Den skjulte kostnaden av bekvemmelighet: Hvorfor AI sin miljøpåvirkning må bli synlig

Vi er avhengige av AI til hjelp, enten for å sammenfatte dette, generere det eller løse dette. Det er raskt, enkelt og stadig mer integrert i hvordan vi arbeider. Men i vår hast til å gjøre ting enklere, har vi oversett en viktig del av historien: den miljømessige kostnaden bak digital bekvemmelighet.

Hver AI-interaksjon avhenger av noe vi aldri ser og sjelden tenker over – datacenter, chip, kraftnet, kjølesystemer og globale logistikknetverk. Denne “usynlige infrastrukturen” gjør AI til å føles vektlaus. Men den miljømessige påvirkningen er alt annet enn det.

Det er på tide å gjøre denne kostnaden synlig. Ettersom AI blir mer sentral i bedriftsoperasjoner, blir også dens påvirkning på energi, vann og utslipp. Spørsmålet er ikke bare hvordan kraftig den neste modellen vil være, men også om vi er klare til å ta ansvar for hva det tar å kjøre den.

AI har et optikk-problem. I motsetning til røyk fra en fabrikk eller trafikk på en motorvei, skjer utslippene ved å trene eller spørre en modell bak lukkede dører i klimatiserte serverhall. Det gjør dem ikke mindre virkelige.

Kjøring av avanserte modeller krever en betydelig mengde elektrisitet. Trening av GPT-3, for eksempel, forbruker like mye energi som 130 amerikanske hjem bruker årlig. Og det stopper ikke der. Inferens, prosessen med å generere svar, sammenfatninger eller bilder, bruker betydelig kraft. En enkelt ChatGPT-spørring bruker om lag fem ganger mer elektrisitet enn en typisk nettspørring, og generering av ett AI-bilde kan forbruke like mye energi som å fullt lade en smartphone.

Vannforbruk er også en betydelig del av bildet. Hver gang ChatGPT genererer en kort 100-ords e-post ved hjelp av GPT-4-modellen, forbruker det omtrent volumet av en standard vannflaske. Det vannet brukes til å kjøle servere i datacenter, som genererer intens varme under drift. Skalér det opp til bare én ukentlig bruk av 10 % av arbeidende amerikanere, ville det årlige vannforbruket være likt det daglige forbruket av hver husholdning i Rhode Island, i en og en halv dag.

Ettersom AI-arbeidsbelastninger utvides, øker også datacenters kraftbehov. Verdensbanken estimerer at den bredere informasjons- og kommunikasjonsteknologi-kategorien (IKT), inkludert AI, for tiden står for minst 1,7 % av de globale greenhouse-gassutslippene. Selv om dette tallet kan synes beskjedent, reflekterer det bare nåværende nivåer av tilpasning. Med den fortsatte veksten av AI – sammen med økende global internett-tilgang, utvidet sky-lagring, IoT-enheter og selv blockchain-teknologier – kan den kollektive påvirkningen øke betydelig, selv om noen effektivitetsgevinster oppnås.

Denne disconnecten mellom hvor enkelt AI er å bruke og hvor ressurskrevende det er å kjøre, gjør problemet lett å ignorere.

Men det peker også på løsningen. Vi trenger ikke å sakke ned innovasjonen. Vi må bare være mer bevisste på hvordan vi designer og deployer den. Det betyr å stille bedre spørsmål, holde leverandører ansvarlige og faktorisere bærekraft inn i hver AI-beslutning.

Disse systemene blir bare kraftigere. Hvis vi vil at de skal hjelpe oss å løse klima-utfordringer, må vi sikre at de ikke stille og quiett forverrer dem.

Fra infrastruktur til ansvar

AI sin miljøpåvirkning er ikke begrenset til øyeblikket en bruker trykker “enter”. Det er en hel forsyningskjede bak det: gruvedrift, chip-fabrikasjon, utstyr-transport, datacenter-bygging. Denne virkeligheten skaper en ny type ansvarligheitsutfordring for bedrifter. I motsetning til tradisjonelle utslippskilder, der påvirkningen kan knyttes til brennstoff-forbruk eller kjørt avstand, er AI sin kostnad spredt over systemer og leverandører. Det er lett å tro at ansvar tilhører “skyen” eller “leverandøren”.

Men hvis du bruker AI gjennom en SaaS-plattform, skytjenesteleverandør eller interne verktøy, er utslippene og energiforbruket en del av din operative fotavtrykk. Det er spesielt sant når du ser på Scope 3-utslipp, som inkluderer de som genereres over din verdikjede.

Det gode nyheten er at ansvar ikke handler om skyld. Det handler om bevissthet, åpenhet og bedre beslutninger.

Making the Invisible Visible

Hvordan kan vi gjøre den skjulte miljøkostnaden av AI synlig? Det starter med å tenke om hvordan vi vurderer verktøyene vi bruker.

Innkjøps-teamene bør spørre om funksjonalitet, energikilder, datacenter-effektivitet og utslippsrapportering. Hvis en leverandør ikke kan fortelle deg hvor mye kraft deres AI-verktøy forbruker eller om de avhenger av fornybar energi, er det et rødt flagg.

Produkt- og ingeniørteam kan ta design-beslutninger som reduserer påvirkningen uten å ofre resultater. Det inkluderer å bruke mindre, finjusterte modeller når det er mulig og unngå unødvendig kompleksitet. En mer effektiv modell er ikke bare raskere, den er også grønnere.

Ansattene kan også bidra. Trening av team til å skrive klare, målrettede spørsmål reduserer antallet spørringer og minimiserer beregnings-tid. En velkonstruert spørring kan gi det riktige resultatet umiddelbart, mens flere uklare spørringer kan kaste bort energi med hver iterasjon.

Ledelsen kan knytte sammen innovasjon og bærekraft. AI-tilpasning bør være i linje med klimamål, ikke behandlet som en separat strategi. Små endringer begynner å legge seg til når organisasjonene gjør miljøpåvirkning en del av samtalen på alle nivåer.

Hvorfor ISO 42001 tilbyr en nyttig veikart

ISO 42001, den nye internasjonale standarden for AI-styringssystemer, introduserer en viktig fokus: å oppmuntre organisasjoner til å vurdere ikke bare hvordan AI-systemer fungerer, men også hvordan de påvirker mennesker og planeten. Den behandler ikke klima som en ettertanke; den behandler det som en risiko verdt å håndtere fra starten.

For bedrifter som allerede arbeider mot ISO 14001 (for miljøstyring) eller nullutslippsmål, tilbyr ISO 42001 en bro. Den hjelper med å koordinere AI-styring med bredere bærekraftsstrategier, fra utslipps-sporing til ansvarlige leverandør-partnerskap.

Hva AI kan gi tilbake

Det er lett å fokusere på negativitetene, men AI har også reell potensial til å hjelpe oss løse miljøproblemer.

Allerede nå hjelper AI utilities med å forutsi etterspørsel og justere energibruken i sanntid for bedre å integrere fornybare kilder som vind og sol. I landbruket brukes AI til å overvåke jordfuktighet og værforhold for å guide vanningsskjemaer og minimere gjødsel-avrenning. Logistikk-selskaper bruker AI til å planlegge mer effektive leverings-ruter, redusere brennstoff-forbruk og tomgangstid. Og kanskje mest betydningsfullt, akselererer AI utslipps-sporing ved å analysere innkjøps- og leverandør-data, hjelpe bedrifter å beregne vanskelige å måle Scope 3-utslipp og identifisere hvor reduksjoner er mulige.

Hvis det deployes med omsorg, kan AI fungere ikke bare som en ressurs-forbruker, men også som en driver av smartere klima-løsninger.

Tid til å se nærmere

AI vil ikke sakke ned, og det bør det ikke. Men vi må begynne å gjøre dens miljøavtrykk mer synlig og håndterbart.

Det betyr:

• Velge partnere som rapporterer og reduserer sine utslipp.
• Trening av team til å bruke AI effektivt og med vilje.
• Behandle miljøpåvirkning som en del av verdien, ikke som en avveining.

Vi er vant til å tenke på AI som usynlig. Men det er et persepsjonsproblem, ikke et fysisk problem. Serverne er reelle, utslippene er målbare, og vannet er begrenset.

Nå er det på tide å bygge ansvarlige vaner så at systemene vi avhenger av ikke stille og quiett undergraver fremtiden vi alle prøver å beskytte.