Dibalik Kecanggihan AI, Ada Krisis Air: Peringatan Keras dari Pakar ISTTS

Surabaya, Nawacita.co – Isu konsumsi air pada teknologi kecerdasan buatan (AI) kembali mengemuka seiring meningkatnya kebutuhan daya komputasi global.

Pengajar sekaligus pakar AI dari Institut Sains dan Teknologi Terpadu Surabaya (ISTTS), Yosi Kristian, menegaskan bahwa permasalahan ini bukan sekadar rumor, tetapi fakta teknis yang berakar pada prinsip dasar termodinamika.

“Pendinginan GPU di server memang mayoritas menggunakan air,” tegas Yosi.

Ia menjelaskan bahwa kepadatan komputasi GPU modern menghasilkan panas ekstrem yang tidak lagi efisien ditangani dengan pendingin udara berbasis kipas. Sistem pendingin evaporatif berbasis air dipilih karena jauh lebih hemat energi, namun konsekuensinya adalah konsumsi air berskala besar oleh industri AI.

Di tengah perlombaan global mengembangkan model AI raksasa, konsumsi air menjadi persoalan lingkungan yang semakin mendesak. Banyak laporan internasional menyoroti bahwa satu sesi pelatihan model besar dapat menghabiskan puluhan hingga ratusan ribu liter air – sebuah angka yang tidak bisa diabaikan, terutama di wilayah yang rentan kekeringan.

Yosi menilai, persoalan ini hanya dapat ditangani melalui pendekatan komprehensif di tiga lapisan: transparansi industri, inovasi algoritmik, dan strategi lokasi data center.

Baca Juga: ISTTS Siapkan Lulusan Teknik Industri yang Kompeten Melalui Pelatihan K3 Terintegrasi

1. Transparansi WUE: Industri Harus Berhenti “Menutup Angka”

Ia menyoroti minimnya keterbukaan dari penyedia cloud global terkait Water Usage Effectiveness (WUE) — metrik yang menunjukkan seberapa efisien penggunaan air dalam data center.

“Penyedia cloud harus membuka data WUE mereka secara transparan,” ujarnya. Menurutnya, tanpa tekanan publik dan regulasi, industri cenderung menutupi konsumsi air aktual karena dianggap sensitif secara komersial maupun politis.

2. Inovasi Algoritma: Saatnya Berhenti Berlomba Membuat Model ‘Raksasa’

Yosi mengingatkan bahwa solusi tidak hanya berada pada infrastruktur, tetapi juga pada arah riset AI itu sendiri.

“Kita perlu mengembangkan Small Language Models (SLM) atau teknik distillation yang performanya mendekati model raksasa namun dengan kebutuhan komputasi jauh lebih rendah,” jelasnya.

Pendekatan ini semakin relevan mengingat tren AI kini condong pada model yang semakin besar dan mahal, tanpa memperhatikan jejak ekologis yang menyertainya.

Baca Juga: Bukan Sekadar Pameran, Creative Fair iSTTS Bukti Nyata Aplikasi Ilmu DKV jadi Bisnis

3. Lokasi Data Center: Hindari Daerah Rawan Air, Bangun Masa Depan di Bawah Laut

Untuk jangka panjang, Yosi menegaskan bahwa lokasi data center akan menjadi faktor penentu keberlanjutan AI.

“Penempatan data center harus strategis, menghindari wilayah yang mengalami water stress,” tegasnya.

Bahkan, ia menyinggung solusi radikal yang mulai diuji di beberapa negara:

“Atau yang lebih revolusioner: di bawah laut, seperti yang mulai dilakukan China.”

Konsep data center bawah laut diyakini mampu mengurangi kebutuhan pendinginan berbasis air sekaligus meningkatkan efisiensi energi.

Di balik pesatnya perkembangan kecerdasan buatan, terdapat biaya ekologis yang tidak boleh diabaikan. Tanpa transparansi industri, inovasi algoritma yang efisien, dan kebijakan lingkungan yang visioner, perlombaan AI dapat meninggalkan jejak kerusakan baru.

Yosi menegaskan bahwa masa depan AI harus dibangun bukan hanya untuk kecerdasan mesin, tetapi juga untuk keberlanjutan planet.

Reporter: Alus