Chatbot AI: Penggunaan Energi yang Tidak Terlihat
Chatbot seperti ChatGPT memang menarik perhatian banyak orang. Mereka mampu menjawab berbagai pertanyaan dengan cepat dan akurat, seolah-olah mereka bisa membaca pikiran pengguna. Namun, di balik kemudahan itu, ada biaya energi yang sangat besar yang tersembunyi.
Pada tahun 2023, pusat data yang digunakan untuk melatih dan menjalankan teknologi kecerdasan buatan (AI) menyumbang sekitar 4,4% dari total konsumsi listrik di Amerika Serikat. Di tingkat global, angkanya mencapai sekitar 1,5% dari total penggunaan energi dunia. Dan ini diperkirakan akan meningkat dua kali lipat pada tahun 2030.
Alex de Vries-Gao, seorang peneliti keberlanjutan teknologi dari Vrije Universiteit Amsterdam dan pendiri Digiconomist, mengatakan bahwa tiga tahun lalu, kita belum memiliki ChatGPT. Sekarang, teknologi ini mungkin menjadi salah satu penyumbang utama konsumsi listrik pusat data di seluruh dunia.
Dua Sumber Utama Konsumsi Energi: Pelatihan dan Inferensi
Menurut Mosharaf Chowdhury, ilmuwan komputer dari University of Michigan, ada dua proses dalam AI yang paling boros energi: pelatihan dan inferensi.
1. Pelatihan Model AI
Model bahasa besar seperti ChatGPT dilatih menggunakan dataset yang sangat besar. Tujuannya adalah agar model dapat mengenali pola dan membuat prediksi yang akurat. Namun, semakin besar model, semakin besar pula konsumsi energinya.
Chowdhury menjelaskan bahwa model AI saat ini begitu besar hingga tidak bisa muat di satu GPU atau server. Mereka harus dibagi ke banyak server, masing-masing dengan delapan GPU, dan bekerja selama berminggu-minggu atau bahkan berbulan-bulan.
Sebuah server Nvidia DGX A100 membutuhkan daya hingga 6,5 kilowatt. Melatih GPT-4 saja diperkirakan menghabiskan 50 gigawatt-jam energi — setara dengan penggunaan listrik kota San Francisco selama tiga hari.
2. Inferensi: Menghasilkan Jawaban
Meskipun inferensi memerlukan daya komputasi yang lebih sedikit daripada pelatihan, jumlah permintaan yang masuk sangat besar. Pada Juli 2025, pengguna ChatGPT mengirimkan lebih dari 2,5 miliar prompt setiap hari. Ini memaksa banyak server bekerja bersamaan untuk memberikan jawaban dalam hitungan detik.
Chowdhury menambahkan bahwa bahkan di tahap inferensi, penghematan energi tidak mudah. Modelnya besar, tetapi jumlah pengguna yang menggunakan teknologi ini jauh lebih besar lagi.
Masalah Transparansi Energi AI
Meskipun beberapa peneliti berusaha menghitung konsumsi energi AI, data sebenarnya sulit didapat. Perusahaan besar seperti Google, Microsoft, dan Meta jarang mengungkap angka detail. Hal ini membuat sulit untuk mengetahui seberapa besar dampak lingkungan AI dan apakah infrastruktur listrik dunia bisa mengimbangi pertumbuhan ini.
De Vries-Gao mengatakan bahwa masalah utamanya adalah ketidaktransparanan. Bola ada di tangan pembuat kebijakan untuk mendorong keterbukaan agar pengguna bisa mulai berbuat sesuatu.
Apa yang Bisa Kita Lakukan?
Sebagai pengguna, kita juga bisa ikut berkontribusi mengurangi dampak ini:
- Gunakan chatbot AI secara wajar. Hindari meminta AI mengerjakan hal-hal berulang yang bisa dilakukan manual.
- Gunakan model AI yang lebih ringan jika tersedia, seperti versi “turbo” atau “mini”.
- Dukung transparansi energi. Dorong perusahaan untuk membuka data penggunaan energi dan mendorong kebijakan energi hijau.
- Gunakan AI di waktu yang tepat. Hindari spam prompt atau refresh berulang yang membebani server.
Sebagai pengguna, kita bisa mendorong transparansi energi dan kebijakan keberlanjutan. Dengan mengetahui berapa besar energi yang digunakan chatbot, kita dapat membuat pilihan lebih bijak, sekaligus menuntut perusahaan teknologi untuk mengurangi jejak karbon mereka.
Kita perlu memahami bahwa di balik kecerdasan AI, ada biaya energi yang sangat besar. Memahami dampak ini adalah langkah awal untuk menciptakan teknologi yang bukan hanya pintar, tetapi juga ramah lingkungan.
