为什么这很重要

数字服务让人觉得没有重量。一个请求发出,一个答案回来,似乎什么也没被消耗。其背后是消耗电力和水的数据中心、由开采的材料制成的设备、日夜运转的网络,以及越来越多的大型 AI 工作负载,它们消耗的能量超过了它们所取代的任务。该行业的足迹庞大并且在增长,组织正被客户、监管机构、员工和自己的董事会问到:自己的足迹是多少,以及打算采取什么行动。

环境只是这件事的一部分。服务也影响人。无法无障碍使用的门户把残障用户拒之门外。假定每个人都有高速网络的支持模式,辜负了那些没有的人。用狭隘数据训练的 AI 工具,对某些群体更差。耗尽工程师的值班模式是一种社会成本,由运行服务的人承担。负责任的服务管理对所有这些都有所追问,不是作为事后补充,而是作为服务如何被设计、购买和运行的一部分。

这是一个声明超过证据的领域。维基百科描述了漂绿(greenwashing),即对环境效益作出误导性声明的做法,它在技术营销中很常见。度量往往是不确定性很大的估计。一处的节省可能把成本转移到别处,效率的提高可能被使用量的增加抵消,维基百科把这种模式描述为反弹效应,或杰文斯悖论(Jevons paradox)。本主题给出一种实用的方法:了解你的主要影响,诚实地度量,在影响最大、成本最低之处采取行动,并对所声称的内容保持谨慎。它与硬件(主题 4.3 — 硬件资产管理)、财务(主题 4.5 — 财务管理与 FinOps)、AI 治理(主题 5.6 — AI 治理、风险与合规)和治理(主题 8.1 — 治理、风险与合规)相联系。它不提供法律建议;报告义务因地而异。

核心概念

可持续性。 用通行的说法,是满足当前的需要而不损害后代满足其需要的能力。维基百科把可持续性(sustainability)描述为有环境、社会和经济三个维度。在服务管理中,它意味着以不对环境、人或未来的选择强加不合理成本的方式运行服务。

环境、社会和治理(ESG)。 组织和投资者用来评估非财务绩效的框架。维基百科描述了 ESG(environmental, social, and governance)。许多司法辖区的报告要求发展很快。你的组织可能向服务团队索取数据。核实适用什么,并保留你能为之辩护的记录。

碳足迹与排放。 某项活动造成的温室气体排放,通常以二氧化碳当量表示。维基百科描述了碳足迹(carbon footprints)和温室气体。碳核算通常区分来自自身运营的排放、来自购入能源的排放,以及来自更广泛价值链的排放,包括设备的制造和供应商服务的使用,后者往往占比最大、也最难度量。维基百科描述了碳核算(carbon accounting)及这些类别。

内含影响与运营影响。 内含影响是制造和运输一台设备或建设一处设施所消耗的;运营影响是运行它期间所消耗的。对终端用户设备来说,内含影响往往占生命周期排放的较大部分。维基百科描述了内含能量(embodied energy)。对数据中心来说,运营,尤其是电力,通常占主导。了解适用哪一种可以指导行动。见主题 4.3 — 硬件资产管理。

能源与数据中心。 数据中心消耗电力用于计算和冷却。维基百科描述了数据中心(data centers)和电能使用效率(PUE),即设施总能耗与计算设备所耗能量之比。低 PUE 并不意味着低排放;电力的碳强度也很重要,设备被利用得多满也很重要。闲置的服务器仍然耗电。

云与共享基础设施。 大型云服务提供商往往比小型本地机房运行得更高效,并能大规模购买可再生能源。它们也使消耗更多变得容易。维基百科一般性地描述了云计算(cloud computing)。向提供者索要按地区和服务划分的排放数据,并把他们的数字视为附有说明方法的估计。迁移到云本身并不会使服务更环保。

AI 与能源。 训练和运行大型模型可能消耗大量能源,在某些情况下还消耗用于冷却的水。影响取决于模型的大小、使用频率以及运行的位置。把大型模型频繁地用于一种简单方法就能完成的任务,是浪费资源。见主题 5.8 — AI 运作模型与能力。对已公布的数字要谨慎,因为方法和范围各不相同。

高效的软件与运维。 高效的代码、适度规模的资源、关闭闲置的环境、在电力更清洁时安排灵活的工作,以及减少不必要的数据存储和传输,都能降低影响,通常也降低成本。维基百科描述了绿色计算(green computing)以及为降低环境影响而设计的做法。见主题 4.5 — 财务管理与 FinOps,其中成本节省与排放节省常常重合。

电子垃圾与循环经济。 废弃的电子产品含有宝贵的材料和危害。维基百科描述了电子垃圾(electronic waste)和循环经济(circular economy)方法,后者通过再利用、维修和回收使材料持续得到使用。更长的设备寿命、维修、翻新和负责任的回收可减少废弃物。见主题 4.3 — 硬件资产管理。维基百科描述的维修权运动主张设备应当可以维修。

生命周期思维。 考虑产品或服务的所有阶段,从材料到处置。维基百科描述了生命周期评估(life-cycle assessment)。它防止把影响从一个阶段转移到另一个阶段,比如通过一台制造时需要更多资源的设备来节省使用中的能源。

反弹效应。 效率可能导致更多使用,从而抵消收益。维基百科在反弹效应(rebound effect)和杰文斯悖论下描述了这一点。如果更便宜的算力导致多得多的计算,总的影响反而可能上升。除了效率目标外,也要设定绝对目标。

无障碍与包容。 服务应当能被不同能力、设备、语言和网络条件的人使用。维基百科描述了无障碍(accessibility)、包容性设计和数字鸿沟。《网页内容无障碍指南》等标准为网页内容设定了基线。许多地方的法律要求无障碍。让残障用户参与设计和测试,并保留非数字途径。

公平与伦理。 服务和 AI 系统应当公平对待人,并公开其工作方式。维基百科描述了算法偏见和人工智能伦理(ethics of artificial intelligence)。见主题 5.6 — AI 治理、风险与合规。

人与工作负荷。 运行服务的人是利益相关者。可持续的值班、合理的工时、安全的工作条件,以及公平对待供应商的员工,都是负责任实践的一部分。见主题 2.10 — 敏捷管理与学习。

负责任的采购。 在价格之外,也依据供应商的环境和社会实践来选择供应商。维基百科描述了可持续采购(sustainable procurement)。索要证据,比如已公布的排放数据和维修政策,并核实声明。见主题 3.14 — 供应商管理。

度量的诚实。 这一领域的许多数字都是估计。说明方法、范围和不确定性。警惕使用不同边界的比较。避免在没有清晰、可验证依据的情况下作“碳中和”之类的声明,因为维基百科关于漂绿的论述表明,这类声明如何误导。

企业责任。 组织越来越多地公布承诺。维基百科描述了企业社会责任(corporate social responsibility)。服务团队提供数据,并作出决定承诺能否兑现的选择。

这些视角如何契合。 可持续性适用于所有四个视角。敏捷实践建议开展小的、经过度量的实验来减少浪费。AI 既是影响的来源,也是发现节省的工具。自动化可以关闭闲置资源并安排工作。分析在说明不确定性的前提下度量影响。

最佳实践

  1. 找出你最大的影响。 估计你服务的最大环境和社会影响在哪里:设备、云和数据中心的使用、AI 工作负载、差旅,以及运行服务的人。从潜力最大的地方开始。
  2. 用说明的方法度量。 使用供应商数据和标准换算系数,记录范围和假设,并显示不确定性。随时间改进数据。
  3. 削减同时也降低成本的浪费。 关闭闲置的环境,适度调整资源规模,删除不需要的数据,并整合利用不足的系统。这些往往能自己收回成本。
  4. 延长设备寿命。 在更换之前先维修、升级和再利用,并选择可维修、耐用的设备。通过负责任的渠道处置并擦除数据。
  5. 选择在何处、何时运行。 在你有选择的地方,使用电力更清洁的地区和时段,并向供应商索要数据。避免会在别处增加影响的迁移。
  6. 成比例地使用 AI。 让模型的规模和使用频率与价值相匹配。在简单方法同样好的地方使用简单方法。跟踪 AI 工作负载的成本,并在可得时跟踪其能耗。
  7. 为无障碍而设计和测试。 遵循无障碍标准,与有不同需要的用户一起测试,并保留替代途径。把无障碍纳入完成定义。
  8. 检查公平与伦理。 评审服务和 AI 用法是否有不公平的影响,跨群体测试,并给人们质疑决定的途径。
  9. 关心运行服务的人。 保持工作负荷和值班可持续,并公平对待供应商的员工。把倦怠算作一种成本。
  10. 在声明中诚实。 说明你度量了什么、如何度量,以及你不知道什么。避免含糊或无法验证的陈述,并在发布之前评审声明。

与团队讨论的问题

我们服务的最大环境影响在哪里?我们怎么知道? 查看设备、云、AI 和设施。预期缺少数据,且假设很强。追问:选择一个领域,用说明的方法估算。

我们的哪些系统或环境一直在运行,可以关闭或缩减? 检查开发和测试环境。预期有闲置的。追问:为一个环境安排关闭,并记录节省。

我们的设备使用多久?是什么阻止我们用得更久或维修它们? 询问政策和习惯。预期是按日历更新。追问:为一个群体试行更长的寿命。

谁无法按设计使用我们的服务?我们怎么知道? 想想残障、语言、网络连接和信心。预期有些群体没有测试过。追问:观察来自这些群体的几位用户。

我们采用了哪些 AI 用法,本可以用更简单的方法?它们在资源上花费多少? 评审清单。预期有些是赶时髦的。追问:在质量和成本上,把一种 AI 用法与一种简单的替代方案作比较。

我们作出过或被要求作出哪些关于可持续性的声明?我们能支持每一条吗? 收集它们。预期有些无法验证。追问:与掌握数据的人一起评审每一条。

实践:一个服务管理示例

一家国家图书馆的 IT 部门被其上级部委要求报告其数字服务的环境影响,并提出削减建议。该部门有 400 名员工、遍布 300 个分馆的 6,000 台设备、一个云托管的目录,以及一个近期上线的 AI 检索助手。

服务经理先估计主要来源。对于设备,采购和资产记录显示有 4,800 台笔记本电脑和台式机,平均使用年限为 4.1 年。利用制造商发布的生命周期数据(她指出这些是估计值),她判断当年所购设备的内含影响是最大的单项。对于云,提供者的排放仪表板给出了按地区划分的月度估计,她连同提供者所述的方法一起记录。AI 助手的使用量与其他项目相比很小,但在增长,供应商没有提供能耗数据。

她提出四项行动。在健康数据允许的地方,把笔记本电脑的更换周期从四年延长到五年,并修理电池和存储。夜间和周末关闭开发和测试环境,这同时节省了约五分之一的云成本。在确认延迟可接受之后,把一项批处理工作负载迁到电网碳排放较低的地区。并向 AI 供应商索要能耗和用水数据,规定该助手只用于开放式问题,已知条目则用简单的搜索。

在社会方面,该部门委托对门户做了一次无障碍测试,参与者有五名使用屏幕阅读器的员工和读者,以及一名使用语音控制的人。测试发现,预订表单无法仅用键盘完成,团队修复了它。它还评审了值班轮值表,发现有时只有两名工程师覆盖 24 小时;于是增加了第三名。

变化在于:部委收到了第一份带有方法和区间的报告,该部门也有了四项受跟踪的行动。仍然困难的是:内含数字基于制造商的平均值,无法验证;供应商尚未提供能耗数据;新闻稿草稿中的一项环境声明(“一项碳中和的数字服务”)被撤回,因为该部门无法支持它;而更长的更换周期增加了对旧设备的支持工作。经理报告了这些不确定性,并计划评审支持成本。

四种视角

产品与交付团队

为效率和无障碍而设计:精简的页面、高效的查询、适度规模的资源,以及对键盘和屏幕阅读器的支持。按需要选择 AI 方法,并与各类用户一起测试。

服务与运维团队

关闭闲置的东西,维修和再利用设备,记录能耗和废弃物的数据,并保持值班可持续。告诉负责人影响最高之处。

领导层与治理

用绝对目标和诚实的度量设定目标,并为这项工作出资。在发布之前评审声明。在你所统计的内容中,既包括碳,也包括人。

客户与用户

无论能力或网络连接如何,你都应当能使用服务,并期待得到关于其影响的诚实信息。告诉提供者什么对你不起作用,以及你希望看到什么。

敏捷、AI、自动化与分析

敏捷

尝试小的改变,比如定时关闭或更轻量的页面,度量效果,并保留有效的。让有不同需要的用户参与评审。注意:不要在没有度量的情况下开展大规模的“绿色计划”;选择有证据的行动。

AI

AI 可以帮助发现闲置资源、分析使用和能耗数据,并检查设计中的无障碍问题,需要审查。AI 本身有环境足迹,也有偏见风险。注意:在没有与它所消耗的能量作比较的情况下,不要声称 AI 节省了能源;两者都要度量。见主题 5.8 — AI 运作模型与能力。

自动化

自动化闲置环境的关闭、灵活工作负载的调度和未使用数据的清理,带有负责人和保障措施。注意:自动删除可能移除所需的数据;使用保留规则并评审。见主题 6.1 — 自动化策略。

分析

收集能耗、排放估计、设备使用年限和故障数据、云使用情况以及无障碍测试结果,并说明方法和不确定性。注意:排放数字因方法而差异很大,一次性的改进也可能被增长抹去;跟踪绝对总量和趋势。见主题 7.3 — 度量与报告和《服务管理度量》一书。

常见失败模式

  • 没有证据的声明。 “碳中和”之类的陈述无法得到支持。说明方法和局限,并评审声明。
  • 转移问题。 影响转移到另一个阶段或供应商。从生命周期的角度思考。
  • 效率没有限度。 节省被更多的使用抵消。设定绝对目标。
  • 把无障碍当作事后补充。 一些用户被排除在外。把它构建并测试进去。
  • 过大的 AI。 大型模型做简单的任务。让方法与需要相匹配。
  • 忽视运行服务的人。 倦怠和流失上升。把工作负荷视为可持续性的一部分。
  • 没有数据。 决策建立在猜测之上。尽可能收集,并附上不确定性。

成熟度模型

维度 起步 发展 标准化 管理 协同
度量 无 粗略的估计 用说明的方法估计主要影响 改进数据并对照目标跟踪 影响数据与成本、规划和供应商整合
行动 临时 一些节省 标准做法:关闭、适度调整规模、设备寿命 跟踪并评审行动 影响内建于设计、采购和运营
包容与伦理 未考虑 有意识 无障碍和公平评审成为标准 按群体度量结果 包容性设计和公平整合进各项服务
诚实 未检查的声明 有意识 对照证据评审声明 审计声明 透明报告并有独立保证

检查清单

  • 我们用说明的方法估计了主要的环境影响。
  • 我们关闭或缩减闲置的环境。
  • 我们维修、再利用并延长设备寿命,并负责任地处置。
  • 我们向供应商索要排放和能耗数据,并记录他们的方法。
  • AI 用法是成比例的,并记录成本,在可能时记录能耗。
  • 服务已与真实用户一起测试了无障碍。
  • 值班和工作负荷是可持续的。
  • 可持续性声明在发布之前对照证据评审。

AI 提示词

构建影响估算。

这是我们的事实:设备的数量和使用年限 [粘贴],按地区的云使用情况 [粘贴],AI 使用情况 [粘贴],以及任何供应商的排放数据 [粘贴]。
请起草一张表,列出影响来源、我们对每一项已有的数据、缺失的数据、我们可以采用的方法,以及主要的不确定性。不要编造排放系数或数字。
请列出你不确定的事项。

评审可持续性声明。

这是一份关于我们服务环境影响的声明草稿:[粘贴]。这是我们掌握的证据:[粘贴]。
请针对每一项声明,说明证据是支持它、部分支持它,还是不支持,引用原文,并列出缺失的内容。不要改写声明。
请列出你不确定的事项。

规划无障碍测试。

我们的服务:[描述]。我们的用户:[群体]。已知问题:[列表]。
请起草一份测试计划,包含真实用户将尝试的任务、要包括的辅助技术和设备、要记录什么,以及如何报告结果。不要声称达到了任何标准。
请列出你不确定的事项。

AI 技能

主要来源

  • The Green Software Foundation (greensoftware.foundation):关于软件与碳的社区指南和标准。
  • W3C, Web Content Accessibility Guidelines (WCAG):无障碍网页内容的国际标准。
  • Wikipedia, "Sustainability" 和 "Greenwashing":对这一领域以及声明中主要隐患的概述。
  • Wikipedia, "Electronic waste" 和 "Circular economy":关于设备和材料的背景。

参考文献

  1. Sustainability — Wikipedia — https://en.wikipedia.org/wiki/Sustainability
  2. Environmental, social, and governance — Wikipedia — https://en.wikipedia.org/wiki/Environmental,_social,_and_governance
  3. Carbon footprint — Wikipedia — https://en.wikipedia.org/wiki/Carbon_footprint
  4. Carbon accounting — Wikipedia — https://en.wikipedia.org/wiki/Carbon_accounting
  5. Green computing — Wikipedia — https://en.wikipedia.org/wiki/Green_computing
  6. Data center — Wikipedia — https://en.wikipedia.org/wiki/Data_center
  7. Power usage effectiveness — Wikipedia — https://en.wikipedia.org/wiki/Power_usage_effectiveness
  8. Electronic waste — Wikipedia — https://en.wikipedia.org/wiki/Electronic_waste
  9. Circular economy — Wikipedia — https://en.wikipedia.org/wiki/Circular_economy
  10. Greenwashing — Wikipedia — https://en.wikipedia.org/wiki/Greenwashing
  11. Rebound effect (conservation) — Wikipedia — https://en.wikipedia.org/wiki/Rebound_effect_(conservation)
  12. Accessibility — Wikipedia — https://en.wikipedia.org/wiki/Accessibility