W skrócie
Należy zacząć od przejrzystości: wymagać od dostawców AI i centrów danych porównywalnych raportów o energii, wodzie i emisjach albo do nich zachęcać. Zamówienia publiczne warto wykorzystać do nagradzania wydajnej AI, planować moce sieci i zasoby wody dla centrów danych oraz finansować badania i umiejętności w zakresie wydajnych metod. Trzeba śledzić łączny popyt, a nie tylko wydajność, bo tańsza AI jest zwykle częściej używana.
Kroki
- Wymagać standardowej sprawozdawczości o energii, wodzie i emisjach dla usług AI i centrów danych albo do niej zachęcać.
- Wpisywać do zamówień publicznych na AI pytania o energię na zadanie i kryteria wydajności.
- Planować lokalizację centrów danych razem z planowaniem sieci, wody i wykorzystania ciepła odpadowego.
- Finansować badania, benchmarki i szkolenia z wydajnych metod AI.
- Śledzić łączne zapotrzebowanie AI na energię, a nie tylko wydajność na zapytanie.
Najpierw przejrzystość, potem siła nabywcza, planowanie i umiejętności. Polityka nie może podejmować dobrych decyzji dotyczących śladu AI bez porównywalnych danych, a większość publikowanych wartości firmy wciąż podają same, stosując różne metody.
Jakie są główne dźwignie?
- Sprawozdawczość. UE już wymaga, aby centra danych o mocy IT co najmniej 500 kW raportowały efektywność energetyczną, w tym zużycie energii i wody, na mocy rozporządzenia delegowanego (UE) 2024/1364. AI Act wymaga zaś od dostawców modeli AI ogólnego przeznaczenia dokumentowania znanego lub szacowanego zużycia energii (załącznik XI). Inne jurysdykcje mogą przyjąć podobne środki lub dostosować się do tych.
- Zamówienia publiczne. Rządy są dużymi nabywcami. Pytanie w przetargach o energię na zadanie, lokalizację i sprawozdawczość tworzy popyt na te dane; zob. zamówienia na AI.
- Planowanie. Centra danych potrzebują przyłączy do sieci, a często także wody. Lokalnie ważne jest powiązanie planowania przestrzennego z planowaniem energii i wody oraz zachęcanie do wykorzystania ciepła odpadowego.
- Badania i umiejętności. Finansowanie wydajnych metod, benchmarków i pomiarów oraz nauczanie ich.
- Współpraca międzynarodowa. W grudniu 2025 roku Zgromadzenie ONZ ds. Środowiska przyjęło pierwszą rezolucję w sprawie zrównoważenia środowiskowego systemów AI, zachęcając państwa i inne zainteresowane strony do minimalizowania wpływu AI na środowisko.
Dlaczego śledzić sumę?
Międzynarodowa Agencja Energetyczna prognozuje, że zużycie energii elektrycznej przez centra danych wzrośnie w latach 2024–2030 ponad dwukrotnie, a najważniejszym czynnikiem będzie AI, mimo że każde zapytanie tanieje. Sama polityka wydajności może nie zmniejszyć sumy.
Częste błędy
- Poleganie na dobrowolnych deklaracjach bez wspólnych metod.
- Traktowanie rynkowych deklaracji o energii odnawialnej jako równoważnych czystej energii w godzinie zużycia.
- Przedstawianie zielonej AI wyłącznie jako ograniczenia. Brytyjski sandpit (intensywne warsztaty badawcze, na których naukowcy i przemysł wspólnie wypracowują pomysły na projekty) poświęcony zielonej AI w 2026 roku, z udziałem matematyków, informatyków i przemysłu, zauważył, że bezpieczeństwo energetyczne i koszty często przekonują bardziej niż sam cel zerowej emisji netto.
Zob. dlaczego zielona AI jest ważna teraz i polityka zielonej AI.
Źródła
- Resolution 7/9: Environmental sustainability of artificial intelligence systems, United Nations Environment Assembly (2025)
- Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres, EUR-Lex (2024)
- Energy and AI, International Energy Agency (2025)
Powiązane
Jak napisać politykę zielonej AI
Przewodnik krok po kroku po tworzeniu polityki zielonej AI w organizacji, z szablonem: użycie, modele, pomiar, zakupy, deklaracje i przegląd.
Dlaczego zielona AI ma znaczenie właśnie teraz
AI napędza szybki wzrost zużycia energii przez centra danych, obciąża sieci i podnosi koszty. Dane o skali, energii, kosztach i polityce w 2026 roku.
Etykiety energetyczne i testy porównawcze dla AI
Stan ocen energetycznych AI w 2026 roku: AI Energy Score, MLPerf Power, dokumentacja z AI Act i ocena centrów danych w UE oraz to, co mogą pokazać etykiety.
Jak nie dopuścić, by wzrost wydajności AI zniwelował większy poziom jej używania?
Jak sprawić, by oszczędności z wydajności AI nie zniknęły przez rosnące użycie: śledzić sumy, ustalać budżety lub limity, wycofywać zwolnione zasoby i pytać o potrzebę.