Tekoäly voi auttaa työssä, mutta sen käyttö kuluttaa energiaa. Mallien kouluttaminen ja vastausten tuottaminen tarvitsevat laskentaa. Myös palvelimia ylläpitävät datakeskukset ja niiden jäähdytys kuluttavat energiaa.

Kansainvälisen energiajärjestön IEA:n mukaan datakeskusten sähkönkulutus kasvoi maailmanlaajuisesti 17 prosenttia vuonna 2025. Luku koskee kaikkia datakeskuksia, joiden käyttötarkoituksiin kuuluu tekoälyn lisäksi muitakin digitaalisia palveluja. IEA: Key Questions on Energy and AI.

Työarjessa hyödyllinen kysymys on: mitä tällä tekoälyn käytöllä saadaan aikaan?

Aloittelija: opettele ensin käyttämään

Jos vasta tutustut tekoälyyn, energiansäästön ei tarvitse olla ensimmäinen asia, jota pohdit. Harjoittele kysymistä, kokeile erilaisia tehtäviä ja opettele tarkistamaan vastaukset. Harjoittelussa myös epäonnistuneesta kokeilusta voi oppia.

Ensimmäisiä taitoja ovat turvallinen aineiston käsittely, selkeän tehtävän antaminen ja tuloksen arviointi. Kun ymmärrät, missä tekoäly auttaa sinua, voit alkaa kehittää käytöstä myös tehokkaampaa. Seuraava muistilista on tarkoitettu erityisesti käyttäjälle, jolle peruskäyttö on jo tuttua.

Hyöty syntyy koko työstä

Tekoäly voi auttaa hahmottamaan pitkän raportin, vertailemaan vaihtoehtoja tai valmistelemaan toistuvaa tehtävää. Työmaalla se voisi esimerkiksi jäsentää raportista avoimet kysymykset seuraavaan kokoukseen. Lopputulos pitää silti tarkistaa alkuperäisestä aineistosta.

Arvioi koko työvaihetta: paljonko aikaa kuluu ohjeen antamiseen, vastausten korjaamiseen ja tietojen tarkistamiseen? Kevyt malli, jonka vastausta joutuu korjaamaan monta kertaa, ei välttämättä ole tehtävään paras valinta. Vaativampi malli voi joskus tuottaa käyttökelpoisen tuloksen vähemmillä yrityksillä.

Säästetty työaika ei automaattisesti tarkoita säästettyä energiaa. Ympäristöhyödyn arviointi edellyttää tietoa myös siitä, mitä tekoälyn käyttö korvaa.

Muistilista energiatehokkaampaan tekoälyn käyttöön

  1. Hoida helposti ilman tekoälyä onnistuvat asiat ilman tekoälyä. Käytä laskinta yksinkertaiseen laskuun, taulukkolaskentaa summiin ja asiakirjan hakutoimintoa sanan etsimiseen. Valitse tuttu työkalu, kun se ratkaisee tehtävän vaivattomasti.
  2. Valitse tehtävään sopiva malli. Jos et tiedä, kysy tekoälyltä. Kerro tehtävä ja käytettävissäsi olevat mallit. Kysy esimerkiksi: ”Mikä näistä sopii tähän tehtävään, ja riittääkö kevyempi malli?” Käytä vastausta suuntaa antavana apuna. Tekoäly ei välttämättä tunne palvelun uusimpia malleja eikä niiden todellista energiankulutusta. Tarkista ajantasaiset ominaisuudet palveluntarjoajan tiedoista.
  3. Vertaile kielimalleja omilla työtehtävilläsi. Selvitä, missä mikin on hyvä: tiivistämisessä, suomenkielisessä kirjoittamisessa, asiakirjojen tulkinnassa vai vaativassa päättelyssä. Kokeile samaa rajattua tehtävää muutamalla mallilla ja arvioi laatua sekä tarvittavien korjausten määrää. Käytä julkista tai kuvitteellista aineistoa, jos kaikkia palveluja ei ole hyväksytty asiakastiedon käsittelyyn. Vertailu auttaa mallin valinnassa; se ei yksin mittaa energiatehokkuutta.
  4. Seuraa ja testaa uusia, energiatehokkaampia malleja harkitusti. Myös tässä insinöörityö tuo parempia tuloksia: mallien rakenteita, laskentaa ja laitteistoa kehitetään. Uudempi malli ei silti automaattisesti kuluta vähemmän energiaa. Tarkista, onko tehokkuudesta mittaustietoa ja säilyykö tehtävässä tarvitsemasi laatu. Tee rajattu testi ennen vaihtamista.
  5. Anna tavoite, aineisto ja haluttu vastausmuoto kerralla. Kerro, mitä tarvitset ja kuinka laajana. Pyydä esimerkiksi viisi havaintoa koko raportin uudelleen kirjoittamisen sijaan. Anna tehtävän kannalta olennainen aineisto ja tarvittava asiayhteys; liian niukka lähtötieto voi johtaa lisäkierroksiin.
  6. Käytä syvää päättelyä ja laajoja hakuja silloin, kun tehtävä tarvitsee niitä. Lyhyen tekstin muotoilu ja monivaiheinen tekninen ongelma vaativat erilaista käsittelyä. Jos palvelussa on valittavissa päättelyn taso tai automaattisia työvaiheita, sovita ne tehtävän vaikeuteen. Rajaa automaattiselle työskentelylle tavoite ja lopetusehto.
  7. Korjaa vain tarvittava kohta ja hyödynnä valmiita pohjia. Kun vastauksessa on yksi ongelma, pyydä muuttamaan se kohta. Tallenna toimivat ohjeet, tarkistuslistat ja hyväksytyt tekstit seuraavaa käyttökertaa varten. Kaikkea ei tarvitse tuottaa uudelleen.
  8. Tuota vaihtoehtoja ja eri sisältömuotoja tarpeen mukaan. Pyydä ensin yksi käyttökelpoinen versio ja lisää vaihtoehtoja, jos tarvitset vertailua. Käytä kuvia ja videoita silloin, kun ne auttavat viestin ymmärtämisessä tai niitä tarvitaan lopputulokseen.
  9. Lopeta, kun tulos täyttää tarkoituksensa. Pienet loputtomat muotoilukierrokset eivät aina lisää työn arvoa. Päätä etukäteen, miltä riittävän hyvä ja tarkistettu lopputulos näyttää.

Energiankulutusta ei voi päätellä pelkästä nopeudesta tai hinnasta

Kulutus riippuu muun muassa mallista, tehtävästä, vastauksen pituudesta ja laitteistosta. Vaativa päättely ja automaattiset monivaiheiset tehtävät voivat lisätä laskentatarvetta. Myös tekninen kehitys parantaa tehokkuutta, vaikka käytön kasvu voi samalla lisätä kokonaiskulutusta. IEA: Key Questions on Energy and AI.

Esimerkiksi AI Energy Score tarjoaa kielimallien energiankulutuksen vertailua vakioiduissa testiolosuhteissa. Tuloksia kannattaa tarkastella tehtävän ja mittausolosuhteiden yhteydessä: ne eivät suoraan kerro jokaisen kaupallisen palvelun tai oman kysymyksesi kulutusta. AI Energy Score.

Muistilistan keinot auttavat vähentämään tarpeetonta käyttöä ja sovittamaan työkalun tehtävään. Täsmällistä energiansäästöä niille ei voi luvata ilman mittaustietoa. Myöskään nopeampi vastaus, alempi hinta tai pienempi malli ei yksin todista pienempää kulutusta.

Vastuulliseen käyttöön kuuluvat energian lisäksi tietojen suojaaminen ja tulosten tarkistaminen. Ensin opitaan käyttämään tekoälyä hyvin. Kokemuksen karttuessa opitaan myös valitsemaan, missä, miten ja kuinka paljon sitä kannattaa käyttää.

Aiheet

Tanja Karonen on yrittäjä ja digitalisaation asiantuntija, jonka osaamiseen kuuluvat prosessien kehittäminen, projektinhallinta, laadunvarmistus ja tekoälyn hyödyntäminen liiketoiminnan kehittämisessä. Nexpertin kautta hän auttaa organisaatioita kehittämään prosessejaan, hallitsemaan tietoa ja ottamaan uusia teknologioita käyttöön käytännönläheisesti ja ihmislähtöisesti. Hänen taustansa kattaa myös julkishallinnon kehittämishankkeita, Lean-ajattelua ja digitaalista liiketoimintaa.

Tietoa Nexpertistä