Di era digital saat ini, kecerdasan buatan atau Artificial Intelligence (AI) seperti ChatGPT telah menjadi asisten andalan yang siap menjawab pertanyaan kita dalam hitungan detik. Semua terasa ajaib, praktis, dan tanpa bentuk fisik karena terjadi di dunia maya. Namun, di balik layar antarmuka yang bersih tersebut, tersembunyi sebuah realitas fisik yang mengejutkan. Pernahkah Anda membayangkan bahwa energi komputasi yang dihabiskan untuk memproses serangkaian pertanyaan (prompt) AI Anda mungkin membutuhkan daya yang hampir sepadan dengan menyalakan teko listrik untuk merebus air?

Risetnya, komputasi generatif membutuhkan daya yang jauh melampaui pencarian web tradisional. Berdasarkan analisis dari International Energy Agency (IEA), pencarian menggunakan mesin pencari standar hanya membutuhkan sekitar 0,3 watt-hour (Wh) energi listrik. Sementara itu, satu kali interaksi dengan ChatGPT diperkirakan mengonsumsi energi sekitar 2,9 Wh—hampir sepuluh kali lipatnya. Jika jutaan orang melakukan percakapan panjang dengan AI setiap harinya, akumulasi listrik yang ditarik oleh peladen (server) dari jaringan global setara dengan konsumsi listrik puluhan ribu rumah tangga tangga per tahunnya.

Tidak hanya melahap listrik secara rakus, AI ternyata juga sangat “haus”. Jutaan unit pemrosesan grafis (GPU) yang bekerja tanpa henti di dalam pusat data (data center) menghasilkan panas yang ekstrem, sehingga membutuhkan sistem pendingin berbahan dasar air tawar murni dalam jumlah masif. Sebuah riset dari peneliti University of California, Riverside mengungkap fakta mencengangkan: sebuah sesi percakapan standar dengan ChatGPT yang terdiri dari 10 hingga 50 pertanyaan rata-rata menghabiskan sekitar 500 mililiter air. Angka ini setara dengan menumpahkan satu botol air mineral ukuran sedang hanya untuk satu sesi obrolan virtual.

Skala konsumsi ini menjadi krisis yang mengkhawatirkan ketika platform AI kini diakses oleh ratusan juta pengguna aktif harian. Ekspansi fasilitas pusat data raksasa di berbagai belahan dunia tidak hanya memonopoli pasokan air dan listrik lokal, tetapi juga menghasilkan jejak karbon raksasa. Jika energi yang digunakan masih bergantung pada bahan bakar fosil, emisi gas rumah kaca dari sektor AI secara langsung berimbas pada percepatan perubahan iklim, turut memperparah krisis lingkungan dan anomali cuaca global yang tengah kita hadapi.

Di sinilah kita harus berhenti sejenak dan mengubah cara pandang kita terhadap teknologi IT. Kita tidak bisa lagi sekadar mengagumi kecerdasan algoritma tanpa mempertanggungjawabkan dampak ekologisnya. Konsep Green Computing (Komputasi Hijau) kini mutlak diperlukan. Konsep ini menuntut perancangan sistem IT, pengembangan algoritma, dan pengelolaan perangkat keras yang berorientasi pada efisiensi daya serta keberlanjutan lingkungan, seperti menciptakan coding yang lebih optimal sehingga komputasi berjalan lebih ringan dan hemat daya.

Bagi para mahasiswa IT dan calon developer, tantangan sesungguhnya di masa depan bukan sekadar tentang siapa yang bisa membuat program paling pintar, melainkan siapa yang bisa menciptakan inovasi paling ramah lingkungan. Membuat baris kode yang efisien (lean code), melatih model AI dengan metode hemat energi, dan merancang infrastruktur cloud hijau adalah langkah nyata untuk menyelamatkan bumi. Masa depan kemajuan teknologi manusia tidak seharusnya mengorbankan alam yang menjadi satu-satunya tempat tinggal kita.

Oleh karena itu, mari ambil peran sebagai agen perubahan dalam revolusi teknologi yang berkelanjutan. Jadilah ahli teknologi yang tidak hanya piawai merangkai algoritma yang canggih, tetapi juga memiliki kepedulian yang mendalam terhadap masa depan dan kelestarian bumi. Daftarkan diri Anda sekarang juga melalui tautan admisi.swadharma.ac.id dan jadilah bagian dari solusi untuk dunia!

Daftar Pustaka

de Vries, A. (2023). The growing energy footprint of artificial intelligence. Joule, 7(10), 2191–2194. https://doi.org/10.1016/j.joule.2023.09.004

International Energy Agency. (2024). Electricity 2024: Analysis and forecast to 2026. IEA. https://www.iea.org/reports/electricity-2024

Li, P., Yang, J., Islam, M. A., & Ren, S. (2023). Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models. arXiv. https://doi.org/10.48550/arXiv.2304.03271