Kad se govori o umjetnoj inteligenciji, najviše se raspravlja o tome što novi modeli mogu napisati, izračunati, nacrtati ili zamijeniti. Mnogo se manje govori o strojevima koji rade u pozadini. Svaki odgovor, svaka generirana slika i svaki video nastao uz pomoć umjetne inteligencije oslanjaju se na podatkovne centre, električne mreže, sustave hlađenja, čipove, vodu, zemljište i lance opskrbe koji se sve brže šire.
Izvješće Instituta Sveučilišta Ujedinjenih naroda za vodu, okoliš i zdravlje (UNU-INWEH), objavljeno 2026. godine, pokušava tu skrivenu cijenu učiniti vidljivom. Njegova osnovna poruka nije da umjetnu inteligenciju treba zaustaviti, nego da se njezin okolišni učinak više ne može promatrati samo kroz emisije ugljikova dioksida. Struja je tek početak priče. Voda, zemljište, sirovine i elektronički otpad sve su veći dio računa koji dosad nije bio dovoljno jasno prikazan.
Tehnologija koja izgleda nevidljivo ima vrlo fizičku pozadinu
Umjetna inteligencija korisniku se najčešće prikazuje kao prozor za razgovor, alat za pisanje, generator slika ili pomoćnik u aplikaciji. Zbog toga je lako zaboraviti da se svaki upit obrađuje negdje drugdje, u zgradama punima poslužitelja. Ti poslužitelji trebaju električnu energiju, a kako se zagrijavaju, trebaju i sustave hlađenja. Trebaju prostor, kablove, mrežnu opremu, čipove, vodu i stalnu zamjenu zastarjele opreme.
UNU-INWEH upozorava da umjetna inteligencija nije samo softver. Ona sve više postaje materijalni sustav s mjerljivim posljedicama za okoliš. Prema izvješću, infrastruktura koja pokreće umjetnu inteligenciju uključuje podatkovne centre, napredne čipove, sustave hlađenja, električne mreže, vodne resurse, zemljište i kritične minerale. Ta je infrastruktura raspoređena neravnomjerno, a njezini se učinci ne osjećaju svugdje na isti način.
To je važan pomak u raspravi.
Do sada se okolišna cijena digitalnih tehnologija često svodila na pitanje koliko ugljikova dioksida nastaje zbog potrošene električne energije.
Takav pristup može biti koristan, ali nije dovoljan. Kilovatsat potrošen u podatkovnom centru ima drukčiji učinak ovisno o tome gdje je proizveden, iz kojeg izvora dolazi, koliko vode zahtijeva proizvodnja te energije i koliko zemljišta zauzima povezana infrastruktura.
U praksi to znači da “čista” električna energija nije uvijek jednostavan odgovor. Izvor energije s manjim emisijama ugljika može imati veći vodni ili prostorni otisak. Zbog toga se umjetna inteligencija ne može procjenjivati jednom brojkom. Ako se gleda samo ugljik, dio štete može ostati skriven ili se može prebaciti na druge regije.
Potrošnja struje raste prema razinama velikih država
Jedna od najupadljivijih brojki u izvješću odnosi se na električnu energiju. Podatkovni centri koji pokreću umjetnu inteligenciju mogli bi do 2030. trošiti oko 945 teravatsati električne energije godišnje. To je gotovo tri puta više od ukupne današnje godišnje potrošnje Pakistana, Bangladeša i Nigerije zajedno, država u kojima živi više od 650 milijuna ljudi.
Reuters navodi da su podatkovni centri 2025. globalno potrošili oko 448 teravatsati električne energije, više od ukupne potrošnje Saudijske Arabije, pri čemu je umjetna inteligencija činila oko petinu te potrošnje. Do 2030. udio umjetne inteligencije mogao bi porasti na oko 40 posto ukupne potrošnje podatkovnih centara.
Te brojke ne znače da će umjetna inteligencija sama “potrošiti svu struju”. Takav zaključak bio bi pretjeran. Problem je drukčiji i konkretniji. Podatkovni centri se grade na određenim lokacijama, priključuju se na lokalne i regionalne mreže, natječu se s drugim potrošačima za kapacitete i mogu ubrzati potrebu za novim energetskim projektima. U nekim područjima to može značiti veći pritisak na mrežu, više cijene energije ili dulje oslanjanje na fosilne izvore ako nova potražnja raste brže od čiste proizvodnje.
Europska unija već razmatra strože energetske standarde i oznake održivosti za podatkovne centre, uključujući javno objavljivanje podataka o potrošnji vode i korištenju čiste energije. Takve mjere ne nastaju u praznini. One su odgovor na ubrzanu gradnju infrastrukture za oblak i umjetnu inteligenciju te na strah da bi rast podatkovnih centara mogao otežati širu energetsku tranziciju.
Najskuplji dio više nije samo treniranje modela
U ranijim raspravama o umjetnoj inteligenciji mnogo se pažnje posvećivalo treniranju velikih modela. To je faza u kojoj se model uči na golemim količinama podataka, često uz iznimno zahtjevne računalne procese. Treniranje je energetski skupo, ali više nije jedini ni najvažniji dio potrošnje.
Kako su alati umjetne inteligencije ušli u svakodnevnu uporabu, težište se premjestilo na takozvanu inferenciju, odnosno na obradu svakog pojedinačnog korisničkog zahtjeva. Svaki put kada korisnik postavi pitanje, zatraži sažetak, generira sliku ili pokrene video, sustav mora izvesti novi skup izračuna.
Prema podacima koje prenosi El País, inferencija danas može činiti između 80 i 90 posto ukupne potrošnje energije povezne s korištenjem modela. To mijenja način na koji treba promatrati okolišnu cijenu umjetne inteligencije. Više nije riječ samo o velikom jednokratnom trošku prije nego što model postane dostupan javnosti. Trošak se nastavlja svaki dan, kroz milijune ili milijarde upita.
Razlike među zadacima pritom su goleme. Jednostavna klasifikacija teksta, primjerice prepoznavanje neželjene pošte, troši mnogo manje energije od razgovora s velikim jezičnim modelom. Generiranje slike znatno je zahtjevnije od obrade teksta. Prema podacima iz izvješća koje prenosi El País, generiranje jedne slike može potrošiti približno 1400 puta više energije od jednostavne klasifikacije e-pošte, dok kratki video može biti višestruko zahtjevniji.
To ne znači da korisnik treba brojati svaki upit kao moralni problem. No razlika među zadacima pokazuje da nije svejedno kakav se model koristi i za koju svrhu. Ako se velik i energetski zahtjevan model koristi za jednostavan zadatak koji bi mogao obaviti manji sustav, okolišni trošak nepotrebno raste.
Voda je skriveni dio računa
Struja je najlakši dio priče za izmjeriti. Zato se o njoj najviše govori. No podatkovni centri ne troše samo električnu energiju. Da bi tisuće poslužitelja mogle raditi bez pregrijavanja, potrebni su snažni sustavi hlađenja, a oni često znače i veliku potrošnju vode. Voda ulazi u račun i neizravno, kroz samu proizvodnju električne energije, ovisno o tome iz kojih se izvora ta energija dobiva.
Prema procjeni UNU-INWEH-a, vodni otisak podatkovnih centara povezanih s umjetnom inteligencijom do 2030. mogao bi dosegnuti razinu osnovnih godišnjih kućanskih potreba 1,3 milijarde ljudi u subsaharskoj Africi. Prostorni otisak te infrastrukture mogao bi premašiti 14.500 četvornih kilometara, površinu približno jednaku četvrtini Hrvatske.
Reuters navodi da su podatkovni centri 2025. potrošili oko 4,5 bilijuna litara vode, što je dovoljno za osnovne potrebe više od 600 milijuna ljudi u subsaharskoj Africi. Do 2030. ta bi se potrošnja mogla gotovo udvostručiti i narasti na oko 9,3 bilijuna litara.
Takve usporedbe ne znače da podatkovni centri izravno oduzimaju vodu stanovnicima tih područja. One služe tome da se golema potrošnja prikaže u razmjerima koje je lakše razumjeti. Stvarni se problem pojavljuje lokalno: ondje gdje se podatkovni centri grade u regijama koje već imaju ograničene vodne resurse, česte suše, opterećene električne mreže ili nedovoljno jasna pravila.
Zato mjesto na kojem se podatkovni centar gradi nije sporedan detalj. Isti upit umjetnoj inteligenciji može imati drukčiji okolišni učinak ovisno o tome obrađuje li se u regiji s dovoljno vode i čišćom energijom, ili ondje gdje se voda već dijeli između kućanstava, poljoprivrede, industrije i energetike.
Zemljište, minerali i elektronički otpad rijetko ulaze u javnu raspravu
Podatkovni centri zauzimaju prostor, ali njihov stvarni prostorni otisak ne završava na zgradi. U njega ulaze energetska infrastruktura, prijenosne mreže, proizvodnja opreme, rudarenje sirovina i lanci opskrbe. Kako raste potreba za naprednim čipovima, raste i pritisak na kritične minerale te na proizvodne sustave koji su već globalno osjetljivi.
Još jedan problem je elektronički otpad. Hardver koji pokreće umjetnu inteligenciju brzo zastarijeva jer se novi modeli i nove generacije čipova razvijaju iznimnom brzinom. Serveri, grafički procesori i druga oprema ne ostaju zauvijek u pogonu. Kada se zamjenjuju, dio materijala ulazi u sustav recikliranja, a dio završava kao otpad.
El País, pozivajući se na izvješće, navodi procjenu da bi infrastruktura umjetne inteligencije do 2030. mogla stvarati oko 2,5 milijuna tona elektroničkog otpada godišnje. To je posebno osjetljivo pitanje jer elektronički otpad često završava u zemljama s manje razvijenim sustavima obrade, dok se najveći dio dobiti i tehnološke kontrole zadržava u bogatijim državama i velikim tehnološkim središtima.
Ovdje se rasprava o umjetnoj inteligenciji pretvara u pitanje pravednosti. Koristi se mogu širiti globalno, ali koristi nisu jednako raspoređene. Isto vrijedi za troškove. Regije koje ugošćuju podatkovne centre mogu dobiti radna mjesta, ulaganja i porezne prihode, ali mogu dobiti i veći pritisak na vodu, zemlju i električnu mrežu. Regije uključene u rudarenje, proizvodnju i obradu otpada mogu podnijeti dio tereta koji krajnji korisnik nikada ne vidi.
Bez jasnih podataka nema ozbiljne rasprave
Rješenje nije u tome da se umjetna inteligencija prestane koristiti. To nije realno, a ne bi imalo ni puno smisla. Alati umjetne inteligencije već se koriste u medicini, znanosti, obrazovanju, prevođenju, programiranju, energetici i svakodnevnom radu. U nekim područjima mogu ubrzati istraživanja, smanjiti troškove i pomoći u obradi količina podataka koje čovjek sam ne bi mogao pregledati.
Problem je u tome što se infrastruktura iza tih alata širi brže nego javna rasprava o njezinoj cijeni. Podatkovni centri se grade, priključuju na električne mreže, troše vodu za hlađenje i zahtijevaju stalnu nabavu nove opreme. Bez jasnih podataka teško je procijeniti koliko je taj rast održiv i gdje stvara najveći pritisak.
UNU-INWEH zato traži više transparentnosti. Tvrtke koje grade i koriste podatkovne centre morale bi jasnije objavljivati koliko električne energije i vode troše, iz kojih izvora dolazi ta energija, gdje se infrastruktura nalazi i što se događa s opremom kada zastari. Takvi podaci ne bi trebali biti stvar dobre volje, osobito u područjima u kojima se podatkovni centri natječu s kućanstvima, poljoprivredom i industrijom za iste resurse.
Dio odgovora nalazi se i u načinu na koji se sami sustavi razvijaju. Nema potrebe da se za svaki zadatak koristi najveći i najzahtjevniji model. Za mnoge primjene dovoljni su manji, specijalizirani sustavi koji troše manje energije. Učinkovitiji čipovi, bolje hlađenje, pažljiviji odabir lokacija i pametnije upravljanje opterećenjem mogu smanjiti okolišni otisak bez odustajanja od tehnologije.
Za korisnike je najvažnije razumjeti da se umjetna inteligencija ne odvija u nekom nevidljivom, bestežinskom “oblaku”. Iza nje stoje zgrade, poslužitelji, trafostanice, rashladni sustavi, voda, zemljište, čipovi i otpad. Što se više oslanjamo na takve sustave, to će važnije biti pitanje koliko stvarno troše, gdje se ta potrošnja događa i tko za nju preuzima odgovornost.
