Η Τεχνητή Νοημοσύνη εξελίσσεται με ταχύτητα που δύσκολα συγκρίνεται με οποιαδήποτε άλλη τεχνολογική αλλαγή των τελευταίων δεκαετιών. Μέσα σε ελάχιστα χρόνια πέρασε από τα ερευνητικά εργαστήρια στην καθημερινότητά μας και από μια πολλά υποσχόμενη τεχνολογία σε βασική συνιστώσα της παγκόσμιας οικονομίας. Πίσω όμως από τον φαινομενικά άυλο κόσμο της Τεχνητής Νοημοσύνης υπάρχει μια εξαιρετικά υλική πραγματικότητα: data centers, επεξεργαστές, ηλεκτρικά δίκτυα, συστήματα ψύξης, νερό και, πάνω απ’ όλα, τεράστιες ποσότητες ηλεκτρικής ενέργειας.
Και όσο οι δυνατότητες και η χρήση της ΤΝ αυξάνονται, τόσο αυτή η πραγματικότητα γίνεται δυσκολότερο να αγνοηθεί. Ο Διεθνής Οργανισμός Ενέργειας (IEA) επισημαίνει στην έκθεσή του Key Questions on Energy and AI ότι η κατανάλωση ηλεκτρικής ενέργειας των data centers αυξήθηκε κατά 17% το 2025, ενώ στα data centers που είναι επικεντρωμένα στην ΤΝ η αύξηση έφθασε το 50% μέσα σε μόλις έναν χρόνο. Το μήνυμα είναι σαφές: η ενεργειακή διάσταση της ΤΝ δεν είναι ένα μελλοντικό πρόβλημα. Η μετάβαση στην Πράσινη ΤΝ (Green AI) δεν είναι μια επιλογή, αλλά μια επιτακτική επιχειρησιακή και περιβαλλοντική ανάγκη.
Το cloud δεν βρίσκεται στον ουρανό αλλά στη γη
Συνηθίσαμε να μιλάμε για το «cloud» σαν να πρόκειται για έναν άυλο χώρο κάπου στον ουρανό όπου αποθηκεύονται δεδομένα και πραγματοποιούνται υπολογισμοί. Στην πραγματικότητα, το cloud βρίσκεται στη γη και είναι κατασκευασμένο από τσιμέντο, μέταλλο, καλώδια και εκατομμύρια επεξεργαστές. Και χρειάζεται ηλεκτρική ενέργεια. Πολύ περισσότερη όσο η ΤΝ εξελίσσεται από απλά γλωσσικά μοντέλα σε συστήματα παραγωγής εικόνας και video και, πλέον, σε πράκτορες ΤΝ (AI agents) που μπορούν να εκτελούν πολύπλοκες εργασίες.
Το παράδοξο είναι ότι οι επεξεργαστές και τα μοντέλα γίνονται ολοένα και πιο αποδοτικά. Όμως η μείωση της κατανάλωσης ανά υπολογιστική εργασία αντισταθμίζεται από την εκρηκτική αύξηση της χρήσης και από την εμφάνιση ολοένα και πιο απαιτητικών εφαρμογών. Είναι μια σύγχρονη εκδοχή του γνωστού «rebound effect»: όσο φθηνότερη και αποδοτικότερη γίνεται μια τεχνολογία, τόσο περισσότερο τη χρησιμοποιούμε.
Γι’ αυτό και το πραγματικό bottleneck της επόμενης φάσης της ΤΝ μπορεί να μην είναι μόνο η διαθεσιμότητα προηγμένων chips. Μπορεί να είναι η δυνατότητα των ενεργειακών συστημάτων να προσφέρουν την ηλεκτρική ισχύ που απαιτείται, στο κατάλληλο σημείο, τη σωστή στιγμή και σε ανταγωνιστικό κόστος.
Το αποτύπωμα δεν είναι μόνο CO₂
Η συζήτηση για την Πράσινη Τεχνητή Νοημοσύνη δεν μπορεί, όμως, να περιοριστεί μόνο στην κατανάλωση ηλεκτρικής ενέργειας.
Πρόσφατη έκθεση του United Nations University εξετάζει το περιβαλλοντικό κόστος της ΤΝ μέσα από τρεις διαφορετικές διαστάσεις: άνθρακα, νερό και γη. Η έκθεση εκτιμά ότι έως το 2030 τα data centers που υποστηρίζουν την ανάπτυξη της ΤΝ θα μπορούσαν να καταναλώνουν συνολικά 945 TWh ηλεκτρικής ενέργειας. Παράλληλα, αναδεικνύει το σημαντικό υδατικό και χωρικό αποτύπωμα των σχετικών υποδομών.
Το νερό είναι ίσως η λιγότερο συζητημένη πλευρά του προβλήματος. Χρησιμοποιείται για την ψύξη των data centers, αλλά και έμμεσα για την παραγωγή ηλεκτρικής ενέργειας. Συνεπώς, δεν αρκεί να γνωρίζουμε μόνο πόση ενέργεια καταναλώνει ένα σύστημα ΤΝ αλλά και από πού προέρχεται αυτή η ενέργεια, πόσο νερό απαιτείται, πού βρίσκεται το data center και ποιο είναι το συνολικό αποτύπωμα στον κύκλο ζωής της υποδομής.
Η απαίτηση για μεγαλύτερη διαφάνεια γίνεται ήδη ισχυρότερη. Τον Ιούνιο του 2026, ο Γενικός Γραμματέας του ΟΗΕ παρουσίασε πρωτοβουλία για την περιβαλλοντική διαφάνεια της ΤΝ, καλώντας τις εταιρείες να δημοσιοποιούν το αποτύπωμα άνθρακα, νερού και γης των συστημάτων τους και να δεσμευθούν για τροφοδοσία των data centers με ανανεώσιμη ενέργεια έως το 2030.
Green AI και AI for Green
Παράδοξα, η Τεχνητή Νοημοσύνη αποτελεί ταυτόχρονα μέρος του προβλήματος και μέρος της λύσης, καθώς υπάρχει και η άλλη πλευρά της εξίσωσης. Η ΤΝ δεν είναι μόνο καταναλωτής ενέργειας. Μπορεί να εξελιχθεί σε ένα από τα ισχυρότερα εργαλεία για την αποτελεσματικότερη χρήση της. Μπορεί να προβλέπει με μεγαλύτερη ακρίβεια την παραγωγή από αιολικά και φωτοβολταϊκά, να βελτιστοποιεί τη λειτουργία των ηλεκτρικών δικτύων, να διαχειρίζεται καλύτερα την αποθήκευση ενέργειας, να προβλέπει βλάβες, να μειώνει την κατανάλωση κτιρίων και βιομηχανικών εγκαταστάσεων και να συντονίζει εκατομμύρια αποκεντρωμένες ενεργειακές μονάδες.
Η Ευρωπαϊκή Επιτροπή αναγνωρίζει πλέον αυτή τη διπλή πραγματικότητα. Στον στρατηγικό οδικό χάρτη για την ψηφιοποίηση και τη χρήση ΤΝ στον ενεργειακό τομέα, που δημοσιεύθηκε τον Ιούνιο του 2026, επιχειρεί να συνδέσει την επιτάχυνση της χρήσης της ΤΝ στην ενέργεια με τη βιώσιμη ενσωμάτωση των data centers στο ευρωπαϊκό ενεργειακό σύστημα.
Η διάκριση είναι κρίσιμη. Χρειαζόμαστε Green AI: Δηλαδή Πράσινη Τεχνητή Νοημοσύνη που απαιτεί λιγότερη ενέργεια και λιγότερους φυσικούς πόρους. Χρειαζόμαστε όμως ταυτόχρονα και AI for Green: Δηλαδή Τεχνητή Νοημοσύνη που χρησιμοποιείται για να επιταχύνει την ενεργειακή μετάβαση και την απανθρακοποίηση της οικονομίας. Το ένα χωρίς το άλλο δεν αρκεί.
Η ΤΝ ήδη βελτιστοποιεί την κατανάλωση ενέργειας σε κτίρια (μειώσεις 10-30%), προβλέπει την παραγωγή από ανανεώσιμες πηγές, διαχειρίζεται έξυπνα δίκτυα και εντοπίζει αναποτελεσματικότητες σε βιομηχανικές διεργασίες. Για παράδειγμα η χρήση ΤΝ από τη Google επέφερε μείωση της ενέργειας ψύξης στα data centers της έως και 40%.
Στην Ελλάδα, η ΔΕΗ αξιοποιεί ήδη μοντέλα πρόβλεψης και βελτιστοποίησης φορτίου, ενώ ερευνητικά έργα όπως εκείνο του Κέντρου «Αθηνά» αποδεικνύουν ότι η ΤΝ μπορεί να μειώσει επιτυχώς τη δέσμευση υπολογιστικών πόρων σε περιόδους αιχμής. Η δυνατότητα υπάρχει. Το ζητούμενο είναι να μετατραπεί σε συστηματική πρακτική.
Δεν αρκεί να βάλουμε ένα φωτοβολταϊκό δίπλα στο data center
Εδώ βρίσκεται ίσως η σημαντικότερη αλλαγή που απαιτείται στον τρόπο με τον οποίο αντιλαμβανόμαστε την Πράσινη ΤΝ. Δεν αρκεί ένα data center να αγοράζει πράσινα πιστοποιητικά ή να αντισταθμίζει λογιστικά τις εκπομπές του. Η βιωσιμότητα πρέπει να ενσωματώνεται στον σχεδιασμό της ΤΝ από την αρχή: αποδοτικότερα μοντέλα και chips, έξυπνο scheduling των workloads, προηγμένα συστήματα ψύξης, μεγαλύτερη διάρκεια ζωής του hardware και επιλογή τοποθεσιών όπου υπάρχει επαρκής πρόσβαση σε καθαρή ενέργεια, δίκτυα και υδατικούς πόρους.
Και κυρίως χρειάζεται πρόσθετη καθαρή παραγωγή. Αν η νέα ζήτηση των data centers καλύπτεται απλώς απορροφώντας την ήδη υπάρχουσα πράσινη ηλεκτρική ενέργεια, το πρόβλημα μπορεί απλώς να μεταφέρεται στους υπόλοιπους καταναλωτές. Η ανάπτυξη της ΤΝ και η ανάπτυξη της καθαρής παραγωγής πρέπει συνεπώς να προχωρήσουν παράλληλα.
Οι πυλώνες της Πράσινης Τεχνητής Νοημοσύνης
Η έννοια της Πράσινης ΤΝ δεν στοχεύει στον περιορισμό της τεχνολογικής καινοτομίας, αλλά στον επανασχεδιασμό της με γνώμονα τη βιωσιμότητα χρησιμοποιώντας:
• Ενεργειακά Αποδοτικότερους Αλγόριθμους (Efficient AI) που κυρίως αφορούν τη μετάβαση από τα γιγαντιαία μοντέλα LLMs σε μικρότερα, εξειδικευμένα μοντέλα που απαιτούν λιγότερη επεξεργαστική ισχύ χωρίς να υστερούν σε ακρίβεια.
• Πράσινες Υποδομές που αφορούν τις επενδύσεις σε data centers που τροφοδοτούνται από Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) και υιοθετούν προηγμένες τεχνολογίες υγρής ψύξης κλειστού κύκλου, ελαχιστοποιώντας την κατανάλωση νερού και
• Εταιρική Διακυβέρνηση με πλαίσιο μετρήσεων και ελέγχου της βιωσιμότητας, της ηθικής λειτουργίας και της διαφάνειας των κέντρων δεδομένων που γίνεται πλέον απαραίτητο στοιχείο των εταιρικών αναφορών.
Από τη Θεωρία στην Πράξη: Τεχνικές και Εργαλεία
Η υλοποίηση της Πράσινης ΤΝ εστιάζει κυρίως στην αλλαγή των διαδικασιών εκπαίδευσης των μοντέλων ΤΝ που απαιτούν και τις μεγαλύτερες ποσότητες ενέργειας. Έτσι υιοθετούνται πρακτικές, τεχνικές και εργαλεία που επιτρέπουν τη βελτιστοποίηση της εκπαίδευσης των μοντέλων μέσω μεθόδων όπως η απόσταξη γνώσης (knowledge distillation), η μεταφορά μάθησης (transfer learning) και η συμπίεση νευρωνικών δικτύων (pruning).
Παράλληλα, για την παρακολούθηση και την αξιολόγηση της βιωσιμότητας, οι διαχειριστές των συστημάτων ΤΝ καλούνται πλέον να αναφέρουν όχι μόνο την ακρίβεια των μοντέλων τους, αλλά και το ενεργειακό τους κόστος, προωθώντας μια κουλτούρα διαφάνειας. Εργαλεία όπως το Carbon Tracker επιτρέπουν τον υπολογισμό των εκπομπών CO₂ σε πραγματικό χρόνο και προτρέπουν τους διαχειριστές να επιλέγουν τις λιγότερο επιβαρυντικές χρονικές περιόδους και γεωγραφικές περιοχές για την εκπαίδευση των μοντέλων τους.
Όσον αφορά την καθημερινή λειτουργία της ΤΝ έχει αρχίσει να υιοθετείται η χρήση της κβαντοποίησης (quantization), η οποία απαιτεί λιγότερα δεκαδικά ψηφία στους εσωτερικούς υπολογισμούς και επιτυγχάνει μείωση στην απαιτούμενη ενέργεια, διατηρώντας ικανοποιητική ακρίβεια. Και παράλληλα επιλέγεται η ΤΝ να δίνει πιο σύντομες απαντήσεις καθώς έχει υπολογιστεί ότι η μείωση των απαντήσεων σημαίνει μείωση της απαιτούμενης ενέργειας. Η ακρίβεια και η φλυαρία της ΤΝ απαιτεί ενέργεια.
On-device: Η αθόρυβη επανάσταση
Η μεγαλύτερη ανατροπή όμως έρχεται από αλλού. Το World Economic Forum εκτιμά ότι η ενέργεια που θα απαιτούν τα data centers θα διπλασιαστεί από 260 TWh το 2024 σε 500 TWh το 2027 και θα ξεπεράσουν την κατανάλωση της Ιαπωνίας. Μία από τις πιο ενδιαφέρουσες απαντήσεις είναι να μεταφερθεί μεγαλύτερο μέρος της επεξεργασίας από το cloud στις συσκευές. Το on-device AI, η επεξεργασία δηλαδή απευθείας στη συσκευή, μειώνει σημαντικά την κατανάλωση, περιορίζοντας την ενεργοβόρα μετάδοση. Εταιρίες όπως η Groq και η DeepSeek πρωτοπορούν σε chips που δίνουν μεγαλύτερη έμφαση στην ενεργειακή αποδοτικότητα και όχι μόνο στην ακατέργαστη υπολογιστική ισχύ. Είναι η ίδια τροχιά που ακολούθησαν τα PCs και τα κινητά: καλύτερη σχεδίαση, μαζική παραγωγή, καλύτερες εφαρμογές. Μόνο που τώρα το στοίχημα είναι ο πλανήτης.
Το ελληνικό στοίχημα
Για την Ελλάδα αυτή η συζήτηση αποκτά ιδιαίτερη σημασία. Η χώρα φιλοδοξεί να προσελκύσει επενδύσεις σε data centers και ψηφιακές υποδομές. Ταυτόχρονα διαθέτει ένα σημαντικό και συνεχώς αυξανόμενο δυναμικό ανανεώσιμων πηγών ενέργειας. Αυτές οι δύο εξελίξεις δεν πρέπει να αντιμετωπιστούν ξεχωριστά. Η μεγάλη ανάπτυξη φωτοβολταϊκών και αιολικών δημιουργεί όλο και συχνότερα περιόδους μεγάλης προσφοράς ηλεκτρικής ενέργειας. Από την άλλη πλευρά, τα data centers αποτελούν μεγάλους και σχετικά σταθερούς καταναλωτές. Με τον κατάλληλο σχεδιασμό, η συνύπαρξη των δύο μπορεί να δημιουργήσει μια ενδιαφέρουσα οικονομική συνέργεια: η πρόσθετη ψηφιακή ζήτηση μπορεί να στηρίξει νέες επενδύσεις σε καθαρή παραγωγή, ενώ η πρόσβαση σε ανταγωνιστική πράσινη ενέργεια μπορεί να αποτελέσει κριτήριο προσέλκυσης ψηφιακών επενδύσεων.
Σε μια χώρα που αντιμετωπίζει αυξανόμενες πιέσεις στους υδάτινούς της πόρους, η χωροθέτηση data centers πρέπει να συνυπολογίζει εξαρχής και το υδατικό τους αποτύπωμα.
Αυτά όμως προϋποθέτουν επενδύσεις στα δίκτυα, στην αποθήκευση και στις διασυνδέσεις τόσο των υποδομών ενέργειας όσο και ύδρευσης καθώς και ξεκάθαρους κανόνες για το ποιος αναλαμβάνει το κόστος τους. Διαφορετικά υπάρχει ο κίνδυνος να προσελκύσουμε ψηφιακές επενδύσεις χωρίς να μεγιστοποιήσουμε την εγχώρια προστιθέμενη αξία τους και να μεταφέρουμε μέρος του κόστους των αναγκαίων υποδομών στην υπόλοιπη οικονομία.
Για την Ελλάδα, η πρόκληση είναι ταυτόχρονα και οικονομική: Τόσο η άνοδος των τιμών της ενέργειας όσο και το ευρωπαϊκό πλαίσιο της διπλής, πράσινης και ψηφιακής μετάβασης καθιστούν τη βιωσιμότητα ολοένα πιο σημαντικό κριτήριο για επενδύσεις και χρηματοδότηση.
Από περιβαλλοντική υποχρέωση σε ανταγωνιστικό πλεονέκτημα
Για χρόνια η βιωσιμότητα παρουσιαζόταν συχνά ως ένας περιορισμός που έπρεπε να επιβληθεί στην τεχνολογική ανάπτυξη. Στην περίπτωση της ΤΝ, μπορεί να συμβεί ακριβώς το αντίθετο. Η πρόσβαση σε άφθονη, καθαρή και ανταγωνιστική ηλεκτρική ενέργεια μπορεί να εξελιχθεί σε έναν από τους σημαντικότερους παράγοντες που θα καθορίσουν πού θα εγκατασταθούν οι ψηφιακές υποδομές της επόμενης δεκαετίας.
Η Πράσινη ΤΝ μπορεί επομένως να μετατραπεί από περιβαλλοντική υποχρέωση σε παράγοντα ανταγωνιστικότητας. Για την Ευρώπη, αυτό σημαίνει ότι η ενεργειακή και η ψηφιακή στρατηγική πρέπει πλέον να σχεδιάζονται μαζί. Η ΕΕ ήδη κινείται προς αυτή την κατεύθυνση, χρηματοδοτώντας παράλληλα εφαρμογές ΤΝ για τα ενεργειακά συστήματα, τα έξυπνα δίκτυα, τις ΑΠΕ, τα κτίρια και την ενεργειακή αποδοτικότητα.
Για την Ελλάδα, σημαίνει κάτι ακόμη πιο συγκεκριμένο: δεν πρέπει να φιλοδοξούμε απλώς να γίνουμε ένας ακόμη προορισμός για data centers. Μπορούμε να θέσουμε έναν πολύ πιο φιλόδοξο στόχο: να εξελιχθούμε σε περιφερειακό κόμβο Πράσινης ΤΝ, συνδέοντας το συγκριτικό μας πλεονέκτημα στις ανανεώσιμες πηγές ενέργειας με τη νέα ψηφιακή οικονομία.
Η επιλογή που γίνεται ανάγκη
Η ανάπτυξη της ΤΝ δύσκολα πρόκειται να επιβραδυνθεί. Το πραγματικό ερώτημα είναι με ποιους όρους θα συνεχιστεί. Μπορούμε να επιχειρήσουμε να τροφοδοτήσουμε μια τεχνολογία του 21ου αιώνα με το ενεργειακό μοντέλο του 20ού. Ή μπορούμε να αντιμετωπίσουμε την ΤΝ και την ενεργειακή μετάβαση ως δύο πλευρές του ίδιου μετασχηματισμού.
Η Πράσινη ΤΝ δεν σημαίνει απλώς περισσότερα φωτοβολταϊκά δίπλα στα data centers. Σημαίνει αποδοτικότερα μοντέλα, καθαρότερες υποδομές, διαφάνεια στο περιβαλλοντικό αποτύπωμα και εφαρμογές που δημιουργούν μεγαλύτερο οικονομικό και κοινωνικό όφελος ανά μονάδα ενέργειας και φυσικών πόρων που καταναλώνουν.
Μέχρι σήμερα μπορούσαμε να αντιμετωπίζουμε την Πράσινη Τεχνητή Νοημοσύνη ως επιλογή. Με την ταχύτητα όμως με την οποία αναπτύσσεται η Τεχνητή Νοημοσύνη, πολύ σύντομα η ενέργεια, τα δίκτυα, το νερό και οι φυσικοί πόροι θα μας υπενθυμίσουν ότι η Πράσινη Τεχνητή Νοημοσύνη δεν είναι πλέον επιλογή. Είναι επιτακτική ανάγκη.
