ההבנה שלכל פרומפט שאתם מקלידים לתוך המחשב או הטלפון הנייד שלכם ישנו תג מחיר סביבתי אינה אינטואיטיבית במיוחד, אבל זו האמת: מאחורי הקלעים, בחוות שרתים מרוחקת, הבקשה שלכם מתורגמת לצריכת מים ממשית.
צריכת המים של ה־AI נגזרת ישירות ממורכבות המשימה. חוקרי UC Riverside מעריכים כי כתיבת הודעת מייל של 100 מילים צורכת כחצי ליטר. יצירת סרטון, תחזיקו חזק, צורכת כ־4.1 ליטרים — פי 2 מכמות השתייה היומית המומלצת לאדם.
כמעט מיליארד בני אדם משתמשים
ב־ChatGPT מדי שבוע ושולחים לשירות כ־2.5 מיליארד בקשות ביום. וזה עוד לפני שספרנו את שאר מודלי הענק שפועלים במקביל. מכפלת הנתונים הזו בהיקף השימוש העולמי מציגה תמונה מדאיגה: פעולה אחר פעולה, הבינה המלאכותית הופכת לצרכן אדיר ותובעני של משאבי הטבע שלנו.
מול המספרים האלה נשלפת בדרך כלל אותה תשובה מרגיעה: הטכנולוגיה תפתור את הבעיה. על פניו, זה נשמע הגיוני, שהרי כוח חישוב שפעם עלה מיליונים מוצע כיום בסנטים אחדים. על פי ההנחה הזו, כך יהיה גם עם ה־AI: נתייעל, והמשבר ייעלם. אלא שהגישה הזאת, שמאפשרת להדחיק את המצב ולא להרגיש אשמים, נשענת על התעלמות ממנגנון כלכלי בן 150 שנה.
מה הקשר בין פחם ל־AI?
בחורף 2025 הציג הסטארט־אפ הסיני DeepSeek מודל מתקדם שנטען לגביו שמשאבי המחשוב שנדרשו לפיתוחו נמוכים פי 10 מאלו שהושקעו במודל דומה של מטא. בתגובה להצהרה שווי השוק של אנבידיה, ענקית השבבים שמניעה את מהפכת ה־AI, צנח ביום אחד בכ־600 מיליארד דולר. ההיגיון של המשקיעים היה ברור: יעילות טכנולוגית תצמצם את הצורך בעוד שבבים לעוד חוות שרתים.
בזמן שהשווקים סערו, הגיב מנכ"ל מיקרוסופט, סאטיה נאדלה, בציוץ ״Jevons paradox strikes again״. למה בדיוק הוא התכוון? כדי להסביר זאת יש לחזור אל התיאוריה שגיבש הכלכלן הבריטי ויליאם סטנלי ג'בונס ב־1865.
ג'בונס ביקש אז לפענח מדוע מנועי הקיטור החסכוניים החדשים, אלה שדרשו פחות פחם מאי פעם, לא הובילו לירידה בצריכת הפחם הלאומית באנגליה אלא דווקא לעלייה בשימוש בו. המסקנה שאליה הגיע היא שכאשר טכנולוגיה מתייעלת והמחיר שלה יורד, השימוש בה לעתים ימריא. זה קורה משום שירידת העלויות מעודדת את הרחבת השימוש בהיקפים ניכרים ומאפשרת הטמעה ביישומים חדשים שטרם היו כדאיים כלכלית. בסופו של התהליך, הגידול החד בביקוש בולע את החיסכון הפרטני, וסך הצריכה הכללית מזנק.
פרדוקס ג׳בונס הוא לא חוק טבע אוניברסלי, ובשווקים רוויים הוא כמעט שלא בא לידי ביטוי. אם ימציאו מחר מקרר שצורך חצי מכמות החשמל, איש לא יקנה שני מקררים, ובמקרה כזה ההתייעלות אכן מייצרת חיסכון אמיתי. אבל הפרדוקס מכה במלוא העוצמה כאשר מדובר בשוק "רעב" שהביקוש בו רחוק ממיצוי. וזה בדיוק המצב של הבינה המלאכותית היום.
עיקר צריכת האנרגיה של מערכות AI — בין 80% ל־90% — אינו נגזר מתהליך הפיתוח שלהן, אלא מהפעילות השוטפת. ברגע שהפעולה הופכת לנגישה וזולה, היקף השימוש מתרחב בקצב גבוה. משום כך, התגובה להתייעלות טכנולוגית אינה חיסכון אלא הרחבה אגרסיבית של התשתיות, כפי שעשה מנכ"ל מטא, מארק צוקרברג, בתגובה להשקת DeepSeek.
זה מתחיל במרכזי הדאטה, שהם האנגרים תעשייתיים אטומים וענקיים שמאכלסים מאות אלפי שבבים שפועלים בעומס מרבי מסביב לשעון. השבבים הללו צורכים חשמל בהיקפים של מדינות — פשוטו כמשמעו. על פי התחזיות, עד 2030 צריכת החשמל של מרכזי הדאטה בעולם תכפיל את עצמה ותשתווה לצריכת החשמל השנתית של יפן כולה — על 123 מיליון תושביה, המפעלים הרבים בה, אינספור הרכבות החשמליות ששועטות בה וכן הלאה. וכל זה בענף שהיה עד לא מזמן הערת שוליים במאזן החשמל העולמי.
לצד החשמל שנצרך בדאטה סנטרים באופן ישיר, מערכות הקירור הנדרשות למניעת התחממות יתר של החומרה שואבות מיליוני ליטרים של מים. על פי הדיווח האחרון שפרסמה מיקרוסופט בנושא, כ־42% מצריכת המים של ענקית הטכנולוגיה הגיעו מאזורים שמוגדרים סובלים ממחסור במים. במילים אחרות: מתקני הענק שמאפשרים לנו לבצע את שלל הפעולות שלנו ברשת מתחרים באופן ישיר על מקורות המים עם אוכלוסיות מקומיות ופעילות חקלאית. התעשייה, שמודעת לבעיה, החלה מאז לעבור לתכנוני קירור חסכוניים יותר, מהלך שהוא עצמו הודאה בגודל הבעיה.
התחייבויות כמו חול
מול ההתנגשות הזו שבין הביקוש האינסופי ליותר צמיחה ויותר התייעלות לבין העובדה שהוא בא על חשבון משאבים פיזיים מתכלים, ענקיות הטכנולוגיה מבטיחות לנו שאין סיבה לדאגה — תנו לנו קצת זמן ונמצא פתרון ירוק לבעיה.
הבעיה היא שזו לא הפעם הראשונה שמבקשים מאיתנו להאמין. ב־2020 התחייבה מיקרוסופט, שחור על גבי דו"ח קיימות, להגיע עד 2030 למאזן פחמן שלילי. גם גוגל הבטיחה אז הבטחה דומה.
אלא שאז הגיע ה־AI. בדו"חות האחרונים שלה דיווחה מיקרוסופט שטביעת הרגל הפחמנית של התאגיד זינקה ב־25% בתוך שנה, וגוגל דיווחה על זינוק של 18%. באופן לא מפתיע שתי החברות מסבירות שהסיבה לזינוק זהה: הקמת מרכזי הנתונים.
ועכשיו מונחת על השולחן הבטחה חדשה: ה־AI עצמו "יפתור את משבר האקלים". הוא יביא לייעול רשתות החשמל, יאיץ את מחקר האנרגיה, ובסופו של דבר יחזיר את מה שהוא לוקח.
האם כדאי להאמין להבטחותיהן של אותן חברות שזה עתה החמיצו את היעדים שהן הציבו לעצמן? הניסיון מראה ששוב ושוב בעוד הפתרונות התיאורטיים נדחקים לעתיד, החשבון הסביבתי נפרע בהווה. והם כפופים לאותו פרדוקס: כל התייעלות שה־AI ישיג תוזיל את השימוש בו, וכפי שכבר ראינו, דווקא זה מה שמנפח את הצריכה. כלומר, ההיסטוריה של ההבטחות האלה רצופת החמצות ואין סיבה להניח שהפעם יהיה אחרת.
וזו האירוניה של המהפכה: ככל שהבינה המלאכותית נעשית וירטואלית יותר, כך היא זקוקה ליותר קרקע, מים ואנרגיה. שום דבר לא באמת מרחף בענן. אז מה עושים עם כל זה? האחריות כמובן אינה מוטלת על מי שמקליד את הפרומפט, אבל בפעם הבאה שנשב מול מודל שפה, תיבת הטקסט כבר לא תיראה כמו קסם, וכשיוכרז המודל ה״חסכוני״ הבא, כבר נדע את מחירו האמיתי, ונבין שהחשבון הזה לעולם אינו וירטואלי. הוא תמיד נפרע כאן, על הקרקע.
הכותבת היא מנכ״לית Humane AI, מומחית אינטראקציית אדם־AI
