Вопросы инфраструктуры, чипов и огромных затрат электроэнергии на обучение нейросетей сейчас доминируют в технологической повестке. Однако за пределами внимания часто остается фундаментальная проблема: состояние данных, на которых базируются эти системы. По прогнозам Международного энергетического агентства, потребление электроэнергии дата-центрами к 2035 году вырастет до 1300 ТВт·ч. В США, по данным Министерства энергетики, на долю центров обработки данных в 2023 году пришлось около 4,4% всей электроэнергии, и ожидается, что к 2028 году этот показатель достигнет 12%.
Проблема скрытой цифровой нагрузки
По мнению экспертов, многие компании ошибочно полагают, что экологичность ИИ — это исключительно забота крупных поставщиков облачных услуг. В действительности значительная часть избыточных затрат и неоправданной нагрузки на вычислительные мощности кроется внутри самой организации: в CRM-системах, финансовых платформах, разрозненных таблицах и дубликатах записей, которые не были вовремя систематизированы.
- Нейросеть наследует все текущие ошибки и неструктурированность накопленных данных.
- Разрозненные записи об одном и том же клиенте в разных системах ведут к увеличению числа неэффективных запросов.
- Отсутствие единого определения метрик между отделами продаж и финансов вынуждает сотрудников тратить время на ручную сверку.
Технологические системы не способны самостоятельно исправить эти недостатки. Напротив, внедрение ИИ часто делает их более заметными и затратными. Каждый лишний рабочий процесс или цикл валидации данных потребляет больше электроэнергии, ресурсов хранения и рабочего времени сотрудников.
Бизнес-риски и последствия некачественных данных
Согласно недавнему отчету IBM*, 43% операционных директоров называют качество данных своей главной проблемой. Более четверти организаций ежегодно теряют свыше 5 миллионов долларов из-за неточной информации. При работе с ИИ эти убытки многократно возрастают из-за высокой скорости обработки данных и масштабов взаимодействия.
Устойчивое развитие в эпоху ИИ требует операционного подхода, а не только следования экологическим целям. Если компания запускает алгоритмы поверх фрагментированных баз данных, она добровольно увеличивает свою экологическую нагрузку, расходуя вычислительные мощности на обработку «цифрового мусора».
Путь к эффективности
Организации, добивающиеся лучших результатов, придерживаются дисциплинированного подхода, направленного на наведение порядка в инфраструктуре. Основные шаги включают:
- Устранение дублирования данных.
- Синхронизацию логики всех используемых систем.
- Унификацию определений ключевых метрик для всех подразделений.
- Упрощение бизнес-процессов перед их автоматизацией.
- Закрепление ответственности за достоверность данных.
Когда основополагающие системы приводятся в порядок, прогнозы становятся надежнее, а автоматизация действительно сокращает объем рутинной работы. В результате повышается не только экономическая эффективность, но и общая экологичность, так как компания перестает расходовать ресурсы на компенсацию хаоса в данных.
Перед тем как расширять вычислительные мощности, руководителям рекомендуется проанализировать состояние корпоративных данных. Чистые и структурированные данные позволяют сделать системы более эффективными и заслуживающими доверия, что является необходимым условием для успешного развития бизнеса.
* — деятельность компании запрещена на территории РФ
06.05.2026