AI:s dolda kostnad? Ny metod mäter nu dess klimatavtryck
Med artificiell intelligens (AI) som snabbt blir en grundläggande del av många företags verksamhet, ökar oron för dess klimatpåverkan. Uppskattningar av AI:s utsläpp har hittills varierat drastiskt, vilket skapar utmaningar för hållbarhetsarbetet. Nu lanserar Watershed, tillsammans med forskare från Stanford och Tsinghua University, ett nytt ramverk för att mäta AI:s klimatavtryck mer enhetligt. Detta initiativ är avgörande för att vi snabbt ska kunna agera och minska utsläppen från en sektor som annars riskerar att bidra ytterligare till den akuta globala uppvärmningen.
Behovet av en gemensam metod för att mäta AI:s klimatpåverkan blir allt viktigare i takt med att AI-användningen exploderar. Tidigare beräkningar har skiljt sig åt enormt, ibland med tiopotenser, beroende på antaganden och vad som inkluderats. Det nya ramverket, framtaget av Watershed tillsammans med framstående universitet och företag, syftar inte till ett exakt facit, utan till att skapa en gemensam grund som kan utvecklas för mer detaljerad information om energianvändning och utsläpp.
Ramverket utgår från ett brett livscykelperspektiv. Det handlar inte bara om elen som används när en AI-modell besvarar en fråga, utan omfattar även utsläpp från modellträning, datacentrets energiförbrukning, reservkapacitet och tillverkningen av hårdvara. Att inkludera hela kedjan är nödvändigt för att rättvist kunna jämföra olika AI-tjänster och förstå den fulla miljöbelastningen. Med detta ramverk får företag ett konkret sätt att börja mäta, även med den data som finns tillgänglig idag, för att successivt förbättra beräkningarna.
En central del är att företag inte behöver vänta på perfekt data. Beräkningen delas in i tre nivåer: ”Spend Tier” när bara kostnader är kända, ”Activity Tier” baserad på faktiska användningsdata som antalet AI-tokens, och ”Provider Tier” som bygger på direkt information från AI-leverantörerna. Den sistnämnda ger mest träffsäkra resultat, men kräver att leverantörerna blir mer transparenta, vilket i sin tur driver på en positiv förändring mot mer hållbara alternativ. Att välja el från förnybara källor och mer energieffektiva modeller är steg som kan tas redan idag för att drastiskt minska utsläppen och snabbt bidra till en grönare omställning.
Watershed betonar att syftet inte bara är att redovisa utsläpp, utan att aktivt minska dem. Företag uppmuntras att välja mindre energikrävande AI-modeller när uppgiften tillåter det, skriva kortare och mer precisa promptar, samt välja datacenterregioner med låg klimatpåverkan på sin elproduktion. Att efterfråga mer detaljerad data från leverantörer är avgörande för att driva utvecklingen mot en mer transparent och hållbar AI-industri. Detta initiativ banar väg för en framtida gemensam standard som kan göra AI till en del av lösningen för klimatkrisen, snarare än en bidragande orsak.