פליטות פחמן של מיקרוסופט עלו ב-25%, והבינה המלאכותית אשמה

מיקרוסופט, בינה מלאכותית וחשבון הפחמן

לפי דיווח של Oregon Public Broadcasting, פליטות הפחמן של מיקרוסופט עלו ב-25% בשנה האחרונה, וזאת בעולם שצפוי להיות בעמדת מנהיגות סביבתית. הגורם העיקרי? השקעות ענקיות בתשתיות בינה מלאכותית, בעיקר מרכזי נתונים וגיאוגרפיה חדשה שמנוהלת על ידי OpenAI ושותפים אחרים.

המספרים מדברים בעד עצמם:

• צריכת החשמל של מיקרוסופט עלתה ב-23%
• Scope 3 (פליטות עקיפות מספקים) עלה ב-29%
• זו לא מגמה זמנית, זו נדידה שתלווה את תעשיית הבינה המלאכותית עוד שנים רבות

מדוע זה משנה לעסק ישראלי?

הבעיה הארגונית

אם אתה משתמש ב-Microsoft 365 עם Copilot או Azure AI, אתה בעצם בעל זקיפה בפליטות של מיקרוסופט. זה לא ישיר, אבל זה אמיתי.

קנייני תקציב בחברות בישראל כבר מתחילים להעלות שאלות:

• "מה ה-ESG שלכם?" (Environmental, Social, Governance)
• "כמה פחמן אני צורך בעת שימוש בכלי זה?"
• "האם יש אלטרנטיבה ירוקה יותר?"

זה עדיין לא חובה בישראל, אבל הטרנד בעולם ברור: קונים, בנקים וקרנות השקעות מתחילים לסנן ספקים לפי ESG. בעוד מספר שנים, זה יכול להיות קריטריון חיוני גם כאן.

הפרדוקס של הבינה המלאכותית

הבעיה היא פרדוקסלית: כדי שתוכל להשתמש בבינה מלאכותית בעלות סבירה, מיקרוסופט (וגוגל, ואפל, וכל השאר) צריכים לבנות מרכזי נתונים ענקיים בעוצמת חשמל ענקית, וזה צורך משאבים רבים. המרכזים האלה רצים 24/7, וגם כשאתה לא משתמש בהם, הם צורכים אנרגיה.

מה לגבי "מרכזים ירוקים"? מיקרוסופט משקיעה בעידוד משימי בחשמל מתחדש, אבל זה לא מספיק כדי לכסות את הגדילה.

מה זה אומר לעסק הישראלי?

1. בחר כלים שמודדים אנרגיה

כשאתה בוחר בכלי בינה מלאכותית, שאל את הספק:

• "כמה מיליוואט בשעה משתמש הכלי הזה?"
• "יש לך דוח פומבי על צריכת אנרגיה?"
• "מדעם היא אנרגיית מתחדשת?"

חברות כמו Anthropic מתחילות להפיץ מידע על צריכה לפי מודל. Claude Haiku (המודל הקטן) הוא בערך 90% חסכוני יותר מ-Claude Opus (הגדול). ברוב המשימות שלך, Haiku מספיק.

2. אופטימיזציה של קריאות ל-API

אם אתה כותב עבוט בינה מלאכותית או אוטומציה, כל קריאה ל-API עולה אנרגיה וכסף. כמה טריקים:

• Caching: תוצאות שכבר חישבנו, אל תעשו שוב
• Batch processing: 100 קריאות בבת אחת > 100 קריאות כל שנייה
• Smaller models: כמו שציינתי, Haiku בمקום Opus

אם אתה בונה עבוט בינה מלאכותית דרך Claude, תוכל לתכנן את הקריאות בצורה חכמה.

3. שקול קוד פתוח כאלטרנטיבה

Llama 2 של Meta, Mistral של Mistral AI, אלה מודלים שאתה יכול להריץ על השרתים שלך, בדיוק עם האנרגיה שאתה צורך. פחות כוח חישוב, אבל לטקסט, סיכום קטעים וסוכנים פנימיים, מספיק.

בעלות נמוכה יותר, פליטות נמוכות יותר, וגם שליטה רבה יותר.

4. מדדו את ה-ROI שלכם גם לפי "פחמן ליחידה"

לא רק עלות לדולר, חשבו גם:

• כמה טון CO₂ חסכנו בתהליך?
• כמה "שעות עבודה" אנושיות חסכנו (וזה בעל ערך סביבתי)?

אם העבוט שלך מחליף 8 שעות של עבודה ידנית, זה כמעט בטוח שהוא טוב מבחינת פחמן.

5. התקשר עם הספק על יעדי פחמן

כשאתה בוחר בין ספקים, אחד הגורמים יכול להיות גם העמדה שלהם כלפי סביבה. בעת עדכון החוזה שלך, תגיד: "אנחנו צופים ב-ESG, מה התוכנית שלכם לשנים 2026-2027?"

צעדים מעשיים: תוכנית 90 יום

אם אתה קצר בזמן:

1. שבוע 1: בדוק איזה כלי בינה מלאכותית אתה משתמש כרגע. קרא את דוח ה-ESG של הספק.
2. שבוע 2: אם יש אלטרנטיבה חסכונית יותר בחשמל, קבל הצעת מחיר.
3. שבוע 3-4: בנסיון קטן עם מודל חסכוני יותר (Haiku במקום Opus).
4. חודש 2: אם זה עובד, הפוך אותו לסטנדרט.
5. חודש 3: דווח לשותפים בתנ"ו שלך על החסכון, פחמן וגם כסף.

לעזרה בהטמעה מיודעת של בינה מלאכותית עם מדדי ESG, שקול להשיק יעוץ בתחום.

שורה תחתונה

פליטות של מיקרוסופט גדלו ב-25%, זה לא דיווח חד פעמי. זו סימן שהבינה המלאכותית של היום היא בעיה אנרגית בסדר גודל. כשחברה ענקית אומרת "אנחנו מתחייבים לניטרול עד 2030", אבל פליטותיה גדלות כמו 25% בשנה, זה למעשה אומר "אנחנו עדיין לא יודעים איך לפתור את זה".

למנהל בישראל זה אומר: עדיין יש חלון זמן. אתה יכול להיות חכם בבחירת הכלים שלך, לא רק כי זה יחסוך כסף, אלא כי זה יחסוך פחמן.

בעוד שנה או שתיים, זה יהיה תיעוד בתיקיית ה-ESG שלך, לא רק בדוח של מיקרוסופט.