Decydują się na transparentność dopiero wtedy, gdy zmuszają ich do tego regulacje. I to nie bez powodu. Bowiem poza tym, że automatyzacja procesów, analiza ogromnych zbiorów danych czy generatywne modele językowe przynoszą realne korzyści ekonomiczne, to jednocześnie stoi za nimi potężny koszt środowiskowy.

Analiza opublikowana w czasopiśmie naukowym Patterns przez Alexa de Vriesa (Vrije Universiteit Amsterdam) rzuca nowe światło na skalę problemu. Wynika z niej, że globalny ślad węglowy systemów AI dorównuje emisjom generowanym przez ogromne metropolie, takie jak Nowy Jork. Równie niepokojący jest tutaj ślad wodny. Szacuje się, że zapotrzebowanie algorytmów na wodę może wkrótce zbliżyć się do poziomu globalnego rocznego zużycia wody butelkowanej.

Energetyczny i wodny „apetyt” algorytmów

Problemem nie jest samo istnienie AI, lecz skala jej wykorzystania. Pojedyncze zapytanie do modelu generatywnego potrafi zużyć nawet dziesięć razy więcej energii niż tradycyjne wyszukiwanie w Google’u. Większość tego obciążenia generują centra danych, które wymagają nieustannego zasilania i – o czym często się zapomina – intensywnego chłodzenia.

Szacuje się, że do 2028 r. centra danych mogą zużywać nawet 150 mln m sześc. wody rocznie. Warto jednak osadzić te liczby w szerszym kontekście statystycznym. Dane pokazują, że obecnie centra danych odpowiadają za zaledwie 0,01 proc. całkowitego zużycia wody w Unii Europejskiej.

Jak podkreśla Polish Data Center Association, przy całkowitym rocznym zużyciu wody w UE, sięgającym 197 mld m sześc., infrastruktura cyfrowa stanowi jedynie ułamek promila. Dowodzi to, że przy odpowiedniej optymalizacji i nowoczesnym zarządzaniu rozwój technologii nie musi stać w sprzeczności z bezpieczeństwem wodnym regionu.

Mimo to w obliczu narastającego kryzysu klimatycznego debata o środowiskowych kosztach cyfryzacji pozostaje jednym z najtrudniejszych punktów styku technologii z polityką zrównoważonego rozwoju (ESG).

Przełom Google DeepMind: AI naprawia AI

Paradoksalnie to właśnie sztuczna inteligencja może być lekarstwem na własną energochłonność. Flagowym przykładem sukcesu jest wdrożenie Google DeepMind, które zredukowały zużycie energii potrzebnej na chłodzenie centrów danych o 40 proc.

Google stawia na optymalizację zamiast eskalacji. Opracowany przez nich system uczenia maszynowego wykorzystuje sieci neuronowe wytrenowane na danych historycznych zebranych przez tysiące czujników (mierzących m.in. temperaturę, moc czy prędkość pomp). Dzięki tym usprawnieniom inne firmy korzystające z chmury Google’a mogą łatwiej zarządzać własnym zużyciem energii i realizować cele zrównoważonego rozwoju.

Dzięki stałemu obniżeniu zużycia energii przez systemy AI całkowity wskaźnik PUE (Power Usage Effectiveness) spadł o 15 proc., co stanowi najlepszy wynik w dotychczasowej historii firmy.

Zrównoważone AI jako element strategii

Współczesne podejście do ESG przestaje traktować sztuczną inteligencję wyłącznie jako narzędzie efektywności. Staje się ona integralnym elementem strategii zrównoważonego rozwoju organizacji. AI może wspierać firmy w osiąganiu celów środowiskowych, społecznych i ładu korporacyjnego poprzez automatyzację analiz śladu węglowego, identyfikację trendów rynkowych czy usprawnienie raportowania danych ESG. Zwiększa to wiarygodność i precyzję procesów.

Co prawda AI posiada unikalny potencjał wspierania celów ESG – od optymalizacji łańcuchów dostaw po precyzyjne monitorowanie zużycia energii i emisji CO2. Jednak samo wdrożenie narzędzi AI nie wystarcza. Dojrzałe organizacje koncentrują się na AI governance, czyli budowaniu ram nadzorczych obejmujących mapę zastosowań AI, jasne role decyzyjne, zasady pracy z danymi i mechanizmy nadzoru.

Taki system zarządzania AI w kontekście ESG staje się w 2026 r. kluczowym elementem zarządzania ryzykiem, porównywalnym z kontrolą finansową, a brak spójnych ram może skutkować narażeniem przedsiębiorstwa na istotne ryzyka operacyjne i reputacyjne.

Polski kontekst i perspektywa ESG 2026

W polskim biznesie również temat środowiskowego śladu AI zaczyna coraz wyraźniej wpisywać się w dyskusję o ESG. Wraz z implementacją europejskich regulacji, takich jak CSRD czy AI Act, organizacje będą musiały wykazywać nie tylko „czy” korzystają z AI, ale także „jakim kosztem”.

Trend ESG w 2026 r. wskazuje na wzrost znaczenia mierzalnych wskaźników środowiskowych, również w obszarze cyfryzacji. Dla polskich przedsiębiorstw oznacza to potrzebę świadomych decyzji technologicznych, tj. wyboru bardziej efektywnych modeli, transparentnych dostawców chmury oraz realnej integracji AI z celami klimatycznymi.

Zdaniem autorki

Środowiskowy ślad AI to największy test dojrzałości technologicznej naszych czasów. Przestaje być niszowym tematem, a staje się elementem strategicznego zarządzania ryzykiem i reputacją.

Rozwój i korzystanie ze sztucznej inteligencji musi iść w parze z odpowiedzialnością za zasoby naturalne. Optymalizacja jest możliwa, ale wymaga zmiany paradygmatu z „rozwoju za wszelką cenę” na „rozwój efektywny zasobowo”.

autorka: Sara Ferenc, prawniczka nowych technologii, kancelaria Legalden