Apakah chatbot AI mengonsumsi listrik sebanyak yang dirumorkan?

Chatbot AI berkembang pesat dengan ratusan juta pengguna setiap hari, tetapi di balik kemudahan tersebut terdapat konsumsi daya yang sangat besar, yang menimbulkan kekhawatiran tentang keberlanjutan.

Dalam beberapa tahun terakhir saja, ChatGPT telah meledak popularitasnya, dengan hampir 200 juta pengguna yang mengirimkan lebih dari satu miliar permintaan setiap hari. Tanggapan-tanggapan ini, yang tampaknya diproses "dari udara kosong," sebenarnya mengonsumsi sejumlah besar energi di balik layar.

Pada tahun 2023, pusat data—tempat AI dilatih dan dioperasikan—menyumbang 4,4% dari konsumsi listrik di AS. Secara global, angka ini sekitar 1,5% dari total permintaan listrik. Diproyeksikan bahwa konsumsi akan berlipat ganda pada tahun 2030 seiring dengan terus meningkatnya permintaan akan AI.

“Tiga tahun lalu, kita bahkan belum memiliki ChatGPT,” kata Alex de Vries-Gao, seorang peneliti tentang keberlanjutan teknologi baru di Universitas Vrije Amsterdam dan pendiri Digiconomist, sebuah platform yang menganalisis konsekuensi tak terduga dari tren digital. “Dan sekarang kita berbicara tentang teknologi yang berpotensi menyumbang hampir setengah dari listrik yang dikonsumsi oleh pusat data di seluruh dunia .”

Mengajukan pertanyaan ke model bahasa besar (LLM) mengonsumsi listrik sekitar 10 kali lebih banyak daripada pencarian Google biasa. (Gambar: Qi Yang/Getty Images)

Apa yang membuat chatbot AI begitu boros energi? Jawabannya terletak pada skalanya yang sangat besar. Menurut profesor ilmu komputer Mosharaf Chowdhury di Universitas Michigan, ada dua fase yang sangat boros daya: proses pelatihan dan proses inferensi.

"Namun, masalahnya adalah model-model saat ini sangat besar sehingga tidak dapat dijalankan pada satu GPU, apalagi dimuat dalam satu server," jelas Profesor Mosharaf Chowdhury kepada Live Science.

Untuk menggambarkan skalanya, sebuah studi tahun 2023 oleh de Vries-Gao menunjukkan bahwa server Nvidia DGX A100 dapat mengonsumsi hingga 6,5 ​​kilowatt listrik. Melatih LLM biasanya membutuhkan beberapa server, masing-masing dengan rata-rata 8 GPU, yang berjalan terus menerus selama berminggu-minggu atau bahkan berbulan-bulan. Secara total, konsumsi listriknya sangat besar: pelatihan GPT-4 OpenAI saja mengonsumsi 50 gigawatt-jam, setara dengan listrik yang cukup untuk menyuplai daya ke seluruh San Francisco selama tiga hari.

Proses pelatihan GPT-4 dari OpenAI cukup untuk memasok listrik ke seluruh San Francisco selama tiga hari. (Gambar: Jaap Arriens/NurPhoto/Rex/Shutterstock)

Proses inferensi juga cukup boros energi. Ini adalah saat chatbot AI menggunakan pengetahuan yang telah dipelajarinya untuk memberikan jawaban kepada pengguna. Meskipun inferensi membutuhkan sumber daya komputasi yang lebih sedikit daripada fase pelatihan, proses ini tetap sangat boros daya karena banyaknya permintaan yang dikirim ke chatbot.

Per Juli 2025, OpenAI memperkirakan bahwa pengguna ChatGPT mengirimkan lebih dari 2,5 miliar permintaan setiap hari. Untuk merespons secara instan, sistem harus mengerahkan banyak server yang beroperasi secara bersamaan. Dan itu baru ChatGPT saja; belum termasuk platform lain yang juga semakin populer, seperti Gemini milik Google, yang diperkirakan akan segera menjadi pilihan utama saat pengguna mengakses Google Penelusuran.

"Bahkan dalam fase inferensi, Anda sebenarnya tidak bisa menghemat energi," kata Chowdhury. "Masalahnya bukan lagi pada jumlah data yang sangat besar. Modelnya sudah sangat besar, tetapi masalah yang lebih besar adalah jumlah penggunanya."

Para peneliti seperti Chowdhury dan de Vries-Gao kini mencari cara untuk mengukur konsumsi energi dengan lebih akurat, sehingga menemukan solusi untuk menguranginya. Misalnya, Chowdhury mengelola papan peringkat yang disebut ML Energy Leaderboard, yang melacak konsumsi energi dalam inferensi model sumber terbuka.

Namun, sebagian besar data yang terkait dengan platform AI yang layak secara komersial tetap "rahasia." Perusahaan besar seperti Google, Microsoft, dan Meta merahasiakannya atau hanya merilis statistik yang sangat samar yang gagal mencerminkan dampak lingkungan secara akurat. Hal ini membuat sangat sulit untuk menentukan berapa banyak listrik yang sebenarnya dikonsumsi AI, berapa permintaan di tahun-tahun mendatang, dan apakah dunia dapat memenuhinya.

Meskipun demikian, pengguna tentu dapat memberikan tekanan untuk transparansi. Hal ini tidak hanya membantu individu membuat pilihan yang lebih bertanggung jawab saat menggunakan AI, tetapi juga berkontribusi dalam mempromosikan kebijakan yang meminta pertanggungjawaban bisnis.

“Salah satu masalah utama dengan aplikasi digital adalah dampak lingkungannya selalu tersembunyi,” tegas peneliti de Vries-Gao. “Sekarang bola berada di tangan para pembuat kebijakan: mereka harus mendorong transparansi data agar pengguna dapat mengambil tindakan.”

Ngoc Nguyen (Live Science)

Sumber: https://vtcnews.vn/chatbot-ai-co-ngon-dien-nhu-loi-don-ar965919.html