# ग्रीन AI नीति कैसे लिखें

> किसी संगठन की ग्रीन AI नीति लिखने की चरण-दर-चरण गाइड, एक टेम्पलेट रूपरेखा के साथ: इस्तेमाल, मॉडल, मापन, खरीद, दावे और समीक्षा।

Source: https://greenai.guide/hi/अच्छी-प्रथाएँ/ग्रीन-ai-नीति-कैसे-लिखें/  
Updated: 2026-11-19

## संक्षेप में

ग्रीन AI नीति बताती है कि आपका संगठन AI का इस्तेमाल कब करता है, उसे कुशलता से कैसे चुनता और चलाता है, उसके असर को कैसे मापता और रिपोर्ट करता है, और क्या दावा करेगा और क्या नहीं। इसे छोटा, व्यावहारिक और खरीद, डेटा सुरक्षा और सस्टेनेबिलिटी रिपोर्टिंग जैसी मौजूदा प्रक्रियाओं से जुड़ा रखें, और हर साल इसकी समीक्षा करें।

## मुख्य बातें

- एक अच्छी नीति दक्षता (AI का अच्छा इस्तेमाल) और पर्याप्तता (sufficiency: AI का इस्तेमाल सिर्फ़ वहीं जहाँ उससे मूल्य जुड़े) दोनों को कवर करती है।
- डिफ़ॉल्ट से काम लें: सबसे छोटा पर्याप्त मॉडल, ज़रूरत न हो तो AI फ़ीचर बंद, आउटपुट की सीमाएँ चालू।
- नीति को पहले से मौजूद प्रक्रियाओं से जोड़ें: खरीद, डेटा सुरक्षा, सस्टेनेबिलिटी रिपोर्टिंग, ट्रेनिंग।
- बताए गए तरीके से मापें और उपयोगी काम की प्रति इकाई के हिसाब से रिपोर्ट करें, ताकि इस्तेमाल में बढ़ोतरी दिखे।
- नीति का एक ज़िम्मेदार व्यक्ति (owner), समीक्षा की तारीख और मापने योग्य प्रतिबद्धताओं की एक छोटी सूची तय करें।

## ग्रीन AI नीति किसलिए है? {#what-is-a-green-ai-policy-for}

**यह AI के पर्यावरणीय असर के बारे में अच्छे इरादों को ऐसे डिफ़ॉल्ट, फ़ैसलों और जाँचों में बदलती है जिनका लोग सचमुच
पालन करते हैं।** इसके बिना हर टीम मॉडल, टूल और सप्लायर सिर्फ़ क्षमता और कीमत के आधार पर चुनती है, और कोई नहीं बता
सकता कि संगठन के AI इस्तेमाल की ऊर्जा, कार्बन या पानी में कितनी लागत है।

एक अच्छी नीति दो काम करती है। यह AI के इस्तेमाल को **कुशल** बनाती है: सही मॉडल, अच्छी तरह चलाया गया, स्वच्छ बिजली
पर। और यह AI के इस्तेमाल को **पर्याप्त** (sufficient) बनाती है: AI वहाँ जहाँ उससे मूल्य जुड़े, आदतन नहीं। गणितज्ञों,
कंप्यूटर वैज्ञानिकों और उद्योग के लोगों के 2026 के एक UK ग्रीन AI सैंडपिट (गहन चर्चा कार्यशाला) में एक मतदान में
ज़्यादातर प्रतिभागी चाहते थे कि ग्रीन AI इन दोनों में से किसी एक पर नहीं, बल्कि दोनों पर बराबर ध्यान दे। सैंडपिट ने उन
नीतियों के ख़िलाफ़ भी चेताया जो “AI का इस्तेमाल न करें” जैसी लगती हैं: उन्हें अक्सर नज़रअंदाज़ कर दिया जाता है। AI
का ज़िम्मेदारी से और अच्छी तरह इस्तेमाल करने का लक्ष्य रखें।

## किसे शामिल किया जाना चाहिए? {#who-should-be-involved}

**उन लोगों को साथ लाएँ जो पहले से उन प्रक्रियाओं के ज़िम्मेदार हैं जिन्हें नीति छूती है।** एक छोटा कार्य समूह काफ़ी है:

- कोई जो **नीति का ज़िम्मेदार** हो और उसके प्रति जवाबदेह हो (अक्सर सस्टेनेबिलिटी, डिजिटल या ऑपरेशंस से)
- **IT या इंजीनियरिंग**, जो मॉडल और टूल चुनते और चलाते हैं
- **खरीद (procurement)**, जो AI सेवाएँ खरीदते हैं
- **डेटा सुरक्षा और कानूनी**, क्योंकि डेटा मिनिमाइज़ेशन और ग्रीन दावे उनके काम से जुड़ते हैं
- **कम्युनिकेशंस**, जो सार्वजनिक बयान देते हैं
- **कुछ रोज़मर्रा के उपयोगकर्ता**, जो जानते हैं कि AI असल में कहाँ इस्तेमाल होता है

## इसे चरण-दर-चरण कैसे लिखूँ? {#how-do-i-write-it-step-by-step}

**अभी जो इस्तेमाल करते हैं वहाँ से शुरू करें, कुछ गिने-चुने डिफ़ॉल्ट और प्रतिबद्धताएँ तय करें, और मापन व समीक्षा को
शामिल करें।**

1. **मौजूदा AI इस्तेमाल का नक्शा बनाएँ।** टूल, फ़ीचर, मॉडल और सप्लायरों की सूची बनाएँ, उस AI समेत जो आपके पास पहले से
   मौजूद सॉफ़्टवेयर में शामिल है। मोटे तौर पर मात्रा लिखें।
2. **अपने सिद्धांतों पर सहमति बनाएँ।** तीन से पाँच सीधे-सादे कथन, जैसे “हम वह सबसे छोटा टूल इस्तेमाल करते हैं जो काम
   अच्छी तरह कर दे”।
3. **डिफ़ॉल्ट तय करें।** डिफ़ॉल्ट मार्गदर्शन से ज़्यादा व्यवहार बदलते हैं। तय करें कि कौन-से AI फ़ीचर डिफ़ॉल्ट रूप से
   चालू या बंद हैं, डिफ़ॉल्ट मॉडल आकार क्या है, और आपके बनाए टूल में आउटपुट और हिस्ट्री की सीमाएँ क्या हैं।
4. **तय करें कि भारी इस्तेमाल के लिए कब कारण चाहिए।** उदाहरण के लिए: बड़ा फ्रंटियर मॉडल, बड़े पैमाने पर इमेज या वीडियो
   जनरेशन, ट्रेनिंग या फ़ाइन-ट्यूनिंग, या हमेशा चालू रहने वाले एजेंट।
5. **चुनें कि आप कैसे मापेंगे।** एक तरीके, एक सीमा (boundary) और एक कार्यात्मक इकाई (functional unit) पर सहमति बनाएँ;
   देखें [AI की ऊर्जा मापें](/hi/अच्छी-प्रथाएँ/ai-की-ऊर्जा-और-कार्बन-कैसे-मापें/)। शुरू में अनुमान स्वीकार करें, उन्हें अनुमान ही बताकर।
6. **खरीद के नियम लिखें।** AI खरीद में सस्टेनेबिलिटी के सवाल और अंक देना जोड़ें; देखें
   [टिकाऊ AI खरीद](/hi/अच्छी-प्रथाएँ/टिकाऊ-ai-ख़रीद/)।
7. **दावों के नियम तय करें।** सबूत के बिना किसी चीज़ को हरित न कहा जाए; देखें
   [ईमानदार ग्रीन दावे](/hi/अच्छी-प्रथाएँ/ai-के-बारे-में-ईमानदार-ग्रीन-दावे/)।
8. **ट्रेनिंग की योजना बनाएँ।** सभी कर्मचारियों के लिए एक छोटा, व्यावहारिक सत्र, और AI बनाने या खरीदने वालों के लिए
   ज़्यादा गहरी सामग्री।
9. **कुछ मापने योग्य प्रतिबद्धताएँ चुनें**, तारीखों के साथ।
10. **एक ज़िम्मेदार व्यक्ति और समीक्षा की तारीख तय करें,** और नीति को संगठन के भीतर प्रकाशित करें।

## नीति में क्या होना चाहिए? एक टेम्पलेट रूपरेखा {#what-should-the-policy-say-a-template-outline}

**इस रूपरेखा को शुरुआती बिंदु की तरह इस्तेमाल करें और जो लागू न हो उसे हटा दें।**

### 1. उद्देश्य और दायरा {#1-purpose-and-scope}
- संगठन के पास यह नीति क्यों है, दो या तीन वाक्यों में।
- यह क्या कवर करती है: कर्मचारियों के इस्तेमाल किए AI टूल, उत्पादों और सेवाओं में बना AI, सप्लायरों से खरीदा गया AI,
  और कोई भी ट्रेनिंग या फ़ाइन-ट्यूनिंग।
- यहाँ “AI” का क्या मतलब है (सिर्फ़ जनरेटिव AI, या पूरी मशीन लर्निंग)।

### 2. सिद्धांत {#2-principles}
- AI का इस्तेमाल वहाँ करें जहाँ उससे साफ़ मूल्य जुड़े; पहले सरल तरीकों पर विचार करें।
- वह सबसे छोटा मॉडल या टूल इस्तेमाल करें जो गुणवत्ता मानक पर खरा उतरे।
- बर्बादी से बचें: बार-बार दोबारा जनरेट करना, ज़रूरत से बड़े इनपुट और आउटपुट, खाली बैठे एजेंट।
- लचीले कामों के लिए कम-कार्बन होस्टिंग और स्वच्छ घंटों को प्राथमिकता दें।
- ईमानदारी से मापें और सिर्फ़ उतना दावा करें जितना हम दिखा सकें।

### 3. रोज़मर्रा का इस्तेमाल {#3-everyday-use}
- कर्मचारियों से अपेक्षित आदतें (देखें [AI का कुशलता से इस्तेमाल करें](/hi/अच्छी-प्रथाएँ/ai-का-कुशल-उपयोग-रोज़-की-आदतें/))।
- AI फ़ीचर डिफ़ॉल्ट रूप से बंद, जब तक किसी टीम को उनकी ज़रूरत न हो।
- इमेज और वीडियो जनरेशन पर मार्गदर्शन।

### 4. AI बनाना और चलाना {#4-building-and-running-ai}
- मॉडल का चुनाव: सबसे छोटा पर्याप्त मॉडल, मिले-जुले वर्कलोड के लिए रूटिंग
  ([सही मॉडल चुनें](/hi/अच्छी-प्रथाएँ/काम-के-हिसाब-से-सही-मॉडल-चुनें/))।
- दक्षता के तरीके: कैशिंग, आउटपुट सीमाएँ, बैचिंग, और जहाँ गुणवत्ता बनी रहे वहाँ क्वांटाइज़ेशन
  ([कुशल ट्रेनिंग और इन्फ़रेंस](/hi/अच्छी-प्रथाएँ/कुशल-ai-ट्रेनिंग-और-इन्फ़रेंस/))।
- ट्रेनिंग या फ़ाइन-ट्यूनिंग की अनुमति कब है, और क्या दर्ज करना ज़रूरी है (ऊर्जा, हार्डवेयर, स्थान)।
- होस्टिंग और क्षेत्र का चुनाव ([होस्टिंग और डेटा सेंटर](/hi/अच्छी-प्रथाएँ/ग्रीन-ai-होस्टिंग-और-डेटा-सेंटर/)); एज बनाम क्लाउड
  ([एज या क्लाउड](/hi/अच्छी-प्रथाएँ/एज-या-क्लाउड-ai-कहाँ-चलना-चाहिए/))।

### 5. AI खरीदना {#5-buying-ai}
- सस्टेनेबिलिटी के मानक सवाल और टेंडर में अंक देना।
- रिपोर्टिंग, स्थान और ऑप्ट-आउट के लिए मानक अनुबंध शर्तें।

### 6. मापन और रिपोर्टिंग {#6-measurement-and-reporting}
- तरीका, सीमा और कार्यात्मक इकाई, उदाहरण के लिए ISO/IEC 21031:2024 में दिया Software Carbon Intensity तरीका।
- क्या रिपोर्ट किया जाता है, कितनी बार और किसे; आँकड़े मापे गए हैं या अनुमानित।
- AI मौजूदा सस्टेनेबिलिटी या उत्सर्जन रिपोर्टिंग में कैसे फ़िट होता है।

### 7. दावे और संचार {#7-claims-and-communication}
- AI के बारे में सार्वजनिक पर्यावरणीय दावों को कौन मंज़ूरी देता है, और कौन-सा सबूत चाहिए।

### 8. ट्रेनिंग और जागरूकता {#8-training-and-awareness}
- किसे कौन-सी ट्रेनिंग मिलती है, और कितनी बार।

### 9. भूमिकाएँ और गवर्नेंस {#9-roles-and-governance}
- नीति का ज़िम्मेदार व्यक्ति, कार्य समूह, और नीति AI गवर्नेंस से कैसे जुड़ती है (उदाहरण के लिए ISO/IEC 42001 AI
  प्रबंधन प्रणाली, अगर आपके पास है)।

### 10. प्रतिबद्धताएँ और समीक्षा {#10-commitments-and-review}
- तारीखों के साथ तीन से पाँच मापने योग्य प्रतिबद्धताएँ।
- सालाना समीक्षा की तारीख, और क्या चीज़ पहले समीक्षा का कारण बनेगी (कोई नया बड़ा AI टूल, कोई नया नियम)।

## इसे टिकाऊ कैसे बनाऊँ? {#how-do-i-make-it-stick}

**नीति को उन मौकों में शामिल करें जहाँ फ़ैसले पहले से लिए जाते हैं।**

- नए टूल के लिए मौजूदा मंज़ूरी फ़ॉर्म में सस्टेनेबिलिटी के सवाल जोड़ें।
- तकनीकी समीक्षाओं में लागत और देरी के बगल में प्रति अनुरोध ऊर्जा रखें।
- जो सस्टेनेबिलिटी रिपोर्ट आप पहले से बनाते हैं, उसमें AI जोड़ें।
- ट्रेनिंग को छोटा, व्यावहारिक और नए कर्मचारियों के परिचय (induction) का हिस्सा बनाएँ। सैंडपिट में एक ऐसे
  विश्वविद्यालय के बारे में सुना गया जिसने AI साक्षरता को, AI के पर्यावरणीय नतीजों समेत, सभी कर्मचारियों के लिए अनिवार्य
  बनाया, डेटा-सुरक्षा ट्रेनिंग की तरह।
- [रिबाउंड प्रभाव](/hi/शब्दावली/#rebound-effect) पर नज़र रखें: अगर दक्षता से हुई बचत ज़्यादा इस्तेमाल में खप जाती है, तो
  कुल आँकड़े यह दिखा देंगे। प्रति-इकाई आँकड़ों के साथ कुल आँकड़े भी रिपोर्ट करें।

## जाँच-सूची {#checklist}

- [ ] मौजूदा AI इस्तेमाल का नक्शा बना, शामिल फ़ीचरों और सप्लायरों समेत
- [ ] सिद्धांत दक्षता और पर्याप्तता दोनों को कवर करते हैं
- [ ] फ़ीचरों, मॉडल आकार और आउटपुट सीमाओं के लिए डिफ़ॉल्ट तय
- [ ] भारी इस्तेमाल के लिए बताया गया कारण ज़रूरी
- [ ] मापन के तरीके पर सहमति और उसे परिशिष्ट में जोड़ा गया
- [ ] खरीद के सवाल और अनुबंध शर्तें शामिल
- [ ] पर्यावरणीय दावों के नियम शामिल
- [ ] सभी कर्मचारियों और बनाने व खरीदने वालों के लिए ट्रेनिंग की योजना
- [ ] ज़िम्मेदार व्यक्ति, प्रतिबद्धताएँ और समीक्षा की तारीख तय

## आगे क्या करें {#what-to-do-next}

1. इस महीने अपने संगठन के AI इस्तेमाल का नक्शा बनाएँ, मौजूदा सॉफ़्टवेयर में चालू AI समेत।
2. ऊपर दिए टेम्पलेट से सिद्धांतों और डिफ़ॉल्ट का मसौदा बनाएँ, और कुछ उपयोगकर्ताओं के साथ उन्हें परखें।
3. मापन के तरीके पर सहमति बनाएँ और एक पहला, अनुमानित आधार-स्तर (baseline) जुटाएँ।
4. अपनी अगली AI खरीद में सस्टेनेबिलिटी के सवाल जोड़ें।
5. तीन मापने योग्य प्रतिबद्धताएँ और समीक्षा की तारीख तय करें, और नीति को संगठन के भीतर प्रकाशित करें।
6. [व्यवसायों के लिए गाइड](/hi/गाइड/व्यवसायों-के-लिए-ग्रीन-ai/), [चैरिटी के लिए गाइड](/hi/गाइड/चैरिटी-संस्थाओं-के-लिए-ग्रीन-ai/) या स्कूलों के लिए
   [शिक्षकों का पेज](/hi/स्कूल/ग्रीन-ai-शिक्षकों-के-लिए-गाइड/) देखें; [कंसल्टेंट डायरेक्टरी](/hi/सलाहकार/) में मदद और [कोर्स](/hi/पाठ्यक्रम/)
   में ट्रेनिंग खोजें।

## अक्सर पूछे जाने वाले सवाल

### क्या हमें अलग से ग्रीन AI नीति चाहिए?

ज़रूरी नहीं। कई संगठन किसी मौजूदा AI-इस्तेमाल, IT या सस्टेनेबिलिटी नीति में ग्रीन AI का एक हिस्सा जोड़ देते हैं। मायने यह रखता है कि प्रतिबद्धताएँ लिखी हों, उनका कोई ज़िम्मेदार हो और उनकी जाँच हो।

### ग्रीन AI नीति कितनी लंबी होनी चाहिए?

आम तौर पर दो से चार पन्ने काफ़ी हैं। विस्तृत तरीके, जैसे आप ऊर्जा कैसे मापते हैं, एक अलग परिशिष्ट (annex) में रखें, जिसे नीति को दोबारा मंज़ूर कराए बिना अपडेट किया जा सके।

### क्या ग्रीन AI नीति को AI के कुछ इस्तेमालों पर रोक लगानी चाहिए?

पूरी रोक लागू करना कठिन है, और जो एक व्यक्ति के लिए फ़िज़ूल इस्तेमाल है, वह दूसरे के लिए रचनात्मक काम है। आम तौर पर बेहतर है कि डिफ़ॉल्ट तय करें, भारी इस्तेमाल के लिए कारण माँगें और लागत को दिखाई देने वाला बनाएँ।

### नीति किन मानकों का हवाला दे सकती है?

आम संदर्भ बिंदुओं में मापन के लिए Software Carbon Intensity स्पेसिफ़िकेशन (ISO/IEC 21031:2024), AI प्रबंधन प्रणालियों के लिए ISO/IEC 42001, और डिजिटल सेवाओं के लिए W3C Web Sustainability Guidelines शामिल हैं।

## स्रोत

- [ISO/IEC 42001:2023 Information technology – Artificial intelligence – Management system](https://www.iso.org/standard/81230.html), ISO (2023)
- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [Web Sustainability Guidelines](https://www.w3.org/TR/web-sustainability-guidelines/), W3C (2025)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
- [Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact](https://www.thegreenwebfoundation.org/publications/report-ai-environmental-impact/), Green Web Foundation (2024)
- [Green Claims Code: making environmental claims](https://www.gov.uk/government/publications/green-claims-code-making-environmental-claims), Competition and Markets Authority (2021)
