diyetekno.com – Perdebatan tentang dampak lingkungan teknologi kecerdasan buatan atau AI khususnya terkait konsumsi air telah lama menjadi sorotan publik. Banyak yang khawatir setiap interaksi dengan chatbot seperti ChatGPT secara diam-diam menguras sumber daya air bersih dalam jumlah fantastis. Namun kini CEO OpenAI Sam Altman muncul untuk membantah narasi tersebut dengan sebuah klaim yang mengejutkan.
Dalam episode perdana podcast Sources bersama Alex Heath Altman secara tegas menolak anggapan bahwa perintah AI sederhana adalah bencana lingkungan. Ia bahkan menyandingkan konsumsi air ChatGPT dengan makanan ringan populer. Menurut Altman pusat data modern yang canggih jauh lebih efisien dalam penggunaan air dibandingkan fasilitas lama yang boros.
Altman mengklaim menjalankan 38.000 permintaan ChatGPT setara dengan jumlah air yang dibutuhkan untuk memproduksi sebutir kacang almond asal California. Ia mengakui angka tersebut mungkin tidak persis sama karena dikutip dari ingatan namun ia yakin berada di kisaran yang benar. Pernyataan ini sontak menarik perhatian seolah ingin meyakinkan pengguna bahwa kebiasaan harian mereka dengan chatbot tidak memiliki beban lingkungan yang berarti. Namun apakah perhitungan ini benar-benar akurat dan bisakah kita berhenti khawatir tentang biaya lingkungan dari setiap perintah AI yang kita berikan
Untuk menguji klaim Altman mari kita mulai dengan kacang almond. California yang memproduksi sekitar 80 persen almond dunia membutuhkan sekitar 1,1 galon atau sekitar 4,16 liter air untuk menumbuhkan satu biji almond. Analisis lain bahkan menyebutkan jejak air penuhnya bisa mencapai 12 liter setelah memperhitungkan curah hujan dan penyeimbang polusi. Almond memang dikenal sebagai tanaman yang sangat haus karena pohonnya memerlukan irigasi konsisten sepanjang tahun.
Jika kita menerima rasio Altman berdasarkan perkiraan irigasi langsung maka satu permintaan ChatGPT hanya menggunakan sekitar 0,0000289 galon atau sekitar 0,11 mililiter air. Untuk membayangkan 0,11 mililiter ini setara dengan sekitar dua tetes air standar. Angka ini tentu terdengar sangat rendah jika dibandingkan dengan informasi yang mungkin pernah Anda baca sebelumnya. Bahkan angka ini tidak sepenuhnya sejalan dengan pernyataan Altman sendiri sebelumnya.
Pada Juni 2025 Altman pernah menulis dalam unggahan blognya The Gentle Singularity bahwa satu permintaan ChatGPT umumnya menggunakan sekitar 0,000085 galon air atau sekitar 0,32 mililiter. Menggunakan angka tersebut bersama perkiraan per-almond yang umum dikutip akan menghasilkan sekitar 11.000 permintaan per almond bukan 38.000. Ini menunjukkan bahwa angka internalnya sendiri pun memiliki perbedaan.
Kekhawatiran publik terhadap konsumsi air AI sebagian besar berasal dari studi yang banyak dikutip oleh peneliti dari University of California Riverside dan University of Texas di Arlington. Makalah berjudul Making AI Less Thirsty yang diterbitkan pada tahun 2025 memperkirakan bahwa percakapan singkat dengan 10 hingga 50 respons dari model bahasa besar seperti GPT-3 mengonsumsi sekitar 500 mililiter air setara dengan satu botol air minum standar. Ini berarti sekitar 10 hingga 50 mililiter per respons ratusan kali lebih tinggi dari perkiraan Altman.
Lalu mengapa ada perbedaan yang begitu besar Jawabannya sebagian terletak pada perangkat keras dan model yang digunakan. Angka Altman kemungkinan besar menggambarkan permintaan ringan pada infrastruktur modern yang menjalankan model terbaru. Sementara studi UC Riverside menganalisis GPT-3 pada sistem yang lebih tua. Namun faktor terbesar adalah apa yang sebenarnya dihitung oleh setiap angka.
Perkiraan Altman hampir pasti hanya mencerminkan air pendingin di lokasi yaitu air yang dikonsumsi langsung di pusat data. Angka studi UC Riverside mencakup pendinginan di lokasi dan air yang dikonsumsi di pembangkit listrik untuk menghasilkan listrik yang dibutuhkan server. Ini adalah perhitungan yang lebih luas yang dikenal sebagai penggunaan air lingkup 1 dan lingkup 2. Analisis independen menunjukkan bahwa lapisan pembangkit listrik dapat menyumbang hingga 75 persen dari total jejak air di balik satu permintaan AI. Ini berarti kesenjangan tersebut bukan hanya tentang perangkat keras lama versus baru tetapi juga tentang di mana batas pengukuran ditarik.
Altman sendiri membahas masalah perangkat keras lama dalam podcast tersebut. Ia berpendapat bahwa perkiraan sebelumnya didasarkan pada fasilitas yang menggunakan pendinginan evaporatif. Dalam pengaturan lama tersebut menara pendingin besar secara harfiah menguapkan air bersih ke atmosfer untuk mendinginkan udara panas dari rak server. Setelah menguap air tersebut hilang dari daerah aliran sungai setempat.
Pusat data skala hiper modern menurut Altman telah beralih secara agresif ke sistem pendingin cair tertutup. Di sini air atau cairan pendingin khusus bersirkulasi melalui pipa tertutup seperti radiator mobil sehingga hampir tidak ada cairan yang hilang karena penguapan. Di fasilitas semacam itu Altman berpendapat penggunaan air terlihat kurang seperti pabrik industri dan lebih seperti gedung perkantoran komersial biasa dengan wastafel dan toilet standar.
Namun ada sisi lain yang perlu dicermati. Meskipun pusat data modern memang semakin efisien per token membandingkan permintaan chatbot dengan tanaman pertanian mengabaikan beberapa realitas penting. Perbandingan kacang almond ini adalah contoh klasik dari "spin" khas Silicon Valley.
Pertama skala agregat versus rasa bersalah individu. Anda mungkin hanya menggunakan dua tetes air untuk memeriksa formula spreadsheet tetapi OpenAI kini melayani sekitar 900 juta pengguna aktif mingguan yang memproses miliaran permintaan setiap hari. Ketika Anda mengalikan pecahan mililiter yang sangat kecil ini dalam skala global ditambah dengan proses pelatihan model berkelanjutan yang menurut peneliti UC Riverside dapat mengonsumsi ratusan ribu galon di muka total agregatnya tetap sangat besar.
Kedua stres air lokal lebih penting daripada rata-rata global. Kebun almond di Central Valley mengandalkan alokasi air negara bagian dan kanal pertanian yang sudah mapan. Namun pusat data AI sering dibangun di komunitas pinggiran kota dan daerah semi-kering seperti Phoenix Virginia utara dan sebagian Texas serta Georgia. Di sana mereka langsung memanfaatkan sistem air kota. Bahkan fasilitas modern yang efisien sekalipun dapat menimbulkan gesekan ketika bersaing dengan lingkungan perumahan selama gelombang panas musim panas.
Ketiga tidak semua permintaan AI diciptakan sama. Angka 38.000 permintaan Altman mengandalkan inferensi standar yang ringan seperti balasan teks dasar GPT-4o. Namun industri ini bergeser cepat menuju model penalaran dan agen AI otonom. Ketika AI "berpikir" sebelum menjawab menjalankan kode Python dalam sandbox internal mencari web langsung dan mengoreksi diri melalui beberapa loop logika ia mengonsumsi komputasi per permintaan yang jauh lebih besar daripada chatbot percakapan sederhana. Peneliti independen mencatat bahwa beban kerja yang lebih berat ini dapat menggunakan energi dan air berkali-kali lipat.
Keempat pertukaran energi. Ketika operator pusat data menghilangkan pendinginan air evaporatif mereka sering menggantinya dengan pendingin intensif energi pompa panas mekanis dan kipas udara berkecepatan tinggi. Singkatnya mengurangi konsumsi air di lokasi sering berarti menarik listrik secara signifikan lebih banyak dari jaringan listrik lokal yang memiliki jejak air dan karbon tidak langsungnya sendiri tergantung pada bagaimana listrik itu dihasilkan.
Klaim Altman sangat bergantung pada skenario terbaik untuk perangkat keras loop tertutup modern sambil mengabaikan tuntutan infrastruktur yang lebih luas dari ledakan AI. Angka 38.000 permintaan per almond mungkin dapat dipertahankan sebagai perkiraan kasar untuk satu permintaan ringan pada perangkat keras terbaru namun itu hanya menghitung sebagian dari cerita air dan mengabaikan lintasan industri secara keseluruhan.
