# Jak obliczyć mój osobisty ślad węglowy korzystania z AI?

> Przybliżony osobisty ślad AI: policzyć prompty tekstowe, obrazy i długie zadania, pomnożyć przez opublikowane wartości na zapytanie i traktować wynik jako zakres.

Source: https://greenai.guide/pl/jak/jak-obliczyc-moj-osobisty-slad-weglowy-korzystania-z-ai/  
Updated: 2026-11-19

## W skrócie

Należy z grubsza policzyć, ile pytań tekstowych, długich dokumentów i obrazów używa się w tygodniu, i pomnożyć to przez opublikowane wartości na zapytanie. Daje to przybliżony zakres. Według danych samych firm typowy prompt tekstowy to ułamek watogodziny, a długie dane wejściowe i obrazy kosztują znacznie więcej, więc w sumie zwykle dominują najbardziej energochłonne nawyki. Wynik należy traktować jako szacunek, a nie dokładną liczbę.

## Steps

1. Zapisać dla typowego tygodnia, ile pytań tekstowych, zadań z długimi dokumentami i obrazów się zleca.
2. Pomnożyć każdą z tych liczb przez opublikowaną wartość na zapytanie, przyjmując wartość niską i wysoką.
3. Zsumować wyniki, aby uzyskać tygodniowy zakres energii w watogodzinach.
4. Jeśli potrzebna jest wartość emisji, przeliczyć ją według emisyjności lokalnej sieci.
5. Sprawdzić, który nawyk dominuje, i zmienić najpierw właśnie ten.

**Szacunek „na odwrocie koperty” wystarczy, by pokazać, które nawyki mają znaczenie.** Chatbota nie da się
podłączyć do licznika, ale opublikowane wartości pozwalają zbudować rozsądny zakres.

## Jakich wartości można użyć? {#which-figures-can-i-use}

| Rodzaj użycia | Opublikowana wartość | Źródło |
|---|---|---|
| Typowe pytanie tekstowe | około 0,24–0,34 Wh | Google (mediana promptu tekstowego Gemini); OpenAI (przeciętne zapytanie do ChatGPT) |
| Pytanie tekstowe, niezależny szacunek | około 0,3 Wh | Epoch AI |
| Bardzo długie dane wejściowe (około 100 000 tokenów, mniej więcej książka) | prawie 40 Wh | Epoch AI |
| Wygenerowanie obrazu | średnio około 2,9 kWh na 1000 obrazów, czyli około 2,9 Wh na obraz | Luccioni, Jernite i Strubell |

Wartości firm pochodzą z ich własnych deklaracji i przyjmują różne granice. Wartość dla obrazów pochodzi z badania
otwartych modeli z 2024 roku. Należy traktować je jako przybliżoną wskazówkę.

## Przykład obliczenia {#a-worked-example}

Pięćdziesiąt krótkich pytań tygodniowo po 0,3 Wh to około 15 Wh. Dziesięć wygenerowanych obrazów po około 2,9 Wh
dodaje mniej więcej 29 Wh: obrazy ponad dwukrotnie zwiększają sumę. Wklejenie kilku bardzo długich dokumentów może
dodać jeszcze więcej. Aby przeliczyć to na emisje, należy pomnożyć wynik przez emisyjność sieci elektroenergetycznej;
zob. [jak znaleźć dane o emisyjności sieci](/pl/jak/jak-sprawdzic-emisyjnosc-mojej-sieci-elektroenergetycznej/). Większe znaczenie ma jednak
sieć, z której korzysta centrum danych, niż sieć użytkownika.

## Co daje największą różnicę {#what-makes-the-biggest-difference}

Obrazy, wideo, bardzo długie dane wejściowe i niekończące się ponowne generowanie, a nie liczba krótkich pytań.
Pisanie „proszę” praktycznie nie ma znaczenia. Skalę pokazuje
[jak spojrzeć na zużycie energii przez AI z właściwej perspektywy](/pl/jak/jak-ocenic-moje-zuzycie-energii-przez-ai-we-wlasciwej-perspektywie/), a
pomocne nawyki: [jak zmniejszyć energię korzystania z ChatGPT](/pl/jak/jak-zmniejszyc-zuzycie-energii-przy-korzystaniu-z-chatgpt/).

[Przewodnik po zielonej AI dla wszystkich](/pl/poradniki/zielona-ai-przewodnik-prostym-jezykiem-dla-wszystkich/) wyjaśnia, dlaczego wartości się różnią.

## Źródła

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
