Зелёные агенты: сколько правды в «устойчивом» AI

Летом и осенью 2024 года формулировка «устойчивое развитие» перекочевала из корпоративных отчётов в питчи AI-агентов. OpenAI, Google, Anthropic и десятки стартапов помельче описывают агентные системы так, будто автоматизация цепочек действий сама по себе снижает нагрузку на планету: агент делает работу за один прогон вместо десятка запросов человека, значит, экономит вычисления и энергию. Звучит логично. Проверить это в цифрах почти невозможно — и именно на этом зазоре строится половина рекламных обещаний.

Что вообще продают под словом «устойчивый»

Маркетинг агентных продуктов опирается на три тезиса. Первый: агент^* заменяет серию ручных запросов одной автономной задачей, поэтому суммарно потребляет меньше. Второй: оптимизация бизнес-процессов через AI сокращает логистику, поездки, бумагу и прочие офлайн-выбросы. Третий: провайдеры облаков переводят дата-центры на возобновляемую энергию, поэтому и вывод (инференс) модели становится «зелёным».

Каждый тезис по отдельности не ложь. Проблема в том, что их складывают в единую картину «AI спасает климат», где ни одно звено не подтверждено сквозным замером. Агент, который автономно выполняет задачу, часто делает это не одним прогоном модели, а десятками — он планирует, вызывает инструменты, перепроверяет себя, откатывается при ошибке. Один запрос пользователя может развернуться в цепочку из двадцати обращений к модели.

Автономность агента и его энергоэффективность — не одно и то же. Чем меньше человек участвует в процессе, тем больше итераций модель делает сама, чтобы подстраховаться.

Откуда берётся расход энергии

Основной счёт складывается из двух частей: обучение модели (единоразовый, но огромный) и инференс — вывод, то есть каждый ответ пользователю. Для массовых продуктов инференс со временем перевешивает обучение, потому что запросов миллионы в день. Агентный режим увеличивает именно инференс: там, где чат-бот отвечал одной генерацией, агент делает цепочку рассуждений, вызовов API и самопроверок.

Точных публичных цифр по энергопотреблению конкретного агентного прогона у крупных вендоров на сегодня нет — компании раскрывают агрегированные показатели дата-центров, а не расход на задачу. Поэтому любое утверждение вида «наш агент экономит X% энергии» стоит воспринимать как маркетинг, пока не приложена методика замера.

Где экономия реальна, а где нет

Разделим обещания на измеримые и сомнительные.

Единственный тезис, который поддаётся честному замеру, — последний. Переход с флагманской модели на компактную под конкретную задачу действительно снижает потребление, потому что вычислительная стоимость грубо пропорциональна числу обрабатываемых токенов и размеру модели. Здесь экономия — инженерное решение, а не свойство «агентности».

Почему сравнения с человеком лукавят

Популярный аргумент: сгенерировать текст моделью «дешевле для планеты», чем если бы его писал человек за компьютером несколько часов. Такие сравнения появлялись в 2024 году, но они некорректны методологически — человек не исчезает после делегирования задачи AI, а вычислительная нагрузка добавляется поверх существующей, а не вместо неё. Это эффект дополнения, а не замены.

Кому это пригодится и кому нет

Пригодится, если вы:

• выбираете между большой и компактной моделью под массовую однотипную задачу — здесь оптимизация даёт и деньги, и снижение вычислений одновременно;
• считаете стоимость инференса в токенах и хотите урезать длину промптов и число вызовов в агентной цепочке;
• отвечаете за ESG-отчётность и вам нужно отделить проверяемые метрики от рекламных, чтобы не подставить компанию под обвинение в гринвошинге^**.

Не стоит полагаться на «зелёный» аргумент, если вы:

• внедряете агента ради автономности и ждёте, что он попутно снизит углеродный след — скорее увеличит инференс;
• берёте маркетинговую цифру экономии без приложенной методики замера;
• строите PR-кампанию на «устойчивости AI» без данных провайдера по конкретному дата-центру.

Как отличить замер от лозунга

Практический чек-лист для оценки любого заявления об «экологичности» агентной системы:

1. Есть ли единица измерения — киловатт-часы, граммы CO₂-эквивалента, число вызовов модели на задачу?
2. Указана ли граница расчёта: только инференс или ещё обучение и инфраструктура?
3. С чем сравнивают — с прежним процессом на тех же данных или с абстрактным человеком?
4. Раскрыт ли энергобаланс дата-центра и регион, или сказано просто «облако на возобновляемой энергии»?
5. Кто считал — независимая сторона или отдел маркетинга вендора?

Если хотя бы на половину пунктов ответа нет, перед вами лозунг, а не измерение. Это не значит, что продукт плохой — значит, что экологичность не стоит закладывать в решение о покупке.

^* Агент — программа на базе языковой модели, которая не просто отвечает на запрос, а сама планирует шаги, вызывает внешние инструменты и API, оценивает результат и повторяет цикл до достижения цели.

^** Гринвошинг — создание ложного впечатления об экологичности продукта или компании через маркетинг, не подкреплённый реальными данными.