Саша Луччиони: устойчивый AI невозможен без данных о выбросах и реальном использовании

Исследовательница в области устойчивого AI Саша Луччиони говорит, что индустрия обсуждает экологический след технологий почти вслепую. Без данных о потреблении энергии, воде и реальных сценариях использования компании не могут понять, где AI действительно приносит пользу, а где просто увеличивает нагрузку на инфраструктуру.

Индустрия работает вслепую

По словам Луччиони, главный провал рынка — не только в росте дата-центров, но и в нехватке базовой отчетности. Бизнес уже чувствует давление со стороны сотрудников, советов директоров и ESG-команд: если компания внедряет Copilot, чат-ботов или генерацию медиа, она должна понимать, как это влияет на климатические цели. Но многие клиенты AI-сервисов не знают, где физически работают модели, к каким энергосетям подключены дата-центры и каков их косвенный углеродный след.

Проблема касается не только частных компаний. Государствам и энергетическим агентствам тоже не хватает цифр, чтобы планировать новые мощности и оценивать последствия очередной волны строительства. В Европе тема уже встроена в нормативную повестку вокруг AI, а некоторые страны начинают внимательнее смотреть на новых операторов дата-центров.

Если AI-нагрузку нельзя отделить от остальной облачной инфраструктуры, любые разговоры о «зеленом» росте быстро превращаются в догадки.

Не любой AI нужен

Отдельная претензия Луччиони — привычка рынка продавать большие универсальные модели как ответ на любую задачу. На практике многим компаниям не нужен тяжелый LLM для каждого запроса. Для поиска по корпоративным документам, классификации, фильтрации, перевода речи в текст или узких аналитических задач часто достаточно более простых моделей.

Они дешевле, быстрее и требуют меньше вычислений, а значит, снижают и энергетическую нагрузку без заметной потери качества в конкретном сценарии. Хороший ориентир здесь — телеметрия. Если провайдер показывает, сколько токенов приходит и уходит, компания может понять, какие запросы у нее преобладают: простые текстовые, генерация изображений или глубокие исследования.

Тогда выбор моделей становится инженерным решением, а не покупкой «самого большого, на всякий случай». По этой логике устойчивость начинается не с запрета AI, а с честного сопоставления задачи, стоимости и ресурсоемкости каждого инструмента.

«Нам все еще нужны данные по энергии и воде, чтобы принимать осознанные решения», — говорит

Луччиони. легкие модели для поиска, классификации и рутины более мощные LLM только для сложного анализа отдельный учет генерации изображений и видео выбор площадок с более чистой энергией ## Прозрачность как рычаг Луччиони говорит, что ей не хватает очень простого интерфейсного решения: условного счетчика в ChatGPT или Claude, который после каждого запроса показывал бы расход энергии, выбросы и источник этой энергии. Такой индикатор сделал бы экологическую цену AI видимой для пользователя и дал бы компаниям понятную основу для закупочных решений.

Пока этого нет, устойчивость остается темой для PR-слайдов, а не для повседневного управления продуктом и инфраструктурой. На этом фоне она вместе с бывшим руководителем по устойчивому развитию Salesforce Борисом Гамазайчиковым запускает Sustainable AI Group. Их задача — помочь бизнесу понять, какие рычаги реально уменьшают вред: выбор модели, региона запуска, поставщика вычислений, типа задачи и источника электроэнергии.

Если крупный игрок первым начнет честно раскрывать такие метрики и делать ставку на возобновляемую энергию, это может стать не слабостью, а конкурентным преимуществом.

Что это значит

Экологическая дискуссия вокруг AI постепенно сдвигается от общих страхов к измеримым вопросам: сколько энергии тратится, где именно работают модели, какую воду и какую сеть они используют, и нужен ли вообще такой класс моделей для конкретной задачи на практике. Следующий шаг для рынка — сделать эти данные видимыми для клиентов и регуляторов. Без этого устойчивый AI останется красивым обещанием, которое невозможно проверить.