A bankszektor saját AI-lábnyoma: A mesterségesintelligencia-alkalmazás energia- és karbonhatásai a hitelintézeti működésben

Abstract

A bankszektor az elmúlt évtizedben a finanszírozott kibocsátások (Scope 3) mérésével és a portfóliók dekarbonizációjával a fenntarthatósági átmenet egyik kulcsszereplőjévé vált. Ezzel párhuzamosan azonban a hitelintézetek saját működésében robbanásszerűen terjednek a mesterségesintelligencia- (AI-) megoldások – az ügyfélszolgálati chatbotoktól a hitelkockázati modelleken át az ágensalapú, több munkafolyamat-lépést automatizáló rendszerekig –, amelyek energia- és erőforrásigénye a szektor saját környezeti lábnyomának eddig alig vizsgált, dinamikusan növekvő komponensét képezi. A tanulmány célja hármas: egyrészt áttekinti az AI-rendszerek életciklus-alapú környezeti hatásainak (tanítás, következtetés, beágyazott kibocsátások, víz- és erőforrás-felhasználás) nemzetközi szakirodalmát és mérési módszertanait; másrészt bemutatja, hogy a banki AI-adopció jelenlegi trendjei – különösen a generatív és ágensalapú AI térnyerése – hogyan hatnak a hitelintézetek Scope 2 és Scope 3 kibocsátási kategóriáira, és kilenc hitelintézet 2025. évi közzétételének feltáró dokumentumelemzésével empirikusan igazolja, hogy az AI-hoz köthető energiafelhasználás a jelenlegi jelentéstételi gyakorlatban nem azonosítható; harmadrészt módszertani keretet javasol a „banki AI-lábnyom” számszerűsítésére és a fenntarthatósági jelentéstételbe (CSRD/ESRS) történő integrálására. A tanulmány amellett érvel, hogy a szektornak a „zöldítés AI-jal” (greening by AI) narratívája mellett a „zöld AI” (greening of AI) szempontrendszerét is intézményesítenie kell: az AI-beszerzési döntésekben, a modell méretezésben és a felhőszolgáltatói szerződésekben megjelenő energetikai kritériumok nélkül a digitális transzformáció alááshatja a bankok saját klímacéljainak hitelességét.