Fot. Materiał wizualny pochodzi z raportu Startupy Pozytywnego Wpływu 2026, Kozminski Business Hub.
Historia technologii jest pełna takich momentów. Pojawienie się nowego narzędzia niemal zawsze prowadzi do tego, że zaczynamy widzieć je jako uniwersalne rozwiązanie.
Internet, smartfon, blockchain – każdy z tych wynalazków miał zrewolucjonizować świat. Dziś to samo dzieje się ze sztuczną inteligencją (SI).
Z jednej strony obserwujemy prawdziwy wysyp entuzjastycznych zastosowań: generowanie treści, grafik, filmów, automatyzację marketingu i sprzedaży. Z drugiej – coraz bardziej ambitne projekty, w których SI pomaga optymalizować zużycie energii, zarządzać odpadami, monitorować bioróżnorodność czy przewidywać skutki ekstremalnych zjawisk pogodowych.
W tym powszechnym zachwycie rzadko jednak padają podstawowe pytania: Czy wszystkie te zastosowania naprawdę wymagają sztucznej inteligencji? Czy w każdym przypadku korzyści uzasadniają koszty?
Pytania te nabierają szczególnej wagi w kontekście zmian klimatycznych. Sztuczna inteligencja może bowiem zarówno pomagać w walce z kryzysem środowiskowym, jak i go pogłębiać.
Gdzie SI naprawdę pomaga
„Najgłośniejsze zastosowania SI – te, które generują obrazy, teksty i wideo – są jednocześnie najmniej istotne z punktu widzenia ochrony klimatu. Prawdziwa wartość technologii kryje się w obszarach mniej widocznych, ale o znacznie większym wpływie.”
Modele SI coraz skuteczniej prognozują powodzie, analizując dane hydrologiczne i meteorologiczne, co daje społecznościom cenne godziny lub dni na przygotowanie się. Algorytmy analizujące zdjęcia satelitarne wykrywają wycieki metanu – gazu o bardzo silnym potencjale cieplarnianym – znacznie szybciej niż tradycyjne metody. Systemy oparte na uczeniu maszynowym monitorują populacje zagrożonych gatunków, nielegalną wycinkę lasów i zmiany ekosystemów na ogromną skalę. W energetyce SI optymalizuje pracę sieci, przewiduje zapotrzebowanie i pomaga integrować niestabilne odnawialne źródła energii. W tych przypadkach wpływ sztucznej inteligencji jest mierzalny i pozytywny.
Cena postępu
Jednocześnie technologia ta ma bardzo materialny koszt. Trening i działanie dużych modeli wymagają ogromnych ilości energii, wody i surowców. Według Międzynarodowej Agencji Energetycznej centra danych zużyły w 2024 roku ok. 415 TWh energii elektrycznej, a do 2030 roku zużycie może wzrosnąć do 945 TWh, przy czym głównym czynnikiem wzrostu jest właśnie rozwój SI.
Nie mniej istotny jest ślad wodny. Trening jednego dużego modelu językowego może wymagać setek tysięcy litrów wody do chłodzenia. W skali globalnej zapotrzebowanie sektora SI na wodę staje się porównywalne z zużyciem milionów gospodarstw domowych.
Im lepsze stają się modele, tym więcej ich używamy. Powstaje klasyczny paradoks Jevonsa – wzrost efektywności prowadzi do zwiększonego, a nie zmniejszonego zużycia zasobów.
Paradoks Jevonsa (Jevons Paradox) został sformułowany w 1865 roku przez angielskiego ekonomistę Williama Stanleya Jevonsa. Zauważył on, że zwiększenie efektywności wykorzystania węgla w maszynach parowych (lepsza wydajność na jednostkę paliwa) nie zmniejszyło ogólnego zużycia węgla – wręcz przeciwnie, spowodowało jego gwałtowny wzrost.
Kluczowe pytanie
„Sztuczna inteligencja nie jest ani zbawieniem, ani przekleństwem dla klimatu. Jest narzędziem. Tak jak młotek – może posłużyć do budowy domu lub do rozbicia szyby.”
Dlatego zamiast pytać „Czy SI pomaga klimatowi, czy mu szkodzi?”, powinniśmy zadać pytanie znacznie bardziej precyzyjne: Czy korzyść społeczna i środowiskowa wynikająca z danego zastosowania uzasadnia ilość zasobów, jakie zużywa? To zmienia całą perspektywę. Zamiast maksymalizować wykorzystanie SI, powinniśmy maksymalizować wartość generowaną przez każdą zużytą kilowatogodzinę i litr wody.
Nie każde zadanie wymaga największego modelu. Coraz częściej lepszym rozwiązaniem będą mniejsze, specjalistyczne modele lub systemy pracujące lokalnie. Największą innowacją nie będzie „więcej SI”, lecz mądrzejsze SI – stosowane tam, gdzie naprawdę jest potrzebne.
Kiedy dostajemy nowy młotek…
„Prawdziwa dojrzałość technologiczna nie polega na tym, żeby używać młotka jak najczęściej, lecz na tym, żeby wiedzieć, kiedy go odłożyć.”
Przyszłość odpowiedzialnej sztucznej inteligencji nie będzie zależeć od tego, jak potężne modele potrafimy zbudować, lecz od tego, jak mądrze zdecydujemy się je używać. Planeta nie potrzebuje więcej sztucznej inteligencji. Potrzebuje więcej inteligentnych decyzji.
