Werkelijke risico AI voor energiesector komt mogelijk door te trage ontwikkeling
De bezorgdheid rond kunstmatige intelligentie en energie is tot nu toe in één richting gegaan: hoeveel gigawatt de uitbreiding van datacenters zal vergen, en of verouderde elektriciteitsnetten dit aankunnen. Een recent betoog, verspreid via OilPrice.com, zet dat perspectief volledig op zijn kop. Op basis van een nota van het advocatenkantoor Duane Morris wordt gesteld dat voor een sector die verantwoordelijk is voor kritieke infrastructuur, het grotere risico op de lange termijn niet ligt in het te agressief inzetten van AI, maar juist in het onvoldoende gebruik ervan bij prognoses, het in evenwicht houden van het elektriciteitsnet, voorspellend onderhoud en het ontdekken van nieuwe materialen.
Het tegenargument is al even scherp. In een rapport van het MIT uit 2025 werd gewaarschuwd dat de zo vaak beloofde efficiëntiewinst nog steeds niet is gerealiseerd, terwijl de goedkeuringen voor nieuwe datacenters juist in een stroomversnelling komen. Simpel gezegd: de optimistische bewering dat AI uiteindelijk meer energie zal besparen dan het verbruikt, blijft een hypothese, geen bewezen feit. De bewezen toepassingen zijn beperkter, maar wel reëel: betere vraag- en aanbodprognoses voor hernieuwbare energie, snellere screening van fusie- en batterijchemie, en nauwkeurigere controle van industriële processen.
De bredere conclusie is dat men bij de planning deze twee aspecten van elkaar moet scheiden. AI-gestuurde efficiëntie is een geloofwaardige hefboom op middellange termijn voor locaties met complexe verbruikspatronen, zoals koelketens in de landbouw, HVAC in de horeca, proceswarmte in de industrie en continue vraag in de gezondheidszorg, maar het is nog geen reden om aan te nemen dat de vraag op systeemniveau zal afvlakken. Het voorzichtige basisscenario beschouwt de toenemende belasting van datacenters als een opwaartse druk op de termijnprijzen voor elektriciteit, terwijl AI-optimalisatie op locatieniveau wordt gezien als een kans die op zijn eigen merites moet worden getoetst, in plaats van als een gegarandeerde compensatie. Cruciaal is dat iedereen die modellen maakt voor decarbonisatie op de lange termijn rekening moet houden met de AI-goudkoorts die durfkapitaal wegleidt van onderzoek naar schone energie van de volgende generatie. Bovendien, aangezien Big Tech leunt op aardgas om de onmiddellijke uitbreiding van zijn datacenters van stroom te voorzien en tegelijkertijd ambities op het gebied van schone technologie op langere termijn financiert, zullen de basisprijzen voor fossiele brandstoffen waarschijnlijk steviger blijven dan standaardtransitiemodellen suggereren.