Kunstig intelligens koster ikke det samme på alle språk, og infrastrukturen belaster heller ikke alle områder likt. En studie fra Coalition for Language Equity in AI Research viser forskjeller på opptil 17 ganger så mange tokener mellom enkelte språk. Carnegie Mellon University Africa dokumenterer samtidig store variasjoner i AI-modellers vannforbruk mellom land. Bak de tekniske forskjellene ligger et politisk spørsmål: Hvem får fordelene, hvem betaler kostnadene, og hvem har makt til å slå av systemene?

Vi har vent oss til å betrakte KI som en nesten immateriell tjeneste. Et spørsmål dukker opp på skjermen, og svaret kommer sekunder senere. I mellomtiden utvikler maskiner varme, anlegg bruker strøm, kjølesystemer trenger vann, og selskaper bestemmer vilkårene for tilgang til modellene sine.

Denne fysiske virkeligheten endrer forståelsen av det digitale skillet. Det handler ikke lenger bare om hvem som har internett. Vi må også spørre hvem som betaler for å drive andres kunstige intelligens, og hvem som kan ta tilbake kontrollen når teknologien blir uunnværlig.

Hvorfor blir KI dyrere på enkelte språk?

Problemet oppstår før serverne begynner å beregne et svar. Språkmodeller deler tekst opp i enheter som kalles tokener. Denne oppdelingen er ikke like effektiv for alle språk.

Ifølge Coalition for Language Equity in AI Research varierer antallet tokener med en faktor på 1,5 til 5 mellom de tjue mest brukte språkene på internett. Når undersøkelsen utvides til to hundre språk, når enkelte forskjeller en faktor på sytten.

To personer kan dermed be om en tilsvarende tjeneste, men bruke svært ulike mengder tokener. Når prisen avhenger av antallet, blir forskjellen økonomisk. Den kan også påvirke regnebehovet, selv om sammenhengen med vann- og strømforbruk avhenger av mange tekniske forhold.

Konsekvensen fortjener oppmerksomhet: Et språk kan bli en økonomisk ulempe i et system som fremstilles som universelt. Det er ikke nødvendigvis tilsiktet diskriminering, men en ulikhet innebygd i hvordan verktøyene utvikles.

Og dette første skillet skjuler et annet. Tokenene er bare den synlige delen av regningen.

Hvorfor bruker datasentre så mye vann?

Prosessorer som brukes til KI, utvikler svært mye varme. Anleggene må derfor holde utstyret på en temperatur det tåler. Avhengig av løsningen krever kjølingen vann, strøm eller begge deler.

En analyse fra Rest of World viser at et hyperskala datasenter kan bruke mellom én og fem millioner gallon vann daglig, omtrent like mye som en by med flere titusener av innbyggere. Artikkelen viser også til en universitetsstudie fra april 2023 som anslo at trening av den opprinnelige ChatGPT-modellen krevde 185 000 gallon vann.

Tallene betyr ikke at alle sentre bruker like mye, eller at alle forespørsler har samme vannavtrykk. De viser likevel at digital infrastruktur kan bli en viktig faktor i lokal vannforvaltning.

Problemet skjerpes når anleggene bruker høykvalitets behandlet vann for å beskytte utstyret. Da kan de konkurrere med behovene til innbyggere, landbruk og annen næringsvirksomhet.

I Chile har vannkonflikter fulgt debatten om Googles planlagte datasenter i Cerrillos i Santiago-regionen. Slike konflikter minner oss om at kostnaden ved en digital tjeneste aldri begrenser seg til beløpet på IT-fakturaen.

Betaler Afrika virkelig mer i vannforbruk for KI?

Svaret er mer sammensatt enn et forbrukende nord og et ofret sør. Forskere ved Carnegie Mellon University Africa modellerte vannforbruket til to store språkmodeller i elleve afrikanske land og sammenlignet med USA og verdensgjennomsnittet.

Overraskende nok hadde åtte av de elleve landene lavere vannforbruk enn verdensgjennomsnittet for samme KI-oppgave. En viktig forklaring er at strømproduksjonen deres har relativt lav vannintensitet.

Forskerne beregnet også store forskjeller mellom modellene: En rapport på ti sider kunne kreve rundt 0,7 liter vann med Llama-3-70B, mot opptil 60 liter med GPT-4 under de undersøkte forholdene. Dette er modellerte anslag, ikke universelle målinger for hver bruk.

Dette skillet er avgjørende. Det ville være feil å hevde at KI alltid bruker mer vann i Afrika.

Publicité

Men relativt lavt forbruk betyr ikke at sårbarheten forsvinner. Tap i distribusjonsnettet, lokal vanntilgang og befolkningens behov endrer konsekvensene av ekstra vannuttak betydelig.

I Sør-Afrika har en begjæring til landets menneskerettighetskommisjon kritisert mangelen på åpenhet om datasentrenes vannforbruk. Ifølge Semafor har landet allerede seksti slike sentre, samtidig som tørke er et problem.

Det egentlige spørsmålet er derfor ikke bare mengden vann. Det handler om et områdes mulighet til å bestemme over ressursene, få innsyn i faktiske uttak og sette grenser.

Hvordan kan nord eksportere de skjulte KI-kostnadene?

Verdikjeden for KI krysser landegrenser. Modeller, elektroniske komponenter, datasentre og brukere befinner seg ikke nødvendigvis i samme land. Denne spredningen gjør det mulig å skille økonomiske gevinster fra materielle konsekvenser.

Et selskap kan selge tjenester globalt og samtidig overlate til lokalsamfunnene rundt infrastrukturen å håndtere vannpress, energibehov og arealbruk. I tillegg kommer spørsmål om digital overvåking og informasjonskontroll.

Det ville likevel være en overdrivelse å beskrive dette som en fullstendig og systematisk overføring av alle kostnader fra nord til sør. Tilgjengelige data gir ikke grunnlag for en slik global beregning, og anlegg i sør kan også skape lokal verdi.

Min bekymring gjelder snarere en skjev maktfordeling. Den som eier modellene, fastsetter tilgangsvilkårene og styrer systemene, kan beholde mer kontroll enn den som stiller land, ressurser eller brukere til rådighet.

Dette minner om enkelte mønstre i utvinningsindustrien: Verdiene fordeles vidt, mens de mest konkrete konsekvensene blir værende lokalt. Sammenligningen er ikke perfekt, men viser hvorfor plassering av digital infrastruktur bør være gjenstand for offentlig debatt.

Hvorfor er afrikanske mobilpenger så viktige?

Avhengigheten blir enda mer alvorlig når KI tas i bruk i finansiell infrastruktur.

Ifølge tall gjengitt av Rest of World ble over 2 000 milliarder dollar overført gjennom mobilpengetjenester globalt i 2025, hvorav rundt 1 400 milliarder i Afrika sør for Sahara. Øst-Afrika sto for 806 milliarder dollar og Vest-Afrika for 498 milliarder.

Dette er ikke bare valgfrie apper. Systemene muliggjør overføringer og betalinger som er grunnleggende for økonomien. Tilgjengelighet og sikkerhet er derfor avgjørende.

KI-agenter som kan utføre handlinger selvstendig, endrer risikobildet. En feil, et sikkerhetsbrudd eller en uautorisert handling kan bli særlig farlig hvis agenten har omfattende rettigheter i et betalingssystem.

Rest of World omtaler blant annet hendelser med KI-agenter i en OpenAI-evaluering av infrastrukturen til Hugging Face, samt kompromittering av australske offentlige nettsteder tilskrevet autonome agenter.

Dette beviser ikke at et afrikansk mobilpengenettverk allerede er kompromittert på samme måte. Men det viser hvorfor kontrollmekanismer bør utvikles før en alvorlig hendelse.

Det bekymringsfulle scenarioet er ikke bare et dramatisk cyberangrep. Det er også at en lokal operatør ikke kan stanse en automatisert komponent umiddelbart fordi den er avhengig av en utenlandsk leverandør.

Hvorfor trenger Afrika en lokal nødstopp for KI?

En kill switch er en mekanisme for nødstans. For KI betyr det her muligheten til å stoppe en autonom agent eller fjerne tilgangen til sensitiv infrastruktur når den blir farlig.

Jane Munga, tilknyttet Carnegie Endowment, fremhever i Rest of World et grunnleggende poeng: Digital suverenitet avhenger blant annet av muligheten til å kontrollere KI-systemer lokalt.

For et betalingsnettverk kan dette innebære flere tekniske krav:

  • Stanse agentens handlinger lokalt uten å vente på godkjenning fra en utenlandsk leverandør.
  • Oppheve tillatelsene umiddelbart for sensitive finansielle transaksjoner.
  • Beholde en reserveløsning når automatiserte tjenester blir utilgjengelige.
  • Lagre kontrollerbare aktivitetslogger for å forstå beslutninger og eventuelle hendelser.

Dette er mulige sikkerhetsprinsipper, ikke en beskrivelse av et dokumentert afrikansk system som allerede er i drift. Kildene viser et ønske om å utvikle denne evnen, men ikke at en konkret løsning er tatt i bruk i stor skala.

En slik bryter vil heller ikke alene sikre infrastrukturen. Den må inngå i rutiner for tilgangskontroll, menneskelig tilsyn og driftskontinuitet.

Hvordan kan det globale sør ta tilbake kontrollen?

Et første tiltak er å redusere avhengigheten av proprietære modeller som bare kan nås gjennom fjernstyrte grensesnitt.

Modeller med åpne vekter gir en interessant mulighet: Parameterne kan lastes ned og, avhengig av lisensen, tilpasses eller kjøres på uavhengig infrastruktur. Det fjerner verken maskinvarekostnader eller kompetansebehov, men kan gi større selvstendighet.

Et annet tiltak gjelder selve infrastrukturen. Flere lokale datasentre er ikke nok dersom vannforbruket er ugjennomsiktig, strømnettene svekkes eller strategiske beslutninger tas uten berørte myndigheter og innbyggere.

Digitale investeringer bør derfor følges av krav om åpenhet, vurderinger av tilgjengelige ressurser og reell lokal kontroll.

Et tredje tiltak gjelder språk. Verktøy bedre tilpasset lokale språk kan redusere noe av ineffektiviteten i tokeniseringen. Men dette løser ikke automatisk den materielle avhengigheten: Problemene henger sammen gjennom KI-økonomien, uten å være teknisk identiske.

Til syvende og sist handler det ikke om hvorvidt Afrika bør ta i bruk KI. Teknologien brukes allerede i en digital økonomi der finansielle tjenester spiller en stor rolle. Spørsmålet er under hvilke vilkår innføringen kan styrke selvstendigheten i stedet for å skape ny avhengighet.

Lenge har vi målt digital fremgang i antall mennesker med nettilgang. Kanskje må vi nå også måle en mindre spektakulær evne: å si nei til en tjeneste, beskytte egne ressurser og selv trykke på stoppknappen.

Ofte stilte spørsmål

Hvorfor koster KI mer på enkelte språk?

Modellene deler tekst inn i tokener, og antallet varierer mellom språk. Coalition for Language Equity in AI Research har funnet forskjeller på opptil sytten ganger så mange tokener, noe som kan øke prisen på bruksbaserte tjenester.

Hvorfor bruker datasentre så mye vann, og hvem betaler?

Servere og spesialprosessorer utvikler mye varme og trenger kjøling. Når kjølesystemene henter vann lokalt, kan innbyggere og kommuner oppleve økt press på vannforsyningen, særlig i tørkeutsatte områder.

Hvordan kan KI true mobilpenger i Afrika?

KI-agenter med omfattende tillatelser kan utføre uønskede transaksjoner, bli kompromittert eller forstyrre betalingssystemer. Mobilpengenes økonomiske betydning i Afrika sør for Sahara gjør umiddelbar stans av slike agenter til et viktig sikkerhetstiltak.

Finnes det lokale løsninger som kan redusere avhengigheten?

Modeller med åpne vekter, lokalt styrt infrastruktur og nødstoppmekanismer er konkrete muligheter. Kildene dokumenterer imidlertid ingen operativ afrikansk kill switch; utforming, integrering og styring er fortsatt utfordringer.

Kilder