De verborgen kosten van gemak: waarom de impact van AI op het milieu onder de loep moet worden genomen

We vertrouwen regelmatig op AI voor hulp, of het nu gaat om het samenvatten van dit, het genereren van dat of het oplossen van dit. Het is snel, gemakkelijk en steeds meer ingebed in onze manier van werken. Maar in onze haast om dingen eenvoudiger te maken, hebben we een belangrijk onderdeel van het verhaal over het hoofd gezien: de milieukosten achter digitaal gemak.

Elke AI-interactie is afhankelijk van iets dat we nooit zien en zelden overwegen: datacenters, chips, elektriciteitsnetten, koelsystemen en wereldwijde logistieke netwerken. Deze "onzichtbare infrastructuur" zorgt ervoor dat AI gewichtloos aanvoelt. Maar de milieubelasting is allesbehalve negatief.

Het is tijd dat we die kosten zichtbaar maken. Naarmate AI een steeds belangrijkere rol gaat spelen in de bedrijfsvoering, neemt ook de impact ervan op energie, water en emissies toe. De vraag is niet alleen hoe krachtig het volgende model zal zijn, maar ook of we bereid zijn om de verantwoordelijkheid te nemen voor wat er nodig is om het te laten werken.

AI heeft een optisch probleem. In tegenstelling tot rook van een fabriek of verkeer op een snelweg, vinden de emissies van het trainen of bevragen van een model plaats achter gesloten deuren, in klimaatgestuurde serverruimtes. Dat maakt ze niet minder realistisch.

Het draaien van geavanceerde modellen vereist een aanzienlijke hoeveelheid elektriciteit. Het trainen van GPT-3 verbruikt bijvoorbeeld evenveel energie als 130 Amerikaanse huishoudens. jaarlijksEn daar blijft het niet bij. Inferentie, het proces van het genereren van reacties, samenvattingen of afbeeldingen, gebruikt aanzienlijke rekenkracht. Een enkele ChatGPT-query gebruikt ongeveer vijf keer meer elektriciteit dan een typische zoekopdracht op internet, en het genereren van één AI-afbeelding kan net zoveel tijd kosten energie-niveau als het volledig opladen van een smartphone.

Waterverbruik is ook een belangrijk onderdeel van het plaatje. Elke keer dat ChatGPT een korte e-mail van 100 woorden genereert met behulp van het GPT-4-model, verbruikt het ruw de inhoud van een standaard waterfles. Dat water wordt gebruikt om de servers in datacenters te koelen, die tijdens bedrijf intense hitte genereren. Als we dat opschalen naar slechts één keer per week door 10% van de werkende Amerikanen, dan zou het jaarlijkse waterverbruik gelijk zijn aan het dagelijkse verbruik van elk huishouden in Rhode Island, gedurende anderhalve dag.

Naarmate de AI-werklast toeneemt, neemt ook de vraag naar datacenterstroom toe. De Wereldbank schattingen dat de bredere categorie informatie- en communicatietechnologie (ICT), inclusief AI, momenteel verantwoordelijk is voor minstens 1.7% van de wereldwijde uitstoot van broeikasgassen. Hoewel dat aantal bescheiden lijkt, weerspiegelt het slechts de huidige mate van acceptatie. Met de aanhoudende groei van AI – naast de toenemende wereldwijde internettoegang, uitgebreide cloudopslag, IoT-apparaten en zelfs blockchaintechnologieën – zou de collectieve impact aanzienlijk kunnen toenemen, zelfs als er enige efficiëntiewinst wordt geboekt.

Die discrepantie tussen hoe makkelijk AI te gebruiken is en hoe veel middelen het kost om uit te voeren, maakt dat het probleem gemakkelijk genegeerd wordt.

Maar het wijst ook op de oplossing. We hoeven innovatie niet te vertragen. We moeten bewuster omgaan met hoe we innovatie ontwerpen en implementeren. Dat betekent betere vragen stellen, leveranciers verantwoordelijk houden en duurzaamheid meenemen in elke AI-beslissing.

Deze systemen worden alleen maar krachtiger. Als we willen dat ze bijdragen aan het oplossen van klimaatproblemen, moeten we ervoor zorgen dat ze die niet stilletjes verergeren.

Van infrastructuur naar verantwoording

De milieu-impact van AI beperkt zich niet tot het moment dat een gebruiker op 'enter' drukt. Er zit een hele toeleveringsketen achter: mijnbouw, chipfabricage, apparatuurverzending en datacenterbouw. Deze realiteit creëert een nieuwe uitdaging op het gebied van verantwoording voor bedrijven. In tegenstelling tot traditionele emissiebronnen, waar de impact kan worden gekoppeld aan verbruikte brandstof of gereden kilometers, worden de kosten van AI verdeeld over systemen en leveranciers. Het is gemakkelijk om te denken dat de verantwoordelijkheid bij 'de cloud' of 'de leverancier' ligt.

Maar als u AI gebruikt via een SaaS-platform, cloudprovider of interne tools, dan maken de emissies en het energieverbruik deel uit van uw operationele footprint. Dat geldt met name voor Scope 3-emissies, die de emissies in uw hele waardeketen omvatten.

Het goede nieuws is dat verantwoording niet draait om schuld. Het gaat om bewustwording, transparantie en betere besluitvorming.

Het onzichtbare zichtbaar maken

Hoe brengen we de verborgen milieukosten van AI aan het licht? Het begint met een heroverweging van de manier waarop we de tools die we gebruiken evalueren.

Inkoopteams zouden moeten vragen naar functionaliteit, energiebronnen, datacenterefficiëntie en emissierapportage. Als een leverancier u niet kan vertellen hoeveel stroom zijn AI-tools verbruiken of of ze afhankelijk zijn van hernieuwbare energie, is dat een waarschuwingssignaal.

Product- en engineeringteams kunnen ontwerpbeslissingen nemen die de impact verminderen zonder dat dit ten koste gaat van de resultaten. Dit omvat het gebruik van kleinere, verfijnde modellen waar mogelijk en het vermijden van onnodige complexiteit. Een efficiënter model is niet alleen sneller, maar ook milieuvriendelijker.

Medewerkers kunnen ook een bijdrage leveren. Door teams te trainen in het schrijven van duidelijke, gerichte prompts, wordt het aantal benodigde query's verminderd en de rekentijd geminimaliseerd. Eén goed geformuleerde aanvraag kan direct het juiste resultaat opleveren, terwijl meerdere vage aanvragen bij elke iteratie energie kunnen verspillen.

Leidinggevenden kunnen de link leggen tussen innovatie en duurzaamheid. De implementatie van AI moet worden afgestemd op klimaatdoelen en niet als een aparte strategie worden behandeld. Kleine veranderingen beginnen effect te hebben wanneer organisaties milieu-impact op elk niveau onderdeel maken van de discussie.

Waarom ISO 42001 een nuttige routekaart biedt

ISO 42001, de nieuwe internationale norm voor AI-managementsystemen, introduceert een belangrijk aandachtspunt: organisaties stimuleren om niet alleen te kijken naar hoe AI-systemen presteren, maar ook naar de impact ervan op mens en planeet. Klimaat wordt niet als een bijzaak beschouwd, maar als een risico dat vanaf het begin moet worden beheerd.

Voor bedrijven die al werken aan ISO 14001 (voor milieumanagement) of netto-nuldoelstellingen, biedt ISO 42001 een brugfunctie. Het helpt AI-governance af te stemmen op bredere duurzaamheidsstrategieën, van emissieregistratie tot verantwoorde samenwerking met leveranciers.

Wat AI kan teruggeven

Het is gemakkelijk om alleen maar negatief te denken, maar AI kan ons ook daadwerkelijk helpen bij het oplossen van milieuproblemen.

AI helpt nutsbedrijven al om de vraag te voorspellen en het energieverbruik in realtime aan te passen om hernieuwbare bronnen zoals wind- en zonne-energie beter te integreren. In de landbouw wordt AI gebruikt om de bodemvochtigheid en weersomstandigheden te monitoren om irrigatieschema's te sturen en de afvoer van meststoffen te minimaliseren. Logistieke bedrijven gebruiken AI om efficiëntere leveringsroutes te plannen, waardoor het brandstofverbruik en de stilstandtijd worden verminderd. En misschien wel het belangrijkste: AI versnelt het volgen van emissies door inkoop- en leveranciersgegevens te analyseren, waardoor bedrijven moeilijk te meten Scope 3-emissies kunnen berekenen en kunnen identificeren waar reducties mogelijk zijn.

Als AI met zorg wordt ingezet, kan het niet alleen fungeren als een consument van hulpbronnen, maar ook als een aanjager van slimmere klimaatoplossingen.

Tijd om eens wat beter te kijken

AI zal niet vertragen, en dat hoeft ook niet. We moeten echter wel de ecologische voetafdruk ervan zichtbaarder en beheersbaarder maken.

Dat betekent:

• Partners kiezen die hun emissies rapporteren en verminderen.
• Teams trainen om AI efficiënt en doelbewust te gebruiken.
• Milieueffecten moeten worden beschouwd als onderdeel van de waardevergelijking, en niet als een afweging.

We zijn gewend om AI als onzichtbaar te beschouwen. Maar dat is een perceptieprobleem, geen fysiek probleem. De servers zijn echt, de emissies zijn meetbaar en het water is eindig.

Het is nu tijd om verantwoordingsgewoonten aan te leren, zodat de systemen waarop we vertrouwen niet stilletjes de toekomst ondermijnen die we allemaal proberen te beschermen.