Apakah AI Menghabiskan Pasokan Air Kita? Fakta, Riset, dan Pendapat Pakar

Apakah AI Menghabiskan Pasokan Air Kita? Fakta, Riset, dan Pendapat Pakar

Dalam beberapa tahun terakhir, perbincangan tentang teknologi AI tidak hanya soal kecerdasan, produktivitas, atau otomatisasi—tetapi juga dampaknya terhadap lingkungan. Salah satu isu yang terus mencuat adalah pertanyaan: apakah AI benar-benar menghabiskan pasokan air kita?

Jawabannya: AI memang membutuhkan air—tetapi konteksnya jauh lebih kompleks daripada sekadar “AI minum air kita”.

Artikel ini membahas fakta ilmiah, pendapat para ahli, dan riset terbaru untuk membantu kamu memahami seberapa besar konsumsi air AI sebenarnya, dari mana sumbernya, serta bagaimana solusinya.

Mengapa AI Membutuhkan Air?

Air diperlukan terutama untuk pendinginan pusat data (data center), yaitu fasilitas tempat ribuan server bekerja untuk melatih dan menjalankan model-model AI seperti GPT, Llama, dan lainnya.

Server AI memproses data dalam skala raksasa. Semakin panas server bekerja, semakin besar kebutuhan pendinginan.
Di sinilah air masuk.

Umumnya air dipakai pada:

Cooling Tower / Evaporative Cooling: air diuapkan untuk melepas panas

Chillers: sistem pendingin yang tetap memakai air

Liquid Cooling: beberapa sistem pendingin modern memakai cairan khusus berbasis air

Menurut World Economic Forum (WEF), beberapa pusat data bisa menggunakan puluhan juta liter air per tahun, tergantung ukuran dan teknologi pendinginannya.

Berapa Banyak Air yang Dipakai AI? Pendapat Para Ahli & Studi Ilmiah

1. Studi “Making AI Less Thirsty” (Li et al., 2023 – 2024)

Penelitian ini menemukan bahwa pelatihan model AI besar dapat “mengonsumsi” ratusan ribu liter air melalui proses pendinginan & rantai pasokan listrik.

Model raksasa = beban server lebih panas ⇒ lebih banyak pendinginan ⇒ lebih besar evaporasi air.

2. Review ilmiah terbaru (2025): Water Use of Data Center Workloads

Studi ini menegaskan bahwa konsumsi air pusat data bisa berbeda hingga 10.000× antara satu workload AI dengan workload lain — artinya AI berat seperti model bahasa besar membutuhkan lebih banyak air dibanding tugas komputasi biasa.

Faktor utama:

jenis cooling

intensitas komputasi

lokasi (iklim panas membutuhkan lebih banyak air)

sumber energi

3. Dataset Efisiensi Air AI (2024)

Peneliti membuat dataset untuk mengukur konsumsi air per tugas AI.
Contoh temuan:

Menulis laporan 10 halaman dengan model besar seperti GPT-4 atau Llama-3-70B bisa setara dengan 0,5–1 liter air, tergantung lokasi data center.

Model kecil = konsumsi lebih rendah

Model besar = konsumsi jauh lebih tinggi

Ini menunjukkan: penggunaan AI sehari-hari tetap berdampak, meskipun relatif kecil dibanding aktivitas lain seperti pertanian, industri, dll.

4. WeForum 2024 – Laporan “Circular Water for Data Centers”

WEF memperingatkan:

permintaan listrik & pendinginan AI melonjak cepat

kurang dari 1/3 data center melacak konsumsi air (WUE – Water Usage Effectiveness)

tanpa inovasi, konsumsi air global data center dapat meningkat drastis, terutama di daerah rawan kekeringan

5. Penelitian sistem pendingin air-cooled (2024, ScienceDirect)

Penelitian lapangan menunjukkan pendinginan menyerap porsi besar energi dan air. Efisiensi sistem sangat menentukan seberapa besar konsumsi air suatu data center.

Apa Dampaknya Terhadap Pasokan Air Kita?

Para pakar sepakat: AI tidak langsung menghabiskan “air minum masyarakat”, tetapi risiko paling besar ada di lokasi tertentu.

Dampak terbesar muncul jika:

✔ pusat data dibangun di wilayah yang rawan kekeringan
✔ menggunakan air tawar layak minum (potable water)
✔ skala pusat data sangat besar (hyperscale)
✔ pendinginan masih bergantung pada evaporative cooling

Para ahli lingkungan menegaskan bahwa konsumsi air data center dapat:

menambah tekanan pada pasokan air lokal

menimbulkan konflik kebutuhan (industri vs masyarakat)

memperburuk “water stress” pada area yang sudah kekurangan air

Beberapa kota di AS, Eropa, dan Afrika Selatan sudah mengeluhkan peningkatan penggunaan air oleh fasilitas digital.

Lalu, Apakah AI Masalah atau Solusi? Pendapat Para Pakar

Mayoritas peneliti sepakat bahwa:

AI bukan penyebab utama krisis air,

tapi AI bisa memperparah kondisi pada wilayah yang sudah kekurangan air jika:

pusat data mengekstraksi air dalam jumlah besar

tidak ada regulasi

teknologi pendingin tidak efisien

Namun sisi positifnya…

AI bisa jadi bagian dari solusi:

mengoptimalkan manajemen air

memprediksi kebocoran & konsumsi air komunitas

meningkatkan efisiensi energi industri

membantu manajemen irigasi & pertanian

Ironis: AI butuh air, tapi juga bisa membantu menghemat air.

Solusi yang Disarankan Para Ahli

Menurut riset lingkungan & pakar infrastruktur data center:

✔ 1. Beralih ke sistem waterless cooling

Misalnya:

direct-air cooling

liquid-to-chip cooling dengan sistem tertutup

immersion cooling

✔ 2. Menggunakan air daur ulang (greywater)

Bukan air minum masyarakat.

✔ 3. Transparansi metrik WUE

Perusahaan wajib melaporkan konsumsi airnya.

✔ 4. Regulasi pembangunan data center

Menentukan wilayah mana yang aman dari sisi pasokan air.

✔ 5. Kombinasi energi bersih + efisiensi server

Energi bersih = lebih sedikit air dari rantai pasokan listrik.

Kesimpulan Besar

Apakah AI menghabiskan air kita?
Tidak secara global — tetapi bisa menguras air lokal jika tidak dikelola dengan benar.

Yang benar adalah:

AI dan pusat data memang membutuhkan air dalam jumlah besar

jumlahnya bergantung pada teknologi pendinginan & lokasi

dampaknya sangat nyata pada area kering atau daerah yang pasokan airnya terbatas

namun AI juga bisa membantu mengurangi penggunaan air dalam sektor lain

solusi sudah tersedia, tinggal diterapkan

Intinya: masalahnya bukan AI itu sendiri, tetapi bagaimana infrastruktur AI dikelola.