W skrócie
Należy zapytać, czy prostsze narzędzie już niezawodnie wykonuje to zadanie: wyszukiwarka, kalkulator, mapa, słownik, szablon lub formuła w arkuszu kalkulacyjnym. Generatywną AI warto stosować tam, gdzie oszczędza realny czas lub poprawia wynik, np. przy pisaniu szkiców, wyjaśnianiu lub przerabianiu tekstu, a pomijać ją przy wyszukiwaniu informacji i obliczeniach, z którymi dobrze radzą sobie inne narzędzia.
Kroki
- Należy zapisać w jednym zdaniu, jaki ma być wynik.
- Należy sprawdzić, czy wyszukiwarka, kalkulator, mapa, słownik lub szablon już go dają.
- AI warto użyć, gdy zadanie wymaga napisania szkicu, wyjaśnienia, streszczenia lub przeróbki, a wynik da się sprawdzić.
- Należy unikać AI, gdy potrzebny jest dokładny, sprawdzalny fakt lub liczba, które podaje już zaufane źródło.
- Należy przejrzeć często powtarzane zadania, bo w ich przypadku ten wybór ma największe znaczenie.
Najtańsze zapytanie do AI to takie, którego nie trzeba wysyłać. Generatywna AI jest przydatna, ale w wielu codziennych zadaniach prostsze narzędzie jest szybsze, bardziej niezawodne i zużywa mniej energii. Uczestnicy brytyjskiego sandpitu (intensywne warsztaty badawcze, na których naukowcy i przemysł wspólnie wypracowują pomysły na projekty) o zielonej AI w 2026 roku – matematycy, informatycy i przedstawiciele przemysłu – wciąż wracali do tego samego: ludzie często sięgają po AI, gdy istnieje już dobrze znana metoda.
Jaki jest szybki test?
| Jeśli potrzeba… | Zwykle lepiej | AI się sprawdza, gdy… |
|---|---|---|
| Faktu, godziny, adresu lub ceny | Wyszukiwarka lub oficjalna strona | Trzeba to wyjaśnić prostymi słowami |
| Obliczenia lub przeliczenia | Kalkulator lub arkusz kalkulacyjny | Obliczenia są ukryte w chaotycznym tekście |
| Wskazówek dojazdu | Aplikacja z mapami | Właściwie nigdy |
| Standardowego pisma | Zapisany szablon | Każde pismo wymaga prawdziwego dopasowania |
| Pierwszego szkicu, streszczenia lub przeredagowania | AI | Zwykle: do tego AI nadaje się dobrze |
Dlaczego to ważne?
Ogólne modele AI wykonują dużo pracy przy każdym zapytaniu. Luccioni, Jernite i Strubell ustalili, że wielozadaniowe modele generatywne były o rzędy wielkości droższe w działaniu niż systemy dedykowane do tego samego zadania. AI nie jest też darmowa nawet wtedy, gdy pomaga: badanie zadań programistycznych z 2025 roku wykazało, że w testowanych przypadkach programowanie z pomocą AI miało średnio ok. 33 razy większy ślad węglowy niż podejście ręczne.
Nie oznacza to, że nigdy nie należy z niej korzystać. Oznacza to, że warto jej używać tam, gdzie się opłaca. Web Sustainability Guidelines organizacji W3C mówią to samo osobom tworzącym produkty: przed wdrożeniem AI należy ocenić, czy jest potrzebna.
Częste błędy
- Używanie chatbota jak wyszukiwarki do prostych faktów, które i tak trzeba potem sprawdzić.
- Proszenie AI o obliczenia, które kalkulator wykona dokładnie.
- Sięganie po AI z przyzwyczajenia przy codziennie powtarzanych zadaniach, w których wystarczyłby szablon.
Szerszy obraz przedstawiają artykuł efektywność to nie wystarczalność oraz strona jak wybrać właściwy model.
Źródła
- Web Sustainability Guidelines, W3C (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
Powiązane
Jak zmniejszyć zużycie energii przy korzystaniu z ChatGPT?
Praktyczne sposoby na mniejsze zużycie energii przez ChatGPT i podobne chatboty: krótsze wymiany, mniej ponownych generowań, lżejsze modele i mniej obrazów.
Jak wybrać mniejszy model AI?
Jak wybrać najmniejszy model AI, który dobrze wykonuje zadanie: ustalić próg jakości, testować od małych do dużych, sprawdzić oceny energii, mieć duży model w rezerwie.
Wybór właściwego modelu do zadania
Jak dobrać AI do zadania: kiedy wystarczy mały lub wyspecjalizowany model, kiedy duży model jest wart kosztów, jak działa routing i kiedy obejść się bez AI.
Efektywność to nie wystarczalność: efekt odbicia w AI
Dlaczego większa efektywność AI nie gwarantuje mniejszego łącznego zużycia energii, czym jest efekt odbicia (paradoks Jevonsa) i co pomaga utrzymać realne oszczędności.