Ai Genarative, Sahabat atau Ancaman? Mengulik Manfaat dan Risiko di Era Digital

Teknologi Ai (Artificial Intelligence) saat ini sudah menjadi bagian dari kehidupan manusia yang sangat melekat setiap harinya, Ai berkembang sangat pesat dalam beberapa tahun terakhir. Jika kita meliat sejarah kembali Ai pertama kali hadir pada tahun 1950 –an pada saat itu ilmuwan dan peneliti berfikir untuk bagaiamana caranya agar mesin dapat melakukan pekerjaannya seperti yang biasa di kerjakan oleh manusia. Alan Turing, seorang matematikawan dari Inggris pertama kali mengusulkan adanya pengujian untuk melihat bisa tidaknya sebuah mesin dikatakan cerdas. Hasil pengujian tersebut kemudian dikenal dengan Turing Test, di mana mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia). Kecerdasan buatan atau Artificial Intelligence (AI) itu sendiri dimunculkan oleh seorang professor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan, yaitu mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain mesin agar dapat menirukan kelakuan manusia tersebut.

Dan saat ini ai sudah berkembang sangat pesat banyak negara yang mulai berfokus pada perkembangan AI generatif, banyak negara yang mulai membuat Ai sendiri seperti china dengan deepsek nya dan amarika dengan Chat Gpt. Tujuan dari pembuatan AI generative adalah Pembuatan AI generatif seperti ChatGPT, DeepSeek, Gemini, dan lainnya bertujuan untuk membantu manusia bekerja lebih cepat dan efisien, sekaligus menjadi dasar lahirnya inovasi baru di bidang teknologi dan bisnis. Negara-negara besar juga mengembangkan AI untuk mencapai kemandirian teknologi, agar tidak bergantung pada pihak luar, serta sebagai strategi untuk memperkuat daya saing global. Di bidang ilmu pengetahuan, AI digunakan untuk mempercepat riset, misalnya dalam penemuan obat, analisis data besar, dan penelitian ilmiah lainnya. Selain itu, AI juga dimanfaatkan dalam layanan publik seperti pendidikan, kesehatan, hukum, dan pemerintahan digital. Beberapa negara mengembangkan AI untuk keamanan dan pertahanan, termasuk cybersecurity dan analisis intelijen.

Namun, di balik manfaatnya, ada pula risiko yang perlu diwaspadai, seperti ancaman terhadap lapangan kerja, potensi penyalahgunaan (hoaks, deepfake), bias dalam hasil AI, serta meningkatnya persaingan geopolitik antarnegara.

Dampak dari Ai Generative pada Lingkungan 

Selain itu dari berkembang nya Teknologi AI generative ini memiliki pengaruh pada kerusakan lingkungan, dampak datang dari empat sisi :

• Listrik & Emisi Karbon
• Pusat data (data center) yang menjalankan pelatihan & inferensi model AI menyedot listrik besar. Badan Energi Internasional (IEA) memproyeksikan konsumsi listrik pusat data dunia bisa hampir dua kali lipat hingga ~945 TWh pada 2030, dengan AI menjadi pendorong utama lonjakan ini. Emisi karbon bergantung pada intensitas karbon listrik di lokasi. Praktik “carbon-aware” (menjalankan beban kerja saat/di tempat listriknya lebih hijau) dapat memangkas jejak emisi pelatihan ML secara signifikan.
• Google Research
• Air untuk Pendinginan
• Isu “air per prompt” masih diperdebatkan. Klaim terbaru bahwa satu prompt hanya memakai “beberapa tetes air” dikritik karena tak memasukkan air tak langsung dari pembangkit & memakai asumsi yang menguntungkan; para peneliti meminta metodologi yang lebih transparan. Di AS, analisis LBNL memperkirakan pusat data menggunakan puluhan miliar galon air langsung per tahun, dan jauh lebih besar lagi jika menghitung air tak langsung dari pembangkit listrik; angka ini berpotensi berlipat beberapa tahun ke depan.
• Perangkat Keras & Material
• Chip AI kelas data center (GPU/TPU) menyerap ratusan watt per keping (±350–700 W tergantung varian/kemasan), sehingga satu rak berisi banyak akselerator akan menghasilkan panas & konsumsi energi yang sangat besar. Manufaktur semikonduktor juga membawa jejak lingkungan hulu (energi, bahan kimia, air ultra-murni, dan material tambang lanjutan). (Implikasi ini diakui luas dalam literatur, walau angkanya bervariasi menurut pabrik & proses.)
• Skala Pemakaian (Rebound/Jevons)
• Sekalipun efisiensi per model/prompts membaik, total dampak bisa tetap naik karena volume penggunaan & perluasan kapasitas melonjak cepat—fenomena yang sering disebut Jevons paradox

Berapa Pencemaran yang di hasilkan dari satu prompt Ai generative 

• Konsumsi Energi & Emisi Karbon
• Setiap kali kita mengirim satu prompt (pertanyaan atau perintah) ke AI generatif seperti ChatGPT, server di data center harus menjalankan komputasi pada GPU/TPU yang sangat kuat. Komputasi ini membutuhkan listrik, dan listrik tersebut seringkali masih berasal dari sumber energi fosil.
• Studi awal memperkirakan bahwa satu prompt pada model sekelas GPT-3 menghasilkan sekitar 0,1–0,3 gram CO₂. Angka ini kira-kira setara dengan menyalakan lampu LED 10 watt selama 1–2 detik. Untuk model yang lebih besar seperti GPT-4 atau Gemini, jumlahnya bisa lebih tinggi karena membutuhkan lebih banyak komputasi, walaupun optimasi perangkat keras membuat perbedaannya tidak selalu linear.Jika terlihat kecil, bayangkan skala besar: miliaran prompt per hari di seluruh dunia dapat menyumbang ratusan hingga ribuan ton CO₂ hanya dari penggunaan sehari-hari.
• Konsumsi Air Pendingin
• Selain energi, pusat data AI memerlukan pendinginan server agar tidak panas. Pendinginan ini sering menggunakan air, baik secara langsung (air pendingin di pusat data) maupun tidak langsung (air yang dipakai oleh pembangkit listrik untuk menghasilkan energi).Menurut riset University of California, Riverside (2023), sebuah percakapan dengan 20–30 prompt di ChatGPT membutuhkan pendinginan air setara satu botol plastik 500 ml. Artinya, rata-rata sekitar 15–25 ml air per prompt. Walaupun tampak kecil, jika pengguna global mengirim miliaran prompt, konsumsi airnya bisa mencapai jutaan liter per hari.

Satu prompt AI generatif rata-rata menghasilkan:

0,1–0,3 gram CO₂ (setara menyalakan lampu LED beberapa detik).

15–25 ml air untuk pendinginan (setara satu sendok makan).

Secara individu jumlahnya kecil, tetapi dalam skala global penggunaan AI generatif bisa menghasilkan emisi karbon dan konsumsi air yang sangat besar. Karena itu, para peneliti dan perusahaan AI sedang mendorong penggunaan energi terbarukan, pendinginan hemat air, dan model AI yang lebih efisien agar teknologi ini tetap bermanfaat tanpa merusak lingkungan.