Tính bền vững của trí tuệ nhân tạo: Hướng dẫn thực tế 2026

Trí tuệ nhân tạo có thể giúp một doanh nghiệp tiêu thụ ít năng lượng hơn, giảm lãng phí và làm cho việc báo cáo ESG bớt thủ công hơn. Nhưng những ai xây dựng sản phẩm AI cũng biết nửa còn lại của câu chuyện: mỗi mô hình chạy trên hạ tầng tiêu tốn nhiều năng lượng, mỗi lệnh gọi API đều có chi phí tính toán, và nhu cầu tính toán không hề chậm lại.

Chính vì vậy, tính bền vững của trí tuệ nhân tạo không nên bị coi là khẩu hiệu, cũng không nên bị coi là tội lỗi cần chuộc lỗi. Nó cần được quản lý như một vấn đề vận hành. Tại Ý, cuộc tranh luận hiện đã được cấu trúc quanh hai khái niệm cụ thể: sustainability of AI và AI for sustainability. Khái niệm thứ nhất liên quan đến dấu chân của chính AI. Khái niệm thứ hai liên quan đến việc sử dụng AI để cải thiện quy trình, mức tiêu thụ và quản trị môi trường. Trong cùng bối cảnh đó, thành phần báo cáo ESG được AI hỗ trợ đã “gần như tăng gấp ba trong năm qua” theo phân tích này về tính bền vững của trí tuệ nhân tạo và quản trị ESG.

Là người sáng lập một công ty AI, tôi thấy cả sự hoảng loạn tự động lẫn chủ nghĩa lạc quan công nghệ hời hợt đều vô ích. Vấn đề không phải là quyết định xem AI có “tốt” hay “xấu” cho môi trường hay không. Vấn đề là hiểu AI tiêu thụ ở đâu, khi nào nó tạo ra giá trị thực sự và những lựa chọn cụ thể nào giúp giảm tác động mà không phá hủy tính hữu ích.

Giới thiệu Hai mặt của AI bền vững

Cuộc trò chuyện về tính bền vững của trí tuệ nhân tạo đã trở nên trưởng thành hơn. Cuối cùng cũng vậy. Không phải vì vấn đề đã được giải quyết, mà vì giờ đây không thể thu gọn nó thành một câu sáo rỗng nữa.

Một mặt, AI giúp các doanh nghiệp và cơ sở sản xuất sử dụng năng lượng hiệu quả hơn, hạn chế lãng phí và làm cho việc báo cáo ESG gọn gàng hơn. Mặt khác, chính những hệ thống đó lại đòi hỏi sức mạnh tính toán, trung tâm dữ liệu, hệ thống làm mát, mạng lưới và các linh kiện phần cứng có chi phí môi trường thực sự. Nếu chỉ nhìn vào một trong hai mặt, ta sẽ đưa ra quyết định sai lầm.

Ngôn ngữ đúng để nói về vấn đề này

Hai phạm trù mà tôi thường sử dụng nhất chính là những phạm trù giờ đây cũng đã phổ biến trong bối cảnh của Ý:

• Sustainability of AI. Giảm tác động về năng lượng và vật chất của AI.
• AI for sustainability. Sử dụng AI để cải thiện các quy trình về môi trường, năng lượng và quản trị.

Sự khác biệt này không mang tính lý thuyết. Nó buộc bạn phải đặt ra hai câu hỏi khác nhau. Câu hỏi thứ nhất là: hệ thống AI của tôi tiêu tốn bao nhiêu? Câu hỏi thứ hai là: mức tiêu tốn đó có mang lại lợi ích môi trường hoặc vận hành đủ cụ thể để biện minh cho nó hay không?

Câu hỏi đúng không phải là “dùng hay không dùng AI”. Câu hỏi đúng là “nhiệm vụ này có thực sự cần đến lượng tính toán này hay không?”.

Sai lầm phổ biến nhất trong các doanh nghiệp

Sai lầm mà tôi thường thấy nhất không phải là sai lầm về công nghệ. Đó là sai lầm về quyết định. Nhiều doanh nghiệp áp dụng AI như thể toàn bộ sức mạnh sẵn có luôn phải được sử dụng hết. Trên thực tế, họ chọn mô hình lớn nhất, quy trình phức tạp nhất và mức độ tự động hóa rộng nhất, ngay cả khi vấn đề đơn giản hơn nhiều.

Trên thực tế, một chiến lược bền vững bắt đầu từ một nguyên tắc kém phần ấn tượng hơn: tính tương xứng. Nếu một nhiệm vụ có thể được thực hiện tốt với ít tính toán hơn, ít truyền dữ liệu hơn và ít phức tạp hơn, đó không phải là sự từ bỏ. Đó là một lựa chọn tốt hơn.

Tác động thực sự của AI đối với môi trường

Phần hữu ích nhất của cuộc thảo luận bắt đầu khi người ta ngừng nói một cách trừu tượng. Tác động môi trường của AI không phải là một quan điểm. Đó là một vấn đề về hạ tầng với những con số đã đủ rõ ràng để đòi hỏi sự thận trọng.

Những con số không nên bỏ qua

Một nguồn tin của Ý trích dẫn dữ liệu quốc tế cho biết một nghiên cứu năm 2019 của Đại học Massachusetts ước tính rằng việc huấn luyện một mô hình AI duy nhất có thể tạo ra hơn 284 tấn CO₂, tương đương với lượng khí thải của năm chiếc ô tô trong toàn bộ vòng đời sử dụng. Cùng nguồn tin này cho biết việc phát triển ChatGPT-3 đã cần khoảng 1.287 MWh điện, tương đương mức tiêu thụ hàng năm của khoảng 120-130 hộ gia đình Mỹ trung bình, và cũng trích dẫn một dự báo của Goldman Sachs Research theo đó nhu cầu điện của các trung tâm dữ liệu có thể tăng 160%, với mức tăng khoảng 200 TWh mỗi năm trong giai đoạn 2023-2030, trong khi đến năm 2028, mức tiêu thụ liên quan đến AI có thể chiếm tới 19% tổng nhu cầu năng lượng của các trung tâm dữ liệu. Tất cả những dữ liệu này được nêu trong phân tích của Ý về chi phí môi trường của AI.

Vấn đề không phải là dùng những con số này để gieo rắc nỗi sợ hãi trong truyền thông. Vấn đề là hiểu rõ quy mô. Nếu bạn xây dựng hoặc áp dụng AI, bạn đang tham gia vào sự gia tăng nhu cầu năng lượng liên quan đến toàn bộ hạ tầng, không chỉ riêng ngân sách cloud của bạn.

Nguyên tắc thực tế: khi đánh giá một dự án AI, hãy nhìn xa hơn chi phí trên mỗi token hay mỗi lần gọi API. Vấn đề thực sự thường nằm ở phía thượng nguồn, trong hạ tầng giúp cho lệnh gọi đó có thể thực hiện được.

Chi phí năng lượng thực sự tập trung ở đâu

Nhiều người nghĩ rằng chi phí môi trường của AI gần như chỉ nằm ở khâu huấn luyện (training). Đây là một cách đơn giản hóa dễ hiểu, nhưng sai lầm. Mức tiêu thụ được phân bổ trên nhiều tầng:

Điều này làm thay đổi cách tiếp cận tính bền vững của trí tuệ nhân tạo. Không đủ nếu chỉ hỏi “mô hình tiêu thụ bao nhiêu”. Bạn còn phải hỏi nó chạy ở đâu, tạo ra bao nhiêu lưu lượng, được truy vấn bao nhiêu lần và liệu kiến trúc có được thiết kế để hạn chế lãng phí hay không.

Vì vậy, cũng đáng để xem xét những trường hợp AI được dùng để cải thiện chính hạ tầng của mình. Một ví dụ hữu ích là tối ưu hóa năng lượng trung tâm dữ liệu bằng AI, cho thấy rõ một điều đơn giản: vấn đề không chỉ nằm ở mô hình, mà ở toàn bộ môi trường kỹ thuật hỗ trợ nó.

AI như một Đòn bẩy Chiến lược cho Tính Bền vững của Doanh nghiệp

Nếu chỉ dừng lại ở chi phí, ta sẽ bỏ lỡ một nửa bức tranh. AI cũng có thể là một đòn bẩy nghiêm túc để cải thiện tính bền vững của doanh nghiệp. Không phải theo nghĩa hoa mỹ, mà trong những quy trình rất cụ thể.

Nơi AI tạo ra giá trị môi trường cụ thể

Trong bối cảnh Ý, khi áp dụng cho các hệ thống quản lý năng lượng, AI có thể giảm mức tiêu thụ vận hành tại các nhà máy công nghiệp và doanh nghiệp vừa và nhỏ bằng cách dự đoán các đỉnh nhu cầu và điều chỉnh theo thời gian thực các tải như HVAC và chiếu sáng. Điều này có tác động trực tiếp đến lượng khí thải Scope 2 và giúp tối ưu hóa việc sử dụng các nguồn năng lượng tái tạo không liên tục, như được mô tả trong bài phân tích chuyên sâu này về các hệ thống quản lý năng lượng bằng AI.

Đây là loại ứng dụng mà tôi cho là có thể bảo vệ được cả từ góc độ môi trường. Không phải vì nó miễn phí, mà vì nó dùng tính toán để loại bỏ lãng phí vật lý liên tục. Trong một nhà máy có nhu cầu biến động, việc điều chỉnh theo thời gian thực hệ thống thông gió, điều hòa không khí hay chiếu sáng có thể có giá trị hơn cả nghìn slide về chuyển đổi xanh.

Có ba lĩnh vực mà AI thường thực sự hữu ích:

• Năng lượng vận hành. Cảm biến, đồng hồ đo và thuật toán giúp tránh các đỉnh tiêu thụ không cần thiết.
• Chuỗi cung ứng. Dự báo nhu cầu tốt hơn có thể giảm lượng tồn kho không cần thiết, việc vận chuyển và sản xuất dư thừa.
• Báo cáo ESG. Tự động hóa việc thu thập, làm sạch và cấu trúc dữ liệu giúp giảm công việc thủ công và tình trạng phân mảnh.

Vấn đề thực tiễn đối với một doanh nghiệp SME

Đối với một doanh nghiệp SME, lợi ích thường không đến từ một mô hình hoành tráng. Nó đến từ một hệ thống tránh được công việc trùng lặp. Xuất file thủ công, nhiều bảng Excel, tệp đính kèm gửi đi gửi lại nhiều lần, đối soát được thực hiện bởi những người khác nhau trên cùng một dữ liệu. Tất cả những điều này tiêu tốn thời gian, máy móc, băng thông và sự chú ý.

Một quy trình được làm lại năm lần bởi năm người khác nhau là không hiệu quả, kể cả về mặt môi trường, chứ không chỉ về mặt tổ chức.

Khi AI tập trung hóa dữ liệu, tự động hóa các bước lặp lại và làm cho các phân tích có thể tái sử dụng, giá trị môi trường không nằm ở một lần suy luận đơn lẻ. Nó nằm ở việc loại bỏ sự dư thừa.

Đối với những ai làm việc trong lĩnh vực báo cáo, một ví dụ gần với vấn đề này là ELECTE cho báo cáo ESG, hữu ích để hiểu cách tự động hóa có thể giảm bớt các bước thủ công và sự phân tán thông tin mà không biến mỗi hoạt động thành một dự án CNTT phức tạp.

Các Giải Pháp Mới Nổi cho một AI Xanh Hơn

Điều đáng khích lệ là ngành công nghiệp không đứng yên. AI đang tạo ra vấn đề, nhưng nó cũng đang thúc đẩy những đổi mới nhằm giảm chi phí năng lượng của nó. Tuy nhiên, cần thành thật: không có một giải pháp duy nhất nào.

Phần cứng và hạ tầng

Một hướng đi đầy hứa hẹn là hướng tập trung vào kết nối liên mạng và hiệu quả của hạ tầng. Khi các hệ thống tính toán phải chờ dữ liệu, công suất đã lắp đặt bị sử dụng lãng phí. Đây là một trong những lý do tại sao phần cứng thế hệ mới không nên chỉ được nhìn nhận dưới góc độ hiệu năng, mà còn cả góc độ hiệu quả.

Trong cuộc tranh luận công nghệ, có những đề xuất tập trung vào kết nối quang học, truyền dữ liệu tốt hơn và giảm tiêu tán năng lượng. Vấn đề thực tiễn, đối với những ai mua dịch vụ đám mây chứ không phải chip, lại là chuyện khác: chọn các stack làm được nhiều việc hữu ích hơn với ít thời gian chờ hơn, ít lưu lượng hơn và ít overhead hơn.

Logic này cũng áp dụng ngoài phạm vi AI theo nghĩa hẹp. Những ai muốn suy nghĩ rộng hơn về các mô hình sản xuất ít gây lãng phí hơn có thể tìm thấy những gợi ý hữu ích trong những thực hành kinh tế bền vững này, đặc biệt để liên kết hiệu quả số hóa với việc giảm lãng phí vật chất trong các quy trình.

Phần mềm và kiến trúc gọn nhẹ hơn

Về phía phần mềm, những đòn bẩy thú vị nhất thường ít hào nhoáng hơn nhưng lại tức thời hơn:

• Mô hình nhỏ hơn khi nhiệm vụ đã được xác định rõ ràng.
• Định tuyến thông minh giữa các mô hình khác nhau tùy theo loại yêu cầu.
• Suy luận được tối ưu hóa để giảm các lệnh gọi không cần thiết, độ trễ và việc truyền dữ liệu.
• Quy trình làm việc truyền thống cho những hoạt động thực sự không cần đến một LLM.

Theo kinh nghiệm của tôi, đây là lựa chọn có tác động lớn nhất. Thay đổi hiệu quả nhất không phải là đưa vào một công nghệ tương lai, mà là ngừng sử dụng mô hình mạnh nhất cho mọi việc. Phân loại, định dạng, trích xuất các mẫu đã biết và nhiều thao tác hỗ trợ khác không phải lúc nào cũng cần một mô hình frontier. Chúng cần kỷ luật về kiến trúc.

Nếu kết quả đối với người dùng vẫn tương đương, thì việc sử dụng ít tính toán hơn không phải là một sự thỏa hiệp. Đó là thiết kế tốt hơn.

Chính vì thế tôi thường nói về “mô hình phù hợp cho nhiệm vụ phù hợp”. Trên thực tế, điều này có nghĩa là tạo ra một lớp định tuyến gán mỗi thao tác cho mức độ công suất cần thiết. Đây là một lựa chọn về chi phí, nhưng cũng là một lựa chọn về tính bền vững.

Những ai muốn tìm hiểu sâu hơn về mối liên hệ giữa các giải pháp kỹ thuật và tác động môi trường cũng có thể đọc ELECTE về AI và môi trường, bài viết tập hợp nhiều trường hợp và hướng phát triển khác nhau mà không trình bày chúng như những phương thuốc thần kỳ.

Nghịch Lý của Hiệu Quả và Trách Nhiệm trong Lựa Chọn

Phản biện quan trọng nhất cũng là phản biện khó chịu nhất: làm cho AI hiệu quả hơn không tự động đảm bảo giảm được mức tiêu thụ tổng thể. Thậm chí, đôi khi điều ngược lại lại xảy ra.

Tại sao hiệu quả thôi là chưa đủ

Khi việc tính toán trở nên rẻ hơn, dễ tiếp cận hơn và nhanh hơn, các doanh nghiệp có xu hướng sử dụng nó nhiều hơn. Nhiều tự động hóa hơn, nhiều yêu cầu hơn, nhiều tích hợp hơn, nhiều quy trình được tạo ra hơn “vì dù sao cũng rẻ”. Đó chính là cốt lõi của nghịch lý hiệu quả.

Chính vì vậy, tính bền vững của trí tuệ nhân tạo không thể chỉ là vấn đề về chip tốt hơn hay các mô hình gọn nhẹ hơn. Nó phải trở thành một tiêu chí ưu tiên. Một số câu hỏi cần được đặt ra trước mỗi lần triển khai:

• Tác vụ này có thực sự cần AI tạo sinh không?
• Cần một mô hình lớn hay chỉ cần một mô hình nhẹ là đủ?
• Việc tự động hóa này loại bỏ một chi phí thực sự hay chỉ thêm vào sự phức tạp hào nhoáng?
• Kết quả đầu ra có thực sự được sử dụng, hay chỉ tạo ra thêm nhiễu kỹ thuật số?

Một trong những khoảng trống rõ ràng nhất trong cuộc tranh luận tại Ý chính là điều này: sự thiếu vắng các chỉ số tiêu chuẩn hóa và một cách tiếp cận toàn diện để đo lường dấu chân của AI trong suốt vòng đời của nó, một chủ đề được nhấn mạnh trong góc nhìn hệ thống này về tính bền vững của trí tuệ nhân tạo.

Vấn đề, do đó, không phải là kìm hãm sự đổi mới. Mà là ngừng coi việc tính toán như một nguồn tài nguyên miễn phí và vô tận. Mỗi tổ chức nên đối xử với nó giống như cách họ đối xử với ngân sách hay thời gian của con người: một thứ cần được phân bổ vào nơi thực sự tạo ra giá trị.

Hướng Dẫn Thực Tế cho SME 4 Bước để Xây Dựng một AI Bền Vững

Đối với một SME, nói về tính bền vững mà không có kế hoạch hành động thì chẳng có mấy ý nghĩa. Nên bắt đầu từ bốn quyết định có thể thực hiện ngay, ngay cả khi chưa có phép đo hoàn hảo về dấu chân môi trường.

Một nguồn tin của Ý nhận xét rằng nhiều cuộc thảo luận về tính bền vững của AI bỏ qua sự đánh đổi giữa chi phí và lợi ích, trong khi các trung tâm dữ liệu đã tiêu thụ khoảng 3% năng lượng toàn cầu. Câu hỏi bị đánh giá thấp là: khi nào thì nên dùng một mô hình nhỏ hơn hoặc một quy trình truyền thống để tránh mức tăng tiêu thụ và chi phí không bền vững? Vấn đề này được tóm tắt rõ trong bài viết này về sự đánh đổi môi trường của AI.

Bốn quyết định thực sự quan trọng

1. Chọn mô hình phù hợp với vấn đề
   Đây là đòn bẩy có tỷ lệ tốt nhất giữa sự đơn giản và tác động. Đừng dùng mô hình mạnh nhất làm mặc định. Chỉ dùng nó ở nơi thực sự tạo ra khác biệt. Với nhiều hoạt động hàng ngày, các mô hình nhẹ hơn hoặc các hệ thống không tạo sinh là đủ.
2. Đánh giá nhà cung cấp cloud cả về hồ sơ năng lượng
   Đừng chỉ nhìn vào giá, độ trễ và tuân thủ quy định. Hãy xem cả tính minh bạch về trung tâm dữ liệu, cơ cấu năng lượng theo khu vực và cách tiếp cận hiệu quả vận hành. Yếu tố địa lý quan trọng. Một khối lượng công việc không có cùng một dấu chân ở mọi khu vực.
3. Cắt giảm sự dư thừa trong quy trình làm việc
   Nếu cùng một dữ liệu bị xuất ra, sao chép lại, định dạng lại và gửi lại nhiều lần, bạn đang lãng phí tài nguyên trước cả khi nói đến AI. Một nền tảng như ELECTE, một nền tảng phân tích dữ liệu dựa trên AI dành cho SME, có thể được dùng để tập trung hóa dữ liệu, tự động hóa báo cáo và giảm thiểu các phân tích trùng lặp. Lợi ích, trong bối cảnh này, không phải là “dùng nhiều AI hơn”. Mà là làm ít việc vô ích hơn.
4. Đo lường ngay cả khi không hoàn hảo
   Không phải doanh nghiệp nào cũng có công cụ để đo kWh hay CO₂ cho từng lần suy luận. Không sao cả. Hãy bắt đầu từ những chỉ số vận hành đã có sẵn trong tầm tay.

Cần theo dõi gì ngay cả khi chưa có chỉ số hoàn hảo

Trong bối cảnh chưa có một tiêu chuẩn ngành thực sự được thiết lập, tôi sẽ bắt đầu từ một bảng đơn giản:

Đo lường chưa hoàn hảo nhưng nhất quán vẫn tốt hơn là không đo lường gì cả.

Nếu sau ba tháng bạn thấy số lượt gọi trên mỗi tác vụ giảm xuống, các mô hình lớn được kích hoạt ít thường xuyên hơn và việc truyền tải dữ liệu được kiểm soát chặt chẽ hơn, thì bạn vẫn chưa có một hệ thống hạch toán carbon hoàn hảo. Nhưng bạn đã có một thứ rất hữu ích: một kỷ luật hiệu quả giúp giảm lãng phí tính toán, chi phí và có lẽ cả tác động môi trường.

Kết luận Thắp Sáng Tương Lai với một AI Có Trách Nhiệm

Tính bền vững của trí tuệ nhân tạo không thể giải quyết bằng một khẩu hiệu. Cũng không thể bằng việc từ chối AI một cách duy ý chí. Nó được xây dựng bằng những quyết định kỹ thuật và quản lý tốt hơn.

Ai sử dụng AI ngày nay phải giữ đồng thời hai sự thật. Thứ nhất: chi phí môi trường là có thật, đang tăng lên và không nên xem nhẹ. Thứ hai: AI có thể mang lại lợi ích cụ thể khi nó giảm lãng phí, cải thiện việc sử dụng năng lượng và thay thế các quy trình lặp lại, thiếu tổ chức bằng những hệ thống thông minh hơn. Chất lượng của lựa chọn nằm ở mối tương quan giữa hai mặt này.

Đối với các doanh nghiệp châu Âu còn có một cấp độ trách nhiệm thứ hai. Tuân thủ quy định thôi là chưa đủ. Cần phải hiểu công nghệ, hạ tầng, quản trị và sở hữu trí tuệ đan xen với nhau như thế nào. Về điểm cuối cùng này, đối với những ai muốn tìm hiểu sâu hơn về khung pháp lý đi kèm với việc áp dụng AI, tôi xin giới thiệu hướng dẫn về bằng sáng chế trí tuệ nhân tạo này, hữu ích để đọc hiểu tính bền vững công nghệ cũng như một lựa chọn chiến lược dài hạn.

Hướng đi đúng không phải là sử dụng ít AI hơn nói chung. Mà là sử dụng đúng loại AI, đúng nơi, với mức độ mạnh mẽ phù hợp.

Nếu bạn muốn áp dụng AI một cách hiệu quả và có ý thức hơn, bạn có thể xem cách ELECTE hoạt động. Nền tảng này giúp các doanh nghiệp vừa và nhỏ tập trung hóa dữ liệu, tự động hóa báo cáo và giảm bớt công việc phân tích thừa, với cách tiếp cận thực dụng trong việc lựa chọn mô hình và hiệu quả vận hành.