Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting
Dit artikel stelt een gestandaardiseerde vierlagige methodologie voor om de emissies van AI-inferentie onder Scope 3 Categorie 1 van de CSRD nauwkeurig te rapporteren, waarbij onnauwkeurige generieke economische factoren worden vervangen door precieze, op tokens gebaseerde fysieke berekeningen die aanzienlijk lagere koolstofvoetafdrukken onthullen en kritieke water-koolstofafwegingen in strategieën voor de locatie van datacenters benadrukken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je bedrijf als een groot huishouden is. Jarenlang heb je bijgehouden hoeveel elektriciteit je verbruikt voor je lampen en koelkast (Scope 1 en 2). Maar nu ben je ook "slimme diensten" gaan inkopen van externe bedrijven — zoals AI-chatbots, geautomatiseerde schrijftools en slimme assistenten.
De nieuwe Europese regels (CSRD) zeggen dat je ook de milieu-impact van deze externe diensten moet rapporteren. Het probleem is dat niemand weet hoe je de "CO2-voetafdruk" van een digitaal gesprek moet meten.
Dit artikel, geschreven door Guillermo Llopis, fungeert als een gebruikershandleiding om dit mysterie op te lossen. De auteur stelt dat huidige methoden lijken op het proberen te wegen van een veer door het gewicht te raden op basis van de prijs van een zak zand — ze zijn extreem onnauwkeurig. In plaats daarvan stelt de auteur een vierstapsladder van nauwkeurigheid voor, afhankelijk van hoeveel data je bedrijf daadwerkelijk kan vinden.
Hier is de uitsplitsing van de kernideeën van het artikel met behulp van eenvoudige analogieën:
1. Het Probleen: De "Zak Zand"-fout
Momenteel schatten veel bedrijven de CO2-kosten van AI in door te kijken naar hoeveel ze hebben uitgegeven. Ze gebruiken een generieke formule die zegt: "Elke euro uitgegeven aan computerdiensten creëert X hoeveelheid vervuiling."
Het artikel noemt dit de EEIO-methode. Het is alsof je probeert te berekenen hoeveel water een specifieke douche gebruikt door naar je totale waterrekening en de prijs van een bezoek van een loodgieter te kijken. Het bevat de kosten van de tijd van de loodgieter, de vrachtwagen en de winst, niet alleen het water.
- Het resultaat: Deze methode overschat de AI-vervuiling met 10 tot 40 keer. Het is alsof je zegt dat je digitale chatbot net zo vuil is als een kolencentrale, simpelweg omdat je er betaald voor hebt.
2. De Oplossing: De Vierstapsladder
In plaats van te gokken, suggereert het artikel om een ladder te beklimmen. Je begint bovenaan (meest nauwkeurig) en gaat pas naar beneden als je de data niet hebt.
- Niveau 3 (De Gouden Standaard): De AI-provider geeft je een geverifieerd, gecontroleerd rapport waarin staat: "Deze specifieke dienst gebruikte exact deze hoeveelheid energie."
- Status: Niemand biedt dit momenteel nog aan. Dit is het "droomniveau".
- Niveau 2a (De Bonnencontrole): Je hebt toegang tot het facturatieportaal van de AI. Je kunt precies zien hoeveel "tokens" (de digitale woorden die de AI heeft verwerkt) je hebt gebruikt.
- Hoe het werkt: Je neemt het aantal tokens, vermenigvuldigt dit met een bekende energiebenchmark (zoals de verbruik per kilometer van een auto) en vermenigvuldigt dit met de zuiverheid van het lokale elektriciteitsnet.
- Analogie: Het is alsof je naar je tankbon kijkt om precies te zien hoeveel liters je hebt bijgetankt, in plaats van te gokken op basis van het merk en model van je auto.
- Niveau 2b (De Beste Gok): Je hebt geen toegang tot het aantal tokens, maar je weet hoeveel berichten er zijn verzonden of hoeveel mensen de tool hebben gebruikt.
- Hoe het werkt: Je schat het aantal tokens in op basis van het aantal berichten (bijv. "1 bericht = 400 tokens").
- Analogie: Het is alsof je je brandstofverbruik schat door te tellen hoe vaak je naar de winkel bent gereden, uitgaande van een standaard ritlengte. Het is minder precies, maar beter dan niets.
- Niveau 1 (Het Laatste Redmiddel): Je weet alleen hoeveel je hebt betaald voor een softwareabonnement dat AI bevat, maar je kunt het AI-gebruik helemaal niet inzien.
- Hoe het werkt: Je gebruikt de oude, onnauwkeurige "bestedingsgebaseerde" methode.
- Waarschuwing: Het artikel zegt dat dit getal waarschijnlijk een enorme overschatting is (zoals de "zak zand"-methode). Je moet het rapporteren als een "worst-case scenario" in plaats van als een feit.
3. De Grote Verrassing: Locatie is belangrijker dan Grootte
Het artikel ontdekte een tegenintuïtief feit: Waar de AI leeft, is belangrijker dan wat de AI doet.
- De Analogie: Stel je twee identieke auto's voor. De ene wordt in Zweden bestuurd (waar de elektriciteit afkomstig is van schone waterkracht), en de andere in Singapore (waar elektriciteit afkomstig is van fossiele brandstoffen).
- De Bevinding: De auto in Singapore vervuilt 13 keer meer dan de auto in Zweden, zelfs als ze exact dezelfde afstand afleggen.
- De Les: Een bedrijf dat een "klein" AI-model gebruikt in een regio met een vervuild stroomnet, kan meer vervuilen dan een bedrijf dat een "reusachtig" AI-model gebruikt in een regio met een schoon stroomnet.
4. De Verborgen Afweging: De "Schoon maar Nat"-paradox
Het artikel keek ook naar waterverbruik. Datacenters hebben water nodig om af te koelen, en het opwekken van elektriciteit verbruikt vaak ook water.
- De Paradox: Zweden heeft de schoonste lucht (laagste CO2) vanwege de waterkrachtcentrales. Maar die dammen gebruiken een enorme hoeveelheid water.
- Het Resultaat: Zweden is de "groenste" plek voor CO2, maar de "natste" plek voor waterverbruik. Ierland is daarentegen een "sweet spot": het heeft goede CO2-cijfers en verbruikt zeer weinig water.
- De Les: Als je alleen naar CO2 kijkt, kies je misschien de verkeerde locatie. Je moet naar zowel CO2 als water kijken om een echt groene keuze te maken.
5. De Kern van de Zaak: Het is een Papierwerkprobleem, Geen Monsterprobleem
Het artikel voerde een simulatie uit met een typisch Europees bedrijf van 200 werknemers.
- Het Resultaat: De totale vervuiling van hun AI-gebruik was minder dan 1 ton CO2.
- De Context: Dat is minder dan de vervuiling van enkele werknemers die een maand lang naar hun werk pendelen.
- De Werkelijkheid: De emissies zijn niet enorm, maar de regels zijn streng. Bedrijven kunnen niet zeggen: "We wisten niet hoe we het moesten meten." Ze moeten de ladder-methode gebruiken om de beste beschikbare data te vinden.
Samenvattend: Dit artikel geeft bedrijven een duidelijk, stapsgewijs recept om te stoppen met gokken en te beginnen met het nauwkeurig meten van hun AI-vervuiling. Het waarschuwt hen dat geld uitgeven niet gelijkstaat aan vervuiling, dat locatie de grootste hefboom is die ze kunnen gebruiken, en dat ze alert moeten zijn op verborgen waterkosten. De data is er al; ze hadden alleen een kaart nodig om het te vinden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.