AI: Bukan Sekadar Kecanggihan, Tapi Mesin Konsumsi Energi
Biaya lingkungan AI adalah kumpulan dampak penggunaan listrik, air, dan sumber daya fisik lain yang muncul ketika model kecerdasan buatan dilatih dan dijalankan di pusat data berperforma tinggi sehingga meningkatkan konsumsi energi, menambah emisi, dan menekan ketersediaan air di berbagai wilayah yang menopang infrastruktur digital tersebut. Perkembangan kecerdasan buatan memang mendorong lompatan produktivitas, namun sekaligus menghadirkan tantangan baru bagi upaya pengurangan emisi. Wakil menteri lingkungan hidup mengingatkan, ketika sistem AI kian canggih, kebutuhan listrik dan air untuk mengoperasikannya melonjak drastis. Sementara itu, di level kampus, Direktur DSI YPTA Surabaya menegaskan bahwa AI yang lebih canggih belum tentu lebih baik bila menghabiskan sumber daya yang tidak sebanding dengan manfaatnya.
Konsumsi Energi dan Air: Ketika AI Menyaingi Sebuah Negara
Konsumsi energi AI bukan lagi angka kecil di pinggiran laporan lingkungan. Pusat data dengan server berperforma tinggi harus bekerja terus-menerus untuk melayani penggunaan AI yang semakin masif. Ketika model dilatih atau “belajar”, kebutuhan listrik melonjak, dan air dipakai untuk sistem pendinginan demi mencegah panas berlebih pada perangkat. Wakil menteri lingkungan hidup mengutip proyeksi bahwa pada 2030 konsumsi energi AI dapat mencapai sekitar 1.197 terawatt-hour per tahun, seolah-olah menjadikan AI sebagai “negara” keempat terbesar dalam konsumsi listrik. Kutipan ini menampar optimisme teknologi yang abai pada emisi. Selama listrik pusat data masih bertumpu pada energi fosil, peningkatan pemakaian AI berpotensi langsung menambah emisi dan menggagalkan agenda dekarbonisasi. Di sisi lain, air yang dipompa untuk pendinginan jarang dihitung dalam debat publik, padahal ia sumber daya yang sama pentingnya.
Efisiensi Pengembangan AI: Saat Kecanggihan Harus Ditakar Manfaat
Dampak lingkungan AI memaksa kita mengubah cara menilai kecanggihan teknologi. Direktur DSI YPTA Surabaya menekankan bahwa perkembangan AI tidak boleh hanya diukur dari kecepatan komputasi, tetapi juga dari efisiensi penggunaan sumber daya. Menurutnya, air, listrik, dan sumber daya lain harus digunakan secara efisien, dan kita akan memasuki tahap ketika efisiensi menjadi bagian dari inovasi itu sendiri. Ini bukan komentar dekoratif, melainkan arah pengembangan yang nyata: chip hemat energi dan model AI yang lebih efisien harus menjadi prioritas. Jika pengembang masih terlena mengejar model raksasa tanpa menghitung jejak energi dan air, mereka sedang memindahkan biaya ke masyarakat luas dalam bentuk emisi dan risiko krisis air. Efisiensi pengembangan AI perlu diartikan sebagai disiplin: memilih arsitektur model seperlunya, menghindari latihan ulang yang sia-sia, dan menyesuaikan skala komputasi dengan manfaat sosial yang dihasilkan.
Gunakan AI Secara Tepa Guna: Bukan Autopilot untuk Semua Hal
Keberlanjutan teknologi kecerdasan buatan tidak hanya bergantung pada insinyur chip, tetapi juga pada cara kita sebagai pengguna memakainya. Eko Halim Santoso mengingatkan, tidak semua pekerjaan perlu diserahkan kepada AI; pekerjaan sederhana yang bisa dilakukan mandiri sebaiknya tidak membebani pusat data. Sebaliknya, AI seharusnya digunakan pada pekerjaan yang membutuhkan analisis, kreativitas, dan pengolahan data dalam jumlah besar, di mana ia memberikan nilai tambah nyata. Ia menegaskan bahwa manusia harus tetap memegang kendali atas keputusan, etika, moral, dan tanggung jawab dalam pemanfaatan AI. Dalam pandangannya, teknologi ini seharusnya menjadi co-pilot, bukan autopilot yang mengambil alih seluruh keputusan. Literasi AI di lingkungan pendidikan pun ditekankan, bukan sekadar kemampuan mengoperasikan, tetapi memahami kapan AI layak digunakan, bagaimana memverifikasi hasil, dan konsekuensi lingkungan dari setiap permintaan komputasi yang kita kirim.
Menuju Infrastruktur AI yang Holistik dan Berkelanjutan
Jika infrastruktur AI nasional dikembangkan tanpa kacamata lingkungan, konsumsi energi AI akan terus merangkak naik bersama dampak lingkungan AI yang sulit dibalikkan. Pusat data yang menjalankan sistem AI bukan hanya memakan listrik dalam jumlah besar, tetapi juga air untuk mendukung operasionalnya. Persoalan ini menjadi genting ketika listrik tersebut masih berasal dari bahan bakar fosil; tanpa transisi cepat ke energi bersih, peningkatan penggunaan AI hampir pasti menambah emisi. Infrastruktur AI masa depan harus menggabungkan pemilihan sumber energi, standar efisiensi pusat data, desain model hemat energi, serta konservasi air dalam satu paket kebijakan yang utuh. Tantangan yang diangkat Eko Halim Santoso—membangun kolaborasi manusia dan AI yang meningkatkan produktivitas dan inovasi sambil menjaga nilai kemanusiaan dan keberlanjutan—seharusnya dibaca sebagai agenda politik teknologi, bukan sekadar slogan. AI yang tidak ramah lingkungan pada akhirnya akan berbalik menjadi beban sosial yang mahal.
