Kita pernah menganggap hacker sebagai manusia supercerdas dengan kemampuan kriminal—meski kriminal, ada kekaguman, kalau tak boleh disebut simpati, terhadapnya. Kita membayangkan seseorang yang duduk berjam-jam di depan layar, menguasai kode, memahami celah sistem, dan melakukan sesuatu yang bagi kebanyakan orang nyaris seperti sihir.
Kita takjub pada kerumitan dan “sakleg”-nya: coding (hingga sempat berbondong anak-anak kita masuk sekolah atau les coding).Lalu datang era prompt .
Dan tidak lama setelahnya, sekarang teknologi membuat semua itu terasa semakin sederhana. Kita tidak harus memahami seluruh kerumitan di balik mesin. Tidak harus menguasai kode. Kadang cukup mengetik beberapa kata, memilih sebuah perintah, atau bahkan tinggal klik satu tombol. Lalu—boom Seperti sim salabim. Yang dahulu membutuhkan keahlian luar biasa kini bisa menjadi kemampuan yang tersedia bagi hampir semua orang. Dan seperti biasa, kita sering lupa dia menagih biaya besar: air kita
Catatan tentang AI, data center, dan batas daya dukung lingkungan
Ketika kelapa sawit mulai marak ditanam di Indonesia, kita pernah cemas pada satu hal yang sangat sederhana: air.
Sawit sering digambarkan sebagai tanaman yang rakus minum. Angka kebutuhan sekitar 25 liter per hari per batang pernah menjadi bagian dari kekhawatiran publik. Bayangkan jutaan, bahkan miliaran batang sawit tersebar di perkebunan Indonesia. Kita khawatir negeri ini sedang menanam “monster” yang perlahan akan menyedot air tanah dan mengubah daratan menjadi gurun.
Kekhawatiran itu tidak sepenuhnya tanpa dasar. Tetapi kemudian kita belajar bahwa persoalan lingkungan tidak sesederhana menghitung berapa liter air yang diminum satu pohon. Air yang diserap tanaman tidak hilang begitu saja; sebagian kembali ke atmosfer melalui transpirasi dan ke tanah melalui proses hidrologis lainnya. Dampaknya bergantung pada curah hujan, jenis tanah, tutupan lahan, tata kelola perkebunan, daerah aliran sungai, serta lokasi dan waktu penggunaan air.
Kini datang sesuatu yang sama sekali berbeda. Artificial Intelligence. AI tidak memiliki akar. Ia tidak tumbuh di tanah. Ia tidak terlihat seperti perkebunan yang membentang sejauh mata memandang. Kita mengetik pertanyaan di telepon genggam, beberapa detik kemudian jawaban muncul. Tidak terlihat listrik yang terbakar. Tidak terlihat GPU yang bekerja. Tidak terlihat panas yang harus dibuang. Dan tidak terlihat air. Padahal AI tidak membutuhkan air secara langsung. Yang membutuhkan air adalah data center—infrastruktur fisik yang menjalankan AI.
Sawit bertranspirasi, data center menguapkan
Di sinilah perbedaannya penting. Pada tanaman, air yang diserap menjadi bagian dari siklus hidrologi melalui transpirasi dan proses lainnya. Pada sebagian sistem pendinginan data center, air digunakan untuk membuang panas dan sebagian menguap melalui cooling tower. Air yang menguap berpindah dari sistem sumber setempat ke atmosfer dan tidak serta-merta kembali ke waduk, sungai, atau akuifer di lokasi yang sama.
Karena itu, persoalannya bukan sekadar berapa liter air yang diambil. Kita harus membedakan water withdrawal—air yang diambil dari sumber—dengan water consumption—bagian yang tidak segera tersedia kembali bagi sumber setempat—serta water discharge, yaitu air yang dikembalikan. Tanpa membedakan ketiganya, angka besar seperti 33.000 meter kubik per hari bisa menakutkan, tetapi juga menyesatkan. Yang perlu diketahui adalah: dari mana airnya, berapa yang dikonsumsi, berapa yang dikembalikan, teknologi pendingin apa yang digunakan, dan bagaimana semuanya berubah antara musim hujan dan kemarau.
Jatiluhur: ketika AI bertemu waduk
Di sinilah pusat AI di Jatiluhur menjadi penting. BDx membangun AI Campus 2 atau CGK4 di Purwakarta, sekitar lima kilometer dari Waduk Jatiluhur. Proyek ini dirancang dengan kapasitas akhir sekitar 640 MW, dengan tahap awal sekitar 120 MW. Pada kapasitas penuh, konsumsi listriknya diperkirakan dapat mencapai sekitar 5,6 TWh per tahun. Untuk air, pada skenario pengembangan maksimum yang diberitakan, kebutuhannya dapat mencapai sekitar 33.000 meter kubik per hari, atau lebih dari 12 juta meter kubik per tahun. Angka itu membuat kita berhenti sejenak. Dulu kita bertanya berapa banyak air yang diminum satu batang sawit. Kini kita harus belajar menghitung jejak air dari kecerdasan yang bekerja di server.
Namun jangan buru-buru menyimpulkan bahwa “AI menghabiskan 33.000 meter kubik air per hari”. Tidak semua data center sama. Teknologi pendinginan, efisiensi fasilitas, iklim, beban komputasi dan sumber air sangat menentukan. Justru karena itu, kita membutuhkan transparansi dan standar.
Jatiluhur bukan sekadar lokasi industri. Waduknya mempunyai fungsi publik: irigasi, air baku, energi, perikanan dan kebutuhan masyarakat. Maka pertanyaannya bukan apakah Indonesia boleh membangun data center AI. Tentu boleh. Pertanyaan yang lebih penting: di mana ia boleh dibangun, dari mana air dan listriknya, dan siapa yang menanggung konsekuensinya ketika kebutuhan industri bertemu kebutuhan masyarakat? Penghentian sementara pembangunan Jatiluhur oleh Pemerintah Provinsi Jawa Barat karena persoalan AMDAL dan PBG seharusnya dilihat sebagai kesempatan untuk menjawab pertanyaan tersebut sebelum proyek berkembang lebih jauh.
Belajar dari Batam dan dunia
Indonesia sebenarnya memiliki laboratorium pembanding: Batam. Pipeline data center Batam telah mencapai sekitar 1,47 GW IT. Tetapi Batam juga menghadapi persoalan air. Karena itu muncul prinsip “Utility First, Investment Follows” dan dorongan agar data center dengan kebutuhan air besar menggunakan Seawater Reverse Osmosis (SWRO). Logikanya sederhana: jika industri membutuhkan air dalam jumlah besar, jangan seluruh bebannya dilempar kepada sumber air yang juga dibutuhkan masyarakat. Bangun sumber tambahan.
SWRO tentu bukan solusi tanpa masalah. Desalinasi membutuhkan energi dan menghasilkan konsentrat garam yang harus dikelola. Tetapi prinsipnya penting: biaya ekologis industri masuk ke dalam perhitungan investasi. Singapura telah lebih dahulu berpikir dengan cara serupa. Negara dengan sumber daya terbatas itu menggunakan NEWater dan memiliki benchmark efisiensi air untuk data center. Benchmark median yang dipublikasikan PUB saat ini adalah 2,1 m³ air per MWh.
Di tingkat perusahaan, inovasi bahkan bergerak lebih jauh. Microsoft mulai merancang data center generasi baru yang menggunakan pendinginan chip dengan sirkulasi tertutup, sehingga tidak memerlukan penguapan air untuk pendinginan. Microsoft menyebut desain tersebut dapat menghindari lebih dari 125 juta liter air per tahun per data center dibanding desain sebelumnya. Google juga menggunakan pendekatan berbeda menurut kondisi wilayah: di daerah dengan tekanan air tinggi, perusahaan mengatakan memilih teknologi pendinginan yang menghindari penggunaan air untuk operasi normal. Artinya, pertanyaannya bukan sekadar berapa banyak AI membutuhkan air, tetapi juga AI seperti apa yang kita pilih untuk dibangun.
Bukan monster, tetapi infrastruktur kritis
Indonesia tidak perlu memusuhi sawit. Indonesia juga tidak perlu memusuhi AI. Keduanya dapat memberi manfaat ekonomi besar. Yang harus kita hindari adalah mengulang pola lama: investasi tumbuh lebih cepat daripada kemampuan kita menghitung daya dukungnya. Jangan sampai setelah ratusan megawatt data center berdiri, barulah kita bertanya: dari mana airnya, dari mana listriknya, siapa yang mendapat prioritas ketika kemarau datang, dan siapa yang menanggung biaya ketika sumber daya publik harus diperbesar untuk melayani industri?
Itu bukan sikap anti-investasi. Justru itulah cara memastikan investasi bertahan dalam jangka panjang. Dulu kita takut sawit menjadi monster yang menyedot air dan mengubah Indonesia menjadi gurun.
AI bukan monster. AI adalah cermin dari pilihan infrastruktur dan tata kelola kita. Kita pernah belajar menghitung jejak air dari pohon yang tumbuh di tanah. Kini kita harus belajar menghitung jejak air dari kecerdasan yang bekerja di server. Sebab pada akhirnya, sebesar apa pun kecerdasan buatan, ia tetap bergantung pada sesuatu yang sangat tua dan sangat sederhana: air.
