Углеродный след ИИ-агента против человека: кто дешевле для планеты

В 2024 году в журнале Scientific Reports вышло исследование Bilan, Ren и Wang с провокационным вопросом в заголовке: сколько углекислого газа выбрасывает ИИ, когда пишет текст или рисует картинку, — и как это соотносится с человеком, делающим то же самое. Вывод авторов звучал резко: по их расчётам, генерация страницы текста нейросетью сопровождается в сотни раз меньшими выбросами, чем работа человека над той же страницей. Через год эту логику подхватили сторонники ИИ-агентов — систем, которые не просто отвечают на запрос, а сами планируют и выполняют цепочку действий. Но перенос вывода с одиночного запроса на автономного агента ломает арифметику. Агент делает не один вызов модели, а десятки, и часть из них — впустую.

Что именно посчитали и что осталось за кадром

Исследование 2024 года сравнивало выбросы на единицу продукта: один текст, одно изображение. В расчёт для человека авторы включали не саму задачу, а долю от общего годового углеродного следа работника — пропорционально времени, которое он тратит на письмо. Отсюда и разрыв в сотни раз: человеку приписали дыхание, отопление офиса, поездки и обед, а модели — только электричество на инференс.

Это сравнение корректно ровно в одной постановке: если вы уже решили не нанимать человека. Тогда вопрос стоит так — либо ИИ, либо ничего. Но чаще ИИ не заменяет сотрудника целиком, а добавляется к нему: человек всё равно дышит, ест и ходит на работу, а сверху появляется дата-центр. В этом случае выбросы не вычитаются, а суммируются.

Агент не заменяет человека на задаче. Он заменяет несколько минут его внимания — а всё остальное время сотрудник живёт и дышит независимо от того, работает модель или нет.

Почему агент дороже одного запроса

Ключевая разница между чат-ботом и агентом — в количестве обращений к модели. Один запрос в чат — это один прямой проход (инференс). Агент, решающий ту же бизнес-задачу, обычно:

• разбивает цель на подзадачи и вызывает модель на каждом шаге планирования;
• обращается к внешним инструментам (поиск, код, база данных) и заново прогоняет результат через модель, чтобы понять, что делать дальше;
• повторяет шаги при ошибках — а автономные агенты ошибаются и зацикливаются;
• тащит с собой растущее контекстное окно¹, а стоимость инференса нелинейно зависит от длины контекста.

Одна задача для агента легко превращается в 10-50 вызовов модели. Точный множитель зависит от архитектуры, качества промптов и того, насколько часто агент упирается в тупик. Публичной методики, которая измеряла бы углеродный след именно агентных прогонов, на сегодня я не знаю — большинство оценок построено на одиночном инференсе, и переносить их на агентов напрямую нельзя.

Сколько это в цифрах — и чего в цифрах нет

Честная проблема темы: надёжных сопоставимых данных мало. Крупные лаборатории редко раскрывают энергопотребление конкретных моделей на запрос, а независимые оценки сильно расходятся. Поэтому таблица ниже — не приговор, а карта различий в подходе к учёту.

Ещё две переменные, без которых любая цифра повисает в воздухе:

• Где стоит дата-центр. Килограммы CO₂ на киловатт-час у угольной сети и у сети на гидро- и атомной генерации различаются в разы. Один и тот же агент в разных регионах даёт разный след.
• Размер модели. Инференс большой модели на порядки дороже маленькой. Агент на компактной модели с несколькими вызовами может выиграть у одного запроса к гигантской.

Кому это пригодится и кому нет

Сравнение углеродного следа перестаёт быть абстракцией, когда за ним стоит решение о масштабе.

Где агент реально экономит углерод

• Массовые однотипные задачи, которые иначе не делались бы вовсе. Разметка десятков тысяч записей, черновая обработка обращений — здесь альтернатива не человек, а отказ от задачи. Агент добавляет выбросы, но закрывает объём, недоступный людям по времени.
• Компактная модель под узкую задачу. Если агенту хватает небольшой модели, суммарный след может остаться низким даже при нескольких вызовах.

Где экологический аргумент не работает

• Задача, которую человек и так делает. Агент здесь не вычитает человеческие выбросы, а добавляет свои. "Экономия" появляется только на бумаге, где сотрудника уволили.
• Творческая или ответственная работа с проверкой человеком. Если после агента всё равно нужен редактор или юрист, вы платите углеродом дважды — за прогон и за человека.
• Агент, который часто зацикливается. Плохо настроенный агент сжигает вычисления на бесплодных попытках. Тут след растёт, а результата нет.

¹ Контекстное окно — объём текста (в токенах), который модель удерживает "в поле зрения" за один вызов: запрос, история диалога, документы. Чем оно больше, тем дороже и энергозатратнее каждый прогон.