greenai.guide

Strona główna › Przewodniki › Zielona AI dla organizacji charytatywnych

Przewodnik

Zielona AI dla organizacji charytatywnych

Aktualizacja · Czas czytania: 7 min

W skrócie

Dla organizacji charytatywnej zielona AI oznacza używanie AI tylko tam, gdzie wyraźnie pomaga w realizacji misji, wybieranie małych i bezpłatnych narzędzi, gdy wystarczają, oraz ochronę osób, którym organizacja służy. Krótka polityka odpowiedzialnego korzystania, kilka pytań do dostawców i uczciwa komunikacja pokrywają większość potrzeb małej organizacji.

Najważniejsze punkty

  • Większość organizacji charytatywnych już korzysta z AI: według raportu Charity Digital Skills Report 2026 regularnie używa jej 79% brytyjskich organizacji charytatywnych.
  • Energia zużywana na jedno zapytanie tekstowe jest niewielka, ale generowanie obrazów i długie zautomatyzowane procesy zużywają znacznie więcej, a skala się sumuje.
  • AI warto używać tam, gdzie oszczędza realny czas pracowników lub poprawia usługi; można ją pominąć tam, gdzie wystarczy szablon, wyszukiwarka lub istniejące narzędzie.
  • Nigdy nie należy wprowadzać danych osobowych beneficjentów do publicznego narzędzia AI bez podstawy prawnej i sprawdzenia, dokąd trafiają dane.
  • Na początek większości małych organizacji charytatywnych wystarczy jednostronicowa polityka AI obejmująca cel, dane, energię i uczciwość.

Dlaczego organizacja charytatywna powinna myśleć o zielonej AI?

Dlatego, że sztuczna inteligencja (AI) jest już częścią pracy większości organizacji charytatywnych, a sposób korzystania z niej wpływa na koszty, ryzyko związane z danymi i na to, na ile działania organizacji zgadzają się z jej wartościami. Przemyślenie tego teraz jest tańsze niż późniejsze naprawianie problemów.

Korzystanie z AI jest w sektorze normą. Raport Charity Digital Skills Report 2026, oparty na 807 odpowiedziach brytyjskich organizacji charytatywnych, wykazał, że 79% z nich regularnie korzysta z AI, wobec 76% rok wcześniej. Ten sam raport wykazał, że 35% nie ufa narzędziom AI (wcześniej 15%), a tylko 36% małych organizacji charytatywnych ma politykę AI. Wstępne wyniki opublikowane wcześniej w 2026 roku pokazały, że 39% organizacji charytatywnych martwi się wpływem AI na środowisko.

Dane pochodzą z Wielkiej Brytanii, ale te same pytania dotyczą organizacji non-profit na całym świecie: ograniczone budżety, wrażliwe dane i wspierający, którzy oczekują, że organizacja żyje zgodnie ze swoimi wartościami.

Ile energii naprawdę zużywa korzystanie z AI przez organizację charytatywną?

W zwykłych zadaniach tekstowych niewiele na jedno zapytanie. W przypadku obrazów, wideo i intensywnej automatyzacji znacznie więcej. Najważniejsze są rodzaj zadania i częstotliwość jego wykonywania.

  • Prompty (polecenia) tekstowe. Google podaje, że mediana zużycia energii przez tekstowy prompt w aplikacjach Gemini wyniosła 0,24 Wh. Prezes OpenAI stwierdził, że przeciętne zapytanie do ChatGPT zużywa około 0,34 Wh. Obie wartości podały same firmy, według własnych metod, więc należy je traktować jako przybliżone.
  • Obrazy. W testach Luccioni, Jernite i Strubella generowanie obrazów zużywało średnio około 2,9 kWh na 1000 obrazów, ponad tysiąc razy więcej niż 0,002 kWh zmierzone przy klasyfikacji 1000 fragmentów tekstu.
  • Szerszy obraz. Międzynarodowa Agencja Energetyczna szacuje, że centra danych zużyły w 2024 roku około 1,5% światowej energii elektrycznej, a głównym motorem wzrostu jest AI. Udział każdej organizacji jest mały; suma już nie.

Kilku pracowników piszących listy z pomocą AI to więc niewielki ślad. Energia i koszty idą na wielokrotne generowanie od nowa dziesiątek obrazów do kampanii albo na zautomatyzowany system, który uruchamia AI dla każdego przychodzącego e-maila.

Kiedy AI się opłaca organizacji charytatywnej?

AI się opłaca, gdy zwalnia czas pracowników na realizację misji, poprawia usługę lub pozwala zrobić coś, na co organizacji inaczej nie byłoby stać, a ryzyko dla osób, którym służy, jest niskie. Nie opłaca się, gdy wystarczyłoby prostsze narzędzie albo gdy błędy mogłyby komuś zaszkodzić.

Przed wprowadzeniem nowego zastosowania warto zadać cztery pytania:

  1. Jaka jest korzyść? Zaoszczędzone godziny, więcej dotarcia do ludzi, lepsze decyzje. Konkretnie.
  2. Czy jest prostszy sposób? Szablon, korespondencja seryjna, wyszukiwarka, istniejąca funkcja w oprogramowaniu, za które organizacja już płaci.
  3. Co może pójść nie tak? Błędne informacje przekazane osobie w trudnej sytuacji, stronniczość, wyciek danych. Kto sprawdza wynik?
  4. Ile to kosztuje? Subskrypcja, czas pracowników na sprawdzanie wyników, energia i koszt późniejszej zmiany narzędzia.

Zastosowania, które często przechodzą ten test:

  • szkicowanie i redagowanie rutynowych tekstów, takich jak wnioski o dofinansowanie, raporty i posty w mediach społecznościowych, z redakcją wyniku przez człowieka;
  • streszczanie długich publicznych dokumentów, np. konsultacji lub badań;
  • tłumaczenie informacji dla społeczności, sprawdzane przez osobę biegle znającą język tam, gdzie to ważne; oraz
  • wsparcie dostępności, np. napisy i wersje w prostym języku.

Zastosowania wymagające znacznie większej ostrożności:

  • wszystko, co podejmuje decyzje lub wpływa na decyzje dotyczące poszczególnych beneficjentów;
  • chatboty udzielające porad w sprawach zdrowia, pieniędzy, prawa lub ochrony osób zagrożonych; oraz
  • generowanie wizerunków ludzi lub miejsc, które wspierający mogliby uznać za prawdziwe.

Jakie bezpłatne narzędzia i kursy mogą pomóc?

Wiele organizacji charytatywnych może zrobić większość tego, czego potrzebuje, za pomocą bezpłatnych lub tanich narzędzi oraz AI wbudowanej w oprogramowanie, którego już używa. Nauka dobrego korzystania z nich oszczędza więcej energii i pieniędzy niż kupowanie kolejnych.

  • Korzystać z AI w istniejącym oprogramowaniu (pakiety biurowe, poczta, narzędzia graficzne), zanim doda się nowe subskrypcje. Sprawdzić ustawienia danych.
  • Wybierać mniejsze modele lub wersje „lite” do prostych zadań, gdy jest taka możliwość. UNESCO i University College London ustaliły, że mniejsze modele dedykowane zadaniom mogą obniżyć zużycie energii nawet o 90% w odpowiednich zadaniach, a krótsze prompty i odpowiedzi mogą je obniżyć o ponad połowę.
  • Pisać krótkie, jasne prompty i prosić o krótkie odpowiedzi. Zwykle daje to też lepsze wyniki.
  • Unikać wielokrotnego generowania od nowa. Lepiej doprecyzować zapytanie, niż wiele razy klikać „spróbuj ponownie”.
  • Odbyć krótki kurs. Bezpłatne wprowadzenia do AI oraz do odpowiedzialnej i zielonej AI są w naszym katalogu kursów. To często umiejętności, a nie narzędzia, hamują mały zespół, więc to dobrze wykorzystany czas.

Więcej codziennych wskazówek zawiera przewodnik efektywne korzystanie z AI.

Co powinna obejmować polityka AI organizacji charytatywnej?

Dobra polityka AI organizacji charytatywnej jest krótka, praktyczna i ma właściciela na wysokim szczeblu. Powinna mówić pracownikom i wolontariuszom, z czego mogą korzystać, czego nigdy nie wolno im robić i kogo pytać.

Należy uwzględnić:

  • Cel: AI służy wspieraniu misji, a nie jest celem samym w sobie.
  • Zatwierdzone narzędzia: krótka lista oraz informacja, kto zatwierdza nowe.
  • Zasady dotyczące danych: żadnych danych osobowych ani wrażliwych o beneficjentach, darczyńcach, pracownikach czy wolontariuszach w publicznych narzędziach AI; co jest dozwolone w narzędziach objętych umową o przetwarzaniu danych.
  • Sprawdzanie przez człowieka: kto przegląda wyniki AI przed publikacją, wysłaniem lub podjęciem działań.
  • Energia i proporcjonalność: preferować najprostsze narzędzie; unikać intensywnego generowania obrazów i wideo, chyba że wnosi wyraźną wartość; wyłączać nieużywane funkcje AI.
  • Uczciwość: kiedy informować ludzi, że użyto AI, i jak opisywać to publicznie.
  • Przegląd: kiedy polityka zostanie ponownie przejrzana, np. co roku.

Przewodnik polityka zielonej AI zawiera szablon do dostosowania.

O co pytać dostawców AI?

Najpierw należy pytać o dane, potem o energię i koszty. Te pytania mogą zadać nawet małe organizacje charytatywne, a dostawcy, którzy nie potrafią na nie jasno odpowiedzieć, mogą nie być właściwym wyborem.

  • Dane: Gdzie nasze dane są przechowywane i przetwarzane? Czy są wykorzystywane do trenowania modeli dostawcy? Czy można to wyłączyć? Jak długo są przechowywane? Czy możemy je usunąć?
  • Bezpieczeństwo i zgodność z przepisami: Których przepisów o ochronie danych przestrzega dostawca, np. UK GDPR lub unijnego RODO (GDPR)? Czy podpisze umowę powierzenia przetwarzania danych?
  • Energia: Czy dostawca może podać zużycie energii na zapytanie albo informację, z jakich centrów danych korzysta i jak są one zasilane?
  • Wybór modelu: Czy do prostych zadań możemy używać mniejszego modelu?
  • Koszt i uzależnienie od dostawcy: Czy jest zniżka dla organizacji charytatywnych? Czy możemy wyeksportować nasze dane, jeśli zrezygnujemy?

Pełniejszą listę zawiera przewodnik zrównoważone zakupy AI.

Jak postępować z danymi beneficjentów?

Dane beneficjentów należy traktować jako najbardziej wrażliwe informacje, jakie posiada organizacja, i nie wprowadzać ich do narzędzi AI ogólnego przeznaczenia bez sprawdzenia prawa, umowy i ryzyka. Osoby, którym organizacja służy, mogą być w trudnej sytuacji i mogą nie być w stanie się sprzeciwić.

  • Podstawa prawna. Należy upewnić się, że istnieje podstawa prawna do takiego wykorzystania danych osobowych zgodnie z lokalnym prawem o ochronie danych.
  • Ocena skutków. Przed użyciem AI do danych osobowych należy przeprowadzić ocenę skutków dla ochrony danych, zwłaszcza w przypadku czegoś nowego lub wysokiego ryzyka.
  • Minimalizacja. Usuwać imiona, nazwiska i dane identyfikujące, gdzie to możliwe; używać jak najmniej danych.
  • Odpowiedzialność ludzi. AI nie powinna samodzielnie podejmować decyzji o wsparciu dla poszczególnych osób.
  • Pytać osoby, których to dotyczy. Warto dowiedzieć się, jak osoby, którym organizacja służy, korzystają z AI i co o niej myślą. Rozmowa z nimi może pomóc wypracować lepsze i sprawiedliwsze zastosowania.

Jak uczciwie mówić o korzystaniu z AI?

Należy otwarcie mówić, do czego organizacja używa AI, i skromnie o jej śladzie środowiskowym. Wspierający ufają organizacjom, które wyjaśniają swoje wybory; podchodzą ostrożnie do deklaracji, które brzmią zbyt dobrze.

  • Mówić, w czym pomaga AI („używamy AI do pisania pierwszych wersji raportów, które następnie redagują pracownicy”).
  • Wyjaśniać, jak chronione są dane.
  • Nie nazywać korzystania z AI „ekologicznym” ani „neutralnym węglowo” bez danych i metody. Wzrost efektywności może też prowadzić do większego korzystania ogółem; to efekt odbicia (rebound effect).
  • Oznaczać obrazy wygenerowane przez AI tam, gdzie wspierający mogliby je wziąć za prawdziwe zdjęcia.
  • Jeśli organizacja prowadzi kampanie na rzecz klimatu lub przyrody, powinna być gotowa wyjaśnić, dlaczego dane zastosowanie jest tego warte.

Więcej na stronie uczciwe deklaracje ekologiczne.

Czy organizacja charytatywna powinna budować własną AI?

Rzadko. Budowa lub trenowanie własnego modelu jest drogie i zużywa znacznie więcej energii niż korzystanie z istniejącego, a większość potrzeb organizacji charytatywnych zaspokajają narzędzia, które już istnieją. Przy specjalistycznej potrzebie, takiej jak sortowanie tysięcy notatek z prowadzonych spraw czy odpowiadanie na typowe pytania na podstawie zaufanej bazy wiedzy, warto zacząć od pytania, czy wystarczy istniejący mały model albo proste przeszukiwanie własnych dokumentów.

Zlecając coś, należy poprosić wykonawcę o użycie najmniejszego modelu spełniającego standard jakości, o ponowne wykorzystywanie odpowiedzi zamiast generowania ich za każdym razem oraz o raportowanie, jak bardzo system jest używany i ile kosztuje jego działanie. Trzeba też zaplanować, kto będzie go utrzymywał po zakończeniu finansowania projektu.

Co dalej

  1. Spisać narzędzia AI używane w całej organizacji, w tym wbudowane w istniejące oprogramowanie i te, z których pracownicy korzystają na własną rękę.
  2. Napisać jednostronicową politykę AI, korzystając z naszego przewodnika po polityce, i ustalić, kto za nią odpowiada.
  3. Już dziś ustalić jasną zasadę dotyczącą danych: żadnych danych osobowych beneficjentów, darczyńców ani pracowników w publicznych narzędziach AI.
  4. Wybrać jedno zadanie, w którym AI mogłaby zaoszczędzić realny czas, wypróbować ją przez miesiąc i uczciwie sprawdzić wyniki.
  5. Ograniczyć marnotrawstwo: krótsze prompty, mniej generowania od nowa i wyłączone funkcje AI tam, gdzie nie są używane.
  6. Zapisać pracowników i wolontariuszy na bezpłatny kurs z katalogu kursów.
  7. Przy najbliższym odnowieniu umowy zadać głównemu dostawcy AI powyższe pytania o dane i energię.

Najczęściej zadawane pytania

Czy korzystanie z AI przez organizację ekologiczną jest czymś złym?

Samo w sobie nie. Pytanie brzmi, czy dane zastosowanie pomaga misji na tyle, by uzasadnić swój koszt. Oszczędne, dobrze dobrane korzystanie z AI tekstowej ma niewielki ślad; intensywne generowanie obrazów lub wideo i stale działająca automatyzacja wymagają więcej namysłu.

Czy można bezpiecznie korzystać z bezpłatnych narzędzi AI?

Często tak, w zadaniach bez danych osobowych lub wrażliwych, np. przy szkicowaniu ogólnego newslettera. Należy sprawdzić regulamin: niektóre bezpłatne narzędzia mogą wykorzystywać wpisywane treści do trenowania modeli. Nie należy wprowadzać danych osobowych beneficjentów, darczyńców ani pracowników.

Czy potrzebujemy polityki AI?

Tak, nawet krótkiej. Mówi ona pracownikom i wolontariuszom, które narzędzia są dozwolone, jakich danych nigdy nie wolno wprowadzać i kiedy człowiek musi sprawdzić wynik.

Jak wyjaśnić wspierającym nas osobom, jak korzystamy z AI?

Należy prosto powiedzieć, do czego organizacja używa AI, jak chronione są dane ludzi i że pracownicy sprawdzają to, co AI tworzy. Lepiej nie twierdzić, że korzystanie z AI jest ekologiczne lub neutralne węglowo, chyba że można pokazać dane.

Źródła

  1. Trust issues rise as charities' AI adoption continues (Charity Digital Skills Report 2026), Civil Society (2026)
  2. AI adoption among charities shows no sign of slowing down (interim findings, Charity Digital Skills Report 2026), Civil Society (2026)
  3. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  4. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  5. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  6. The gentle singularity, Sam Altman (OpenAI) (2025)
  7. Energy and AI, International Energy Agency (2025)

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