Trí tuệ nhân tạo có thể giúp doanh nghiệp tiết kiệm năng lượng, giảm thiểu lãng phí và giảm bớt các công việc thủ công trong báo cáo ESG. Tuy nhiên, những người phát triển sản phẩm AI cũng hiểu rõ mặt trái của vấn đề: mỗi mô hình đều chạy trên cơ sở hạ tầng tiêu tốn nhiều năng lượng, mỗi lần gọi API đều có chi phí tính toán, và nhu cầu về sức mạnh tính toán vẫn không có dấu hiệu chững lại.
Chính vì vậy, tính bền vững của trí tuệ nhân tạo không nên được coi là một khẩu hiệu hay một lỗi lầm cần phải chuộc tội. Nó cần được xử lý như một vấn đề vận hành. Tại Ý, cuộc tranh luận hiện đã xoay quanh hai khái niệm cụ thể: “bền vững của trí tuệ nhân tạo ” và “trí tuệ nhân tạo vì sự bền vững”. Khái niệm đầu tiên liên quan đến tác động của chính trí tuệ nhân tạo. Khái niệm thứ hai liên quan đến việc sử dụng trí tuệ nhân tạo để cải thiện các quy trình, mức tiêu thụ và quản trị môi trường. Trong cùng bối cảnh đó, thành phần báo cáo ESG được hỗ trợ bởi trí tuệ nhân tạo đã “tăng gần gấp ba lần trong năm qua”, theo phân tích này về tính bền vững của trí tuệ nhân tạo và quản trị ESG.
Với tư cách là người sáng lập một công ty về trí tuệ nhân tạo (AI), tôi thấy cả sự hoang mang tự động lẫn chủ nghĩa lạc quan công nghệ thụ động đều vô ích. Vấn đề không phải là quyết định xem AI có “tốt” hay “xấu” đối với môi trường. Vấn đề là phải hiểu rõ AI tiêu tốn tài nguyên ở đâu, khi nào nó tạo ra giá trị thực sự, và những lựa chọn cụ thể nào có thể giảm thiểu tác động mà không làm mất đi tính hữu ích của nó.
Cuộc thảo luận về tính bền vững của trí tuệ nhân tạo đã trở nên chín muồi hơn. Cuối cùng thì cũng đã đến lúc. Không phải vì vấn đề đã được giải quyết, mà vì không thể nào giản lược nó thành một câu sáo rỗng được nữa.
Một mặt, trí tuệ nhân tạo (AI) giúp các doanh nghiệp và nhà máy sử dụng năng lượng hiệu quả hơn, hạn chế lãng phí và nâng cao tính minh bạch trong báo cáo ESG. Mặt khác, chính những hệ thống này lại đòi hỏi sức mạnh tính toán, trung tâm dữ liệu, hệ thống làm mát, mạng lưới và các linh kiện phần cứng – những yếu tố đều gây ra tác động môi trường thực sự. Nếu chỉ xem xét một trong hai khía cạnh này, chúng ta sẽ đưa ra quyết định sai lầm.
Hai loại mà tôi thường sử dụng nhất là những loại hiện đã trở nên phổ biến ngay cả trong bối cảnh Ý:
Sự khác biệt này không chỉ 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 nặng bao nhiêu? Câu hỏi thứ hai là: Trọng lượng đó có mang lại lợi ích về môi trường hoặc hoạt động đủ cụ thể để biện minh cho nó không?
Câu hỏi đúng không phải là “có nên sử dụng AI hay không”. Câu hỏi đúng là “liệu nhiệm vụ này có thực sự cần đến lượng tính toán lớn như vậy không?”.
Sai lầm mà tôi thường thấy nhất không phải là về mặt công nghệ. Đó là sai lầm trong việc ra quyết định. Nhiều doanh nghiệp áp dụng trí tuệ nhân tạo (AI) như thể toàn bộ sức mạnh sẵn có phải được sử dụng mọi lúc. Trên thực tế, họ lại chọn mô hình lớn nhất, quy trình làm việc phức tạp nhất và mức độ tự động hóa cao nhất, ngay cả khi vấn đề thực tế đơn giản hơn rất nhiều.
Thực ra, một chiến lược bền vững bắt đầu từ một nguyên tắc ít gây ấn tượng hơn: tính tương xứng. Nếu một tác vụ có thể được thực hiện tốt với ít phép tính hơn, ít truyền dữ liệu hơn và ít phức tạp hơn, thì đó không phải là sự hy sinh. Đó là một lựa chọn tốt hơn.
Phần hữu ích nhất của cuộc thảo luận bắt đầu khi chúng ta ngừng nói một cách trừu tượng. Tác động môi trường của trí tuệ nhân tạo (AI) không phải là một quan điểm chủ quan. Đó là một vấn đề về cơ sở hạ tầng với những con số đã đủ rõ ràng để đòi hỏi sự thận trọng.
Một nguồn tin từ Ý, trích dẫn số liệu quốc tế, cho biết một nghiên cứu năm 2019 của Đại học Massachusetts đã 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. Cùng nguồn tin này cũng cho biết việc phát triển ChatGPT-3 đã tiêu tốn khoảng 1.287 MWh điện, tương đương với mức tiêu thụ hàng năm của khoảng 120-130 hộ gia đình trung bình tại Mỹ, đồng thời trích dẫn một dự báo của Goldman Sachs Research rằng nhu cầu điện của các trung tâm dữ liệu có thể tăng 160%, 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 các số liệu này đều được trình bày trong báo cáo phân tích của Ý về chi phí môi trường của AI.
Vấn đề không phải là sử dụng những con số này để gây hoang mang dư luận. Vấn đề là phải hiểu được quy mô của vấn đề. Nếu bạn phát triển hoặc áp dụng trí tuệ nhân tạo (AI), bạn đang góp phần vào sự gia tăng nhu cầu năng lượng ảnh hưởng đến toàn bộ cơ sở hạ tầng, chứ không chỉ riêng ngân sách đám mây của bạn.
Quy tắc thực tiễn: Khi đánh giá một dự án trí tuệ nhân tạo (AI), đừng chỉ nhìn vào chi phí tính theo token hay mỗi lần gọi API. Vấn đề thực sự thường nằm ở khâu trước đó, cụ thể là ở hạ tầng kỹ thuật giúp cho việc gọi API đó trở nên khả thi.
Nhiều người cho rằng tác động môi trường của trí tuệ nhân tạo (AI) gần như chỉ liên quan đến quá trình huấn luyện. Đó là một cách đơn giản hóa thuận tiện, nhưng không chính xác. Mức tiêu thụ năng lượng được phân bổ trên nhiều cấp độ:
| Thành phần | Tại sao điều đó lại quan trọng |
|---|---|
| Đào tạo | Yêu cầu khối lượng tính toán lớn và tập trung |
| Suy luận | Mỗi yêu cầu của người dùng đều dẫn đến công việc lặp đi lặp lại theo thời gian |
| Trung tâm dữ liệu | Nguồn điện, tính dự phòng và quản lý liên tục cơ sở hạ tầng |
| Làm mát | Nhiệt do các hệ thống tạo ra cần được tản nhiệt một cách hiệu quả |
| Mạng và truyền dữ liệu | Việc di chuyển dữ liệu giữa các hệ thống, khu vực và dịch vụ tiêu tốn năng lượng |
Điều này thay đổi cách tiếp cận vấn đề bền vững trong trí tuệ nhân tạo. Không chỉ đơn thuần tự hỏi “mô hình tiêu thụ bao nhiêu”. Bạn còn phải tự hỏi nó chạy ở đâu, tạo ra bao nhiêu lưu lượng truy cập, được truy vấn bao nhiêu lần và liệu kiến trúc của nó có được thiết kế để hạn chế lãng phí hay không.
Chính vì vậy, việc xem xét các trường hợp mà AI được sử dụng để cải thiện cơ sở hạ tầng của chính nó cũng là điều có ý nghĩa. Một ví dụ hữu ích là việctối ưu hóa năng lượng cho các trung tâm dữ liệu bằng AI, điều này minh họa rõ ràng một điều đơn giản: vấn đề không chỉ nằm ở mô hình, mà còn ở toàn bộ môi trường kỹ thuật hỗ trợ cho mô hình đó.
Nếu chỉ tập trung vào chi phí, chúng ta sẽ bỏ lỡ một nửa bức tranh toàn cảnh. Trí tuệ nhân tạo (AI) cũng có thể là một công cụ quan trọng để nâng cao tính bền vững của doanh nghiệp. Không phải theo nghĩa suông, mà là thông qua các quy trình rất cụ thể.
Trong bối cảnh Ý, khi được áp dụng vào các hệ thống quản lý năng lượng, trí tuệ nhân tạo (AI) có thể giảm mức tiêu thụ năng lượng trong quá trình vận hành tại các nhà máy công nghiệp và doanh nghiệp vừa và nhỏ (SME) bằng cách dự báo các đỉnh nhu cầu và điều chỉnh tải như hệ thống HVAC và chiếu sáng theo thời gian thực. Điều này có tác động trực tiếp đến lượng phát thải thuộc Phạm vi 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 ứng dụng trí tuệ nhân tạo (AI).
Đây là loại ứng dụng mà tôi cho là có thể biện minh được ngay cả từ góc độ môi trường. Không phải vì nó miễn phí, mà vì nó sử dụng tính toán để loại bỏ sự lãng phí vật chất liên tục. Trong một hệ thống có nhu cầu biến đổi, việc điều chỉnh hệ thống thông gió, điều hòa không khí hoặc chiếu sáng theo thời gian thực có thể có giá trị hơn cả ngàn slide thuyết trình về quá trình chuyển đổi xanh.
Ba lĩnh vực mà trí tuệ nhân tạo (AI) thường phát huy được hiệu quả thực sự là:
Đối với một doanh nghiệp vừa và nhỏ (SME), lợi ích thường không đến từ một mô hình hoành tráng. Lợi ích đó xuất phát từ một hệ thống giúp tránh công việc trùng lặp. Các bản xuất dữ liệu thủ công, nhiều bảng tính Excel, các tệp đính kèm được gửi đi nhiều lần, việc đối chiếu dữ liệu do nhiều người khác nhau thực hiện trên cùng một bộ dữ liệu. Tất cả những điều này đều tiêu tốn thời gian, tài nguyên máy tính, băng thông và sự tập trung.
Một quy trình được thực hiện lại năm lần bởi những người khác nhau là không hiệu quả, không chỉ từ góc độ tổ chức mà còn từ góc độ môi trường.
Khi trí tuệ nhân tạo (AI) tập trung hóa dữ liệu, tự động hóa các bước lặp đi lặp lại và giúp các phân tích có thể tái sử dụng, giá trị mang lại không nằm ở từng kết quả suy luận riêng lẻ. Giá trị đó nằm ở việc loại bỏ sự trùng lặp.
Đối với những người làm công tác lập báo cáo, một ví dụ liên quan đến vấn đề này là ELECTE dành cho báo cáo ESG, giúp hiểu rõ cách thức tự động hóa có thể giảm bớt các bước thực hiện thủ công và tình trạng phân tán thông tin mà không biến mọi hoạt động thành một dự án CNTT phức tạp.
Điều đáng khích lệ là ngành công nghiệp này không hề đứng yên. Trí tuệ nhân tạo (AI) đang gây ra vấn đề, nhưng đồng thời cũng đang thúc đẩy những đổi mới nhằm giảm thiểu chi phí năng lượng. Tuy nhiên, chúng ta cần thẳng thắn thừa nhận: không có giải pháp duy nhất nào cả.
Một hướng đi đầy hứa hẹn là tập trung vào sự kết nối và hiệu quả của cơ sở hạ tầng. Khi các hệ thống tính toán phải chờ dữ liệu, công suất lắp đặt sẽ bị sử dụng không hiệu quả. Đây là một trong những lý do tại sao phần cứng thế hệ mới không chỉ nên được đánh giá dựa trên hiệu năng, mà còn cả về hiệu quả.
Trong các cuộc thảo luận về công nghệ, đang xuất hiện nhiều đề xuất tập trung vào các kết nối quang học, cải thiện khả năng truyền dữ liệu và giảm thiểu tổn thất năng lượng. Tuy nhiên, đối với những người mua dịch vụ đám mây chứ không phải chip, vấn đề thực tiễn lại nằm ở chỗ khác: lựa chọn các nền tảng (stack) có thể thực hiện nhiều công việc hữu ích hơn với thời gian chờ ít hơn, lưu lượng mạng thấp hơn và chi phí vận hành ít hơn.
Lý luận này cũng áp dụng được ngoài lĩnh vực Trí tuệ nhân tạo (AI) theo nghĩa hẹp. Những ai muốn suy ngẫm một cách tổng quát hơn về các mô hình sản xuất ít gây lãng phí hơn có thể tìm thấy những gợi ý hữu ích từ các thực tiễn kinh tế bền vững này, đặc biệt là để kết nối hiệu quả số với việc giảm thiểu lãng phí vật liệu trong các quy trình.
Về mặt phần mềm, những yếu tố quan trọng nhất thường ít hào nhoáng hơn nhưng lại mang lại hiệu quả tức thì:
Theo kinh nghiệm của tôi, đây chính là quyết định mang lại tác động lớn nhất. Sự thay đổi hiệu quả nhất không phải là việc áp dụng một công nghệ tiên tiến, mà là ngừng sử dụng mô hình mạnh nhất cho mọi tác vụ. Các tác vụ như phân loại, định dạng, trích xuất các mẫu đã biết và nhiều hoạt động hỗ trợ khác không phải lúc nào cũng đòi hỏi một mô hình tiên tiến nhất. Chúng đòi hỏi sự kỷ luật trong thiết kế kiến trúc.
Nếu kết quả mang lại cho người dùng vẫn như nhau, thì việc giảm thiểu các phép tính không phải là một sự thỏa hiệp. Đó chính là thiết kế tốt hơn.
Chính vì vậy mà tôi thường nói đến “mô hình phù hợp cho từng tác vụ cụ thể”. Trên thực tế, điều này có nghĩa là tạo ra một lớp định tuyến để phân bổ mỗi tác vụ đến mức công suất cần thiết. Đây là một lựa chọn không chỉ về mặt chi phí mà còn về tính bền vững.
Ai muốn tìm hiểu sâu hơn về mối liên hệ giữa các giải pháp kỹ thuật và tác động môi trường có thể tham khảo thêm ấn phẩm ELECTE về Trí tuệ nhân tạo (AI) và môi trường, trong đó tổng hợp nhiều trường hợp cụ thể và hướng phát triển mà không coi chúng là những “phương thuốc thần kỳ”.
Lý do phản đối quan trọng nhất cũng chính là lý do gây khó chịu nhất: việc nâng cao hiệu quả của trí tuệ nhân tạo (AI) không tự động đảm bảo sẽ làm giảm mức tiêu thụ tổng thể. Thậm chí, đôi khi điều ngược lại còn xảy ra.
Khi việc tính toán trở nên tiết kiệm 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 thì chi phí cũng thấp”. Đó chính là cốt lõi của nghịch lý hiệu quả.
Chính vì vậy, tính bền vững trong trí tuệ nhân tạo không thể chỉ là vấn đề về các chip tốt hơn hay các mô hình nhỏ gọn hơn. Nó phải trở thành một tiêu chí ưu tiên. Trước mỗi lần triển khai, cần đặt ra một số câu hỏi sau:
Một trong những lỗ hổng rõ ràng nhất trong cuộc tranh luận tại Ý chính là điều này: sự thiếu vắng các chỉ số đo lường tiêu chuẩn và một cách tiếp cận toàn diện để đánh giá dấu chân carbon của trí tuệ nhân tạo (AI) trong suốt vòng đời của nó – một vấn đề được nhấn mạnh trong góc nhìn hệ thống này về tính bền vững của trí tuệ nhân tạo.
Vì vậy, vấn đề không phải là kìm hãm sự đổi mới. Mà là ngừng coi tính toán như một nguồn lực miễn phí và vô tận. Mọi tổ chức nên đối xử với nó giống như cách họ đối xử với ngân sách hay thời gian của nhân viên: một thứ cần được phân bổ vào những nơi thực sự tạo ra giá trị.
Đối với một doanh nghiệp vừa và nhỏ, việc đề cập đến tính bền vững mà không có kế hoạch hành động cụ thể thì cũng chẳng mang lại nhiều ý nghĩa. Tốt nhất là nên bắt đầu từ bốn quyết định có thể thực hiện ngay lập tức, ngay cả khi chưa có số liệu đo lường chính xác về dấu chân môi trường.
Một nguồn tin từ Ý nhận định rằng nhiều cuộc thảo luận về tính bền vững của trí tuệ nhân tạo (AI) đã bỏ qua sự cân bằng giữa chi phí và lợi ích, trong khi các trung tâm dữ liệu hiện đã tiêu thụ khoảng 3% tổng lượng năng lượng toàn cầu. Câu hỏi thường bị đánh giá thấp là: khi nào thì nên sử dụng một mô hình nhỏ hơn hoặc quy trình truyền thống để tránh sự gia tăng không bền vững về mức tiêu thụ và chi phí? Vấn đề này được tóm tắt rõ ràng trong bài viết này về sự cân bằng môi trường của AI.
Hãy chọn mô hình phù hợp với quy mô vấn đề
Đây là công cụ có sự cân bằng tốt nhất giữa tính đơn giản và hiệu quả. Đừng sử dụng mô hình mạnh nhất làm mặc định. Chỉ nên dùng nó khi nó thực sự tạo ra sự khác biệt. Đối với nhiều hoạt động hàng ngày, các mô hình nhẹ hơn hoặc các hệ thống không sinh thành là đủ.
Hãy đánh giá nhà cung cấp dịch vụ đám mây dựa trên cả hồ sơ năng lượng
Đừng chỉ chú trọng đến giá cả, độ trễ và tuân thủ quy định. Hãy quan tâm cả đến tính minh bạch về trung tâm dữ liệu, cơ cấu nguồn năng lượng khu vực và cách tiếp cận nhằm nâng cao hiệu quả vận hành. Vị trí địa lý rất quan trọng. Một khối lượng công việc sẽ không để lại dấu ấn giống nhau ở mọi khu vực.
Loại bỏ sự trùng lặp trong quy trình làm việc
Nếu cùng một dữ liệu bị xuất ra, sao chép lại, định dạng lại và gửi đi nhiều lần, bạn đang lãng phí tài nguyên ngay cả trước khi đề cập đến AI. Một nền tảng như ELECTE – nền tảng phân tích dữ liệu được hỗ trợ bởi AI dành cho các doanh nghiệp vừa và nhỏ – có thể được sử dụng 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 “tăng cường ứng dụng AI”. Mà là giảm bớt công việc vô ích.
Dù không hoàn hảo, nó vẫn đo được
Không phải công ty nào cũng có công cụ để đo lường kWh hoặc CO₂ cho từng hoạt động cụ thể. Không sao cả. Hãy bắt đầu từ các chỉ số hoạt động mà bạn đã có sẵn.
Do chưa có một tiêu chuẩn ngành nào thực sự được chấp nhận rộng rãi, tôi sẽ bắt đầu từ một bảng đơn giản như sau:
| Chỉ số hoạt động | Nó nói với bạn điều gì |
|---|---|
| Gọi API khi tác vụ hoàn tất | Nếu bạn đang phải bỏ ra quá nhiều công sức để đạt được kết quả |
| Kích thước trung bình của mô hình cho mỗi thao tác | Nếu bạn đang đặt mục tiêu quá cao cho các nhiệm vụ |
| Khối lượng dữ liệu được truyền trong mỗi phiên | Nếu quy trình làm việc của bạn tạo ra lưu lượng truy cập có thể tránh được |
| Các phân tích đã được thực hiện nhưng chưa được sử dụng | Nếu bạn đang tự động hóa các nội dung đầu ra mà không ai đọc |
Đo lường không chính xác nhưng nhất quán vẫn tốt hơn là không đo lường gì cả.
Nếu sau ba tháng, bạn nhận thấy số lượng cuộc gọi cho mỗi tác vụ giảm xuống, các mô hình lớn được kích hoạt ít thường xuyên hơn và lượng dữ liệu truyền tải cũng ít hơn, thì bạn vẫn chưa đạt được hệ thống tính toán carbon hoàn hảo. Tuy nhiên, bạn đã có được một điều rất hữu ích: một quy trình hiệu quả giúp giảm thiểu lãng phí tài nguyên tính toán, chi phí và có lẽ cả tác động đến môi trường.
Tính bền vững của trí tuệ nhân tạo không thể giải quyết chỉ bằng một khẩu hiệu. Cũng không thể giải quyết bằng việc từ chối trí tuệ nhân tạo trên phương diện ý thức hệ. Tính bền vững này được xây dựng thông qua những quyết định kỹ thuật và quản lý tốt hơn.
Những ai đang sử dụng trí tuệ nhân tạo (AI) ngày nay cần phải cân nhắc song song hai thực tế. Thứ nhất: tác động tiêu cực đến môi trường là có thật, đang gia tăng và không nên xem nhẹ. Thứ hai: AI có thể mang lại những lợi ích cụ thể khi giúp giảm thiểu lãng phí, nâng cao hiệu quả sử dụng năng lượng và thay thế các quy trình lặp đi lặp lại, thiếu tổ chức bằng các hệ thống thông minh hơn. Chất lượng của quyết định nằm ở sự cân bằng giữa hai khía cạnh này.
Đối với các doanh nghiệp châu Âu, còn có một cấp độ trách nhiệm thứ hai. Chỉ tuân thủ các quy định là chưa đủ. Cần phải hiểu rõ mối quan hệ tương tác giữa công nghệ, hạ tầng, quản trị và sở hữu trí tuệ. Về điểm cuối cùng này, đối với những ai muốn tìm hiểu sâu hơn về khung pháp lý đi kèm với việc áp dụng trí tuệ nhân tạo (AI), tôi xin giới thiệu cẩm nang này về bằng sáng chế trí tuệ nhân tạo, rất hữu ích để xem xét tính bền vững về công nghệ như một lựa chọn chiến lược dài hạn.
Hướng đi đúng đắn không phải là giảm thiểu việc sử dụng AI một cách tuyệt đối. Mà là sử dụng loại AI phù hợp, ở đúng nơi, với mức độ mạnh mẽ phù hợp.
Nếu bạn muốn áp dụng trí tuệ nhân tạo (AI) một cách hiệu quả và có chủ đích hơn, hãy tìm hiểu cách thức hoạt động của ELECTE. Nền tảng này giúp các doanh nghiệp vừa và nhỏ (SME) tập trung hóa dữ liệu, tự động hóa báo cáo và giảm bớt công việc phân tích trùng lặp, thông qua cách tiếp cận thực tiễn trong việc lựa chọn mô hình và đảm bảo hiệu quả hoạt động.
.svg)
.svg)
.svg)
