Het gebruik van zogeheten generatieve AI in het bedrijfsleven verspreidt zich de afgelopen tijd als een olievlek. Ondernemers zetten bijvoorbeeld ChatGPT of Gemini in voor teksten of AI-beeldgeneratoren voor logo’s of andere afbeeldingen.

Waar de doorsnee mkb’er momenteel misschien vooral nog in de ‘experimenteer-fase’ zit met dergelijke digitale assistenten, is in de AI-wereld een ware race gaande. Grote Amerikaanse techreuzen gooien er miljarden dollars tegenaan om zéker niet de boot te missen.

Veel datacenters nodig voor AI

Deze miljarden gaan voor een belangrijk deel naar datacenters die de AI-modellen draaiend moeten houden. En dáár zit ook direct het milieumanco van AI: het slurpt energie. Hoeveel precies, daarover lopen de cijfers uiteen. Maar dat het veel is, en dat het verbruik voorlopig gaat toenemen, is wel helder.

Grote technologiebedrijven staan niet bekend om hun ambitie om minder winst te gaan maken, dus ze willen waarschijnlijk ook rendement van al de miljardeninvesteringen. Dat duidt dus niet op een afbouw van het AI-gebruik op korte termijn. Tegelijkertijd kan AI juist ook een rol spelen bij het versnellen van verduurzaming, maar daar komen we in een later vervolgartikel op terug. Dit artikel focust op het gebruik van AI-toepassingen binnen ondernemingen.

Generatieve AI neemt een vlucht

Om eerst nog even de AI-wereld een klein beetje af te bakenen: AI bestaat al heel lang, maar de vorm die de afgelopen jaren een enorme vlucht heeft genomen, staat dus bekend als generatieve AI. De belangrijkste aanjager is ChatGPT, dat generatieve AI voor iedereen bereikbaar heeft gemaakt. Dat komt doordat je als gebruiker geen uitgebreide programmeerkennis nodig hebt. Op basis van een zogeheten prompt (artikel) kan ChatGPT een tekst voor je maken.

Modellen trainen op basis van datasets

Dat is in AI-land eigenlijk nog maar het begin van de ontwikkelingen. Er komen steeds meer toepassingen bij die niet alleen opdrachten uit kunnen voeren, maar ook zelf actie kunnen ondernemen, de zogenoemde ‘AI agents’ (kijk bijvoorbeeld eens rond in de database There’s an AI for that).

Hoewel de toepassingen simpel te gebruiken zijn, werkt AI onder de motorkap met uitgebreide modellen en statistische berekeningen. De modellen moeten eerst uitgebreid getraind worden, op basis van een gigantische dataset. Het grootste deel van het energieverbruik zit ook in deze trainingsfase. Want een enorme berg data verwerken kost veel rekenkracht van computers, en daarmee energie.

Energieverbruik en waterverbruik van AI

De fikse groei in toepassingen brengt dus tot nu toe ook meer uitstoot met zich mee. Zo meldt Google in zijn duurzaamheidsverslag over 2023 dat de totale uitstoot van broeikasgassen van het concern vorig jaar met 13% zijn gestegen ten opzichte van een jaar eerder. Dat komt voor een belangrijk deel doordat datacenters meer energie opsouperen.

In een internationaal vaak aangehaald onderzoek (pdf) maakt de Nederlandse wetenschapper Alex de Vries een inschatting van het wereldwijde elektriciteitsverbruik van servers voor AI. De Vries becijfert dat dit verbruik in 2027 richting de pakweg 85 tot 134 terrawattuur (TWh) per jaar kan gaan. Dat komt in de buurt van het jaarverbruik van een land als Nederland, dat rond de 116 TWh ligt. En naast elektriciteit kent AI ook een hoog waterverbruik, vanwege het koelen van al die datacenters.

Beleid voor verantwoord AI-gebruik

Nu het gebruik van generatieve AI zo’n enorme vlucht heeft genomen, ook op de werkvloer, stellen veel ondernemingen ook beleid op voor het verantwoord omgaan met AI. Dat is sowieso nuttig, want er kleven ook risico’s aan het gebruik van generatieve AI (artikel). Zo is het op privacyvlak bijvoorbeeld belangrijk dat er geen persoonsgegevens terechtkomen in de database die je AI-toepassingen gebruiken. Een voorbeeld van een AI-reglement vind je hier.

Afhankelijk van grote AI-aanbieders

Het AI-protocol van je onderneming is ook een logische plek om aandacht te besteden aan duurzaamheid. Daarbij geldt wel een kleine waarschuwing vooraf. Want hoewel je natuurlijk prima in het protocol kunt zetten dat de onderneming ‘bij voorkeur kiest voor duurzame AI’, is het nog de vraag hoeveel invloed een kleine ondernemer momenteel heeft op hoe duurzaam de AI-toepassingen zijn.

Het vanaf nul opbouwen van een AI-toepassing is voor een doorsnee mkb’er nu eenmaal vrijwel nooit rendabel. Dat kost een hoop tijd en geld voor het inhuren van specialisten en computerkracht. Je bent dus voor een groot deel afhankelijk van hoe groen de aanbieders van AI bezig zijn. Dat geldt trouwens niet alleen voor de impact op het milieu, maar ook voor de sociale omstandigheden in de AI-productieketen.

Onderneming op AI-dieet?

Al is er natuurlijk wel één ding waar je als ondernemer zelf bij uitstek invloed op hebt: een ‘AI-dieet’. Misschien enigszins flauw, maar het is zoals het is: de AI die je onderneming niet gebruikt, verbruikt ook geen energie.

Helemaal wegblijven bij AI kan ertoe leiden dat je kansen mist, maar de AI-kracht niet voor elk wissewasje inzetten kan een mooie tussenweg zijn. En op zich is een AI-protocol wel bij uitstek de plek om afwegingen te maken waarvoor je AI wel en niet wilt gebruiken.

Handvatten voor selectiecriteria

Dat je afhankelijk bent van aanbieders, neemt niet weg dat er natuurlijk wel duurzaamheidsaspecten zijn waar je op kunt letten bij het kiezen van AI-toepassingen. Het kost wel de nodige research, maar als je de mogelijkheden om AI duurzamer te maken kent, kun je je wel enigszins een beeld vormen van hoe duurzaam de toepassing is die je op het oog hebt. Dat geeft misschien wat richting om de selectiecriteria in je AI-protocol concreter te maken.

Een kleine online rondgang laat zien dat er onder meer deze wegen zijn die AI-aanbieders kunnen bewandelen om groener te werken:

• Hergebruik van modellen en trainingsdata, modellen beschikbaar stellen voor andere ontwikkelaars (‘open source’) en het gebruik van efficiëntere hardware.
• Dataminimalisatie: gebruik alleen de minimaal benodigde hoeveelheid data voor het trainen van AI-modellen.
• Duurzame energie gebruiken voor het laten draaien van onder meer datacenters.

Hergebruik scheelt nieuwe training

Om met het hergebruik te beginnen: zoals gezegd gaat het leeuwendeel van het energieverbruik op aan het trainen van AI-modellen. Als je voor nieuwe toepassingen van je model niet steeds vanaf nul begint te trainen maar databases of modellen (deels) kunt hergebruiken, scheelt dat rekenkracht en dus energie. Dat geldt ook voor open-source-werken, waarbij andere ontwikkelaars kunnen voortbouwen op een model dat al getraind is.

Wat de hardware betreft: het helpt als bijvoorbeeld de servers die gebruikt worden voor de training energiezuiniger worden of als in elk geval een zo groot mogelijk deel van de capaciteit wordt gebruikt, zodat daar geen verlies optreedt.

Een ‘small language model’ als basis

Minder data gebruiken voor de training van AI-modellen is ook een methode waar diverse grote aanbieders op inzetten, al dan niet gecombineerd met hergebruik. Want: hoe minder data het model hoeft te verwerken, hoe minder rekenkracht en dus energie er nodig is.

Bij je zoektocht naar toepassingen kun je dan bijvoorbeeld letten op het gebruik van een zogenaamd ‘small language model’ (SLM). Dit is de tegenhanger van een ‘large language model’ (LLM), dat bijvoorbeeld door ChatGPT wordt gebruikt.

Zelf dataminimalisatie inzetten

Als gebruiker kun je ook bijdragen aan dataminimalisatie als je in een AI-tekstgenerator een op jouw onderneming toegesneden model inzet. Veel aanbieders hebben namelijk een zakelijke variant waarbij je eigen data kunt invoeren. Je hoeft het model dan niet telkens te vertellen dat je in teksten geen ‘u’ maar ‘je’ gebruikt. Om maar wat te noemen.

Ook dit model moet leren wat jouw huisstijl is, maar daarbij kun je er dus wel op letten dat je bij de training niet méér data invoert dan strikt noodzakelijk is. Dat helpt overigens niet alleen het milieu, maar ook het model. Door streng te selecteren op welke data het AI-model zich moet baseren, krijg je als het goed is een gerichtere zoektocht en dus ook betere uitkomsten.

Datacenters op groene energie

Ook over het verduurzamen van de energievoorziening is met enig graafwerk wel informatie te vinden die je kunt betrekken bij je keuzes. Wel moeten bijvoorbeeld de datacenters kunnen doordraaien als er geen zon of wind is, dus opslag van opgewekte energie in batterijen is óók nodig.

Technologiebedrijven werken wel aan het vergroenen van de energievoorziening, maar dat is niet van vandaag op morgen geregeld. En deels loopt het nu ook nog via ‘matching’. Daarbij wordt simpel gezegd de uitstoot van datacenters die zelf draaien op fossiele brandstoffen gecompenseerd met het kopen van certificaten van duurzaam opgewekte energie elders. Dat wil dus zeggen dat er geld wordt gestoken in hernieuwbare energie, maar daarmee is de energievoorziening van het datacenter zelf dus nog niet duurzaam.