Исследование npj Climate Action предлагает неприятную проверку AI-оптимизма: если модели сильнее ускорят нефть и газ, чем renewables, глобальные выбросы могут вырасти. Что тогда считать AI-эффектом?

В статье AI рассматривается не только как потребитель энергии, но и как productivity multiplier для целых отраслей.

Он может помогать балансировать энергосистему, ускорять разработку материалов и повышать эффективность renewables. Но тот же класс инструментов может улучшать разведку месторождений, добычу, логистику и обслуживание инфраструктуры нефти и газа.

Авторы моделируют несколько сценариев параллельного внедрения AI. В сценарии, где производительность растет и в fossil-, и в renewable-секторе, годовые чистые выбросы увеличиваются примерно на 0,47–1,8 Гт CO2.

Чтобы AI дал чистое снижение выбросов, прирост производительности в renewables должен быть примерно в 4–5 раз выше, чем в fossil-секторе.

Это не измерение фактических мировых выбросов и не прогноз на конкретный год. Это результат глобальной energy–economy-модели. Но именно поэтому он полезен для governance: эффект технологии зависит не только от того, сколько энергии потребляет дата-центр, но и от того, какую производственную систему он делает быстрее.

Если оценивать AI только через PUE, углерод на inference и долю возобновляемой энергии в дата-центре, можно пропустить главный второй порядок эффекта.

Для AI-продукта и инвестиционного решения я бы добавил отдельные вопросы:

— какие отрасли получают наибольший прирост производительности;

— сокращает ли оптимизация выбросы или делает дешевле дополнительное производство;

— какие эффекты возникают у поставщиков, клиентов и инфраструктуры вокруг продукта;

— что происходит с результатом при масштабировании, а не на пилоте;

— какие сценарии дают рост выбросов даже при более эффективной модели.

MIT Sloan подводит к той же управленческой проблеме: климатическую пользу AI нельзя считать отдельно от стоимости его энергии и инфраструктуры.

The Guardian формулирует риск жестче: если AI будет сильнее ускорять fossil-сектор, чем зеленую энергетику, технологический прогресс может не заменить старую систему, а укрепить ее.

Практический вывод для BigTech, банков и engineering leadership: ESG-метрика AI должна учитывать не только footprint самой модели, но и направление производительности, которую она добавляет рынку.

Иначе можно построить очень эффективную систему, которая ускоряет не переход к более чистой экономике, а масштабирование прежней.

Какой показатель вы бы сделали обязательным для AI-проекта: углерод на inference, avoided emissions, induced emissions или карту отраслей, которые он ускоряет?

Источники:

npj Climate Action, 04.08.2026: https://www.nature.com/articles/s44168-026-00411-0.pdf

MIT Sloan, 12.08.2026: https://mitsloan.mit.edu/ideas-made-to-matter/can-ais-climate-benefits-outweigh-its-costs

The Guardian, 11.08.2026: https://www.theguardian.com/technology/2026/aug/11/ai-will-do-more-to-boost-fossil-fuel-production-than-green-energy

#AI #climate #ESG #governance #energy #BigTech #fintech #izagprog