Konsumsi energi global dari kecerdasan buatan diproyeksikan dapat menggandakan jumlahnya pada tahun 2030, menurut laporan baru Perserikatan Bangsa-Bangsa yang dirilis pada 7 Juni 2026. Dokumen tersebut memperkirakan bahwa pada akhir dekade ini, sektor AI akan mengonsumsi sekitar 3% dari seluruh listrik yang dihasilkan di dunia. Emisi karbon yang dihasilkan dari konsumsi energi tersebut diperkirakan setara dengan total emisi tahunan Inggris. Lebih mengkhawatirkan lagi, kebutuhan air untuk mendinginkan sistem AI diperkirakan melampaui volume air minum yang dikonsumsi oleh seluruh populasi global setiap tahun. Laporan yang tersedia di situs UNU ini menganalisis biaya lingkungan AI dari sisi energi, karbon, air, dan penggunaan lahan.
Paradoks Jevons dan Bahaya Efisiensi Semu
Laporan PBB tersebut menggunakan kerangka konsep ekonomi yang dikenal sebagai paradoks Jevons, yang pertama kali dirumuskan pada abad ke-19 oleh ekonom William Stanley Jevons. Teori ini menyatakan bahwa peningkatan efisiensi dalam penggunaan suatu sumber daya tidak selalu mengurangi konsumsi totalnya — sebaliknya, saat teknologi menjadi lebih murah dan lebih mudah diakses, penggunaannya cenderung meluas sehingga meningkatkan permintaan secara keseluruhan. Jevons mengamati fenomena ini di Inggris era Victoria, di mana perbaikan efisiensi batu bara justru memicu lonjakan konsumsi, bukan penurunan. Dalam konteks kecerdasan buatan, logika serupa berlaku: model yang lebih efisien justru dapat mendorong adopsi yang lebih besar, menciptakan aplikasi baru di berbagai sektor, dan pada akhirnya mengimbangi — atau bahkan melampaui — keuntungan teknis yang diperoleh.
Ketika Efisiensi Memicu Konsumsi Lebih Besar
Dengan biaya operasional yang lebih rendah dan aksesibilitas yang semakin tinggi, kecerdasan buatan cenderung diintegrasikan ke dalam lebih banyak proses produksi dan layanan. Laporan tersebut mencatat bahwa dinamika ini sudah berlangsung: pada tahun 2025, pusat data global mengonsumsi listrik setara dengan konsumsi energi Arab Saudi, salah satu negara dengan pemakaian energi tertinggi di dunia. Jika konsumsi ini berlipat ganda hingga akhir dekade, diperlukan sekitar 6,7 miliar pohon yang ditanam selama sepuluh tahun hanya untuk mengompensasi emisi yang dihasilkan. Skenario ini memperkuat tesis bahwa efisiensi teknis saja tidak cukup untuk menyelesaikan masalah lingkungan yang ditimbulkan oleh AI.
Dampak Lingkungan yang Mengerikan
Selain konsumsi energi, infrastruktur yang diperlukan untuk mendukung ekspansi AI diperkirakan membutuhkan sekitar 9,3 triliun liter air dan area fisik hampir sepuluh kali lebih besar dari luas Kota Meksiko. Laporan juga menyoroti konsentrasi geografis infrastruktur AI global: saat ini hanya 32 negara yang menjadi tuan rumah sistem komputasi awan yang didedikasikan untuk AI, dan sekitar 90% dari kapasitas tersebut terkonsentrasi di Amerika Serikat dan China. Menurut para penulis, ketimpangan ini dapat memperdalam kesenjangan digital global, membuat banyak negara hanya menjadi konsumen teknologi sementara menanggung dampak lingkungan terkait penambangan mineral dan pembuangan limbah elektronik.
Pengaruh Jenis Tugas dan Pemilihan Model
Dokumen tersebut menekankan bahwa dampak lingkungan dari AI sangat bergantung pada frekuensi penggunaan dan jenis aplikasi yang dijalankan. Tugas seperti pembuatan teks, pemrograman, penciptaan gambar, dan produksi video memerlukan tingkat pemrosesan komputasi yang berbeda, yang secara langsung memengaruhi konsumsi energi dan sumber daya. Pemilihan model juga memegang peranan penting, karena sistem yang berbeda memiliki biaya lingkungan yang beragam untuk menjalankan tugas serupa. Menghadapi kenyataan ini, PBB mengusulkan serangkaian prinsip untuk mengarahkan pengembangan teknologi yang berkelanjutan, termasuk transparansi, efisiensi sejak awal perancangan, tanggung jawab sepanjang siklus hidup, kesetaraan, kerja sama internasional, dan penggunaan sumber daya alam yang berkelanjutan.
Rekomendasi dan Risiko Regulasi yang Terlalu Ringan
Di antara rekomendasi laporan tersebut adalah penerapan laporan lingkungan secara berkala selama pengembangan dan pengoperasian sistem AI. Studi tersebut juga menyarankan agar pemerintah memasukkan proyeksi permintaan AI ke dalam perencanaan energi dan iklim mereka. Kekhawatiran ini menjadi semakin relevan seiring kecerdasan buatan mulai diintegrasikan ke dalam layanan publik. Negara-negara seperti Selandia Baru dan Australia telah menerapkan strategi nasional untuk memperluas penggunaan AI di lembaga pemerintah — Selandia Baru menciptakan kerangka kerja untuk mengadopsi AI di sektor publik, sementara Australia menjalankan proyek transkripsi otomatis arsip audiovisual dan dukungan pemrosesan permintaan pemerintah. Namun, laporan tersebut mencatat bahwa kedua negara mengadopsi model regulasi yang tergolong ringan, berfokus pada prinsip-prinsip umum. Menurut para penulis, pendekatan semacam ini dapat mengesampingkan dampak lingkungan yang terkait dengan ekspansi kecerdasan buatan. Dokumen tersebut mendorong analisis yang mencakup seluruh rantai produksi AI, mulai dari ekstraksi bahan baku hingga daur ulang dan pembuangan peralatan yang digunakan. Tanpa pandangan sistemik seperti itu, keuntungan efisiensi bisa jadi dihapuskan oleh pertumbuhan penggunaan teknologi yang cepat.