De verborgen kosten van gemak: waarom de milieueffecten van AI zichtbaar moeten worden

We gebruiken AI regelmatig om ons te helpen, of het nu gaat om het samenvatten van informatie, het genereren van inhoud of het oplossen van problemen. Het is snel, eenvoudig en steeds meer geïntegreerd in de manier waarop we werken. Maar in onze haast om dingen gemakkelijker te maken, hebben we een belangrijk deel van het verhaal over het hoofd gezien: de milieukosten achter digitale gemakken.

Elke interactie met AI is afhankelijk van iets wat we nooit zien en zelden overwegen – datacentra, chips, elektriciteitsnetwerken, koelsystemen en wereldwijde logistieke netwerken. Deze “onzichtbare infrastructuur” maakt AI lijken alsof het gewichtloos is. Maar de milieugevolgen zijn allesbehalve dat.

Het is tijd om die kosten zichtbaar te maken. Naarmate AI centraal staat in bedrijfsoperaties, neemt ook de impact 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 verantwoordelijkheid te nemen voor wat nodig is om het te laten draaien.

AI heeft een perceptieprobleem. In tegenstelling tot rook uit een fabriek of verkeer op een snelweg, vinden de emissies van het trainen of gebruiken van een model plaats achter gesloten deuren in klimaatgecontroleerde serverzalen. Dat maakt ze niet minder reëel.

Het draaien van geavanceerde modellen vereist een aanzienlijke hoeveelheid elektriciteit. Het trainen van GPT-3 verbruikt bijvoorbeeld evenveel energie als 130 Amerikaanse huizen per jaar gebruiken jaarlijks. En het stopt daar niet. Inferentie, het proces van het genereren van antwoorden, samenvattingen of afbeeldingen, gebruikt aanzienlijke hoeveelheden energie. Een enkele ChatGPT-query gebruikt ongeveer vijf keer meer elektriciteit dan een typische webzoekopdracht, en het genereren van één AI-afbeelding kan evenveel energie verbruiken als het volledig opladen van een smartphone.

Waterverbruik is ook een belangrijk deel van het plaatje. Elke keer dat ChatGPT een korte e-mail van 100 woorden genereert met het GPT-4-model, verbruikt het ongeveer de hoeveelheid van een standaard waterfles. Dat water wordt gebruikt om de servers in datacentra te koelen, die intense hitte gegenereerd tijdens de werking. Als we dat opschalen naar één wekelijks gebruik door 10% van de werkende Amerikanen, zou het jaarlijkse waterverbruik gelijk zijn aan het dagelijkse verbruik van elk huishouden in Rhode Island, voor een dag en een halve.

Naarmate de AI-werklasten toenemen, nemen de stroomvraag van datacentra ook toe. De Wereldbank schat dat de bredere Informatie- en Communicatietechnologie (ICT)-categorie, waaronder AI, momenteel ten minste 1,7% van de wereldwijde broeikasgasemissies veroorzaakt. Hoewel dat getal misschien bescheiden lijkt, weerspiegelt het alleen de huidige niveaus van adoptie. Met de voortdurende groei van AI – naast de stijgende wereldwijde internettoegang, uitgebreide cloudopslag, IoT-apparaten en zelfs blockchain-technologieën – kan de collectieve impact aanzienlijk toenemen, zelfs als sommige efficiëntie wordt behaald.

Die disconnect tussen hoe gemakkelijk AI is om te gebruiken en hoe bronintensief het is om te draaien, maakt het probleem gemakkelijk om te negeren.

Maar het wijst ook op de oplossing. We hoeven de innovatie niet te vertragen. We moeten alleen meer doordacht zijn over hoe we het ontwerpen en inzetten. Dat betekent dat we betere vragen moeten stellen, leveranciers verantwoordelijk moeten houden en duurzaamheid moeten meenemen in elke AI-beslissing.

Deze systemen worden alleen maar krachtiger. Als we willen dat ze ons helpen om klimaatuitdagingen op te lossen, moeten we ervoor zorgen dat ze niet stilletjes erger maken.

Van infrastructuur tot verantwoordelijkheid

De milieueffecten van AI zijn niet beperkt tot het moment dat een gebruiker op “enter” drukt. Er is een hele toeleveringsketen erachter: mijnbouw, chipfabricage, apparatuurvervoer en datacentrumconstructie. Deze realiteit creëert een nieuwe soort verantwoordelijkheidsuitdaging voor bedrijven. In tegenstelling tot traditionele emissiebronnen, waar de impact kan worden gekoppeld aan verbrande brandstof of gereden kilometers, is de kosten van AI verspreid 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 zijn de emissies en energieverbruik onderdeel van uw operationele voetafdruk. Dat is vooral waar als u kijkt naar Scope 3-emissies, die worden gegenereerd over uw waardeketen.

Het goede nieuws is dat verantwoordelijkheid niet over schuld gaat. Het gaat over bewustzijn, transparantie en betere besluitvorming.

Het onzichtbare zichtbaar maken

Hoe kunnen we de verborgen milieukosten van AI aan het licht brengen? Het begint met het opnieuw evalueren van de tools die we gebruiken.

Inkoopteams moeten vragen stellen over functionaliteit, energieleveranciers, datacentrum-efficiëntie en emissierapportage. Als een leverancier u niet kan vertellen hoeveel energie hun AI-tools verbruiken of of ze gebruikmaken van hernieuwbare energie, is dat een rode vlag.

Product- en engineersteams kunnen ontwerpbeslissingen nemen die de impact verminderen zonder de resultaten te schaden. Dat omvat het gebruik van kleinere, gefine-tune modellen wanneer mogelijk en het vermijden van onnodige complexiteit. Een efficiënter model is niet alleen sneller, maar ook groener.

Medewerkers kunnen ook bijdragen. Trainingsprogramma’s om duidelijke, gerichte prompts te schrijven, verminderen het aantal queries dat nodig is en minimaliseren de berekeningstijd. Één goed geconstrueerde aanvraag kan het juiste resultaat opleveren, terwijl meerdere vage aanvragen energie kunnen verspillen met elke iteratie.

Leidinggevenden kunnen de verbinding leggen tussen innovatie en duurzaamheid. AI-adoptie moet worden afgestemd op klimaatdoelen, niet als een aparte strategie worden behandeld. Kleine veranderingen beginnen toe te nemen als organisaties de milieueffecten meenemen in elke conversatie op elk niveau.

Waarom ISO 42001 een nuttige roadmap biedt

ISO 42001, de nieuwe internationale standaard voor AI-beheersystemen, introduceert een belangrijk focus: het aanmoedigen van organisaties om niet alleen te kijken naar hoe AI-systemen presteren, maar ook naar hoe ze de mens en de planeet beïnvloeden. Het behandelt klimaat niet als een bijzaak, maar als een risico dat vanaf het begin moet worden beheerd.

Voor bedrijven die al werken aan ISO 14001 (voor milieubeheer) of netto-nuldoelen, biedt ISO 42001 een brug. Het helpt AI-governance afstemmen op bredere duurzaamheidsstrategieën, van emissietrackings tot verantwoorde leverancierspartnerschappen.

Wat AI kan teruggeven

Het is gemakkelijk om te focussen op de negatieve aspecten, maar AI biedt ook echt potentieel om ons te helpen om milieuproblemen op te lossen.

AI helpt nu al nutsbedrijven om de vraag naar energie te voorspellen en het energieverbruik in real-time aan te passen om hernieuwbare bronnen zoals wind en zon beter te integreren. In de landbouw wordt het gebruikt om bodemvochtigheid en weersomstandigheden te monitoren om irrigatieschema’s en bemestingsafvoer te minimaliseren. Logistieke bedrijven gebruiken AI om efficiëntere routeplanningen te maken, waardoor brandstofverbruik en stilstandtijd worden verminderd. En misschien wel het meest significant, AI versnelt emissietrackings door inkoop- en leveranciersgegevens te analyseren, waardoor bedrijven moeilijk te meten Scope 3-emissies kunnen berekenen en reduceren.

Als AI met zorg wordt ingezet, kan het niet alleen als een bronverbruiker, maar ook als een driver van slimme klimaatoplossingen fungeren.

Tijd om een betere blik te werpen

AI gaat niet vertragen, en dat zou het ook niet moeten. Maar we moeten beginnen met het maken van de milieueffecten zichtbaarder en beheersbaar.

Dat betekent:

• Het kiezen van partners die hun emissies rapporteren en reduceren.
• Het trainen van teams om AI efficiënt en intentioneel te gebruiken.
• Het behandelen van milieueffecten als onderdeel van de waarde-equatie, niet als een compromis.

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

Nu is het tijd om verantwoordelijkheidsgebruiken te creëren, zodat de systemen waarop we vertrouwen niet stilletjes de toekomst die we allemaal proberen te beschermen ondermijnen.