Zielony rachunek za AI: Czy centra danych czekają specjalne podatki?

Jeszcze kilka lat temu pytanie „czy AI zużywa za dużo prądu” traktowano jako uwagę na marginesie szkiców do raportów ESG. Dziś odpowiedź jest oczywista: zużywa, i to w tempie zagrażającym stabilności sieci energetycznych. Pytanie, które zadają sobie obecnie regulatorzy od Brukseli po Waszyngton, brzmi teraz inaczej: kto za to zapłaci?

Wyliczenia międzynarodowych instytucji sugerują, że specjalny podatek od zużycia energii przez centra danych mógłby generować miliardy dolarów rocznie, korygując rynkowe dysproporcje. W opinii ekspertów obecna cena usług AI jest sztucznie zaniżona, ponieważ nie uwzględnia kosztów zewnętrznych – takich jak zanieczyszczenie powietrza czy zużycie wody – które ostatecznie ponoszą obywatele, a nie firmy technologiczne. Dla biznesu to sygnał alarmowy – jeśli modele AI staną się przedmiotem celowanego opodatkowania, cała ekonomia wdrożeń, od chatbotów po zaawansowane systemy predykcyjne, może ulec drastycznej zmianie.

Dylemat skali

W sporze tym nie chodzi o to, czy chronić środowisko, lecz jak skonstruować mechanizmy fiskalne, by nie wylać dziecka z kąpielą. To jest osią debaty, jaka odbyła się podczas Generative Revolution Day –
Should AI companies pay higher taxes because of their impact on the environment? – w której udział wzięli Paz Peña, ekspertka od sprawiedliwości społeczno-technologicznej i Luis Bitencourt-Emilio, weteran branży technologicznej z doświadczeniem w Microsoft i Reddit.

Ciąg dalszy artykułu pod materiałem video

Dla Peñy centra danych nie są zwykłymi fabrykami, a problem wykracza poza sam prąd.

– Centra danych dla AI budzą duże kontrowersje. Ich intensywna moc obliczeniowa wymaga rosnących ilości energii, a co za tym idzie, więcej słodkiej wody do chłodzenia serwerów i infrastruktury – punktuje ekspertka. Wskazuje przy tym na Stany Zjednoczone, które posiadają ponad 50 proc. światowych centrów danych, jako na poligon doświadczalny, gdzie skutki te są już widoczne.

Jej zdaniem gwałtowna ekspansja cyfrowa realnie zagraża transformacji energetycznej, przedłużając życie paliw kopalnych.

– W rzeczywistości widzimy coś odwrotnego niż transformacja. Ogromne zapotrzebowanie na energię ze strony centrów danych to idealna okazja do rozwoju nowych projektów opartych na paliwach kopalnych – twierdzi Peña. Powołując się na Instytut Ekonomii Energii i Analiz Finansowych, wskazuje, że cyfrowy boom napędza budowę elektrowni gazowych i rurociągów, co „wyraźnie utrudnia transformację energetyczną”.

Kluczowym argumentem za wprowadzeniem celowanego podatku (w wysokości od 0,032 do 0,052 dolara za kilowatogodzinę) jest mechanizm, który Peña określa jako uspołecznienie kosztów przy jednoczesnej prywatyzacji zysków. W praktyce oznacza to, że podczas gdy giganci technologiczni liczą zyski z wdrażania AI, rachunek za skutki uboczne – takie jak wzrost cen prądu dla gospodarstw domowych, zużycie lokalnych zasobów wody czy zanieczyszczone powietrze – płacą zwykli obywatele.

– To mogłoby generować do 18 miliardów dolarów rocznie – wylicza ekspertka, podkreślając też konieczność koordynacji międzynarodowej: – Podatek powinien być globalny, aby uniknąć instalowania centrów danych w lokalizacjach o słabszych regulacjach.

Peña zwraca również uwagę na bilans zysków i strat dla lokalnych społeczności:

– Biorąc pod uwagę szkody środowiskowe, znikomy wpływ na tworzenie miejsc pracy i presję na sieci energetyczne, które mogą zwiększyć ceny dla gospodarstw domowych i zmniejszyć popyt na inne towary, korzyści netto z tych specjalnych reżimów podatkowych są w najlepszym razie niepewne – dodaje.

Pułapka pomiaru

Zgoła inne podejście prezentuje Luis Bitencourt-Emilio. Jego zdaniem opodatkowanie konkretnej technologii to błąd logiczny, który prowadzi do tzw. „pułapki pomiaru” (measurement trap). AI jest „technologią ogólnego przeznaczenia” (general purpose technology), podobnie jak elektryczność, i przenika niemal każdy sektor gospodarki.

– Co byście opodatkowali? Uczenie modeli, inferencję, AI wbudowane w aplikacje, chipy, samochody, samoloty, szpitale, telefony? – pyta Bitencourt-Emilio, obnażając trudności legislacyjne. – Wyznaczanie granic, które będą niepodważalne niezależnie od branży, jest podatne na błędy i manipulacje. Metody różnią się co do tego, co uwzględnić, jak przypisać wspólną infrastrukturę i jak znormalizować dane: na token, na zapytanie czy na model?

Zamiast tworzyć skomplikowane definicje, ekspert proponuje prosty mechanizm rynkowy: opodatkowanie emisji CO2 u źródła.

– Nie ma czarno-białej odpowiedzi. Ale jeśli zależy ci na środowisku, właściwym ruchem jest wycena zanieczyszczeń, a nie innowacji – argumentuje. Bitencourt-Emilio powołuje się przy tym na twarde dane ekonomiczne: – Komisja ds. cen węgla zaleca ścieżkę od 50 do 100 dolarów za tonę dwutlenku węgla do 2030 roku, aby dostosować się do celów klimatycznych.

Jego wizja sprowadza się więc do prostego rozwiązania: – Jeśli AI się skaluje, naturalnie płaci więcej, gdy napędza popyt. Jeśli działa na czystszej energii, płaci mniej. Otrzymujesz właściwe zachęty bez dławienia technologii ogólnego przeznaczenia.

Zderzenie z praktyką

Aby zrozumieć realny wpływ tych propozycji na biznes, warto przeanalizować je na przykładzie. Przyjmijmy, że istnieje hipotetyczna spółka „DataCenter X”, zużywająca 100 GWh energii rocznie, czerpanej w połowie z paliw kopalnych.

W scenariuszu proponowanym przez Peñę (sztywny podatek celowy), firma z dnia na dzień zostaje obciążona dodatkowym kosztem rzędu 5 milionów dolarów rocznie. Jest to opłata trudna do udźwignięcia w krótkim terminie z własnych środków, co zmusza przedsiębiorstwo do podniesienia cen usług.

Scenariusz rynkowy Bitencourt-Emilio – wysoki podatek węglowy zwalniający energię czystą – wydaje się bardziej racjonalny, lecz w zderzeniu z rzeczywistością infrastrukturalną ujawnia swoje mankamenty. Teoretycznie DataCenter X powinno podpisać umowy PPA (Power Purchase Agreements) na zieloną energię, by zredukować podatek do zera. W praktyce firma wpada jednak w „pułapkę dostępności”, co zdaje się potwierdzać obawy Peñy.

O co chodzi? W kluczowych hubach technologicznych, takich jak Wirginia czy Frankfurt, zielona energia jest towarem deficytowym. Wykupienie jej resztek przez giganta technologicznego drastycznie podbiłoby ceny prądu dla lokalnych mieszkańców. Firma musi więc finansować nowe źródła, tu jednak zderza się z kalendarzem i biurokracją. Czas oczekiwania na przyłączenie nowej farmy wiatrowej do sieci przesyłowej w USA i UE wynosi obecnie od 3 do 5 lat. Powstaje więc sytuacja najtrudniejsza z możliwych dla biznesu: przez okres przejściowy spółka musi finansować inwestycje w OZE, a jednocześnie wciąż płacić karne podatki za korzystanie z brudnej energii.

Tanio już było…?

Niezależnie od tego, czy regulatorzy zdecydują się na model fiskalny czy rynkowy, czasy, w których koszt zapytania do modelu AI był pomijalny, wydają się dobiegać końca. Koszt środowiskowy zostanie nieuchronnie wliczony w cenę tokena. Firmy, które zignorują ten fakt, narażają się nie tylko na straty finansowe, ale i wizerunkowe. Jak zauważa Paz Peña, obecny system jest niesprawiedliwy:

– Państwa tracą dochody podatkowe, finansując jednocześnie infrastrukturę dla firm, które zwiększają globalne emisje.

Jedyną ucieczką wydaje się radykalna optymalizacja. Bitencourt-Emilio przywołuje tu przykład z historii:

– Naprawiliśmy problem zanieczyszczeń, celując w źródła, a nie zakazując technologii. Nie opodatkowaliśmy samochodów ani lotów jako takich. Amerykańskie samochody są teraz o 99 proc. czystsze pod względem kluczowych zanieczyszczeń niż modele z 1970 roku.

To samo, jego zdaniem, czeka AI – pod warunkiem, że regulacje wymuszą inżynieryjną pomysłowość, a nie fiskalną blokadę.

Dla menedżerów IT oznacza to konieczność zmiany paradygmatu. Efektywność energetyczna kodu staje się kluczowym wskaźnikiem efektywności (KPI). Niezbędne będzie wdrożenie precyzyjnego „AI Carbon Accounting” – monitorowania śladu węglowego per projekt. Co więcej, strategia technologiczna będzie musiała uwzględniać geografię energetyczną, a ambicje ustąpić miejsca specjalizacji. W świecie drogiej energii używanie modeli klasy premium do prostych zadań klasyfikacyjnych będzie postrzegane jako biznesowa lekkomyślność – to przysłowiowe strzelanie z armaty do muchy. Przyszłość mają więc mniejsze, wyspecjalizowane modele , które zużywają ułamek energii swoich większych kuzynów. Taka optymalizacja architektury to nie tylko oszczędność na fakturze za chmurę, ale przede wszystkim najskuteczniejsza tarcza przed nadchodzącymi podatkami środowiskowymi. I to możliwa do wdrożenia od zaraz, bez żadnych inwestycji w zieloną infrastrukturę