По мере усложнения ИИ-моделей растет их воздействие на окружающую среду, ресурсы и экономику. Организации стремятся соответствовать этим вызовам с помощью стандартизированных фреймворков и объединения усилий.
Генеративный ИИ быстро продемонстрировал способность улучшать бизнес-процессы, обеспечивая рост производительности и эффективности. Но по мере того как компании извлекают выгоду из этих новых инструментов, многие сталкиваются с другой реальностью: высокой экологической ценой ИИ.
Масштабирование ИИ требует колоссального количества электроэнергии: крупные модели ген. ИИ потребляют в 4600 раз больше энергии, чем традиционные модели. И спрос на дополнительные мощности и вычислительные ресурсы для ИИ будет только расти. По сценарию с высоким уровнем внедрения, когда множество компаний развертывают сложные ИИ-модели (например, агентный ИИ), прогнозируется увеличение потребления электроэнергии в 24,4 раза. Это приведет к росту выбросов углекислого газа, истощению ресурсов, таких как вода, и негативному влиянию на местные сообщества. Температура в районах, прилегающих к дата-центрам, как правило, на 2 °C выше, чем в аналогичных районах без такой инфраструктуры.
Перед бизнесом, внедряющим ИИ, встает ключевой вопрос: как масштабировать ИИ и одновременно снижать его воздействие на окружающую среду?
Повышение ценности за счет внутреннего сотрудничества
Компаниям необходимо стремиться к согласованию подходов к ИИ внутри команд, поскольку точки зрения в различных подразделениях могут существенно различаться, а решения, связанные с ИИ, часто принимаются изолированно. В результате организации могут оптимизировать использование ИИ для достижения одних целей, непреднамеренно усложняя достижение других.
Для устойчивого масштабирования ИИ организациям необходимы четкая коммуникация и общая единая база, основанная на стандартизированных метриках, охватывающих воздействие на экологию, ресурсы, а также экономические цели и последствия. Создание такого общего языка позволяет принимать эффективные решения во всех аспектах бизнеса.
Взять, к примеру, транспорт и логистику. ИИ все чаще используется в этом секторе для оптимизации операций, но его ценность зависит от того, где, когда и как он применяется, поскольку приходится балансировать между конкурирующими приоритетами. Бизнес-подразделения могут быть сосредоточены на сокращении времени доставки и снижении затрат на топливо, в то время как команды по устойчивому развитию стремятся сократить выбросы, а технологические команды ставят во главу угла производительность моделей. Для оптимизации этих различных целей общая система измерений может помочь количественно оценить ценность с учетом затрат, использования ресурсов, экологического воздействия и повышения эффективности.
Создание общеотраслевого единства
Хотя действия на уровне компании имеют жизненно важное значение для управления соотношением между ценностью для бизнеса, потреблением ресурсов, затратами и воздействием на окружающую среду, общеотраслевые стандарты также критически важны. Изолированные меры, направленные исключительно на повышение эффективности оборудования, моделей или модернизацию электросетей, не могут нивелировать воздействие генеративного ИИ. Для этого потребуется координация всей цепочки создания стоимости ИИ — от производства электроэнергии и операционной эффективности до жизненного цикла продукта.
Правительства и компании уже вмешиваются в процесс, чтобы минимизировать воздействие ИИ и согласовать его развитие с целями по достижению нулевых выбросов. Международный союз электросвязи (МСЭ) недавно опубликовал руководства по оценке воздействия систем ИИ на окружающую среду (ITU-T L.1801), и предпринимаются другие усилия. Одна из инициатив под французским руководством, «Коалиция за устойчивый ИИ» (Coalition for Sustainable AI), объединяет Программу ООН по окружающей среде, МСЭ, Capgemini, а также множество других компаний и организаций для решения проблем, связанных с влиянием ИИ. Члены коалиции привержены достижению Целей устойчивого развития ООН и Повестки дня ООН на период до 2030 года, используя инструменты ИИ для поддержки борьбы с изменением климата и охраны окружающей среды.
- Clément Desroches et al., “Exploring the sustainable scaling of AI dilemma: A projective study of corporations’ AI environmental impacts,” Capgemini Invent, https://arxiv.org/pdf/2501.14334
