İş Yerlerinde Yapay Zekâ Kullanımı Elektrik Tüketimini Ne Kadar Artırıyor?
İngiltere’de çalışanların yapay zekâ araçlarını iş süreçlerinde kullanması, günlük elektrik tüketimini veri merkezlerine taşıyan yeni bir talep oluşturuyor. Uswitch Business Energy verileri ile YouGov araştırmasının birlikte değerlendirilmesi, ülkede her iş gününde yaklaşık 22 milyon yapay zekâ istemi üretildiğine işaret ediyor. Google’ın Gemini için paylaştığı enerji tahmini esas alındığında söz konusu kullanımın yalnızca İngiltere’de iş günleri üzerinden yılda yaklaşık 1,37 GWh elektrik tüketimine karşılık geldiği hesaplanıyor.
İngiltere’de Yapay Zekâ İstemleri Milyonlarca Günlük İşlem Oluşturuyor
İngiltere’de yapılan araştırmalar, çalışanların yapay zekâyı e-posta hazırlama, idari işleri otomatikleştirme ve veri analizi gibi günlük görevlerde giderek daha fazla kullandığını gösteriyor. Uswitch Business Energy, ortalama bir ekibin günde 24 yapay zekâ istemi ürettiğini belirlerken YouGov verilerindeki çalışan kullanım oranı farklı bir hesaplamaya temel oluşturuyor.
YouGov araştırmasına göre İngiliz çalışanların yüzde 32’si iş sırasında yapay zekâ kullanıyor. Ortalama ekip büyüklüğünün 12 kişi kabul edilmesi, çalışan başına günde yaklaşık iki istem varsayımıyla birlikte değerlendirildiğinde ülkedeki toplam kullanım 22 milyon istemlik günlük seviyeye ulaşıyor.
İngiltere’deki iş kolları arasında yapay zekâ kullanımının yoğunluğu aynı seviyede bulunmuyor. IT ve telekomünikasyon ekipleri günde ortalama 35 istemle ilk sırada yer alırken finans ekiplerinde 29, eğitim sektöründe 22, sağlık sektöründe ise 21 istemlik kullanım hesaplanıyor.
Yaş grupları da kullanım sıklığında belirgin farklılık oluşturuyor. 25-34 yaş arasındaki çalışanların ekiplerinde günde ortalama 30 yapay zekâ destekli görev görülürken daha genç çalışanlarda bu sayı 27, 55 yaş üzerindeki çalışanlarda ise 18 seviyesinde kalıyor.
Google’ın Gemini için verdiği tahmin, ortalama bir metin isteminin yaklaşık 0,24 watt-saat elektrik tükettiğini gösteriyor. İngiltere’deki tahmini günlük kullanım bu değerle çarpıldığında iş günlerinde yaklaşık 5,28 MWh elektrik tüketimi ortaya çıkıyor ve yıllık karşılık yaklaşık 1,37 GWh seviyesine ulaşıyor.
Söz konusu tüketim doğrudan ofislerdeki bilgisayarlardan kaynaklanmıyor çünkü yapay zekâ işlemleri çoğunlukla sağlayıcıların veri merkezlerinde gerçekleştiriliyor. Hesaplama, yapay zekâ hizmetlerinin işletmelerin toplam enerji ayak izine eklediği dolaylı tüketimi anlamak açısından önem taşıyor.
Yapay zekâ modellerinin eğitimi yüksek miktarda elektrik gerektiren bir süreç olarak öne çıkıyor. Güncel öncü modellerin eğitimi için üç ay boyunca 20-25 MW düzeyinde güç kullanıldığına ilişkin tahminler bulunurken toplam enerji tüketimi yaklaşık 43-54 GWh seviyesine çıkabiliyor.
MIT Technology Review tarafından aktarılan araştırmalar ise model eğitiminin yapay zekânın toplam enerji kullanımında sanıldığı kadar büyük bir paya sahip olmayabileceğini ortaya koyuyor. Model çıkarımı olarak adlandırılan kullanım aşaması, metin istemleri, görüntü oluşturma ve diğer kullanıcı işlemleri sürekli tekrarlandığı için yapay zekânın toplam enerji ayak izinin yüzde 90’ına kadarını oluşturabiliyor.
Bir şirketin çalışanları tarafından gönderilen tek bir istemin enerji karşılığı düşük kalırken milyonlarca günlük işlem büyük veri merkezi kümelerinde sürekli hesaplama talebi oluşturuyor. OpenAI’nin daha önce açıkladığı günlük 2,5 milyar ChatGPT sorgusu, bireysel işlemlerin küresel ölçekte nasıl büyük bir altyapı talebine dönüştüğünü gösteren örneklerden biri olarak öne çıkıyor.
Veri merkezi operatörleri, yapay zekâ çıkarımındaki artışı karşılamak için daha yüksek hesaplama kapasitesine sahip GPU sistemleri kurarken elektrik şebekeleri de artan yükü karşılamak zorunda kalıyor. AI altyapısı elektrik tüketimi yalnızca model eğitimi sırasında değil kullanıcıların gün boyunca gerçekleştirdiği sürekli çıkarım işlemleri sırasında da büyüyor.
İşletmeler ofislerdeki aydınlatma, ısıtma ve bilgisayar ekipmanlarının elektrik tüketimini ölçerken yapay zekâ servislerinin veri merkezlerinde oluşturduğu dolaylı tüketimi genellikle ayrı bir kalem olarak takip etmiyor. Uswitch, yapay zekânın iş süreçlerine daha fazla yerleşmesiyle şirketlerin dijital araçların toplam enerji ayak izindeki payını da değerlendirmesi gerektiğini savunuyor.
Kuruluşların yapay zekâ kullanımını azaltması için temel gerekçe yalnızca elektrik tüketimi olmak zorunda kalmıyor çünkü kullanım miktarının artması farklı ücretlendirme modelleriyle doğrudan maliyetlere de yansıyabiliyor. Şirketlerin çalışan başına kullanım politikaları, model seçimi, istem uzunluğu ve gereksiz tekrarları azaltan kurallar üzerinden yapay zekâ tüketimini yönetmesi, enerji ile operasyon maliyetlerini aynı çerçevede değerlendirmelerine yardımcı olabilir.
