JBNews.id — Pusat data kecerdasan buatan (AI) diproyeksikan mengonsumsi air sebanyak 9,3 triliun liter pada 2030, setara dengan kebutuhan air dasar tahunan bagi 1,3 miliar penduduk di Afrika Sub-Sahara. Temuan ini dirilis dalam laporan terbaru dari United Nations University Institute for Water, Environment and Health (UNU-INWEH) pekan ini.
Laporan tersebut mengungkapkan bahwa biaya lingkungan dari AI selama ini “secara sistematis salah diukur”. Penilaian saat ini hanya berfokus pada emisi karbon dari pelatihan model bahasa besar, sementara mengabaikan jejak air dan lahan yang lebih luas dari teknologi ini.
Jejak air berasal dari sistem pendingin dan catu daya pusat data. Sementara itu, jejak lahan berasal dari infrastruktur energi dan rantai pasok yang diperlukan untuk membangun dan mengoperasikannya.
Laporan UNU-INWEH menekankan bahwa biaya pelatihan awal ini sebenarnya jauh lebih kecil dibandingkan biaya inferensi. Biaya inferensi, yaitu biaya menjalankan model untuk menjawab perintah, mencakup 80 hingga 90 persen dari total penggunaan energi AI.
Sebagai contoh, pelatihan model GPT-4 milik OpenAI mengonsumsi hingga 70 gigawatt-jam listrik. Namun, menjalankan ChatGPT diperkirakan menggunakan 383 GWh setiap hari hanya untuk menjawab miliaran perintah.
Dengan memperhitungkan biaya inferensi, pusat data yang mendukung AI akan menggunakan 945 terawatt-jam listrik pada 2030. Jumlah ini tiga kali lipat dari total konsumsi listrik gabungan Pakistan, Bangladesh, dan Nigeria—negara-negara yang menjadi rumah bagi lebih dari 650 juta orang.
Hal ini membawa kita pada jejak air. Pada tahun yang sama, kebutuhan air AI akan mencapai 9,3 triliun liter. Volume ini setara dengan kebutuhan air dasar tahunan bagi seluruh 1,3 miliar orang di Afrika Sub-Sahara.
Baca Juga:
Transisi Energi Hijau Tidak Selalu Solusi
Laporan tersebut memperingatkan bahwa mengatasi dampak lingkungan AI tidak akan semudah beralih ke sumber listrik yang lebih hijau. Beralih dari batu bara ke bioenergi dapat mengurangi emisi karbon yang terkait dengan biaya listrik hingga 70 persen. Namun, langkah ini justru akan menyebabkan jejak air melonjak hingga 30 kali lipat, dan jejak lahan hingga 100 kali lipat.
“Yang paling mengejutkan kami adalah seberapa sering pilihan yang tampak paling hijau dari perspektif karbon justru berakhir lebih buruk bagi air atau lahan,” kata penulis utama laporan, Miriam Aczel, seorang peneliti UNU-INWEH, dalam sebuah pernyataan tentang temuan tersebut.
“Jika kita terus menilai keberlanjutan AI hanya berdasarkan karbon, kita mungkin berpikir bahwa energi terbarukan membuat infrastruktur AI menjadi bersih. Namun, itu berarti menyelesaikan satu masalah sambil menciptakan masalah lain, seringkali di tempat yang tidak memintanya,” tambahnya.
Efisiensi AI Justru Perbesar Jejak Lingkungan
Secara paradoks, membuat AI lebih efisien secara energi justru dapat meningkatkan jejak lingkungannya. Banyak pihak berasumsi bahwa efisiensi teknologi akan secara otomatis mengurangi dampak lingkungan.
“Banyak orang berpikir bahwa jejak lingkungan AI berkurang seiring dengan membaiknya teknologi dan proses yang lebih efisien. Namun, itu hanya gambaran sebagian dari masalah keseluruhan,” kata rekan penulis Kaveh Madani, direktur UNU-INWEH, dalam pernyataan yang sama.
“AI dan energi yang lebih efisien dan terjangkau berarti lebih banyak konsumsi AI, membuat jejak keseluruhan jauh lebih besar daripada apa yang kita hemat melalui peningkatan efisiensi,” jelas Madani.
Temuan ini menjadi peringatan serius bagi industri teknologi yang terus berlomba mengembangkan AI. Perusahaan seperti Microsoft bangun model AI mandiri pasca-pisah dari OpenAI, menunjukkan betapa besarnya investasi yang mengalir ke sektor ini tanpa mempertimbangkan dampak lingkungan secara holistik.
Implikasinya jelas bagi para pemangku kepentingan: kebijakan energi dan lingkungan untuk AI tidak bisa lagi hanya berfokus pada emisi karbon. Dampak terhadap sumber daya air dan lahan harus menjadi pertimbangan utama dalam perencanaan pusat data di masa depan, termasuk di Indonesia yang tengah gencar mengembangkan ekosistem digital.