Spis treści

AI wchodzi w nową fazę. Pytanie nie brzmi już tylko: czy działa. Coraz częściej będzie brzmiało także: ile kosztuje energetycznie i czy potrafisz to pokazać.

Czego dowiesz się z tego tekstu?

  • Dlaczego zużycie energii i emisje AI zaczynają być tematem compliance.
  • Co konsultacja Komisji Europejskiej mówi o kierunku regulacyjnym.
  • Dlaczego startup używający zewnętrznego modelu też powinien mapować swój stack AI.
  • Jakie pytania warto zadać dostawcom AI, chmury i infrastruktury.

Co robi Komisja Europejska?

Komisja Europejska przeprowadziła konsultację dotyczącą mierzenia zużycia energii i emisji modeli oraz systemów AI. Konsultacja była częścią szerszego badania dotyczącego pomiaru i wspierania energooszczędnej oraz niskoemisyjnej sztucznej inteligencji w UE.

Publikacja konsultacji nastąpiła 7 kwietnia 2026 r. Rejestracja zakończyła się 25 maja, a odpowiedzi przyjmowano do 1 czerwca 2026 r. Zakres obejmował zużycie energii, efektywność energetyczną oraz emisje AI. Odpowiedzi miały wesprzeć opracowanie frameworku pomiarowego dla celów energetycznych AI Act i potencjalnego oznaczenia energetyczno-emisyjnego dla AI. Sama konsultacja nie ustanowiła obowiązku stosowania takiego oznaczenia.

Grupa docelowa obejmowała firmy rozwijające i wdrażające modele GPAI, systemy AI oraz dostawców komponentów i usług. Komisja wskazała też, że trzeba patrzeć na rozwój i etap operacyjny, w tym training i inference, zasoby obliczeniowe, energię elektryczną i sprzęt.

Obowiązek dokumentowania znanego lub szacowanego zużycia energii modelu wynika już z art. 53 ust. 1 lit. a i załącznika XI AI Act i dotyczy dostawców modeli GPAI objętych tym obowiązkiem. Są wyjątki dla modeli open source spełniających ustawowe warunki, ale nie dla modeli z ryzykiem systemowym. Jak wyjaśnia Komisja w guidance GPAI, obowiązki stosuje się od 2 sierpnia 2025 r.; dla modeli wprowadzonych do obrotu przed tą datą termin dostosowania to 2 sierpnia 2027 r.

To dokumentacja dla organów. Informacje dla dostawców systemów integrujących model stanowią osobną warstwę, określoną w art. 53 ust. 1 lit. b i załączniku XII; nie oznaczają automatycznego dostępu do całej dokumentacji energetycznej. Samo korzystanie z zewnętrznego API nie tworzy generalnego obowiązku samodzielnego liczenia zużycia energii modelu przez jego użytkownika lub deployera.

Guidance wyjaśnia interpretację przepisów, a GPAI Code of Practice jest dobrowolnym narzędziem wykazywania zgodności. Konsultacja i prace nad pomiarem pokazują kierunek rozwoju praktyki, ale nie należy ich utożsamiać z nowym obowiązkiem każdego użytkownika AI.

Dlaczego to ma znaczenie dla biznesu?

Na pierwszy rzut oka brzmi to jak temat dla największych laboratoriów AI. W praktyce może dotknąć także firm, które budują produkt na zewnętrznym modelu, korzystają z chmury, integrują API albo wdrażają AI u klientów enterprise.

  • AI governance przestaje być wyłącznie tematem prawnym i modelowym,
  • dochodzi warstwa operacyjna: cloud, hardware, inference economics i architektura wdrożenia,
  • vendor selection może obejmować nie tylko jakość modelu, ale też dane o infrastrukturze i śladzie środowiskowym,
  • dokumentacja techniczna zaczyna mieć znaczenie strategiczne,
  • klient enterprise lub sektor publiczny może zapytać o transparentność stacku AI.

Co powinien sprawdzić startup albo software house?

Poniższe pytania to rekomendacje dotyczące zakupów i governance. Potrzeba uzyskania danych od dostawcy może wynikać także z konkretnej umowy lub odrębnego obowiązku raportowania, który rzeczywiście dotyczy firmy.

  • kto dostarcza model,
  • kto hostuje rozwiązanie,
  • gdzie odbywa się inference,
  • kto loguje dane,
  • kto przechowuje inputy i outputy,
  • kto rozlicza usage,
  • czy dostawca daje dane potrzebne do raportowania albo odpowiedzi klientowi,
  • czy umowy z vendorami pozwalają pozyskać potrzebne informacje.

Eksperyment też zostawia ślad

W wielu firmach AI nadal siedzi między produktem a eksperymentem. Tymczasem regulator coraz wyraźniej pokazuje, że eksperyment też ma konsekwencje operacyjne, kosztowe i compliance’owe.

Pytania do zespołu

  • Czy wiemy, jakie modele i API są używane w produkcie oraz w pracy zespołu?
  • Czy mamy mapę dostawców AI?
  • Czy vendor daje dane o infrastrukturze, usage i przetwarzaniu danych?
  • Czy umiemy odpowiedzieć klientowi, gdzie i jak działa nasz stack AI?
  • Czy koszt energetyczny AI jest w ogóle widoczny w analizie produktu?

Chcesz uporządkować swój stack AI?

Jeżeli AI w Twojej organizacji wychodzi poza eksperyment, warto poukładać mapę zastosowań, dostawców, danych i odpowiedzialności. To ułatwia rozmowę z klientami, inwestorami i zespołem.

Umów bezpłatną konsultację

Źródło: Komisja Europejska, konsultacja dotycząca mierzenia zużycia energii i emisji AI