SUMAS – Sustainability Management School
← सभी अंतर्दृष्टि पर वापस जाएँ
जलवायु और हरित अर्थव्यवस्था

जनरेटिव AI का विरोधाभास: संसाधनों की खपत या जलवायु समाधान का उत्प्रेरक?

द्वारा Brice Delhome|
AI processor chip glowing in a dark setting, illustrating the energy and water cost of generative AI compute alongside its climate potential

जनरेटिव AI का विरोधाभास क्या है?

जनरेटिव AI का विरोधाभास यह प्रमाणित तथ्य है कि जनरेटिव AI बिजली, स्वच्छ जल और महत्वपूर्ण खनिजों की बढ़ती मात्रा खपत करता है और साथ ही जलवायु शमन, ग्रिड अनुकूलन तथा सामग्री नवाचार के लिए उपलब्ध सबसे सशक्त त्वरकों में से एक भी है। दोनों पक्ष मापे गए सार्वजनिक आँकड़ों पर टिके हैं, और कोई भी पक्ष दूसरे को रद्द नहीं करता। अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA) बताती है कि डेटा सेंटरों की वैश्विक बिजली माँग 2025 में 17% बढ़कर 485 टेरावॉट-घंटा (TWh) हो गई, और अलग से आकलन करती है कि मौजूदा AI अनुप्रयोगों की व्यापक तैनाती से 2035 में 1,400 मिलियन टन (Mt) कार्बन डाइऑक्साइड से बचा जा सकता है। किसी प्रबंधक के लिए जनरेटिव AI का विरोधाभास जीतने योग्य बहस नहीं, बल्कि निपटाने योग्य संसाधन-आवंटन की समस्या है: हर तैनाती के साथ एक मापनीय संसाधन लागत और एक सशर्त बचत-लाभ जुड़ा होता है, और कौन बड़ा है यह केवल अनुशासित माप ही तय करता है। यह लेख बताता है कि AI नवाचारों के पक्ष या विपक्ष में एकमुश्त रुख अपनाने के बजाय यह निर्णय हर मामले में कैसे लिया जाए।

जनरेटिव AI कितनी बिजली और पानी खपत करता है?

जनरेटिव AI की संसाधन खपत अब अनुमान नहीं बल्कि माप का विषय है, और प्रकाशित आँकड़े कुल मिलाकर विशाल हैं जबकि प्रति अनुरोध छोटे बने हुए हैं। IEA की रिपोर्ट Key Questions on Energy and AI, जो 16 अप्रैल 2026 को प्रकाशित हुई, बताती है कि डेटा सेंटरों की वैश्विक बिजली माँग 2025 में 17% बढ़कर 485 TWh हो गई और 2030 तक लगभग 950 TWh — यानी वैश्विक बिजली माँग का करीब 3% — रहने का अनुमान है, जबकि AI-केंद्रित डेटा सेंटरों की बिजली खपत 2025 में 50% उछली और 2030 तक तिगुनी होने का अनुमान है। एकल अनुरोध के स्तर पर, Google का तकनीकी शोधपत्र Measuring the Environmental Impact of Delivering AI at Google Scale, जो 21 अगस्त 2025 को जारी हुआ, बताता है कि Gemini Apps का माध्यिका पाठ प्रॉम्प्ट 0.24 वॉट-घंटा ऊर्जा खपत करता है, 0.03 ग्राम CO2 समतुल्य उत्सर्जित करता है और 0.26 मिलीलीटर पानी खपत करता है। इन दोनों पैमानों को साथ पढ़ना ज़रूरी है, क्योंकि अलग-अलग नगण्य दिखने वाले अनुरोध मिलकर राष्ट्रीय स्तर की बिजली माँग बना देते हैं।

AI पदचिह्न पर प्रकाशित प्रकटीकरण वास्तव में क्या बताते हैं?

AI पदचिह्न पर प्रकाशित प्रकटीकरण अब चार अलग-अलग प्रभाव श्रेणियों — ऊर्जा, कार्बन, जल और सामग्री — को कवर करते हैं, लेकिन वे अलग-अलग सिस्टम सीमाएँ लागू करते हैं, इसलिए उनके आँकड़ों की सीधी तुलना नहीं की जा सकती। Google ने सेवा-प्रदान के परिचालन प्रभाव को मापा: एक्सेलेरेटर, होस्ट सिस्टम, निष्क्रिय क्षमता और डेटा सेंटर का अतिरिक्त भार। वहीं Mistral AI ने एक पूर्ण जीवन-चक्र आकलन कराया जिसमें डेटा सेंटर निर्माण, हार्डवेयर विनिर्माण, मॉडल प्रशिक्षण और 18 महीने का अनुमान-संचालन शामिल था; यह Carbone 4 और फ़्रांस की पारिस्थितिक संक्रमण एजेंसी ADEME के साथ किया गया और 22 जुलाई 2025 को प्रकाशित हुआ। सीमा का यही अंतर बताता है कि Mistral 400 टोकन की प्रतिक्रिया के लिए 45 मिलीलीटर पानी क्यों बताता है जबकि Google माध्यिका प्रॉम्प्ट के लिए 0.26 मिलीलीटर: ये दोनों आँकड़े अलग-अलग प्रश्नों का उत्तर देते हैं। नीचे दी गई तालिका उन प्रमुख प्रकटीकरणों को एक जगह लाती है जिन्हें कोई प्रबंधक उद्धृत कर सकता है, हर एक अपने प्रकाशक, तिथि और दायरे के साथ, ताकि पदचिह्न से जुड़े किसी दावे को सुनी-सुनाई बात के रूप में दोहराने के बजाय स्रोत तक पहुँचाया जा सके।

जनरेटिव AI के पर्यावरणीय पदचिह्न के प्रकाशित माप (प्रकाशक और तिथियाँ अगस्त 2026 तक)
मापप्रकाशित आँकड़ास्रोत और तिथिशामिल दायरा
प्रति प्रॉम्प्ट ऊर्जा, कार्बन और जलGemini Apps के माध्यिका पाठ प्रॉम्प्ट के लिए 0.24 Wh, 0.03 gCO2e और 0.26 mL पानीGoogle, Measuring the Environmental Impact of Delivering AI at Google Scale, 21 अगस्त 2025केवल परिचालन सेवा-प्रदान: एक्सेलेरेटर, होस्ट सिस्टम, निष्क्रिय क्षमता, डेटा सेंटर का अतिरिक्त भार
दक्षता की प्रवृत्तिबारह महीनों में प्रति माध्यिका प्रॉम्प्ट ऊर्जा में 33 गुना और कार्बन पदचिह्न में 44 गुना कमीGoogle, वही तकनीकी शोधपत्र, 21 अगस्त 2025परिचालन सेवा-प्रदान, समान या बेहतर आउटपुट गुणवत्ता पर वर्ष-दर-वर्ष तुलना
मॉडल का पूर्ण जीवन-चक्रMistral Large 2 के लिए 20.4 ktCO2e, 281,000 m³ पानी और 660 kg Sb समतुल्य (प्रशिक्षण सहित जनवरी 2025 तक 18 महीने का उपयोग)Mistral AI, Carbone 4 और ADEME के साथ, 22 जुलाई 2025ISO 14040/14044 और Greenhouse Gas Protocol Product Standard के अनुसार आरंभ-से-अंत तक जीवन-चक्र आकलन
सीमांत अनुमान-संचालन400 टोकन की प्रति प्रतिक्रिया 1.14 gCO2e, 45 mL पानी और 0.16 mg Sb समतुल्यMistral AI, 22 जुलाई 2025एक उत्पन्न प्रतिक्रिया का सीमांत जीवन-चक्र प्रभाव
कंपनियों का परिचालन उत्सर्जनAI-केंद्रित चार अग्रणी डिजिटल कंपनियों का परिचालन उत्सर्जन 2020 से औसतन 150% बढ़ाITU और World Benchmarking Alliance, Greening Digital Companies 2025, 5 जून 2025200 डिजिटल कंपनियों द्वारा रिपोर्ट किया गया परिचालन उत्सर्जन, 2023 तक का डेटा
जल निकासी2027 में वैश्विक AI माँग से 4.2 से 6.6 अरब m³ जल निकासी का अनुमानLi, Yang, Islam और Ren, Making AI Less 'Thirsty', Communications of the ACM, 2025भौगोलिक रूप से वितरित डेटा सेंटरों में परिचालन और अंतर्निहित जल
इलेक्ट्रॉनिक कचरा2020 से 2030 के बीच जनरेटिव AI से 1.2 से 5.0 Mt संचयी इलेक्ट्रॉनिक कचरा; चक्रीय रणनीतियाँ इसे 16-86% तक घटा सकती हैंWang, Zhang, Tzachor आदि, Nature Computational Science 4, 818-823, 2024जनरेटिव AI मूल्य शृंखला में हार्डवेयर की जीवन-समाप्ति
सुविधा दक्षताउद्योग का भारित औसत ऊर्जा उपयोग प्रभावशीलता (PUE) लगभग 1.54, लगातार छठे वर्ष अपरिवर्तितUptime Institute Global Data Center Survey 2025, 30 जुलाई 2025सर्वेक्षित डेटा सेंटरों का सुविधा-स्तरीय ऊर्जा अतिरिक्त भार

जनरेटिव AI वास्तव में कहाँ जलवायु समाधान का उत्प्रेरक है?

जनरेटिव AI और उससे जुड़ी मशीन लर्निंग प्रणालियाँ चार ऐसे क्षेत्रों में मापनीय जलवायु मूल्य देती हैं जहाँ प्रकाशित प्रमाण पहले से मौजूद हैं: विद्युत प्रणाली संचालन, ग्रिड कनेक्शन नियोजन, औद्योगिक ऊर्जा दक्षता और सामग्री खोज। IEA की रिपोर्ट Energy and AI, जो अप्रैल 2025 में प्रकाशित हुई, इनमें से तीन को संख्यात्मक रूप में रखती है। बिजली संयंत्रों के संचालन और रखरखाव में AI लगाने से 2035 तक सालाना 110 अरब अमेरिकी डॉलर तक की लागत बचत संभव है; मौजूदा लाइनों पर 175 गीगावॉट (GW) तक अतिरिक्त पारेषण क्षमता खोली जा सकती है; और इलेक्ट्रॉनिक्स तथा मशीनरी विनिर्माण जैसे हल्के उद्योग 2035 तक 8% ऊर्जा बचत हासिल कर सकते हैं। सभी अंतिम-उपयोग क्षेत्रों को मिलाकर, IEA का व्यापक अपनाव परिदृश्य 2035 में टाले गए उत्सर्जन को 1,400 Mt CO2 आँकता है, जिसे रिपोर्ट अपने ही डेटा सेंटर परिदृश्यों में कुल डेटा सेंटर उत्सर्जन का तीन से चार गुना बताती है। नीचे दिए गए अनुप्रयोग दिखाते हैं कि ये लाभ आज कहाँ खोजे जा रहे हैं:

  • ग्रिड कनेक्शन नियोजन — PJM Interconnection, जो अमेरिका के 13 राज्यों और डिस्ट्रिक्ट ऑफ़ कोलंबिया में 6.7 करोड़ लोगों को सेवा देती है, ने 10 अप्रैल 2025 को Google और Tapestry के साथ बहुवर्षीय सहयोग की घोषणा की, ताकि उत्पादन इंटरकनेक्शन प्रक्रिया में AI लगाकर आवेदन समीक्षा का समय घटाया जा सके।
  • पारेषण क्षमता — गतिशील लाइन रेटिंग और भीड़-पूर्वानुमान, जिनसे IEA के अनुमान में मौजूदा पारेषण लाइनों से 175 GW तक अतिरिक्त क्षमता मुक्त हो सकती है।
  • बिजली संयंत्रों का संचालन और रखरखाव — पूर्वानुमानित रखरखाव और डिस्पैच अनुकूलन, जिनका मूल्य IEA ने बचे हुए ईंधन और कम लागत के ज़रिए 2035 तक सालाना 110 अरब अमेरिकी डॉलर तक आँका है।
  • औद्योगिक प्रक्रिया अनुकूलन — IEA के व्यापक अपनाव परिदृश्य में इलेक्ट्रॉनिक्स और मशीनरी विनिर्माण जैसे हल्के उद्योगों में 2035 तक 8% ऊर्जा बचत।
  • सामग्री खोज — Nature (खंड 639, पृष्ठ 624-632, 16 जनवरी 2025) में प्रकाशित MatterGen ऐसी अकार्बनिक क्रिस्टल संरचनाएँ उत्पन्न करता है जिनके नए और स्थिर होने की संभावना पिछले जनरेटिव मॉडलों की तुलना में दोगुनी से अधिक है, जिससे बैटरी, चुंबक और उत्प्रेरक सामग्री की खोज छोटी हो जाती है।
  • स्थिरता डेटा कार्य — आपूर्तिकर्ता प्रश्नावलियों और प्रकटीकरण डेटासेटों में निष्कर्षण, मिलान और अंतराल-चिह्नांकन, जो मानवीय समीक्षा या बाहरी आश्वासन की जगह लिए बिना रिपोर्टिंग चक्र को छोटा करता है।

क्या जलवायु लाभ संसाधन लागत को रद्द कर देता है?

जलवायु लाभ संसाधन लागत को अपने आप रद्द नहीं करता, क्योंकि लाभ एक प्रतिरूपित परिदृश्य है जबकि खपत पहले से हो रही है। IEA इस बिंदु पर स्पष्ट है: वह कहती है कि फ़िलहाल ऐसा कोई प्रवाह नहीं है जो इन AI अनुप्रयोगों के व्यापक अपनाव को सुनिश्चित कर सके, और डेटा तक पहुँच, बुनियादी ढाँचे, विनियमन तथा पुनरावर्तन प्रभावों को ऐसी बाधाओं के रूप में गिनाती है जो प्रतिरूपित लाभों को निष्प्रभावी कर सकती हैं। इसके विपरीत खपत का पक्ष प्रेक्षित है। अप्रैल 2025 में IEA की Energy and AI रिपोर्ट के समय डेटा सेंटर वैश्विक दहन उत्सर्जन का लगभग 0.5% थे, जो 2030 तक उसके आधार परिदृश्य में 1% और Lift-Off परिदृश्य में 1.4% तक बढ़ते हैं; और IEA का अप्रैल 2026 का अद्यतन 2035 में डेटा सेंटर उत्सर्जन को लगभग 350 Mt, यानी वैश्विक विद्युत क्षेत्र उत्सर्जन का करीब 2%, आँकता है। जो प्रबंधक अपनाव की शर्तें सुनिश्चित किए बिना 1,400 Mt का लाभ खाते में दर्ज कर लेता है, वह एक पूर्वानुमान को उपलब्धि के रूप में लिख रहा होता है: टाले गए उत्सर्जन एक सशर्त लक्ष्य हैं जो तैनाती-दर-तैनाती अर्जित किए जाते हैं, पहले से जमा किया गया क्रेडिट नहीं।

कौन-सी ग्रीन AI प्रथाएँ पदचिह्न घटाती हैं?

ग्रीन AI प्रथाएँ विनियमन की प्रतीक्षा किए बिना किसी AI तैनाती का पदचिह्न घटाती हैं, और इनमें से हर एक शोध की समस्या नहीं बल्कि प्रबंधन का निर्णय है। सबसे बड़ा एकल उपाय मॉडल का सही आकार चुनना है: हर अनुरोध को उपलब्ध सबसे बड़े मॉडल पर भेजने के बजाय मॉडल की क्षमता को कार्य के अनुरूप रखना। दूसरा है लेखांकन में प्रशिक्षण और अनुमान-संचालन को अलग करना, क्योंकि एक बार प्रशिक्षित मॉडल अरबों अनुरोध पूरे कर सकता है, और IEA नोट करती है कि वीडियो निर्माण जैसे उभरते अनुप्रयोग एक साधारण पाठ क्वेरी से सैकड़ों या हज़ारों गुना अधिक ऊर्जा खपत करते हैं। सुविधा दक्षता ऊर्जा उपयोग प्रभावशीलता (PUE) और जल उपयोग प्रभावशीलता (WUE) के माध्यम से मापनीय और तुलनीय है, जबकि सॉफ़्टवेयर स्तर के उत्सर्जन को ISO/IEC 21031:2024 के रूप में मानकीकृत Software Carbon Intensity विनिर्देश से मापा जा सकता है। नीचे दी गई प्रथाएँ किसी इंजीनियरिंग बैकलॉग की नहीं, बल्कि AI खरीद और संचालन नीति की विषय-वस्तु हैं:

  • मॉडल का सही आकार चुनें — हर कार्य को उस सबसे छोटे मॉडल पर भेजें जो गुणवत्ता की सीमा पूरी करता हो, और गुणवत्ता के अंतर को मान लेने के बजाय मापें।
  • लेखांकन में प्रशिक्षण और अनुमान-संचालन अलग करें — परिशोधित प्रशिक्षण पदचिह्न और सीमांत अनुमान पदचिह्न को दो अलग आँकड़ों के रूप में, उनकी सीमाएँ बताते हुए, रिपोर्ट करें।
  • लचीले कार्यभार को ग्रिड की कम-कार्बन अवधियों में निर्धारित करें — बैच कार्य, फ़ाइन-ट्यूनिंग और मूल्यांकन रन कार्यालय समय के बजाय ग्रिड की कार्बन तीव्रता का अनुसरण कर सकते हैं।
  • प्रदाता अनुबंधों में PUE और WUE की सीमाएँ तय करें — Uptime Institute ने 2025 में उद्योग का भारित औसत PUE लगभग 1.54 दर्ज किया, इसलिए औसत से बेहतर दक्षता को मान लेने के बजाय अनुबंध में लिखना होगा।
  • खरीद शर्तों में पदचिह्न प्रकटीकरण अनिवार्य करें — प्रति सेवा इकाई ऊर्जा, कार्बन और जल माँगें, और सिस्टम सीमा तथा कार्यप्रणाली अनुबंध में दर्ज कराएँ।
  • हार्डवेयर पर चक्रीय प्रथाएँ लागू करें — Nature Computational Science का प्रतिरूपण बताता है कि जनरेटिव AI मूल्य शृंखला में चक्रीय दृष्टिकोण इलेक्ट्रॉनिक कचरे को 16-86% तक घटा सकते हैं।
  • ISO/IEC 21031:2024 के अनुसार सॉफ़्टवेयर कार्बन तीव्रता मापें, ताकि दक्षता संबंधी दावे संस्करणों और आपूर्तिकर्ताओं के बीच तुलनीय रहें।

आप कैसे तय करें कि जनरेटिव AI कब शुद्ध रूप से लाभकारी है?

जनरेटिव AI का कोई उपयोग-मामला तब शुद्ध रूप से लाभकारी होता है जब उसकी मापी गई संसाधन लागत उस संसाधन-उपयोग से कम हो जिसे वह प्रमाणित रूप से प्रतिस्थापित करता है, और जब दोनों आँकड़े बाहरी जाँच में टिक जाएँ। इस निर्णय के लिए राय नहीं बल्कि एक क्रम चाहिए, और हर चरण ऐसा दस्तावेज़ तैयार करता है जिसे कोई बोर्ड, अंकेक्षक या नियामक जाँच सके। नीचे दिया क्रम ESG डेटा पाइपलाइन, जलवायु परिदृश्य उपकरण और आंतरिक सहायक — तीनों पर समान रूप से लागू होता है, और यह जानबूझकर माप को महत्वाकांक्षा से पहले रखता है: जिस तैनाती का पदचिह्न कभी मापा ही न गया हो, उसे विषय चाहे जो हो, जलवायु समाधान नहीं कहा जा सकता। इस क्रम को अपनाने वाले प्रबंधक आमतौर पर प्रस्तावित उपयोग-मामलों में से कुछ को सीधे अस्वीकार करते हैं, बड़े हिस्से को छोटे मॉडलों या सीमित दायरे में पुनर्निर्धारित करते हैं, और शेष को स्पष्ट निगरानी शर्तों के साथ स्वीकृत करते हैं। छह चरण क्रम से चलते हैं, और किसी भी चरण को इसलिए नहीं छोड़ा जा सकता कि पिछले चरण ने असुविधाजनक उत्तर दिया था:

  1. तैनाती का पदचिह्न — ऊर्जा, कार्बन, जल और हार्डवेयर — घोषित सिस्टम सीमा तथा ISO 14040/14044 या Greenhouse Gas Protocol Product Standard जैसी प्रकाशित कार्यप्रणाली से मापें।
  2. प्रतितथ्य को नाम दें: यह तैनाती वास्तव में किस प्रक्रिया की जगह लेती है, उसका आधार-वर्ष क्या है और उसका मापा गया संसाधन-उपयोग कितना है?
  3. शुद्ध प्रभाव की गणना करें और उसे एक आश्वस्त करने वाले अकेले आँकड़े के बजाय अनिश्चितता सहित परास के रूप में प्रकाशित करें।
  4. डेटा शासन — उद्गम, वंशक्रम, प्रतिधारण, न्यूनीकरण और दस्तावेज़ीकरण — की जाँच किसी घटना के बाद नहीं, बल्कि तैनाती से पहले यूरोपीय संघ के AI अधिनियम और ISO/IEC 42001:2023 के सापेक्ष करें।
  5. संचार की जाँच करें: जो भी आँकड़ा आप प्रकाशित करना चाहते हैं, क्या उसे दायरे, आधार-वर्ष, कार्यप्रणाली और सत्यापन स्थिति सहित किसी अंकेक्षक के समक्ष प्रमाणित किया जा सकता है?
  6. छह से बारह महीने बाद पुनः मापें ताकि पुनरावर्तन प्रभाव पकड़े जा सकें, क्योंकि उपयोग में वृद्धि प्रति-इकाई दक्षता के लाभ को पूरी तरह मिटा सकती है।

ज़िम्मेदार डेटा प्रबंधन जनरेटिव AI को शासन-योग्य कैसे बनाता है?

ज़िम्मेदार डेटा प्रबंधन वह नियंत्रण-परत है जो AI पदचिह्न के किसी दावे को अंकेक्षण-योग्य बनाती है, और अब इसका वैधानिक भार भी है। डेटा उद्गम यह दर्ज करता है कि प्रशिक्षण और इनपुट डेटा कहाँ से आया, वंशक्रम दर्ज करता है कि उस डेटा को कैसे रूपांतरित किया गया, और प्रतिधारण तथा न्यूनीकरण यह सीमित करते हैं कि कितना संग्रहीत हो और कितने समय तक — जबकि भंडारण स्वयं एक सतत ऊर्जा लागत है। यूरोपीय संघ के कृत्रिम बुद्धिमत्ता अधिनियम के तहत, सामान्य-प्रयोजन AI (GPAI) मॉडलों के प्रदाताओं को अनुच्छेद 53(1)(a) और अनुबंध XI के अंतर्गत ऐसा तकनीकी दस्तावेज़ रखना होगा जिसमें मॉडल की ज्ञात ऊर्जा खपत, या उपयोग किए गए कंप्यूटिंग संसाधनों से निकाला गया अनुमान शामिल हो। ISO/IEC 42001:2023, जो कृत्रिम बुद्धिमत्ता प्रबंधन प्रणाली का पहला अंतर्राष्ट्रीय मानक है, आसपास का शासन-ढाँचा देता है: प्रभाव आकलन, अनुरेखणीयता, मानवीय निरीक्षण और सतत सुधार। नीचे दी गई तालिका बताती है कि कौन-सा उपकरण कौन-सा दायित्व बनाता है, वह किन पर लागू होता है और कब से प्रभावी है।

AI डेटा प्रबंधन और पदचिह्न प्रकटीकरण को नियंत्रित करने वाले उपकरण (अगस्त 2026 तक की स्थिति)
उपकरणक्या अपेक्षित हैकिन पर लागूकब से प्रभावी
यूरोपीय संघ कृत्रिम बुद्धिमत्ता अधिनियम, विनियमन (EU) 2024/1689, अनुच्छेद 53(1)(a) और अनुबंध XIसामान्य-प्रयोजन AI मॉडलों के लिए तकनीकी दस्तावेज़, जिसमें ज्ञात ऊर्जा खपत या उपयोग किए गए कंप्यूटिंग संसाधनों पर आधारित अनुमान शामिल होयूरोपीय संघ के बाज़ार में रखे गए सामान्य-प्रयोजन AI मॉडलों के प्रदातानए मॉडलों के लिए 2 अगस्त 2025; उस तिथि से पहले बाज़ार में रखे गए मॉडलों के लिए 2 अगस्त 2027
ISO/IEC 42001:2023एक कृत्रिम बुद्धिमत्ता प्रबंधन प्रणाली: प्रभाव आकलन, अनुरेखणीयता, मानवीय निरीक्षण और सतत सुधारAI प्रणालियाँ विकसित करने, उपलब्ध कराने या उपयोग करने वाला कोई भी संगठनदिसंबर 2023 में प्रकाशित; प्रमाणन-योग्य
आयोग प्रत्यायोजित विनियमन (EU) 2024/1364, जो ऊर्जा दक्षता निर्देश (EU) 2023/1791 का पूरक हैडेटा सेंटर संकेतकों — ऊर्जा खपत, ऊर्जा उपयोग प्रभावशीलता, तापमान निर्धारण बिंदु, अपशिष्ट ऊष्मा उपयोग, जल उपयोग और नवीकरणीय ऊर्जा — की यूरोपीय डेटा सेंटर डेटाबेस को वार्षिक रिपोर्टिंगकम से कम 500 kW की स्थापित सूचना प्रौद्योगिकी विद्युत माँग वाले डेटा सेंटरपहली रिपोर्ट 15 सितंबर 2024, फिर हर वर्ष 15 मई
ISO/IEC 21031:2024 (Software Carbon Intensity)किसी सॉफ़्टवेयर प्रणाली की प्रति कार्यात्मक इकाई कार्बन उत्सर्जन की गणना की मानक विधिसॉफ़्टवेयर या AI सेवा के उत्सर्जन मापने वाला कोई भी संगठनमार्च 2024 में प्रकाशित
ISO 14040 और ISO 14044जीवन-चक्र आकलन के सिद्धांत, अपेक्षाएँ और रिपोर्टिंग, जो AI मॉडलों के आरंभ-से-अंत तक पदचिह्न के लिए उपयोग होते हैंAI जीवन-चक्र पदचिह्न प्रकाशित करने वाला कोई भी संगठनप्रभावी
हरित संक्रमण के लिए उपभोक्ता सशक्तिकरण संबंधी निर्देश (EU) 2024/825पर्यावरणीय दावों का प्रमाणन और सामान्य, अप्रमाणित पर्यावरणीय दावों पर रोकयूरोपीय संघ में उपभोक्ताओं के समक्ष पर्यावरणीय दावे करने वाले व्यापारी27 सितंबर 2026 से लागू

AI संचार यह क्यों तय करता है कि आपकी जलवायु कथा जाँच में टिकेगी या नहीं?

AI संचार — यानी मशीन से उत्पन्न विश्लेषण को निर्णय-योग्य कथा में बदलने की विधा — यह तय करता है कि कोई जलवायु दावा किसी नियामक के सामने टिकेगा या नहीं, और यही वह जगह है जहाँ जनरेटिव AI सबसे तीखा प्रतिष्ठा जोखिम पैदा करता है। जनरेटिव मॉडल नीचे मौजूद डेटा की गुणवत्ता से निरपेक्ष रहते हुए प्रवाहपूर्ण और आत्मविश्वासी गद्य रचता है, जिसका अर्थ है कि उद्गम बताए बिना दिया गया AI आउटपुट सावधानी से शर्तों सहित लिखे मानवीय विश्लेषण से भी अधिक प्रामाणिक लग सकता है। नियामकों ने इससे उपजे दावों पर कार्रवाई शुरू कर दी है। अमेरिकी प्रतिभूति एवं विनिमय आयोग (SEC) ने 18 मार्च 2024 को AI-वॉशिंग पर अपनी पहली प्रवर्तन कार्रवाइयाँ कीं और कृत्रिम बुद्धिमत्ता के अपने उपयोग के बारे में झूठे तथा भ्रामक कथनों को लेकर दो निवेश सलाहकारों के विरुद्ध आरोपों का निपटारा किया, जिसमें कुल 4,00,000 अमेरिकी डॉलर के दीवानी दंड शामिल थे। 20 फ़रवरी 2025 को उसी नियामक ने Cyber and Emerging Technologies Unit बनाई, जिसके दायरे में AI से जुड़ी अनियमितताएँ स्पष्ट रूप से शामिल हैं। इसलिए कहानी कहने और प्रभाव संचार का अर्थ अब निष्कर्ष के साथ-साथ उसका उद्गम भी प्रकाशित करना है।

बोर्ड के लिए AI-सहायित स्थिरता कथा कैसे गढ़ी जानी चाहिए?

AI की सहायता से बनी स्थिरता कथा बोर्ड और नियामक का भरोसा तब जीतती है जब उसे एक निश्चित क्रम में गढ़ा जाए जो प्रमाण को व्याख्या से अलग रखे। घटकों को नीचे दिए क्रम में प्रस्तुत करना उसी तरीक़े को दोहराता है जिससे कोई लेखापरीक्षा समिति किसी जलवायु प्रकटीकरण की पड़ताल करती है, और यह कमज़ोर कड़ी को प्रश्नकाल के बजाय पहले ही सामने ले आता है:

  1. वह प्रश्न जिसका उत्तर विश्लेषण देता है, कोई भी परिणाम दिखाने से पहले एक वाक्य में कहा गया।
  2. उपयोग किया गया डेटा, उसके स्रोत, कवरेज अवधि और ज्ञात अंतरालों सहित।
  3. पद्धति, यह बताते हुए कि विश्लेषण का कौन-सा हिस्सा किस मॉडल या उपकरण ने बनाया और मनुष्य ने कहाँ हस्तक्षेप किया।
  4. निष्कर्ष, अकेले आँकड़े के बजाय अनिश्चितता सहित परास के रूप में व्यक्त।
  5. अपेक्षित निर्णय, साथ में यह भी कि उस निर्णय के ग़लत सिद्ध होने के लिए क्या सच होना चाहिए।
  6. सत्यापन स्थिति — आंतरिक रूप से समीक्षित, बाहरी रूप से आश्वस्त, या इनमें से कुछ नहीं — स्पष्ट शब्दों में बताई गई।

जनरेटिव AI के पदचिह्न के शासन के लिए प्रबंधकों को कौन-से कौशल चाहिए?

जनरेटिव AI के पदचिह्न का शासन करने के लिए कौशलों के दो ऐसे परिवार चाहिए जो एक ही पद-विवरण में विरले ही साथ दिखते हैं: ज़िम्मेदार डेटा प्रबंधन और प्रभाव संचार। ज़िम्मेदार डेटा प्रबंधन में उद्गम, वंशक्रम, प्रतिधारण, न्यूनीकरण तथा यूरोपीय संघ के AI अधिनियम और ISO/IEC 42001 से उत्पन्न दस्तावेज़ीकरण कर्तव्य आते हैं, और यही वह अनुशासन है जो विश्वसनीय पर्यावरणीय, सामाजिक एवं शासन (ESG) रिपोर्टिंग का आधार है। कहानी कहना और प्रभाव संचार उन प्रमाणों को ऐसी कथा में अनूदित करने से जुड़ा है जिस पर बोर्ड, नियामक और जनता — तीनों बिना गुमराह हुए कार्रवाई कर सकें। ग्रीन AI प्रथाएँ इन दोनों के बीच बैठती हैं, क्योंकि मॉडल का सही आकार चुनना एक साथ इंजीनियरिंग निर्णय, खरीद निर्णय और प्रकटीकरण निर्णय है। नीचे दी गई तालिका हर कौशल को उस दस्तावेज़ से जोड़ती है जिसे प्रबंधक को बना पाना चाहिए, और यही वह रूप भी है जिसमें भर्तीकर्ता और अंकेक्षक उसे परखते हैं।

जनरेटिव AI के शासन के लिए कौशल, और हर कौशल से अपेक्षित दस्तावेज़
कौशलकिसका शासनदस्तावेज़ जिसे प्रबंधक को बना पाना चाहिए
ज़िम्मेदार डेटा प्रबंधनउद्गम, वंशक्रम, प्रतिधारण, न्यूनीकरण, मॉडल और डेटा शासनप्रलेखित डेटा वंशक्रम एवं प्रतिधारण नीति, जो यूरोपीय संघ AI अधिनियम के अनुबंध XI और ISO/IEC 42001 नियंत्रणों से जुड़ी हो
AI पदचिह्न माप (ग्रीन AI)प्रशिक्षण और अनुमान-संचालन के ऊर्जा, कार्बन, जल तथा हार्डवेयर प्रभावघोषित सिस्टम सीमा सहित पदचिह्न विवरण, ISO 14040/14044 या ISO/IEC 21031:2024 के अनुरूप
प्रतितथ्य और शुद्ध प्रभाव विश्लेषणक्या कोई तैनाती अपनी खपत से अधिक संसाधन-उपयोग की जगह लेती हैनामित आधार-वर्ष और स्पष्ट अनिश्चितता परास सहित शुद्ध प्रभाव की गणना
कहानी कहना और प्रभाव संचारAI से बना विश्लेषण बोर्डों, नियामकों और जनता तक कैसे पहुँचता हैबोर्ड के लिए ऐसा दस्तावेज़ जो डेटा, पद्धति, निष्कर्ष, अनिश्चितता और सत्यापन स्थिति को अलग-अलग रखे
AI खरीद और आपूर्तिकर्ता शासनआपूर्तिकर्ताओं को क्या प्रकट करना, आश्वस्त करना और अंकेक्षण के लिए खोलना होगाPUE, WUE, पदचिह्न रिपोर्टिंग और अंकेक्षण अधिकार निर्दिष्ट करने वाली अनुबंध शर्तें
पर्यावरणीय दावा अनुपालनक्या प्रकाशित दावा प्रमाणित किया जा सकता हैहर सार्वजनिक दावे के लिए प्रमाणन फ़ाइल, जो निर्देश (EU) 2024/825 के अनुरूप हो

SUMAS का कौन-सा मार्ग आपकी पृष्ठभूमि से मेल खाता है?

SUMAS टिकाऊ वित्त और AI नवाचारों को चार मार्गों से पढ़ाता है, जो विषय-वस्तु में नहीं बल्कि प्रवेश स्तर, अवधि और स्वरूप में भिन्न हैं, इसलिए चुनाव आपकी मौजूदा योग्यता और वास्तव में उपलब्ध अध्ययन समय से शुरू होता है। चारों मार्ग SUMAS — Sustainability Management School द्वारा अंग्रेज़ी में संचालित हैं, जो स्विट्ज़रलैंड के Gland में Lake Geneva परिसर और इटली के Milan में एक शहरी परिसर चलाता है तथा ACBSP मान्यता रखता है। SUMAS में AI शिक्षण का नेतृत्व प्रोफ़ेसर Jan Erik Meidell, Ph.D. करते हैं, जिनके पाठ्यक्रमों में सांख्यिकी और मशीन लर्निंग, व्यवसाय के लिए अनुप्रयुक्त AI, ब्लॉकचेन और विकेंद्रीकृत वित्त, तथा Capstone: AI for Good शामिल हैं, और जिनका अपना कार्य AI तथा डेटा विज्ञान को स्थिरता एवं ESG शासन की समस्याओं पर लागू करता है। AI for Good एक अलग डिग्री नहीं बल्कि कैपस्टोन पाठ्यक्रम है, इसलिए इसे खोजने वाले पाठकों को प्रवेश कार्यालय से पूछना चाहिए कि वर्तमान में कौन-सा मार्ग इसे शामिल करता है। तालिका उन कसौटियों पर चारों मार्गों की तुलना करती है जो व्यवहार में चुनाव तय करती हैं।

Sustainable Finance and AI Innovations में SUMAS के मार्ग (प्रकाशित कार्यक्रम विवरण, अगस्त 2026)
मार्गप्रवेश स्तर और अवधिस्वरूप और स्थानप्रकाशित शुल्कAI और स्थिरता की प्रतिनिधि विषय-वस्तु
BBA in Sustainable Finance & AI Innovationsहाई स्कूल डिप्लोमा; 3 वर्ष, 6 सेमेस्टर, 120 US CTSGland या Milan परिसर में, या लाइवस्ट्रीमिंग द्वारा; सितंबर और फ़रवरी में प्रवेशप्रति सेमेस्टर 9,400 CHF (Milan में 9,400 EUR); प्रति वर्ष 18,800 CHF/EURवित्त में कृत्रिम बुद्धिमत्ता; AI-संचालित निर्णय-निर्माण; टिकाऊ वित्त की मूल बातें; वित्त में नैतिकता
MBA in Sustainable Finance and AI Innovationsस्नातक डिग्री; 12 माह, 42 US CTSGland या Milan परिसर में, शिक्षक-निर्देशित ऑनलाइन, लाइवस्ट्रीमिंग या हाइब्रिड; वर्ष में छह बार प्रवेशपरिसर या लाइवस्ट्रीमिंग में 27,800 CHF; ऑनलाइन 18,600 CHFटिकाऊ वित्त में AI अनुप्रयोग; निवेश रणनीतियों में ESG एकीकरण; जलवायु जोखिम मूल्यांकन और शमन; Sustainability Industry Projects
Online MBA in Sustainable Finance and AI Innovationsस्नातक डिग्री; 12 माह, 42 US CTS100% ऑनलाइन शिक्षक-निर्देशित, लाइवस्ट्रीमिंग या हाइब्रिड, कहीं से भी18,600 CHFपरिसर-आधारित MBA जैसा ही विशेषज्ञता पाठ्यक्रम, कार्यरत पेशेवरों के लिए संरचित
CAS in Sustainable Finance and AI Innovationsस्नातकोत्तर प्रमाणपत्र; 9 माह, 9 US क्रेडिट, लगभग चार घंटे प्रति सप्ताहGland या Milan परिसर में, या 100% ऑनलाइन; अंशकालिक या पूर्णकालिकपरिसर में 6,400 CHF; ऑनलाइन 5,400 CHFविशेषज्ञता के तीन पाठ्यक्रम: डिजिटल नवाचार; ब्लॉकचेन और साइबर सुरक्षा; टिकाऊ वित्तीय बाज़ार

SUMAS के साथ ग्रीन AI और ज़िम्मेदार डेटा प्रबंधन के कौशल कैसे विकसित करें?

जनरेटिव AI के शासन के कौशल गढ़ना डिग्री चुनने से कहीं संकरे प्रश्न से शुरू होता है: ऊपर सूचीबद्ध दस्तावेज़ों में से कौन-सा आप आज बना नहीं पाएँगे? पदचिह्न माप और शुद्ध प्रभाव विश्लेषण वास्तविक डेटासेटों पर बार-बार की गई तकनीकी अभ्यास से बनते हैं, जबकि ज़िम्मेदार डेटा प्रबंधन और प्रभाव संचार वास्तविक संगठनात्मक बाधाओं के बीच किए गए अनुप्रयुक्त परियोजनाओं से और ऐसे श्रोताओं के सामने किसी आँकड़े का बचाव करने के अनुशासन से बनते हैं जो उसे चुनौती दे सकें। SUMAS इन दोनों को साझेदार संगठनों के साथ किए जाने वाले Sustainability Industry Projects तथा कैपस्टोन कार्य के माध्यम से विकसित करता है, और अपने सभी कार्यक्रमों में स्नातकों की 90% रोज़गार दर बताता है। बदलाव पर विचार कर रहे पाठक स्थिरता प्रबंधन में करियर तथा चक्रीय अर्थव्यवस्था रणनीतियों पर हमारी गाइडें भी पढ़ सकते हैं, जो मार्गों और संसाधन-दक्षता की अवधारणाओं को अधिक गहराई से देखती हैं। व्यावहारिक अगला क़दम वह मार्ग चुनना है जिसकी अवधि और स्वरूप आपको छूटा हुआ दस्तावेज़ सबसे तेज़ी से बनाने दे।

संबंधित SUMAS प्रोग्राम

MBA in Sustainable Finance and AI InnovationsOnline MBA in Sustainable Finance and AI InnovationsBachelor of Business Administration (BBA) in Sustainable Finance & AI InnovationsCertificate of Advanced Studies (CAS) in SustainabilityOnline Certificate of Advanced Studies (CAS) in Sustainability

References & Sources

  1. Key Questions on Energy and AI, International Energy Agency (IEA) (2026)
  2. Energy and AI (World Energy Outlook Special Report), International Energy Agency (IEA) (2025)
  3. AI and climate change — Energy and AI, International Energy Agency (IEA) (2025)
  4. AI for energy optimisation and innovation — Energy and AI, International Energy Agency (IEA) (2025)
  5. Measuring the environmental impact of delivering AI at Google Scale (arXiv:2508.15734), Google (2025)
  6. Our contribution to a global environmental standard for AI — life-cycle analysis of Mistral Large 2, Mistral AI, with Carbone 4 and ADEME (2025)
  7. Greening Digital Companies 2025: Monitoring emissions and climate commitments, International Telecommunication Union (ITU) and World Benchmarking Alliance (2025)
  8. Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models, Communications of the ACM (2025)
  9. E-waste challenges of generative artificial intelligence (Nature Computational Science 4, 818-823), Nature Computational Science (2024)
  10. A generative model for inorganic materials design (MatterGen), Nature 639, 624-632, Nature (2025)
  11. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act), Official Journal of the European Union (2024)
  12. ISO/IEC 42001:2023 — Artificial intelligence management system, International Organization for Standardization (ISO) (2023)
  13. ISO/IEC 21031:2024 — Software Carbon Intensity (SCI) specification, International Organization for Standardization (ISO) (2024)
  14. Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres, Official Journal of the European Union (2024)
  15. Directive (EU) 2024/825 on empowering consumers for the green transition, Official Journal of the European Union (2024)
  16. SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence (press release 2024-36), US Securities and Exchange Commission (2024)
  17. SEC Announces Cyber and Emerging Technologies Unit to Protect Retail Investors (press release 2025-42), US Securities and Exchange Commission (2025)
  18. Uptime Institute Global Data Center Survey Results 2025, Uptime Institute (2025)
  19. PJM, Google & Tapestry Join Forces To Apply AI To Enhance Regional Planning, Generation Interconnection, PJM Interconnection (2025)