dan waktu menganggur. Dan mungkin yang paling signifikan, AI mempercepat pelacakan emisi dengan menganalisis data pengadaan dan supplier, membantu perusahaan menghitung emisi Scope 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 untuk Melihat Lebih Dekat

AI tidak akan melambat, dan itu tidak seharusnya. Namun, kita harus mulai membuat jejak lingkungan AI lebih terlihat dan terkelola.

Itu berarti:

• Memilih mitra yang melaporkan dan mengurangi emisi mereka.
• Melatih tim untuk menggunakan AI dengan efisien dan sengaja.
• Memperlakukan dampak lingkungan sebagai bagian dari persamaan nilai, bukan sebagai pertukaran.

Kita terbiasa berpikir tentang AI sebagai sesuatu yang tidak terlihat. Tapi itu adalah masalah persepsi, bukan fisik. Servernya nyata, emisinya dapat diukur, dan airnya terbatas.

Sekarang adalah saatnya untuk membangun kebiasaan akuntabilitas sehingga sistem yang kita andalkan tidak secara diam-diam melemahkan masa depan yang kita semua coba lindungi.