Iluzja energooszczędności AI. Agenci zużywają 600 razy więcej prądu niż proste zapytania

Google i OpenAI przez miesiące uspokajały sumienia użytkowników, porównując zapytanie do modelu językowego z kilkusekundowym działaniem telewizora. To narracja skrojona pod proste czaty, która kompletnie sypie się w zderzeniu z nową falą narzędzi: agentami autonomicznymi. Najnowsze dane pokazują, że przejście od pisania promptów do pracy z systemami takimi jak Claude Code drastycznie zmienia bilans energetyczny, czyniąc z AI jednego z najbardziej energochłonnych konsumentów w nowoczesnym biurze.

Dlaczego to ważne teraz? Debata o wpływie technologii na klimat przestaje dotyczyć tylko ogromnych farm serwerów, a zaczyna dotykać sposobu, w jaki budujemy oprogramowanie. W 2024 roku AI odpowiadała już za 10-15% całkowitego zużycia energii w centrach danych. Jeśli agenci staną się standardem pracy, te statystyki mogą wystrzelić w górę szybciej, niż zakładają najbardziej pesymistyczne scenariusze gigantów technologicznych.

Od czatu do agenta: przepaść w zużyciu energii

Główny błąd w dotychczasowych szacunkach polega na jednostce miary. Google deklaruje, że średnie zapytanie w Gemini pochłania zaledwie 0,24 watogodziny (Wh), a Sam Altman wycenia koszt ChatGPT na 0,34 Wh. To liczby atrakcyjne dla działów PR, ale – jak zauważa naukowiec Zeke Hausfather – nieprzystające do rzeczywistości. Agent programistyczny nie jest prostym interfejsem tekstowym. To system, który w odpowiedzi na jedno polecenie wykonuje dziesiątki połączeń z modelem w pętli.

Hausfather przez osiem tygodni monitorował pracę z narzędziem Claude Code. Wyniki są uderzające: około 1100 wpisanych komend wygenerowało ponad 14 000 wywołań modelu i przetworzyło 3,2 miliarda tokenów. Średnie zużycie energii na jeden prompt wyniosło w tym przypadku 150 Wh. To 600 razy więcej niż wartości, którymi chwalą się korporacje. W najbardziej intensywnych dniach zużycie energii przez jednego użytkownika przekraczało 11 kWh – to więcej niż jedna trzecia dziennego zapotrzebowania przeciętnego amerykańskiego gospodarstwa domowego.

Ukryty koszt kontekstu

Dlaczego agenci są tak żarłoczni? Tajemnica tkwi w architekturze. Aż 96 procent przetworzonych danych w badaniu Hausfathera stanowiły odczyty z pamięci podręcznej (cache). Przy każdym kroku agent musi na nowo przeliczyć cały zgromadzony kontekst projektu, aby podjąć kolejną decyzję. Efekt? Tekst, który faktycznie widzimy na ekranie, to zaledwie 0,4 procent całego obrotu tokenami. Reszta to niewidoczna, kosztowna praca obliczeniowa.

To systemowy problem, a nie wina użytkownika

Roczna emisja dwutlenku węgla wynikająca z intensywnej pracy z agentem AI wynosi około 370 kg CO2. To mniej więcej tyle, ile generuje elektryczna suszarka do ubrań. Mimo to Hausfather podkreśla, że mamy do czynienia z kwestią strukturalną. Jak zaznacza badacz, jest to „systemowy problem, a nie wina użytkownika”. Osobista wstrzemięźliwość w korzystaniu z narzędzi nie naprawi faktu, że niemal trzy czwarte nowych inwestycji w zasilanie centrów danych w USA opiera się na gazie ziemnym.

Prawdziwa szansa leży w gigantycznym kapitale firm technologicznych. Jeśli ich głód energii zostanie przekierowany na atom lub geotermię, boom na AI może przyspieszyć modernizację sieci przesyłowych. Bez tego jednak ekologiczne deklaracje Big Techu pozostaną jedynie greenwashingiem marketingowym, który przegrywa z twardymi danymi z logów serwerowych.