greenai.guide

Strona główna › Jak…? › Jak uzasadnić biznesowo inwestycję w zieloną AI?

Jak…?

Jak uzasadnić biznesowo inwestycję w zieloną AI?

Aktualizacja · Czas czytania: 1 min

W skrócie

Argumenty należy budować wokół kosztów, szybkości i ryzyka, ponieważ to, co ogranicza zużycie energii przez AI (mniejsze modele, mniej tokenów, mniej zmarnowanych wywołań), obniża też rachunki i czas oczekiwania. Warto pokazać jeden zmierzony przykład z własnej pracy, dodać powody związane ze sprawozdawczością i przepisami, a korzyść dla środowiska przedstawić jako realną, ale drugorzędną, jeśli tak lepiej trafia do odbiorców.

Kroki

  1. Należy wybrać jedno zadanie AI o dużej skali i zmierzyć jego obecny koszt, szybkość i jakość.
  2. Należy przetestować oszczędniejszą opcję, np. mniejszy model lub krótsze odpowiedzi, przy tym samym progu jakości.
  3. Oszczędność należy przedstawić w pieniądzach i czasie odpowiedzi, a obok podać energię.
  4. Należy dodać powody związane ze sprawozdawczością, dostawcami i przepisami, które dotyczą organizacji.
  5. Należy zaproponować mały pilotaż z jasną miarą sukcesu i datą decyzji.

Na pierwszym miejscu należy postawić koszt, szybkość i ryzyko; energia pójdzie za nimi. W AI mniej obliczeń oznacza niższe rachunki i szybsze odpowiedzi, więc propozycja zielonej AI rzadko wymaga od firmy rezygnacji z czegokolwiek.

Do tego samego wniosku doszli 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: kupujący wybierają na podstawie kosztu, szybkości i jakości, więc zielona AI musi przyjść razem z nimi, a nie z nimi konkurować.

Jakie dowody można wykorzystać?

  • Mniejsze modele. UNESCO i University College London ustaliły, że małe modele dedykowane zadaniom mogą przy odpowiednich zadaniach obniżyć zużycie energii nawet o 90%, a krótsze prompty i odpowiedzi – o ponad połowę.
  • Routing. Badanie RouteLLM wykazało w niektórych przypadkach obniżenie kosztów o ponad połowę bez pogorszenia jakości odpowiedzi, dzięki kierowaniu łatwych zapytań do tańszych modeli.
  • Wymykające się spod kontroli koszty. Gartner przewidział w 2025 roku, że ponad 40% projektów agentowej AI zostanie anulowanych do końca 2027 roku, wskazując rosnące koszty jako jeden z powodów. Kontrola tokenów to kontrola kosztów.

Własny zmierzony przykład jest lepszy niż jakakolwiek opublikowana liczba. Warto przeprowadzić mały test na prawdziwym zadaniu.

Jakie inne powody się liczą?

  • Sprawozdawczość: AI jest częścią zużycia energii i emisji organizacji, a więksi klienci coraz częściej o to pytają.
  • Przepisy: regulacje UE wprowadzają obowiązki dokumentowania energii dla dostawców AI i centrów danych; zob. unijne zasady AI Act dotyczące energii.
  • Reputacja: wiarygodna, poparta dowodami historia jest bezpieczniejsza niż mgliste deklaracje.

Częste błędy

  • Obiecywanie oszczędności bez punktu odniesienia.
  • Porównywanie kosztu na wywołanie, który ukrywa ponowne próby; należy porównywać koszt na udane zadanie.
  • Zaczynanie od poczucia winy zamiast od wartości.

Zob. nasz przewodnik dla biznesu.

Źródła

  1. Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027, Gartner (2025)
  2. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  3. RouteLLM: learning to route LLMs with preference data, Ong et al., ICLR 2025 (2024)

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