Startup utvecklar metod för att uppskatta företags AI-utsläpp
Företagsanvändningen av artificiell intelligens växer, men att spåra dess miljöpåverkan är en utmaning. Startupen Watershed har lanserat en ny modell som hjälper företag att uppskatta sina AI-relaterade koldioxidutsläpp.
Startupen Watershed har tagit fram ett ramverk som gör det möjligt för företag att uppskatta sina koldioxidutsläpp från användningen av artificiell intelligens (AI). AI:s integration i företagens interna processer och externa produkter ökar stadigt, men att följa dess miljöpåverkan, särskilt energiförbrukningen, har visat sig vara svårt. Slutna AI-modeller avslöjar ofta inte sina energidata, vilket leder till att utsläppen inte inkluderas i företagens hållbarhetsrapporter.
Watersheds modell baseras på beräkningar av datacenterinfrastruktur och antalet AI-tokens som används, vilket resulterar i kilogram koldioxid per miljon AI-tokens. "Företag följer redan AI-användning på token-nivå för kostnadshantering," säger John Bistline, chef för vetenskap på Watershed. "Utsläppsberäkningen kopplas till samma data. Detta kräver alltså inte att företag bygger något helt nytt. Kostnader och hållbarhet går hand i hand."
Investerare, revisorer och tillsynsmyndigheter efterfrågar information om AI-utsläpp. Företag måste också rapportera indirekta utsläpp, såsom från affärsresor eller den energi som krävs för att hantera anställdas AI-frågor. Dessa kallas Scope 3-utsläpp. Vissa jurisdiktioner, som Kalifornien, kräver redan rapportering av Scope 3-utsläpp, och globala standardiseringsorgan överväger liknande krav för moln- och AI-tjänster.
"AI-användningens andel av de flesta företags koldioxidavtryck är för närvarande liten. Ingen förväntar sig dock att det ska förbli så länge", konstaterar Bistline. "Företag som bygger sin mätinfrastruktur nu kommer att vara bättre förberedda än de som väntar." Dessutom kan beräkning av AI-utsläpp hjälpa företag att identifiera sätt att minska både utsläppen och driftskostnaderna.
Watersheds modell erbjuder i bästa fall en uppskattning, eftersom exakt mätning ännu inte är möjlig. Många av de mest använda AI-modellerna är slutna, vilket innebär att deras energiförbrukning inte kan testas oberoende. Även om AI-leverantörer inte delar all information, hoppas Watershed att de delar åtminstone information om utsläpp per token. Allt eftersom mer information blir tillgänglig kommer uppskattningarna att bli mer exakta.