W skrócie
Zielona AI w firmie oznacza uzyskiwanie potrzebnych wyników przy mniejszym zużyciu energii, pieniędzy i niższych emisjach. Większość oszczędności daje kilka decyzji: używanie AI tylko tam, gdzie wnosi wartość, wybór najmniejszego modelu, który dobrze wykonuje zadanie, wybór dostawców publikujących dane o energii oraz pomiar przed złożeniem jakiejkolwiek deklaracji.
Najważniejsze punkty
- W większości firm najtańsza, najszybsza i najbardziej ekologiczna AI to zwykle ta sama AI: mniejsze modele, mniej tokenów, mniej poprawek.
- Międzynarodowa Agencja Energetyczna szacuje, że centra danych zużyły w 2024 roku około 415 TWh energii elektrycznej, czyli około 1,5% światowego zużycia, i prognozuje około 945 TWh do 2030 roku.
- Modele dedykowane jednemu zadaniu mogą być o rzędy wielkości tańsze w działaniu niż ogólne modele generatywne wykonujące to samo zadanie.
- Od dostawców należy uzyskać dane o energii na zapytanie, używanych centrach danych i metodzie pomiaru, a odpowiedzi wpisać do umów.
- Nie należy składać żadnej deklaracji ekologicznej, której nie da się poprzeć zmierzonymi lub jasno udokumentowanymi danymi.
Dlaczego zielona AI powinna obchodzić firmę?
Dlatego, że to, co czyni sztuczną inteligencję (AI) bardziej ekologiczną, w większości czyni ją też tańszą, szybszą i bardziej niezawodną. Mniej obliczeń to niższe rachunki, szybsze odpowiedzi i krótsze czekanie. Te same nawyki, które marnują energię, takie jak długie prompty (polecenia), powtarzane próby i przewymiarowane modele, marnują też pieniądze i czas pracowników.
Do podobnego wniosku doszedł 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 przedstawicieli przemysłu: kupujący wybierają według kosztu, szybkości i jakości, więc zielona AI musi iść z nimi w parze, a nie z nimi konkurować. To dobra wiadomość dla firm. Rzadko trzeba poświęcać wyniki dla mniejszego śladu środowiskowego.
Są jeszcze cztery powody, by zwrócić na to uwagę:
- Skala. Międzynarodowa Agencja Energetyczna (IEA) szacuje, że centra danych zużyły w 2024 roku około 415 TWh energii elektrycznej, czyli około 1,5% światowego zużycia, i prognozuje, że do 2030 roku wartość ta wzrośnie ponad dwukrotnie, do około 945 TWh, a najważniejszym motorem wzrostu będzie AI. Korzystanie z AI w firmie jest częścią tego popytu.
- Sprawozdawczość. Jeśli firma raportuje zużycie energii i emisje, AI jest już częścią tej liczby, niezależnie od tego, czy jest liczona.
- Regulacje. Przepisy zaczynają wymagać danych o energii od dostawców AI i operatorów centrów danych (patrz niżej), dzięki czemu firmy mają dostęp do lepszych informacji o dostawcach.
- Zaufanie. Klienci, pracownicy i inwestorzy coraz częściej pytają, jak firma korzysta z AI. Jasne, uczciwe odpowiedzi pomagają.
Na co idzie energia w AI?
Większość energii, jaką typowa firma zużywa na AI, przypada na inferencję (wnioskowanie), czyli uruchamianie modelu w celu odpowiadania na zapytania, a nie na jego trenowanie. Firma prawie nigdy nie trenuje sama dużego modelu, ale każdy prompt, każdy zautomatyzowany proces i każda funkcja AI w oprogramowaniu uruchamia inferencję na czyimś sprzęcie.
Główne miejsca, w których zużywana jest energia:
| Etap | Co się dzieje | Kto ma na to wpływ |
|---|---|---|
| Trenowanie | Model uczy się z danych, raz lub od czasu do czasu | Głównie dostawca modelu |
| Fine-tuning (dostrajanie) | Istniejący model jest dostosowywany do zadania firmy | Firma lub jej dostawca |
| Inferencja | Model odpowiada na każde zapytanie | Wspólnie: firma decyduje, ile i jakiego modelu używa |
| Centrum danych | Chłodzenie, konwersja energii, sieć | Dostawca hostingu |
| Sprzęt | Produkcja chipów i serwerów (emisje wbudowane) | Dostawca, przez to, jak długo używa sprzętu |
W firmie najwięcej można zmienić w inferencji. Jej skala zależy od:
- wielkości i rodzaju modelu. Badanie Luccioni, Jernite i Strubella wykazało, że ogólne modele generatywne były o rzędy wielkości droższe w działaniu niż systemy dedykowane temu samemu zadaniu. W ich testach generowanie obrazów zużywało średnio około 2,9 kWh na 1000 zapytań, a klasyfikacja tekstu około 0,002 kWh;
- liczby tokenów (fragmentów tekstu, które model czyta i pisze). Długie prompty, wklejane dokumenty i rozwlekłe odpowiedzi sumują się;
- liczby wywołań, jakie wykonuje proces. Agenty, które planują, sprawdzają i ponawiają próby, mogą wykonać dziesiątki wywołań dla jednego zadania; oraz
- miejsca i czasu działania, ponieważ emisje przypadające na kilowatogodzinę zależą od lokalnej sieci elektroenergetycznej.
Dla orientacji w skali pojedynczego zapytania: Google podaje, że mediana zużycia energii przez tekstowy prompt w aplikacjach Gemini wyniosła 0,24 Wh, a w ciągu roku wartość ta spadła 33-krotnie. Dostawcy mierzą w różny sposób, dlatego takie liczby należy traktować orientacyjnie; o tym, dlaczego szczegóły mają znaczenie, mówi strona pomiar energii AI.
Jak wybrać właściwy model?
Należy używać najmniejszego modelu, który niezawodnie wykonuje zadanie, i sprawdzić to na własnej pracy. W wielu zadaniach biznesowych, takich jak sortowanie e-maili, wyodrębnianie pól z faktur, streszczanie czy tłumaczenie, wystarczy mały lub wyspecjalizowany model.
UNESCO i University College London ustaliły, że użycie mniejszych modeli dedykowanych zadaniom może obniżyć zużycie energii nawet o 90% bez utraty wydajności w odpowiednich zadaniach, a krótsze prompty i odpowiedzi mogą je obniżyć o ponad połowę.
Praktyczne kroki:
- Spisać zadania AI i określić, co w każdym oznacza „wystarczająco dobrze”, np. 98% poprawnych pól faktury.
- Testować modele od najmniejszych do największych na próbce rzeczywistych przypadków. Zatrzymać się na pierwszym, który spełnia standard.
- Kierować zapytania. Rutynowe zapytania wysyłać do małego modelu, a tylko trudne do dużego. Nazywa się to często routingiem modeli.
- Uważać na pozorne oszczędności. Zbyt mały model, który zawodzi i wymusza ponowne uruchomienie na dużym, może zużyć więcej energii niż od razu duży model. Należy mierzyć skuteczność za pierwszym razem, a nie koszt wywołania.
- Używać ponownie, zamiast generować od nowa. Gdy ta sama odpowiedź, szablon lub fragment kodu jest potrzebny ponownie, lepiej go zapisać i wykorzystać, niż za każdym razem pytać model. GreenCode, projekt badawczy ITEA, opisuje, jak dzięki wyszukiwaniu, kierowaniu zadań do najtańszego wystarczającego komponentu i harmonogramowaniu utrzymuje własne korzystanie z AI na niskim poziomie.
Niezależne oceny pomagają porównywać otwarte modele. AI Energy Score, uruchomiony przez Hugging Face i partnerów, ocenia modele w skali od jednej do pięciu gwiazdek pod kątem efektywności energetycznej w typowych zadaniach. Więcej na stronach wybór właściwego modelu oraz orkiestracja zamiast generowania.
O co pytać dostawców AI?
Należy pytać o liczby, metody i lokalizacje, a odpowiedzi wpisać do umowy. Wielu dostawców nie potrafi jeszcze udzielić pełnych odpowiedzi, ale samo pytanie sygnalizuje popyt i pokazuje, kto traktuje sprawę poważnie.
Pytania do przetargów i odnowień umów:
- Energia na zapytanie. Ile energii (Wh) zużywa typowe zapytanie lub 1000 tokenów w modelach, których będziemy używać? Czy wartość jest zmierzona, czy szacowana, i w jaki sposób?
- Granice systemu. Czy liczba obejmuje niewykorzystaną moc, chłodzenie i sieć, czy tylko chipy?
- Miejsce działania. Które centra danych i regiony obsługują nasze obciążenie? Jaki jest ich wskaźnik PUE (stosunek całkowitej energii obiektu do energii zużywanej na obliczenia) i zużycie wody?
- Energia elektryczna. Jaka część jest dopasowana godzina po godzinie do czystej energii, a nie pokryta rocznymi certyfikatami?
- Wybór modeli. Czy możemy wybierać mniejsze modele lub kierować zapytania między modelami? Czy możemy uruchamiać je na własnym sprzęcie, gdy dane muszą pozostać lokalnie?
- Raportowanie. Czy dostawca przekaże nam miesięczne dane o energii i emisjach dla naszego konta, w formie przydatnej we własnej sprawozdawczości?
- Żywotność sprzętu. Jak długo serwery pozostają w użyciu i co się z nimi dzieje później?
- Informacja o zmianach. Czy dostawca poinformuje nas o zmianie modelu stojącego za naszą usługą?
Warto znać dwa akty prawa UE, także poza Unią, ponieważ duzi dostawcy stosują je szeroko:
- EU AI Act (unijny akt w sprawie sztucznej inteligencji) wymaga od dostawców modeli AI ogólnego przeznaczenia dokumentowania znanego lub szacowanego zużycia energii przez model (załącznik XI).
- Dyrektywa w sprawie efektywności energetycznej wymaga od operatorów centrów danych o zapotrzebowaniu na moc IT co najmniej 500 kW raportowania charakterystyki energetycznej, w tym zużycia energii i wody, do europejskiej bazy danych (rozporządzenie delegowane 2024/1364).
Pełniejszy zestaw pytań zawiera przewodnik zrównoważone zakupy AI, a strona hosting i centra danych wyjaśnia, co oznaczają odpowiedzi. Dostawców można znaleźć w katalogu produktów, a niezależną pomoc w katalogu konsultantów.
Jak mierzyć energię i emisje AI?
Należy mierzyć to, co się da, otwarcie szacować resztę i śledzić to, na co ma się wpływ. Idealne dane są rzadko dostępne, ale spójna metoda pozwala zobaczyć, czy następuje poprawa.
- Własny sprzęt lub maszyny w chmurze. Narzędzia open source, takie jak CodeCarbon, szacują emisje na podstawie mocy pobieranej przez procesory i pamięć oraz emisyjności lokalnej sieci elektroenergetycznej.
- Usługi AI firm zewnętrznych. Należy zapisywać tokeny, wywołania i używane modele. Jeśli dostawca podaje energię na zapytanie, wystarczy pomnożyć przez tę wartość. Jeśli nie, można użyć opublikowanego szacunku i to zaznaczyć.
- Jednostki. Energię należy podawać w kWh, a emisje w kg CO₂e (ekwiwalentu dwutlenku węgla), z informacją, jakiego współczynnika dla sieci użyto.
- Na wynik. Warto śledzić energię na użyteczny wynik, np. na przetworzoną fakturę, a nie tylko sumę. To pokazuje wpływ poprawek i ponownych prób.
Więcej na stronach jak mierzyć energię AI oraz dlaczego pomiar jest wąskim gardłem.
Jak AI wpisuje się w sprawozdawczość CSRD i ESG?
Energia elektryczna zużywana przez AI jest częścią zużycia energii firmy, więc należy ją ujmować w dotychczasowej sprawozdawczości o emisjach, a nie w osobnym raporcie. W większości ram sprawozdawczych mieści się w zakupionej energii elektrycznej (Zakres 2), gdy firma sama obsługuje sprzęt, oraz w zakupionych usługach (Zakres 3), gdy korzysta z usług chmurowych lub usług AI.
W UE zakres dyrektywy w sprawie sprawozdawczości przedsiębiorstw w zakresie zrównoważonego rozwoju (CSRD) zawężono w 2026 roku. Ostateczne zatwierdzenie przez Radę UE w lutym 2026 roku ogranicza ją do firm zatrudniających ponad 1000 pracowników i mających ponad 450 mln euro rocznego obrotu netto. Firmy poniżej tych progów mogą nadal być proszone o dane przez większych klientów objętych dyrektywą albo raportować dobrowolnie. Poza UE należy sprawdzić przepisy krajowe i stosowane dobrowolne ramy.
Niezależnie od obowiązków AI należy traktować jak każde inne istotne zużycie energii: podać metodę, granice systemu i niepewność.
Jak budować dobre nawyki wśród pracowników?
Lepiej dać ludziom kilka prostych zasad i domyślnie właściwe narzędzia, niż prosić ich, by za każdym razem myśleli o energii. Nawyki mają największe znaczenie tam, gdzie wiele osób korzysta z AI wiele razy dziennie.
- Wybierać właściwe narzędzie. Wyszukiwarki, szablony, arkusze kalkulacyjne i istniejące oprogramowanie często wystarczają. AI warto używać tam, gdzie oszczędza realny czas lub poprawia jakość.
- Pisać zwięźle. Zadawać jasne pytania, prosić o krótkie odpowiedzi i nie wklejać całych dokumentów, gdy wystarczy jeden fragment.
- Unikać korzystania jak z „automatu do gier”. Wielokrotne generowanie obrazu lub odpowiedzi od nowa jest kosztowne. Lepiej doprecyzować zapytanie.
- Domyślnie używać mniejszych modeli w firmowych narzędziach, z większymi dostępnymi w razie potrzeby.
- Wyłączać to, co nieużywane. Funkcje AI włączone domyślnie w oprogramowaniu i bezczynne maszyny testowe także pobierają energię.
- Planować ciężkie zadania. Prace wsadowe, które mogą poczekać, np. nocne przetwarzanie dokumentów, można uruchamiać wtedy, gdy sieć jest czystsza.
Warto ująć to w krótkiej polityce; przewodnik polityka zielonej AI zawiera szablon, a strona efektywne korzystanie z AI ma więcej codziennych wskazówek.
Jak mówić o tym uczciwie?
Deklaracje należy składać tylko w sprawie tego, co zostało zmierzone, względem podanego punktu odniesienia, wraz z ograniczeniami. Ogólnikowe hasła w rodzaju „zrównoważona AI” czy „neutralna węglowo AI” przyciągają uwagę regulatorów i klientów.
Dobre praktyki:
- Podawać punkt odniesienia („w porównaniu z naszym poprzednim modelem”) i metodę pomiaru.
- Oddzielać efektywność (mniej energii na zadanie) od całkowitego zużycia (które może nadal rosnąć). Tańsza AI często prowadzi do większego korzystania z AI; zjawisko to nazywa się efektem odbicia (rebound effect).
- Nie opierać się wyłącznie na kompensacji emisji ani rocznych certyfikatach energii odnawialnej, nazywając usługę ekologiczną.
- Pamiętać, że dane zgłaszane przez jednego dostawcę mogą nie być porównywalne z danymi innego.
Więcej na stronach uczciwe deklaracje ekologiczne oraz efektywność to nie wystarczalność.
Co dalej
- Zmapować korzystanie z AI. Spisać używane narzędzia, modele i zautomatyzowane procesy oraz w przybliżeniu, jak często każde z nich działa.
- Wybrać jedno zadanie o dużej skali i sprawdzić, czy mniejszy model spełnia standard jakości.
- Zacząć śledzić tokeny i wywołania głównych usług AI, a energię tam, gdzie firma ma własny sprzęt.
- Dodać powyższe pytania do dostawców do najbliższego przetargu lub odnowienia umowy.
- Opublikować krótką politykę dla pracowników określającą, kiedy i jak korzystać z AI, korzystając z naszego przewodnika po polityce.
- Przejrzeć deklaracje w materiałach marketingowych i raportach pod kątem przewodnika po uczciwych deklaracjach.
- W razie potrzeby poszukać pomocy w katalogu konsultantów, a narzędzi w katalogu produktów.
Najczęściej zadawane pytania
Czy zielona AI kosztuje więcej?
Zwykle nie. Główne dźwignie, takie jak mniejsze modele, krótsze prompty i mniej powtórzonych uruchomień, obniżają też rachunki za API i czas odpowiedzi. Dodatkowy koszt to głównie czas pracowników potrzebny na pomiary i skonfigurowanie routingu między modelami.
Czy musimy raportować zużycie energii przez naszą AI?
W większości miejsc nie jako osobną pozycję. Energia elektryczna zużywana przez AI jest jednak częścią zużycia energii i emisji firmy, więc mieści się w szerszej sprawozdawczości, takiej jak unijna dyrektywa CSRD w przypadku firm nią objętych lub dobrowolna sprawozdawczość ESG.
Czy mniejszy model jest zawsze bardziej ekologiczny?
Nie. Zbyt mały model może zawieść i wymusić ponowne próby albo drugie uruchomienie na większym modelu. Należy przetestować go na rzeczywistym zadaniu: najbardziej ekologiczny jest najmniejszy model, który za pierwszym razem daje poprawny wynik.
Jak zmierzyć energię usługi AI w chmurze, której nie obsługujemy sami?
Należy poprosić dostawcę o dane o energii na zapytanie i o stojącą za nimi metodę. Jeśli dostawca ich nie poda, można użyć opublikowanych szacunków na jeden prompt z jasnymi zastrzeżeniami i śledzić to, na co ma się wpływ, np. tokeny i liczbę wywołań.
Źródła
- Energy and AI, International Energy Agency (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Council signs off simplification of sustainability reporting and due diligence requirements, Council of the European Union (2026)
- AI Act, Annex XI: technical documentation for providers of general-purpose AI models, European Commission AI Act Service Desk (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres, EUR-Lex (2024)
- CodeCarbon, CodeCarbon (2026)
- Announcing AI Energy Score ratings, Hugging Face (2025)
- Green AI and energy-aware computing, GreenCode (ITEA) (2026)
Powiązane
Zrównoważone zamówienia AI
O co pytać dostawców AI w sprawie energii, emisji i wody, jakich dowodów żądać i jakie klauzule umowne czynią zobowiązania egzekwowalnymi.
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.
Jak mierzyć zużycie energii i emisje AI
Praktyczny przewodnik po pomiarze lub szacowaniu energii i emisji AI: narzędzia, granice systemu, wskaźniki na zadanie i uczciwa niepewność.
Uczciwe deklaracje ekologiczne dotyczące AI
Jak uniknąć greenwashingu w sprawie AI: co wolno deklarować, a czego nie, efekt odbicia, uczciwe raportowanie oraz przepisy Wielkiej Brytanii, UE i USA.