Koliko struje troši AI: 5 načina skrivenih troškova AI

Svaki dan gledamo račun za struju i razmišljamo kako da ga platimo, a nismo se zapitali koliko struje troši AI?. AI potrošnja energije postala je jedno od ključnih pitanja digitalnog doba, a mi to retko primećujemo. Svaki put kada zamolimo ChatGPT da napiše poruku, svaki put kada AI alat generiše sliku ili analizira tekst, negde na svetu server radi punom snagom. Iza naizgled lakog klika krije se infrastruktura koja nikad ne spava.

Šta se zapravo troši kada koristimo AI?

Kada razmišljamo o tome koliko struje troši AI?, lako je zamisliti samo ekran ispred nas. Ali realna potrošnja se odvija daleko od naših uređaja, u hladnim, bučnim prostorijama data centara rasutih po celom svetu. Ti centri rade neprekidno, 24 sata dnevno, sedam dana u nedelji, obrađujući zahteve miliona korisnika istovremeno.

Data centri troše energiju na tri ključna načina: obradom podataka kroz složene AI modele, stalnim radom servera koji ne smeju da stanu, i sistemima za hlađenje koji sprečavaju pregrevanje hardvera. Hlađenje se često zanemaruje, a može predstavljati i do 40% ukupne potrošnje objekta.

Prema podacima Međunarodne agencije za energiju, data centri troše oko 460 TWh godišnje, što digitalni sektor svrstava u red ozbiljnih globalnih potrošača energije, ravnopravnih sa čitavim industrijskim granama.

Koliko energije troši jedan AI upit?

U okviru teme veštačka inteligencija i uticaj na prirodu i planetu, najkonkretnije pitanje glasi: koliko energije potroši jedan zahtev upućen AI sistemu? Istraživanja pokazuju da jedna Google pretraga troši oko 0.3 Wh, dok isti zadatak povjeren AI asistentu može potrošiti između 2 i 3 Wh. Na nivou jedne osobe to deluje zanemarljivo, ali kada milioni korisnika svakodnevno koriste AI alate, ukupna potrošnja raste velikom brzinom.

Velike tehnološke kompanije već beleže vidljivo povećanje potrošnje energije upravo zbog ekspanzije AI servisa. Google je 2024. objavio da su mu emisije ugljen-dioksida porasle za 48% u poređenju sa 2019. godinom, a kao jedan od glavnih razloga navodi upravo razvoj AI infrastrukture .

data centar i serveri koji troše veliku količinu električne energije za rad veštačke inteligencije — Data centar i serveri koji troše veliku količinu električne energije za rad veštačke inteligencije.Generisano sa AI

data centar noću sa redovima servera i svetlećim rackovima koji prikazuju energetsku infrastrukturu potrebnu za rad veštačke inteligencije — Data centar i serveri koji troše veliku količinu električne energije za rad veštačke inteligencije.Generisano sa AI

Ukupna potrošnja interneta i ekološke posledice

AI potrošnja energije ne može se posmatrati izolovano od ostatka digitalnog sveta. Internet u celini, zajedno sa cloud servisima, video strimingom i AI sistemima, danas čini između 2% i 4% globalne potrošnje električne energije. Digitalni sektor odgovoran je za oko 3.7% globalnih emisija CO2, što ga stavlja ispred čitave avio industrije.

Razvoj veštačke inteligencije dodatno ubrzava ovaj trend jer povećava količinu generisanog sadržaja, zahteva više skladištenja podataka i podstiče stalnu online aktivnost. Zbog toga veštačka inteligencija i uticaj na prirodu sve više postaju nerazdvojne teme u razgovorima o klimatskim promenama.Koliko struje troši AI u vremenu kada govorimo o klimatkim promenama postaje top tema.

Trening modela kao skriveni energetski trošak

Kada govorimo o tome koliko struje troši AI?, važno je razlikovati svakodnevno korišćenje od procesa treniranja modela. Ono što korisnici svakodnevno koriste samo je vrh ledenog brega. Pravi energetski trošak nastaje tokom treniranja velikih jezičkih modela, što je proces koji traje nedeljama i zahteva ogromne računarske resurse.

Istraživanje objavljeno na Univerzitetu Massachusetts pokazalo je da trening jednog velikog AI modela može proizvesti više od 280 tona ekvivalenta CO2, što je više od ukupnih emisija pet prosečnih automobila tokom čitavog životnog veka, navodi se na portalu u izveštaju arxiv.org. Ovo je dimenzija problema koja ostaje nevidljiva prosečnom korisniku koji otvori aplikaciju i ukuca pitanje.

Može li AI biti deo rešenja?

Bilo bi nepravedno posmatrati veštačku inteligenciju isključivo kao ekološki trošak. Iste tehnologije koje troše energiju mogu je i uštedeti, ako se pravilno primene. Google koristi sopstvene AI sisteme za optimizaciju hlađenja data centara i time je uspeo da smanji potrošnju energije za hlađenje za čak 40% . Slični pristupi primenjuju se u optimizaciji energetskih mreža, predviđanju potrošnje i upravljanju obnovljivim izvorima.

Ipak, ključno pitanje ostaje koliko struje troši AI i da li ubrzani rast AI industrije može biti kompenzovan efikasnošću, ili ukupna potrošnja ipak raste brže od svake uštede.

Veštačka inteligencija je postala deo naše svakodnevice, ali njena nevidljiva potrošnja energije otvara važno pitanje. Da li smo zaista svesni koliko struje troši AI kada je koristimo svaki dan? Odgovornost nije samo na kompanijama koje razvijaju ove sisteme, već i na svima nama koji ih koristimo, i na kreatorima politika koji odlučuju kako će digitalna infrastruktura biti napajana u godinama pred nama.

Kaže se često da će veštačka inteligencija da uštedi i vreme i novac, i to deluje tačno na prvi pogled. Ali u praksi, kad se krene sa implementacijom, ispliva ceo niz troškova o kojima se retko priča unapred. I to nisu sitnice. Nisu ni “usputne stavke”. To su stvari koje ozbiljno menjaju budžet projekta. I da, ovo nije teorija, nego nešto što se vidi tek kad sistem krene da radi.

Infografika pod nazivom „Koliko troi struje AI? koja vizuelno povezuje tehnologiju i resurse. Na desnoj strani nalazi se velika utičnica koja napaja ljudski mozak pretvoren u globus, uz istaknutu ključnu reč „Koliko struje troši AI?“. Donji deo slike prikazuje pet ilustrovanih panela: proces čišćenja podataka, obuku zaposlenih (prompt inženjering), API integracije, pravne rizike sa vagom pravde i tehničko održavanje modela. — Generisano sa Gemini

Koliko struje troši AI i skriveni troškovi

Evo tih skrivenih troškova koje ljudi obično potcene:

1. Čišćenje i sređivanje podataka

Sve kreće od podataka. I tu nastaje prvi sudar sa realnošću.

Veštačka inteligencija ne “razume” loše podatke. Ako su baze haotične, duplirane, neusklađene ili nepotpune, rezultat je isti takav. Kompanije to uglavnom shvate tek kad model počne da daje čudne odgovore ili potpuno pogrešne zaključke.

U tom trenutku ulazi ozbiljan posao sređivanja podataka. Ljudi koji to rade nisu jeftini, i često se ispostavi da ta faza košta više nego sama AI pretplata ili alat koji se koristi. Ako se preskoči, sve posle toga gubi smisao jer sistem radi na lošoj osnovi.

2. Obuka ljudi i to bez kraja

Druga stvar koju mnogi podcene je činjenica da alat sam po sebi ne znači ništa.

Ljudi moraju da nauče kako da ga koriste. I to ne u smislu “klikni ovde i tamo”, nego kako da postavljaju jasna pitanja, kako da razumeju ograničenja i kako da iz AI izvuku nešto korisno.

Kompanije često ulažu ozbiljan novac u obuke, radionice i konsultante, samo da bi tim prestao da koristi alat površno. I ono što je još važnije, to nije jednokratno. Modeli se menjaju, alati se ažuriraju, pa se znanje stalno dopunjava.

3. Integracija i skriveni troškovi API poziva

Na papiru, deluje jednostavno. Imaš model, povežeš ga sa sistemom i to je to.

U realnosti, svaki put kada aplikacija pošalje zahtev AI sistemu, to se naplaćuje. I to možda ne deluje mnogo na nivou jednog poziva, ali kada imaš hiljade ili milione korisnika, ti mali troškovi postaju ozbiljna stavka u budžetu.

U jednom trenutku, ono što je izgledalo kao jeftino rešenje počne da jede profitnu marginu, bez da si to u startu jasno video.

4. Pravna odgovornost i usklađenost sa pravilima

Ovo je deo koji se često preskoči dok ne postane problem.

Korišćenje veštačke inteligencije otvara pitanja prava na sadržaj, privatnosti podataka i odgovornosti za ono što sistem generiše. Ako model koristi podatke koji ne bi smeli da se koriste, ili generiše nešto što krši autorska prava, posledice mogu biti ozbiljne.

Pored toga, regulative poput GDPR-a zahtevaju dodatne provere, filtere i procedure. Sve to znači dodatni rad, dodatne ljude i dodatne troškove. I ništa od toga nije brzo ni jednostavno.

5. Održavanje i pad performansi kroz vreme

Još jedna stvar koju ljudi često ne planiraju je da AI nije “postavi i zaboravi” sistem.

Vremenom modeli gube preciznost jer se podaci i svet oko njih menjaju. Ono što je radilo dobro pre šest meseci, danas može davati slabije rezultate.

Zbog toga je potreban stalni nadzor, testiranje, podešavanje i optimizacija. To rade inženjeri, i to kontinuirano. I to je još jedna stavka koja ulazi u operativne troškove, i to redovno, ne povremeno.

Korisni resursi za realnu procenu troškova

Ako neko želi da sagleda koliko sve ovo zaista može da košta u praksi, korisno je pogledati sledeće:

Azure AI Pricing Calculator – Zvanični kalkulator za procenu troškova infrastrukture i API poziva.
OpenAI Pricing Page – Transparentan pregled troškova po tokenima (rečima) za najpopularnije modele.
Hugging Face – Platforma gde možete istražiti open-source modele koji mogu smanjiti troškove licenci, ali zahtevaju sopstvenu infrastrukturu.
IBM Cost of Data Breach Report – Godišnji izveštaj koji pomaže da razumete finansijske rizike lošeg upravljanja podacima (uključujući AI).

Uvođenje veštačke inteligencije nije samo tehničko pitanje. To je strateška odluka koja mora da obuhvati ljude, podatke, infrastrukturu i pravni okvir.

Ako se u startu računa samo cena alata, a ne sve ostalo što ide uz njega, realan trošak se pojavi kasnije. I obično bude znatno veći nego što je iko planirao.