# Jak zmniejszyć ślad wodny AI?

> Jak ograniczyć zużycie wody przez AI: mniej obliczeń, dostawcy i regiony o niskim niedoborze wody i dobrym WUE oraz planowanie ciężkich zadań tam, gdzie to pomaga.

Source: https://greenai.guide/pl/jak/jak-zmniejszyc-slad-wodny-ai/  
Updated: 2026-11-19

## W skrócie

Zużycie wody wynika ze zużycia energii, więc pierwszy krok jest ten sam: mniejsze modele, krótsze odpowiedzi i mniej generowania od nowa. Poza tym warto wybierać dostawców publikujących dane o zużyciu wody, unikać regionów z niedoborem wody przy ciężkich zadaniach i prosić dostawców o dane o wodzie dla poszczególnych obiektów. Na jeden prompt tekstowy zużycie wody jest niewielkie. Liczą się sumy i skutki lokalne.

## Steps

1. Najpierw należy ograniczyć obliczenia dzięki mniejszym modelom, krótszym odpowiedziom i rzadszemu generowaniu od nowa.
2. Warto poprosić dostawców o dane o zużyciu wody i WUE dla poszczególnych obiektów oraz o źródło tej wody.
3. Ciężkich, elastycznych zadań, takich jak trenowanie, nie należy uruchamiać w regionach z niedoborem wody.
4. Warto wybierać dostawców, którzy raportują zużycie wody publicznie lub organowi regulacyjnemu.
5. Wodę należy uwzględnić w pytaniach przy zakupach AI i we własnej sprawozdawczości.

**Mniej obliczeń to mniej wody, a miejsce obliczeń decyduje o tym, jak bardzo ta woda się liczy.** Centra danych
zużywają wodę głównie do chłodzenia, a elektrownie do wytwarzania energii elektrycznej.

## O jakich ilościach wody mowa? {#how-much-water-are-we-talking-about}

Na jeden prompt tekstowy bardzo niewielkich: Google podaje 0,26 mL dla mediany tekstowego promptu Gemini. Łącznie
i w niektórych miejscach dużych: Li, Yang, Islam i Ren oszacowali, że trenowanie GPT-3 w amerykańskich centrach
danych Microsoftu mogło bezpośrednio odparować około 700 000 litrów wody, i prognozowali, że globalny popyt na AI
może odpowiadać za pobór od 4,2 do 6,6 mld metrów sześciennych wody w 2027 roku. Jak oszacować własny udział,
opisuje strona [szacowanie śladu wodnego AI](/pl/jak/jak-oszacowac-slad-wodny-ai/).

## Co naprawdę go zmniejsza? {#what-actually-reduces-it}

- **Mniej obliczeń.** UNESCO i University College London ustaliły, że małe modele do konkretnych zadań mogą
  zmniejszyć zużycie energii nawet o 90%, a krótsze prompty i odpowiedzi o ponad połowę. Zużycie wody spada wraz
  z energią.
- **Lokalizacja.** Litr pobrany na obszarze dotkniętym suszą ma większy wpływ niż litr tam, gdzie wody jest pod
  dostatkiem. Dlatego tam, gdzie to możliwe, elastyczne ciężkie zadania warto przenosić z obiektów w regionach
  z niedoborem wody.
- **Dane od dostawców.** W UE operatorzy centrów danych o zapotrzebowaniu na moc IT co najmniej 500 kW muszą na
  mocy rozporządzenia delegowanego 2024/1364 raportować zużycie energii i wody. Warto poprosić o te dane.

## Częste błędy {#common-mistakes}

- **Pogoń wyłącznie za najniższym WUE.** Chłodzenie oszczędzające wodę może zużywać więcej energii elektrycznej.
  [PUE i WUE](/pl/jak/jak-rozumiec-wskazniki-pue-i-wue/) należy odczytywać razem.
- **Martwienie się krótkimi pytaniami** przy swobodnym generowaniu obrazów i wideo.
- **Zapominanie o wodzie zużywanej przez elektrownie,** której nie obejmują dane dotyczące samego obiektu.

Zobacz [hosting i centra danych](/pl/dobre-praktyki/hosting-zielonej-ai-i-centra-danych/).

## Źródła

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
