Napišete e-mail od stotinjak riječi uz pomoć AI chatbota i nastavite dan bez razmišljanja o tome. Negdje, u podatkovnom centru udaljenom možda tisućama kilometara, taj isti upit potrošio je mjerljivu količinu vode — ne za piće, nego za hlađenje poslužitelja koji su obradili vaš zahtjev. Pitanje koliko vode zapravo je iza svakog "napiši mi..." puno je kompliciranije nego što zvuči.
Zašto AI uopće treba vodu
Podatkovni centri koji pokreću velike jezične modele generiraju ogromne količine topline dok procesiraju zahtjeve. Dio tih centara hladi se sustavima koji koriste isparavanje vode — slično kao što ljudsko tijelo znojenjem hladi samo sebe. Ta voda se troši, ne recirkulira u potpunosti, što znači da svaki zahtjev koji zagrijava poslužitelje neizravno povlači i potrošnju vode negdje u lancu.
Brojke koje kruže internetom
Procjene se dosta razlikuju ovisno o metodologiji i modelu. Prema jednoj analizi, prosječan odgovor modela poput GPT-5 klase može zahtijevati oko 39 mililitara vode, dok učinkovitiji, manji modeli poput GPT-4o troše svega 3,5 mililitara po odgovoru — više od deset puta manje. Ta razlika sama po sebi govori koliko dizajn i veličina modela utječu na ekološki trag pojedinačnog upita.
Kad se male brojke pretvore u velike
Pojedinačni upit zvuči zanemarivo — nekoliko mililitara, manje od žlice. Problem je razmjer: kad bi samo svaki deseti Amerikanac jednom tjedno zatražio pomoć AI-ja za pisanje jednog e-maila, prema procjenama bi to na godišnjoj razini značilo potrošnju od otprilike 435 milijuna litara vode i preko 120 tisuća megavat-sati energije. Pomnožite to sa stotinama milijuna korisnika diljem svijeta koji AI koriste svakodnevno za desetke upita, i brojka prestaje biti zanemariva.
Usporedba s klasičnom pretragom
Jedan upit chatbotu procjenjuje se kao energetski zahtjevniji od istog upita u klasičnom internetskom pretraživaču — obrada jednog upita chatbotu troši otprilike jednaku količinu struje kao žarulja koja gori dvadesetak minuta. Razlika dolazi iz same prirode generativnih modela, koji za svaki odgovor iznova provode milijarde izračuna, dok klasična pretraga uglavnom samo dohvaća već indeksirane podatke.
Sam Altman i transparentnost brojki
Izvršni direktor OpenAI-ja javno je objavio procjene potrošnje energije i vode po prosječnom upitu, u pokušaju da suzbije i pretjerane strahove i podcjenjivanje problema. Takva transparentnost je rijetka u industriji i djelomično je odgovor na sve glasniju kritiku okolišnog traga AI infrastrukture.
Ovisi gdje se poslužitelj nalazi
Vodeni otisak uvelike varira ovisno o lokaciji podatkovnog centra, duljini samog upita i tehnologiji hlađenja koju centar koristi. Centri u sušnim regijama koji koriste isparavanje vode imaju znatno veći utjecaj na lokalne vodne resurse nego oni smješteni u hladnijim klimama gdje se za hlađenje može koristiti vanjski zrak.
Brojka od nekoliko mililitara po upitu djeluje bezazleno dok je gledate izolirano. Tek kad je pomnožite s razmjerom na kojem AI danas funkcionira, postaje jasno zašto tehnološke tvrtke sve više ulažu u učinkovitije modele i alternative klasičnom vodenom hlađenju — ne iz čiste ekološke svijesti, nego zato što je razmjer potrošnje počeo postajati vidljiv i onima koji ga plaćaju.