greenai.guide

Strona główna › Dobre praktyki › Efektywne korzystanie z AI: codzienne nawyki

Dobre praktyki

Efektywne korzystanie z AI: codzienne nawyki

Aktualizacja · Czas czytania: 5 min

W skrócie

Większość energii zużywanej przy codziennym korzystaniu z AI zależy od tego, ile tekstu ma ona przeczytać i napisać, jak często jest uruchamiana ponownie i o jaki rodzaj wyniku się prosi. Jasne, krótkie prompty, mniej pętli ponownego generowania, umiar w generowaniu obrazów i wideo oraz wyłączenie nieużywanych funkcji AI realnie pomagają, bez rezygnacji z korzyści.

Najważniejsze punkty

  • Zużycie energii rośnie wraz z długością tego, co AI czyta i pisze; UNESCO i UCL ustaliły, że krótsze prompty i odpowiedzi mogą ograniczyć zużycie energii o ponad 50%.
  • Długie dane wejściowe są kosztowne: według szacunków Epoch AI dane wejściowe o długości 100 000 tokenów podnoszą zużycie typowego zapytania z około 0,3 Wh do prawie 40 Wh.
  • W badaniu z 2024 roku generowanie obrazów było najbardziej energochłonnym zadaniem AI: średnio 2,9 kWh na 1000 obrazów wobec 0,002 kWh na 1000 klasyfikacji tekstu.
  • Wielokrotne ponowne generowanie to ukryty koszt: warto zaplanować prośbę, a potem poprawiać wynik zamiast zaczynać od nowa.
  • Warto wyłączyć nieużywane funkcje AI i ponownie wykorzystywać dobre wyniki zamiast generować je od nowa.

Co zużywa energię podczas korzystania z AI?

Najważniejsze są trzy rzeczy: ile tekstu sztuczna inteligencja (AI) czyta i pisze, ile razy się ją uruchamia i o jaki rodzaj wyniku się prosi. Znaczenie mają też rozmiar modelu i centrum danych, ale o nich decyduje głównie dostawca; nawyki należą do użytkownika.

Modele językowe przetwarzają tekst w tokenach, czyli fragmentach o długości kilku znaków. Każdy wysłany i każdy zwrócony token wymaga obliczeń. Epoch AI szacuje, że typowe zapytanie do ChatGPT zużywa mniej więcej 0,3 Wh, ale dane wejściowe o długości 10 000 tokenów (mniej więcej krótki artykuł naukowy) podnoszą tę wartość do około 2,5 Wh, a 100 000 tokenów do prawie 40 Wh. Raport UNESCO i UCL z 2025 roku wykazał, że krótsze, bardziej zwięzłe prompty (polecenia) i odpowiedzi mogą ograniczyć zużycie energii o ponad 50%.

Nie oznacza to, że pojedyncze pytanie to duży koszt energetyczny. Oznacza to, że nawyki powtarzane wiele razy przez wiele osób się sumują.

Jak pisać prompty, które mniej marnują?

Należy jasno określić, czego się oczekuje, podać tylko potrzebny kontekst i poprosić o potrzebną długość. Dobrze zaplanowana prośba zwykle daje użyteczną odpowiedź za pierwszym razem, a to największa oszczędność ze wszystkich.

  • Planowanie przed pisaniem. Warto ustalić cel, odbiorców, format i długość.
  • Kontekst raz i tylko istotny. Wystarczy wkleić akapit, który ma znaczenie, a nie cały raport.
  • Prośba o potrzebną długość: „trzy punkty”, „poniżej 150 słów”, „tylko poprawione zdanie”.
  • Jedna rzecz naraz, gdy zadania są odrębne; powiązane kroki warto łączyć, gdy do siebie pasują.
  • Wyłączenie trybów rozszerzonego rozumowania lub „deep research”, gdy wystarczy szybka odpowiedź. Generują one znacznie więcej ukrytego tekstu.
  • Uprzejmości można pominąć. Badanie z 2026 roku zmierzyło energię krótkich uprzejmych wiadomości, takich jak „dziękuję”, aby pokazać, że każda dodatkowa wymiana ma koszt w dużej skali. To niewielka oszczędność na wiadomość, ale darmowa.

Jak unikać pętli ponownego generowania?

Warto poprawiać otrzymaną odpowiedź zamiast zaczynać od nowa i przestać, gdy jest wystarczająco dobra. Wielokrotne ponowne generowanie to jedno z największych i najmniej widocznych źródeł marnotrawstwa.

Uczestnicy brytyjskiego sandpitu (intensywne warsztaty badawcze, na których naukowcy i przemysł wspólnie wypracowują pomysły na projekty) poświęconego zielonej AI w 2026 roku, z udziałem matematyków, informatyków i przedstawicieli przemysłu, opisywali osoby, które uruchamiały generowanie obrazu lub wideo 25 razy i nadal nie uzyskiwały tego, czego chciały. Każda próba kosztuje pełną cenę.

Jak przerwać pętlę:

  1. Lepsze zlecenie zamiast kolejnych prób. Jeśli trzy próby chybiają, problemem jest prośba.
  2. Edycja zamiast ponownego generowania. Lepiej poprosić o konkretną zmianę („skróć drugi akapit”) niż o zupełnie nową odpowiedź.
  3. Właściwe narzędzie. Korektor pisowni, szablon lub wyszukiwarka mogą być szybsze i lżejsze.
  4. Reguła zatrzymania: na przykład najwyżej trzy próby, a potem przemyślenie sprawy lub wykonanie zadania ręcznie.
  5. Akceptacja wyniku „wystarczająco dobrego” przy pracy o niskiej stawce.

Dlaczego obrazy i wideo kosztują więcej?

Generowanie obrazów, a zwłaszcza wideo, wymaga znacznie więcej obliczeń niż większość zadań tekstowych. Warto po nie sięgać, gdy wnoszą realną wartość.

W badaniu Luccioni, Jernite i Strubell z 2024 roku generowanie obrazów było najbardziej energochłonnym ze zmierzonych zadań: średnio 2,9 kWh na 1000 obrazów wobec 0,002 kWh na 1000 klasyfikacji tekstu. Dla porównania autorzy zauważają, że naładowanie przeciętnego smartfona wymaga 0,022 kWh. Najmniej efektywny z testowanych modeli obrazowych zużywał 11,49 kWh na 1000 obrazów. Generowanie wideo wytwarza wiele klatek na klip, można więc się spodziewać jeszcze wyższego kosztu, choć porównywalnych publicznych danych jest niewiele.

Pomocne nawyki:

  • Najpierw szkic lub opis; generowanie dopiero wtedy, gdy pomysł jest jasny.
  • Generowanie w potrzebnej rozdzielczości i długości, a następnie skalowanie w górę tylko tej wersji, która zostaje.
  • Ponowne wykorzystanie już utworzonych obrazów lub korzystanie z istniejących zdjęć i banków zdjęć.
  • Rezygnacja z domyślnego generowania obrazów dekoracyjnych do każdego dokumentu czy wpisu.

Co zespoły mogą zrobić dzięki buforowaniu i ponownemu wykorzystaniu?

Dobre wyniki warto przechowywać i wykorzystywać ponownie, a systemom pozwolić ponownie używać tego, co już przetworzyły. Dwukrotne generowanie tego samego to czyste marnotrawstwo.

Dla wszystkich:

  • Wspólna biblioteka dobrych promptów, szablonów i zatwierdzonych wyników (standardowe odpowiedzi, streszczenia, obrazy).
  • Przeszukanie biblioteki przed wygenerowaniem czegoś nowego.

Dla osób wbudowujących AI w narzędzia:

  • Buforowanie (caching) odpowiedzi na identyczne zapytania, aby nie wywoływać modelu ponownie.
  • Buforowanie promptów dla stałych instrukcji i wspólnego kontekstu. Najwięksi dostawcy ponownie wykorzystują już przetworzone dane wejściowe dla powtarzających się początków promptów; OpenAI podaje, że przy długich promptach może to skrócić czas do pierwszego tokenu nawet o 80%.
  • Bez ponownego wysyłania całej rozmowy przy każdej wymianie: ograniczenie historii, streszczanie starszych wymian i pobieranie tylko tego, co istotne.
  • Warunek zatrzymania dla agentów i limit kroków, aby nie wpadały w pętle. Zob. agentowa AI i marnowanie tokenów.

Które ustawienia domyślne warto wyłączyć?

Warto wyłączyć nieużywane funkcje AI i wybierać narzędzia, w których funkcje się włącza, a nie wyłącza. AI jest coraz częściej dodawana do wyszukiwarek, poczty e-mail, oprogramowania biurowego i telefonów i często działa niezależnie od tego, czy użytkownik tego chciał.

Green Web Foundation sugeruje, by organizacje pytały dostawców, czy dołączone funkcje AI można wyłączyć. Na sandpicie uczestnicy przekonywali, że generowane przez AI streszczenia w wyszukiwarkach i podobne funkcje powinny być domyślnie wyłączone, tak aby AI działała tylko tam, gdzie jest potrzebna.

Warto przyjrzeć się:

  • streszczeniom AI w wyszukiwarkach i przeglądarkach
  • automatycznemu tworzeniu szkiców, przepisywaniu tekstu lub streszczeniom spotkań przez AI w narzędziach biurowych i poczcie
  • ulepszaniu zdjęć przez AI i asystentom w telefonach
  • „zawsze włączonym” asystentom i agentom w narzędziach do pracy

Osoby zarządzające narzędziami w organizacji mogą ustawić te funkcje domyślnie jako wyłączone i pozwolić pracownikom włączać je w razie potrzeby.

Lista kontrolna

  • [ ] Wiem, czego chcę, zanim napiszę prompt
  • [ ] Wklejam tylko istotną część, a nie cały dokument
  • [ ] Proszę o potrzebną długość i format
  • [ ] Poprawiam zamiast generować od nowa i stosuję regułę zatrzymania
  • [ ] Korzystam z obrazów i wideo tylko wtedy, gdy wnoszą wartość
  • [ ] Ponownie wykorzystuję dobre wyniki ze wspólnej biblioteki
  • [ ] Wyłączyłem/wyłączyłam nieużywane funkcje AI
  • [ ] Przy nowym temacie zaczynam nowy czat

Co dalej

  1. Wybrać jeden nawyk z listy kontrolnej i stosować go przez tydzień.
  2. Wyłączyć jedną nigdy nieużywaną domyślną funkcję AI, w pracy lub w telefonie.
  3. Założyć dla zespołu wspólną bibliotekę promptów i wyników.
  4. Przy tworzeniu funkcji AI dodać buforowanie i limity długości odpowiedzi oraz zmierzyć zużycie energii.
  5. Sprawdzić, czy narzędzie ma odpowiednią skalę; zob. wybór właściwego modelu.
  6. Udostępnić przewodnik dla społeczeństwa znajomym, a pomysły na lekcje szkole.

Najczęściej zadawane pytania

Czy mówienie AI „proszę” i „dziękuję” marnuje energię?

Każda wiadomość kosztuje trochę energii, a badanie z 2026 roku zmierzyło koszt krótkich uprzejmych wiadomości, aby pokazać jego skalę. Większe oszczędności daje unikanie długich danych wejściowych, długich odpowiedzi i wielokrotnego ponownego generowania.

Czy generowanie obrazów jest gorsze niż generowanie tekstu?

Zwykle tak. W badaniu z 2024 roku generowanie obrazów było najbardziej energochłonnym z testowanych zadań: średnio 2,9 kWh na 1000 obrazów wobec 0,002 kWh na 1000 klasyfikacji tekstu.

Czy należy przestać korzystać z AI, żeby oszczędzać energię?

Niekoniecznie. Warto korzystać z niej tam, gdzie pomaga, wybierać najlżejsze narzędzie, które wykona zadanie, i unikać marnotrawstwa. Na tym polega zielona AI.

Czy długi czat kosztuje więcej niż nowy?

W wielu narzędziach czatu cała rozmowa jest przetwarzana ponownie przy każdej wymianie, więc bardzo długie wątki mogą stać się kosztowne. Przy nowym temacie warto zacząć nowy czat i wkleić tylko to, co potrzebne.

Źródła

  1. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
  2. How much energy does ChatGPT use?, Epoch AI (2025)
  3. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (arXiv 2311.16863) (2024)
  4. Small Talk, Big Impact: The Energy Cost of Thanking AI, Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
  5. Prompt Caching 101, OpenAI Cookbook (2024)
  6. Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
  7. Green Software Patterns: optimise agent orchestration to reduce model calls, Green Software Foundation (2025)

Dołącz do nas

Pomóżmy zmniejszyć wpływ AI na planetę

Nowe przewodniki, nabory wniosków i wpisy w katalogach e-mailem, mniej więcej raz w miesiącu. Można też dodać do katalogów swój produkt, kurs, ofertę studiów doktoranckich lub badania.

Bez śledzenia. Rezygnacja jednym kliknięciem. Inne sposoby dołączenia · Prywatność