Teknologi kecerdasan buatan (AI) berkembang dengan sangat cepat dan kini menjadi bagian penting dalam aktivitas digital sehari-hari, mulai dari mesin pencari, platform media sosial, hingga model generatif yang mampu membuat teks, gambar, maupun video. Namun di balik kemajuan ini, ada isu lingkungan yang semakin disorot yaitu jejak karbon AI.

Semakin besar dan kompleks model AI, semakin tinggi pula kebutuhan energi untuk melatih dan mengoperasikannya. Akibatnya, konsumsi listrik pusat data (data center) meningkat dan berkontribusi terhadap emisi karbon global. Artikel ini membahas skala emisi AI, penyebabnya, serta langkah yang sedang dilakukan untuk membuat AI lebih ramah lingkungan.

Mengapa Jejak Karbon AI Meningkat dengan Cepat

Model AI modern membutuhkan kapasitas komputasi yang sangat besar. Proses pelatihan model skala besar seperti large language models (LLM) dapat berlangsung berminggu-minggu di pusat data yang menggunakan ribuan GPU. Hal ini mengonsumsi listrik dalam jumlah tinggi, terutama jika pusat data masih bertumpu pada energi fosil.

Sebuah studi penting dari University of Massachusetts Amherst (Strubell et al., 2019) menunjukkan bahwa pelatihan model NLP yang kompleks dapat menghasilkan ratusan ribu pon CO₂ yang bergantung pada konfigurasi dan jumlah eksperimen. 

Sementara itu, International Energy Agency (IEA) memperkirakan bahwa konsumsi listrik pusat data global dapat meningkat drastis pada dekade ini, terutama akibat pertumbuhan permintaan AI. Dalam laporannya, IEA menyatakan bahwa peningkatan kapasitas AI dapat menjadi salah satu pendorong utama lonjakan konsumsi energi dunia jika tidak diimbangi efisiensi dan sumber energi bersih.

Faktor Utama yang Menyebabkan Tingginya Jejak Karbon AI

1. Pelatihan model berskala besar

LLM modern memiliki puluhan hingga ratusan miliar parameter. Proses pelatihan model sebesar ini dapat mengonsumsi energi dalam jumlah sangat besar dan berlangsung lama.

2. Jumlah data yang masif

AI membutuhkan dataset dengan skala sangat besar yang diproses berulang kali. Semakin besar dataset, semakin besar kebutuhan komputasi dan energi.

3. Pusat data yang belum sepenuhnya menggunakan energi terbarukan

Walaupun perusahaan teknologi mulai beralih ke sumber energi hijau, sebagian besar pusat data global masih bergantung pada listrik dari bahan bakar fosil.

4. Inference dalam skala global

Tidak hanya pelatihan, proses menjalankan AI (inference) untuk jutaan pengguna setiap hari juga menghasilkan konsumsi energi yang signifikan.

5. Kebutuhan pendinginan server

GPU dan server bertenaga tinggi menghasilkan panas yang memerlukan sistem pendinginan intensif yang memakan energi tambahan.

Seberapa Besar Emisi yang Dihasilkan AI?

Estimasi jejak karbon AI sangat bervariasi karena dipengaruhi lokasi pusat data, jenis chip, metode pelatihan, dan sumber listrik. Namun beberapa temuan kredibel memberi gambaran umum:

Fakta-fakta Mengenai Emisi yang Dihasilkan AI:

• IEA menyatakan bahwa permintaan energi dari AI berpotensi memberi tekanan besar pada konsumsi listrik pusat data global, seiring peningkatan penggunaan model generatif.

• Analisis beberapa lembaga menunjukkan bahwa satu permintaan AI generatif dapat menggunakan energi hingga berkali-kali lipat dibanding pencarian internet biasa. Rasio pastinya berbeda per model, tetapi studi IEA menyebutkan bahwa konsumsi energi per query AI memang secara signifikan lebih tinggi.

• Studi pada pelatihan model ratusan miliar parameter menunjukkan bahwa emisi total dapat berkisar dari puluhan hingga lebih dari 100 ton CO₂ yang bergantung pada lokasi pelatihan dan campuran energi
• Artikel ilmiah terbaru dari Nature (2025) menegaskan bahwa konsumsi energi AI dapat meningkat berlipat ganda dalam beberapa tahun mendatang jika tidak ada intervensi efisiensi.

Data ini menunjukkan bahwa pertumbuhan AI membawa konsekuensi energi yang cukup besar, terutama untuk model generatif dan model berskala sangat besar.

Upaya Mengurangi Jejak Karbon AI

1. Inisiatif Industri

• Migrasi pusat data ke energi terbarukan seperti angin dan surya.

• Pengembangan model yang lebih efisien melalui model compression, quantization, dan optimisasi arsitektur.

• Penggunaan chip yang lebih hemat energi seperti GPU generasi baru atau prosesor khusus AI.

2. Inovasi Teknologi

• Pendekatan Green AI, yang menekankan efisiensi energi sebagai bagian dari desain model.

• Penempatan pusat data di wilayah bersuhu rendah untuk mengurangi kebutuhan pendinginan.

• Algoritma pelatihan baru yang mengurangi jumlah komputasi tanpa mengorbankan performa.

3. Peran Pemerintah dan Pengguna

• Kebijakan energi bersih untuk pusat data dan insentif efisiensi energi.

• Transparansi perusahaan mengenai jejak karbon model yang mereka rilis.

• Penggunaan AI secara bertanggung jawab oleh pengguna dan industri.

Jejak karbon AI adalah isu penting yang muncul seiring pesatnya perkembangan teknologi kecerdasan buatan. Proses pelatihan dan penggunaan model besar membutuhkan energi sangat besar, sehingga berpotensi meningkatkan emisi global jika tidak dikelola dengan baik.

Namun, industri dan peneliti di seluruh dunia mulai mengambil langkah strategis dari penggunaan energi terbarukan hingga desain model yang lebih efisien. Dengan inovasi yang tepat masa depan AI yang lebih hijau dan berkelanjutan sangat mungkin diwujudkan.