Dalam dunia bisnis modern, penggunaan kecerdasan buatan (AI) dan upaya keberlanjutan menjadi dua hal yang sangat penting untuk diperhatikan. Menurut World Economic Forum (WEF), kebutuhan daya untuk mendukung pertumbuhan AI meningkat dua kali lipat setiap 100 hari. Pada tahun 2028, konsumsi energi AI dapat melebihi total daya yang digunakan oleh Islandia pada tahun 2021. AI dapat menjadi senjata bermata dua: sementara dapat secara signifikan memajukan inisiatif lingkungan, juga dapat sama merugikannya jika digunakan secara sembarangan.
Tidak ada panduan universal untuk penggunaan AI yang berkelanjutan – pendekatan setiap organisasi harus sesuai dengan keadaan uniknya. Sebagai gantinya, mengintegrasikan AI dan memajukan tujuan-tujuan ramah lingkungan memerlukan sikap tertentu. Berikut adalah beberapa strategi yang dapat dipertimbangkan.
Automatisasi dengan memperhatikan penghematan energi
Beberapa pemimpin mungkin tidak setuju dengan karyawan yang mengambil jalan pintas, namun saya tidak pernah melakukannya. Di Jotform, saya mendorong karyawan untuk terus mencari cara untuk menyelesaikan pekerjaan rutin mereka dengan lebih cepat, selama kualitas hasil kerja mereka tidak menurun. Automatisasi adalah inti bisnis kami dan pusat bagi budaya kami. Jika ada alat otomatis yang dapat menangani tugas manual yang membosankan, maka saya katakan: lakukanlah.
Sebagaimana yang terjadi, mengotomatiskan tugas menggunakan alat AI juga dapat memajukan tujuan keberlanjutan Anda. Seperti yang dicatat oleh WEF, mengoptimalkan jadwal untuk penghematan energi, misalnya, memindahkan beban kerja AI agar sesuai dengan waktu permintaan energi yang lebih rendah, adalah taktik yang berdampak untuk memanfaatkan AI dan menurunkan jejak karbon Anda.
Misalkan Anda telah memilih alat AI untuk mengotomatisasi pemindaian keamanan reguler untuk melindungi data Anda. Memprogram tugas-tugas tersebut di malam hari adalah cara mudah untuk menjadi lebih efisien dalam penggunaan energi. Konsumsi energi secara umum cenderung menurun selama malam hari, dan jaringan energi mendapat napas dan dapat berjalan lebih efisien. Sebagai manfaat tambahan, biaya energi Anda seringkali juga turun.
Atau, jika Anda berada di wilayah geografis dengan cuaca hangat dan penggunaan AC yang besar, Anda dapat memindahkan proyek-proyek yang membutuhkan energi ke bulan-bulan yang lebih dingin, ketika jaringan energi kurang tegang. Penting untuk dicatat bahwa pergeseran ini memerlukan perencanaan matang namun hampir tidak memerlukan usaha tambahan. Mereka dapat menghasilkan penghematan energi yang signifikan.
Memilih model-model dasar
Bayangkan Anda berada di dapur restoran bintang Michelin. Para koki semuanya telah dilatih di sekolah kuliner dan restoran-restoran kelas atas. Bersama, tim ini dapat menyiapkan segala jenis hidangan dan berinovasi menciptakan yang baru. Jika seseorang ingin menyiapkan hidangan luar biasa, mereka tidak perlu melatih tim koki yang baru secara keseluruhan – mereka dapat menggunakan tim ini, memanfaatkan keahlian mereka yang sudah ada dan memberikan panduan yang sesuai.
Dalam AI, itulah ide dari model-model dasar: program canggih yang sudah dilatih pada jumlah data yang besar. Jika seseorang membutuhkan alat AI tertentu, mereka bisa memulai dengan model dasar ini daripada membangun model dari awal.
Menulis untuk Harvard Business Review, Christina Shim, chief sustainability officer di IBM, menjelaskan mengapa memilih model-model dasar adalah pendekatan yang hemat energi. Berbeda dengan membuat model baru, “model-model dasar dapat disesuaikan dengan tujuan khusus dalam waktu yang lebih singkat, dengan sebagian kecil data, dan biaya energi yang lebih sedikit.”
Shim mencatat bahwa ukuran model dasar juga dapat memberikan dampak – kebanyakan dilengkapi dengan 3, 8, atau 20 miliar parameter. Menurut penelitian IBM, model-model yang lebih kecil yang dilatih dengan data yang spesifik dan relevan dapat berperforma sama baiknya dengan yang lebih besar, namun lebih cepat dan mengonsumsi energi yang lebih sedikit. Lebih besar tidak selalu lebih baik. Seperti yang diungkapkan oleh Salesforce, memilih model terbesar dan paling kuat untuk kebutuhan perusahaan tertentu seperti “menggunakan truk besar untuk pergi belanja atau mengangkut satu penumpang” – dengan kata lain, tidak diperlukan sama sekali.
Namun, model-model yang lebih besar juga datang dengan biaya yang lebih tinggi. Mengambil waktu untuk memilih model yang disesuaikan dengan tujuan Anda adalah investasi yang berharga yang pada akhirnya dapat menghemat sumber daya finansial dan ekologis.
Pilih perangkat lunak sumber terbuka
Pilihan penting lainnya di awal perjalanan AI apa pun adalah apakah akan memilih perangkat lunak sumber terbuka. Pilihan sumber terbuka mungkin tidak menyelesaikan setiap masalah, namun dalam banyak kasus, mereka dapat memberikan solusi yang hemat energi dan biaya yang memanfaatkan kebijaksanaan para ahli. Anda dapat fokus untuk meningkatkan solusi yang sudah ada (dan berbagi hasilnya), daripada membebani jaringan energi untuk menciptakan kembali roda setiap kali. Seperti yang ditunjukkan oleh Shim, perangkat lunak sumber terbuka menikmati manfaat perbaikan bersama – dengan lebih banyak mata yang memperhatikan masalah, produk yang dihasilkan lebih baik, dan permintaan energi dalam fase pengembangan terdistribusi di antara para pengguna.
Perangkat lunak yang baik layak untuk dibayar namun perlu sesuai dengan kebutuhan dan anggaran Anda – pertimbangan yang semakin relevan selama masa inflasi. Dalam banyak kasus, solusi sumber terbuka tersedia secara gratis atau dengan biaya yang hanya sebagian kecil.
Implementasikan otomatisasi untuk meningkatkan efisiensi sistem
Terakhir, alat otomatisasi yang didukung AI dapat menghemat energi dengan cara membantu meningkatkan efisiensi sistem. Mereka dapat melakukannya secara langsung, dengan mengurangi jam yang diperlukan untuk melakukan tugas-tugas yang membosankan. Misalnya, jika Anda sedang melakukan penelitian, alat seperti ChatGPT dapat menghilangkan jam duduk di depan layar monitor dengan mengidentifikasi dan mensintesis informasi kunci dalam hitungan detik.
Alat AI juga dapat berperan dalam tahap perencanaan sistem. Ambil contoh Salesforce: tim infrastruktur pusat data mereka menggunakan AI untuk memprediksi dan mengantisipasi pola penggunaan pelanggan mereka, kemudian secara otomatis menyesuaikan volume server yang diperlukan. Hal ini memungkinkan mereka untuk menyesuaikan cara infrastruktur pusat data mereka digunakan dan menghindari pemborosan energi yang berlebihan. Demikian pula, perusahaan perangkat lunak ini menggunakan AI untuk membuat keputusan untuk mengurangi jejak karbon mereka dengan menganalisis jutaan titik data dari rantai pasokan, perjalanan bisnis, real estat, dan lainnya.
AI dapat berperan seperti konsultan keberlanjutan, idealnya menghemat lebih banyak energi daripada yang diperlukan untuk melakukan analisis dan tugas-tugas yang sesuai. Dalam hal ini, AI dapat menjadi pedang tunggal, memberikan lebih banyak manfaat daripada kerugian yang terkait.