Jejak Air di Balik Kecerdasan Buatan: Tantangan Ekologis di Era Komputasi

DOSEN ILMU LINGKUNGAN, FAKULTAS TEKNIK DAN SAINS UNIVERSITAS IBN KHALDUN (UIKA) BOGOR

MUSIM kemarau senantiasa menjadi pengingat yang nyata akan betapa berharganya keberadaan sumber daya air. Di tengah kondisi ini, petani membutuhkan air untuk mengairi sawah, sektor rumah tangga mengandalkannya untuk kebutuhan minum, memasak, dan sanitasi, sementara sektor industri serta ekosistem alam seperti sungai dan hutan bergantung padanya untuk menjaga keberlanjutan kehidupan.

Namun, di balik berbagai kebutuhan konvensional tersebut, hadir satu entitas pemanfaat air yang kerap tidak disadari oleh masyarakat luas, yakni teknologi kecerdasan buatan (artificial intelligence/AI). Secara umum, interaksi masyarakat dengan aplikasi seperti ChatGPT dirasakan murni sebagai aktivitas digital yang serbacepat dan nirwujud tanpa memperlihatkan mesin, panas, maupun air. Padahal, di balik satu kueri atau pertanyaan yang dikirimkan pengguna, beroperasi infrastruktur fisik berupa komputer-komputer berkapasitas sangat besar di dalam pusat data (data center). Komputer berprosesor chip khusus ini mengonsumsi energi listrik dalam jumlah besar saat melakukan kalkulasi, yang secara alami menghasilkan pelepasan panas pada perangkat.

Untuk mencegah gangguan fungsional atau kerusakan pada komputer akibat panas berlebih, pusat data mengandalkan sistem pendingin, baik yang berbasis udara, air, cairan khusus, maupun teknologi canggih direct-to-chip cooling yang mengalirkan cairan pendingin langsung ke bagian terpanas mesin. Hal ini membuktikan bahwa AI tidak sekadar urusan algoritma dan perangkat lunak, melainkan ditopang oleh infrastruktur fisik yang sangat bergantung pada listrik dan air.

Rimun Wibowo. (Foto : Istimewa)

Dalam operasional sistem pendingin air, muncul persoalan dinamika hidrologi lokal. Meskipun sebagian air disirkulasikan kembali secara berulang, sebagian lainnya menguap ke udara dalam proses pembuangan panas. Walaupun air yang menguap tersebut tetap berada dalam siklus hidrologi bumi dan nantinya turun kembali sebagai hujan, air itu tidak serta-merta kembali ke lokasi asal dan sumber penarikan semula. Akibatnya, ekstraksi air dari sungai maupun air tanah dapat menguras ketersediaan air lokal di wilayah tempat pusat data beroperasi.

Selain persoalan kuantitas, muncul pula masalah kualitas air. Air yang diputar secara terus-menerus dalam sistem pendingin akan mengalami penumpukan kandungan mineral, sehingga sebagian air (blowdown) harus dikeluarkan dan diganti dengan air baru. Air sisa ini memerlukan proses pengelolaan atau pengolahan khusus sebelum dibuang karena memiliki konsentrasi mineral yang lebih tinggi serta dapat mengandung bahan kimia penunjang kinerja sistem pendingin.

Terkait besaran penggunaan air, publik perlu mencermati data secara ilmiah dan tidak terjebak pada narasi simplistis bahwa satu pertanyaan AI pasti menghabiskan satu botol air. Berdasarkan penelitian karya Li et al. (2025) berjudul Making AI Less "Thirsty”" pemrosesan model GPT-3 diperkirakan membutuhkan sekitar 500 mililiter air untuk setiap 10 hingga 50 respons berukuran sedang. Angka kalkulasi ini mencakup penggunaan air untuk pendinginan langsung di pusat data serta penggunaan air tidak langsung pada pembangkit listrik penyuplai energi.

Besaran jejak air (water footprint) ini sangat bervariasi tergantung pada jenis sistem pendingin, kondisi operasional, mikroklimat wilayah, serta penggunaan air daur ulang.

Dampak ekologis utama dari AI timbul akibat efek akumulasi massal. Ketika jutaan individu, sekolah, perguruan tinggi, rumah sakit, instansi pemerintah, dan berbagai industri memanfaatkan AI secara terus-menerus, konsumsi air dari pusat data berakumulasi menjadi jumlah yang sangat masif. Hal ini menjadi krusial karena air merupakan sumber daya lokal, di mana dampak penggunaan air di daerah melimpah tentu berbeda secara dramatis bila dibandingkan dengan penggunaan di daerah yang sedang dilanda kekeringan. Oleh karena itu, analisis dampak AI harus mencakup lokasi pengambilan air, kondisi ketersediaan air lokal, rasio penguapan dibanding pengembalian, serta kualitas air buangannya.

Di sisi lain, evaluasi lingkungan AI tidak boleh hanya berfokus pada jejak karbon atau konsumsi listrik semata. Terdapat kompromi (trade-off) teknologis di mana pusat data yang menggunakan listrik bersih tetap memerlukan air untuk pendinginan, sedangkan sistem pendingin yang menghemat air justru dapat mengonsumsi energi listrik lebih besar.

Pendekatan menyeluruh juga harus memperhitungkan rantai material AI secara utuh, mulai dari penambangan bahan baku fabrikasi chip, manufaktur server, penggunaan energi dan air operasional, hingga penanganan limbah elektronik (e-waste) di akhir masa pakainya.

Kendati demikian, industri teknologi mulai menunjukkan komitmen efisiensi melalui inovasi sistem pendinginan baru. Laporan Microsoft menunjukkan bahwa penerapan desain pusat data dengan teknologi pendingin baru mampu menghemat lebih dari 125 juta liter air per fasilitas setiap tahunnya jika dibandingkan dengan sistem konvensional. Hal ini menandakan bahwa pesatnya perkembangan komputasi AI tidak harus berbanding lurus dengan peningkatan konsumsi air secara linier jika diimbangi dengan efisiensi dan transparansi data.

Musim kemarau mengajarkan kita untuk menghargai keterbatasan air sebagai fondasi utama kehidupan manusia dan alam. Pertanyaan mendasar bagi kita saat ini bukanlah menghentikan pemanfaatan AI, melainkan bagaimana memastikan bahwa miliaran aktivitas komputasi setiap hari tidak menambah beban terhadap ketersediaan air bersih. AI yang semakin cerdas idealnya diimbangi dengan efisiensi sumber daya, transparansi jejak ekologis, serta tanggung jawab lingkungan, sebab pada akhirnya manusia dan AI hidup berbagi bumi dan sumber daya air yang sama.

Editor: Furqon Munawar