Inteligența artificială poate ajuta o companie să consume mai puțină energie, să reducă risipa și să automatizeze raportarea ESG. Însă cei care dezvoltă produse de IA cunosc și cealaltă fațetă a problemei: fiecare model rulează pe infrastructuri care consumă multă energie, fiecare apel API are un cost computațional, iar cererea de putere de calcul nu dă semne de încetinire.
De aceea, sustenabilitatea inteligenței artificiale nu trebuie tratată nici ca un slogan, nici ca o vină de ispășit. Trebuie abordată ca o problemă operațională. În Italia, dezbaterea s-a structurat deja în jurul a două idei precise: „sustenabilitatea IA” și „IA pentru sustenabilitate”. Prima se referă la amprenta ecologică a IA în sine. A doua se referă la utilizarea IA pentru îmbunătățirea proceselor, a consumului și a guvernanței de mediu. În același context, componenta de raportare ESG susținută de IA s-a „aproape triplat în ultimul an”, potrivit acestei analize privind sustenabilitatea inteligenței artificiale și guvernanța ESG.
În calitate de fondator al unei companii din domeniul IA, consider că atât alarmismul automat, cât și tehnoptimismul pasiv sunt inutile. Nu este vorba de a decide dacă IA este „bună” sau „rea” pentru mediu. Este vorba de a înțelege unde consumă resurse, când creează valoare reală și ce alegeri concrete reduc impactul fără a distruge utilitatea.
Discuția despre sustenabilitatea inteligenței artificiale a căpătat o maturitate mai mare. În sfârșit. Nu pentru că problema ar fi fost rezolvată, ci pentru că a devenit imposibil să o reducem la o frază stereotipă.
Pe de o parte, inteligența artificială ajută companiile și instalațiile să utilizeze mai eficient energia, să reducă risipa și să îmbunătățească raportarea ESG. Pe de altă parte, aceste sisteme necesită putere de calcul, centre de date, sisteme de răcire, rețele și componente hardware care au un impact real asupra mediului. Dacă se ia în considerare doar una dintre aceste două perspective, se ia o decizie greșită.
Cele două categorii pe care le folosesc cel mai des sunt cele care s-au răspândit deja și în contextul italian:
Diferența nu este de natură teoretică. Te obligă să-ți pui două întrebări diferite. Prima este: cât cântărește stack-ul meu de IA? A doua este: această greutate generează un beneficiu ecologic sau operațional suficient de concret încât să o justifice?
Întrebarea corectă nu este „să folosim sau să nu folosim IA”. Întrebarea corectă este „este într-adevăr necesară această putere de calcul pentru această sarcină?”.
Greșeala pe care o observ cel mai des nu este de natură tehnologică. Este una legată de luarea deciziilor. Multe companii adoptă IA de parcă toată puterea disponibilă ar trebui folosită întotdeauna. Practic, aleg cel mai mare model, cel mai complex flux de lucru și cea mai extinsă automatizare, chiar și atunci când problema era mult mai simplă.
De fapt, o strategie durabilă pornește de la un principiu mai puțin spectaculos: proporționalitatea. Dacă o sarcină poate fi îndeplinită cu succes folosind mai puține calcule, mai puține transferuri de date și mai puțină complexitate, aceasta nu reprezintă o renunțare. Este o alegere mai bună.
Partea cea mai utilă a discuției începe atunci când se renunță la discuțiile abstracte. Impactul asupra mediului al IA nu este o chestiune de opinie. Este o problemă de infrastructură, iar cifrele sunt deja suficient de clare încât să impună prudență.
O sursă italiană, care preia date internaționale, semnalează că un studiu din 2019 al Universității din Massachusetts a estimat că antrenarea unui singur model de IA poate genera peste 284 de tone de CO₂, echivalentul emisiilor a cinci autoturisme pe întregul ciclu de viață. Aceeași sursă menționează că dezvoltarea ChatGPT-3 ar fi necesitat aproximativ 1.287 MWh de energie electrică, echivalentul consumului anual al aproximativ 120-130 de locuințe americane medii, și face referire, de asemenea, la o proiecție a Goldman Sachs Research conform căreia cererea de energie electrică a centrelor de date ar putea crește cu 160%, cu o creștere de aproximativ 200 TWh pe an între 2023 și 2030, în timp ce până în 2028 consumul legat de IA ar putea ajunge la 19% din necesarul energetic total al centrelor de date. Toate aceste date sunt prezentate în această analiză italiană privind costul de mediu al IA.
Nu este vorba de a folosi aceste cifre pentru a crea panică mediatică. Este vorba de a înțelege amploarea fenomenului. Dacă dezvolți sau adopți tehnologii de inteligență artificială, contribui la o creștere a cererii de energie care afectează infrastructuri întregi, nu doar bugetul tău pentru servicii cloud.
Regulă practică: atunci când evaluezi un proiect de IA, nu te limita la costul pe token sau pe apel API. Adevărata problemă se află adesea în amonte, în infrastructura care face posibil acel apel.
Mulți cred că impactul asupra mediului al IA se rezumă aproape exclusiv la procesul de antrenare. Este o simplificare convenabilă, dar greșită. Consumul se distribuie pe mai multe niveluri:
| Componentă | De ce contează |
|---|---|
| Antrenament | Necesită un volum mare de calcul intensiv |
| Inferență | Fiecare solicitare a utilizatorului generează o muncă repetitivă în timp |
| Centru de date | Alimentare cu energie, redundanță și gestionarea continuă a infrastructurii |
| Răcire | Căldura generată de sisteme trebuie disipată în mod eficient |
| Rețele și transferul de date | Transferul datelor între sisteme, regiuni și servicii implică un consum de energie |
Acest lucru schimbă modul în care trebuie abordată sustenabilitatea inteligenței artificiale. Nu este suficient să te întrebi „cât consumă modelul”. Trebuie să te întrebi și unde rulează, cât trafic generează, de câte ori este interogat și dacă arhitectura a fost proiectată pentru a limita risipa.
De aceea, este util să analizăm și cazurile în care IA este utilizată pentru îmbunătățirea propriului sistem. Un exemplu relevant este celal optimizării energetice a centrelor de date cu ajutorul IA, care ilustrează foarte bine un lucru simplu: problema nu ține doar de model, ci de întregul mediu tehnic care îl susține.
Dacă ne limităm doar la costuri, pierdem jumătate din imaginea de ansamblu. IA poate fi, de asemenea, un instrument important pentru îmbunătățirea sustenabilității companiei. Nu în sens retoric, ci prin procese foarte concrete.
În contextul italian, atunci când este aplicată sistemelor de gestionare a energiei, inteligența artificială (IA) poate reduce consumul operațional în instalațiile industriale și în IMM-uri, anticipând vârfurile de cerere și reglând în timp real sarcinile precum sistemele HVAC și iluminatul. Acest lucru are un impact direct asupra emisiilor din categoria Scope 2 și contribuie la optimizarea utilizării surselor regenerabile intermitente, așa cum se descrie în acest articol de aprofundare privind sistemele de gestionare a energiei bazate pe IA.
Acesta este genul de aplicație pe care o consider justificată chiar și din punct de vedere ecologic. Nu pentru că este gratuită, ci pentru că folosește calculul pentru a elimina risipa fizică continuă. Într-o instalație cu cerere variabilă, reglarea în timp real a ventilației, climatizării sau iluminatului poate valora mai mult decât o mie de prezentări despre tranziția verde.
Iată trei domenii în care IA tinde să fie cu adevărat utilă:
Pentru o întreprindere mică sau mijlocie, beneficiul nu provine adesea dintr-un model spectaculos. Acesta provine dintr-un sistem care evită duplicarea eforturilor. Exporturi manuale, mai multe fișiere Excel, atașamente trimise de mai multe ori, reconcilieri efectuate de persoane diferite pe baza acelorași date. Toate acestea consumă timp, resurse, lățime de bandă și atenție.
Un proces repetat de cinci ori de către persoane diferite este ineficient și din punct de vedere al mediului, nu doar din punct de vedere organizațional.
Atunci când IA centralizează datele, automatizează etapele repetitive și face ca analizele să poată fi reutilizate, valoarea adăugată nu constă în o singură inferență. Ea constă în eliminarea redundanței.
Pentru cei care se ocupă de raportare, un exemplu relevant pentru această problemă este ELECTE pentru raportarea ESG, util pentru a înțelege cum automatizarea poate reduce etapele manuale și dispersia informațiilor fără a transforma fiecare activitate într-un proiect IT complex.
Aspectul încurajator este că industria nu stă pe loc. Inteligența artificială generează problema, dar stimulează totodată inovații care urmăresc să reducă consumul energetic al acesteia. Totuși, trebuie să fim sinceri: nu există o soluție unică.
O direcție promițătoare este cea care pune accentul pe interconectare și pe eficiența infrastructurii. Atunci când sistemele de calcul așteaptă date, puterea instalată este utilizată ineficient. Acesta este unul dintre motivele pentru care hardware-ul de nouă generație nu trebuie privit doar din perspectiva performanței, ci și din cea a eficienței.
În dezbaterea din domeniul tehnologic circulă propuneri care vizează conexiunile fotonice, o transmisie mai bună a datelor și o disipare mai redusă. Din punct de vedere practic, pentru cei care achiziționează servicii cloud și nu chipuri, problema este alta: alegerea unor stack-uri care să realizeze mai multă muncă utilă cu mai puține întârzieri, mai puțin trafic și mai puține costuri suplimentare.
Această logică se aplică și în afara domeniului IA în sens strict. Cei care doresc să reflecteze, într-un mod mai general, asupra unor modele de producție mai puțin risipitoare pot găsi idei utile în aceste practici de economie durabilă, mai ales pentru a face legătura între eficiența digitală și reducerea risipei de materiale în cadrul proceselor.
În ceea ce privește partea de software, elementele cele mai interesante sunt adesea mai puțin spectaculoase și mai directe:
Din experiența mea, aceasta a fost alegerea cu cel mai mare impact. Schimbarea cea mai eficientă nu a constat în introducerea unei tehnologii de ultimă generație, ci în renunțarea la utilizarea celui mai puternic model pentru orice. Clasificarea, formatarea, identificarea tiparelor cunoscute și multe operațiuni de suport nu necesită întotdeauna un model de ultimă generație. Ele necesită disciplină arhitecturală.
Dacă rezultatul pentru utilizator rămâne același, reducerea efortului de calcul nu reprezintă un compromis. Este o proiectare mai bună.
De aceea vorbesc adesea despre „modelul potrivit pentru sarcina potrivită”. În practică, aceasta înseamnă crearea unui strat de rutare care alocă fiecărei operațiuni nivelul de putere necesar. Este o alegere legată de costuri, dar și de sustenabilitate.
Cei care doresc să aprofundeze legătura dintre soluțiile tehnice și impactul asupra mediului pot citi și articolul ELECTE despre IA și mediu, care prezintă diverse cazuri și direcții de dezvoltare fără a le prezenta ca soluții miraculoase.
Cea mai importantă obiecție este și cea mai incomodă: sporirea eficienței IA nu garantează în mod automat o reducere a consumului total. Ba dimpotrivă, uneori se întâmplă chiar contrariul.
Când calculul devine mai ieftin, mai accesibil și mai rapid, companiile tind să îl utilizeze mai mult. Mai multă automatizare, mai multe solicitări, mai multe integrări, mai multe procese generate „pentru că, oricum, costă puțin”. Acesta este esența paradoxului eficienței.
De aceea, sustenabilitatea în domeniul inteligenței artificiale nu poate fi doar o chestiune legată de cipuri mai performante sau de modele mai compacte. Trebuie să devină un criteriu prioritar. Înainte de orice implementare ar trebui să ne punem câteva întrebări:
Una dintre cele mai evidente lacune din dezbaterea italiană este tocmai aceasta: lipsa unor indicatori standardizați și a unei abordări holistice pentru măsurarea amprentei IA pe parcursul ciclului de viață, temă subliniată în această perspectivă sistemică asupra sustenabilității inteligenței artificiale.
Problema, așadar, nu este aceea de a frâna inovația. Ci este aceea de a înceta să mai considerăm calculul ca pe o resursă gratuită și inepuizabilă. Fiecare organizație ar trebui să îl trateze la fel cum tratează bugetul sau timpul angajaților: ca pe ceva ce trebuie alocat acolo unde produce cu adevărat valoare.
Pentru o întreprindere mică sau mijlocie, a vorbi despre sustenabilitate fără un plan operațional nu are prea mare sens. Este recomandabil să se pornească de la patru decizii care pot fi luate imediat, chiar și fără o evaluare perfectă a amprentei ecologice.
O sursă italiană observă că multe discuții privind sustenabilitatea IA ignoră compromisul cost-beneficiu, în timp ce centrele de date consumă deja aproximativ 3% din energia globală. Întrebarea subestimată este: când este mai avantajos să se utilizeze un model mai mic sau un proces tradițional pentru a evita o creștere nesustenabilă a consumului și a costurilor? Ideea este bine sintetizată în acest articol despre compromisul de mediu al IA.
Alege modelul adecvat problemei
Aceasta este pârghia cu cel mai bun raport între simplitate și impact. Nu folosi modelul cel mai puternic ca opțiune implicită. Folosește-l doar acolo unde face cu adevărat diferența. Pentru multe activități cotidiene sunt suficiente modele mai ușoare sau sisteme negenerative.
Evaluează furnizorul de servicii cloud și din punct de vedere energetic
Nu te limita doar la preț, latență și conformitate. Ia în considerare și transparența privind centrele de date, mixul energetic regional și abordarea eficienței operaționale. Geografia contează. O sarcină de lucru nu are aceeași amprentă în fiecare regiune.
Eliminați redundanța din fluxurile de lucru
Dacă același set de date este exportat, copiat, reformatat și retrimis de mai multe ori, irosești resurse înainte chiar de a vorbi despre IA. O platformă precum ELECTE, o platformă de analiză a datelor bazată pe IA destinată IMM-urilor, poate fi utilizată pentru a centraliza datele, a automatiza rapoartele și a reduce analizele duplicat. Avantajul, în acest context, nu constă în „a folosi mai mult IA”. Ci în a reduce munca inutilă.
Măsoară, chiar dacă nu perfect
Nu toate companiile dispun de instrumente pentru a măsura consumul de kWh sau emisiile de CO₂ pentru fiecare operațiune în parte. Nu-i nimic. Începe cu indicatorii operaționali pe care îi ai deja la îndemână.
În lipsa unui standard cu adevărat consacrat în domeniu, aș începe cu un tabel simplu:
| Indicator operațional | Ce îți spune |
|---|---|
| Apeluri API pentru sarcini finalizate | Dacă depui prea mult efort pentru a obține un rezultat |
| Dimensiunea medie a modelului pe operație | Dacă supraestimezi sarcinile |
| Volumul de date transferate pe sesiune | Dacă fluxul tău de lucru generează trafic care ar putea fi evitat |
| Analize realizate, dar neutilizate | Dacă automatizezi generarea de conținut pe care nimeni nu-l citește |
Este mai bine să măsori greșit, dar în mod consecvent, decât să nu măsori deloc.
Dacă, după trei luni, observi că numărul de apeluri pe sarcină scade, că modelele mari sunt activate mai rar și că transferul de date este mai redus, înseamnă că încă nu ai ajuns la o contabilitate a emisiilor de carbon perfectă. Ai însă ceva foarte util: o disciplină a eficienței care reduce risipa computațională, costurile și, probabil, chiar și impactul asupra mediului.
Sustenabilitatea inteligenței artificiale nu se rezolvă cu un slogan. Nici măcar printr-o respingere ideologică a IA. Ea se construiește prin decizii tehnice și manageriale mai bune.
Cei care utilizează IA în prezent trebuie să țină cont de două realități. Prima: impactul asupra mediului există, este în creștere și nu trebuie minimizat. A doua: IA poate genera beneficii concrete atunci când reduce risipa, îmbunătățește utilizarea energiei și înlocuiește procesele repetitive și dezorganizate cu sisteme mai inteligente. Calitatea alegerii constă în raportul dintre aceste două aspecte.
Pentru companiile europene există și un al doilea nivel de responsabilitate. Nu este suficient să se respecte normele. Este necesar să se înțeleagă modul în care tehnologia, infrastructura, guvernanța și proprietatea intelectuală se întrepătrund. În ceea ce privește acest ultim aspect, pentru cei care doresc să aprofundeze cadrul juridic care însoțește adoptarea IA, recomand acest ghid privind brevetele de inteligență artificială, util pentru a interpreta sustenabilitatea tehnologică și ca o alegere strategică pe termen lung.
Direcția corectă nu este aceea de a folosi mai puțină IA în general. Ci aceea de a folosi IA potrivită, la locul potrivit, cu nivelul potrivit de putere.
Dacă dorești să implementezi IA într-un mod mai eficient și mai conștient, poți afla cum funcționează ELECTE. Platforma ajută IMM-urile să-și centralizeze datele, să automatizeze raportarea și să reducă munca analitică redundantă, printr-o abordare pragmatică în ceea ce privește alegerea modelului și eficiența operațională.
.svg)
.svg)
.svg)
