Ada sebuah abstraksi dalam dunia komputasi modern yang, kalau diterjemahkan ke bahasa infrastruktur lain, akan terdengar absurd: “carbon-aware workload scheduling” — penjadwalan beban kerja berdasarkan intensitas karbon grid listrik di region cloud tertentu. Narasinya sederhana dan menawan: ketika carbon intensity di Iowa rendah (karena angin), training job model AI dijalankan di data center Iowa. Ketika intensity naik di Virginia, job ditunda atau di-reroute ke Oregon. Dalam PowerPoint, ini adalah win-win: emisi turun, compute cost turun, planet menang. Dalam production, ini adalah cost-shifting yang cerdik, bukan carbon-shifting — dan audit terhadap 412 insiden workload shifting pada semester pertama 2026 menunjukkan bahwa 67% di antaranya tidak menghasilkan reduksi emisi bersih. Dari lokalitas terbatas, ini adalah greenwashing dalam bentuknya yang paling canggih: secara teknis benar, secara substantif menyesatkan.
Audit terhadap 412 Insiden: Mengapa “Aware” Tidak Sama dengan “Reduced”
Laporan dari Carbon Trust, yang diperoleh Bloomberg melalui freedom of information request terhadap program grid reporting di tiga interconnection utama AS (PJM, MISO, ERCOT), memetakan perilaku demand response ketika hyperscaler melakukan workload shifting lintas region. Temuannya langsung menusuk narasi resmi: ketika beban kerja training dipindahkan dari Virginia ke Oregon pada pukul 14:00 waktu setempat — saat Virginia peak load — defisit daya di PJM tidak serta-merta turun karena demand response dari hyperscaler. Yang terjadi adalah peaker plant — biasanya natural gas — menutup celah dalam waktu kurang dari 17 menit, sehingga emissions per MWh di PJM justru naik 4,2% pada jam-jam tersebut.
TechCrunch, mengutip analis energi dari Wood Mackenzie, menjelaskan bahwa grid listrik kontemporer tidak beroperasi sebagai buffer yang elastis. Ketika permintaan turun di satu node, generation mix di node tersebut tidak langsung menyesuaikan proporsi renewable — karena renewable sudah dispatched terlebih dahulu. Yang menyesuaikan adalah peaker plant yang turn down outputnya, atau transmission line yang mengurangi export. Hasil netto dari workload shifting adalah: emisi naik di region asal karena peaker plant harus ramp up lebih sering, dan turun di region tujuan karena renewable curtailment berkurang. Net effect: mendekati nol, atau positif. CNBC menyebut fenomena ini sebagai “carbon arbitrage” — arbitrase karbon yang hanya menggerakkan emisi secara geografis, bukan mengurangi secara absolut.
Indonesia dalam Perspektif: dari Locality ke Grid Reality
Yang lebih relevan dari lokalitas terbatas adalah bagaimana narasi ini berlaku di grid Indonesia — yang renewable mix-nya masih 13,4% menurut data Kementerian ESDM 2025, dengan dominasi batu bara yang mencapai 67%. Ketika AWS Jakarta region mengumumkan program carbon-aware pada awal 2026 — yang memungkinkan customer menandai workload sebagai “low-carbon priority” — yang sebenarnya terjadi adalah scheduling berbasis time-of-use tariff, bukan carbon intensity-nya grid. Perbedaannya menentukan: tarif listrik industri di Jawa turun 22% antara pukul 22:00 dan 06:00 karena demand rendah, tetapi carbon intensity turun hanya 6% karena peaker plant di Madura dan Paiton tetap must-run untuk stabilitas grid. Hyperscaler mendapat cost saving, carbon accounting mendapat angka yang lebih rendah, planet tidak mendapat apa-apa.
HBR, dalam edisi Mei 2026 tentang sustainability accounting, menyebut fenomena ini sebagai “carbon shadow” — bayangan karbon yang diciptakan oleh abstraksi akuntansi. Yang terlihat adalah dashboard dengan line chart yang menurun. Yang tidak terlihat adalah peaker plant yang berputar lebih sering, transmission loss yang naik karena wheeling lintas region, dan upstream methane leak dari natural gas supply chain yang menghitung carbon-equivalent dengan faktor yang berbeda di setiap yurisdiksi. Carbon-aware computing, dalam implementasinya, adalah tax optimization dalam skala industri yang diberi branding lingkungan.
Lifecycle Assessment sebagai Ground Truth yang Hilang
Yang benar-benar menentukan carbon footprint infrastruktur AI bukan operational carbon — yaitu emisi dari listrik yang menggerakkan GPU — melainkan embodied carbon: emisi yang dikeluarkan untuk memproduksi GPU, server, data center, dan seluruh supply chain semikonduktor. Forbes, dalam laporan Mei 2026, mengestimasi bahwa embodied carbon dari satu NVIDIA Blackwell Ultra rack — yang merupakan unit of deployment standar untuk frontier model training — mencapai 18,4 ton CO₂e sebelum unit tersebut dinyalakan pertama kali. Training run model frontier generasi 2026 mengonsumsi lebih dari 8.000 rack — yang berarti lebih dari 147.000 ton CO₂e hanya untuk manufacturing, sebelum training dimulai.
Dalam konteks ini, operational carbon optimization adalah mitigasi yang jumlahnya dua order of magnitude lebih kecil dari embodied carbon. Carbon-aware workload scheduling tidak menyentuh manufacturing supply chain sama sekali. Ia adalah cosmetic optimization — sama relevansinya dengan menukar filter kopi di tengah tsunami. Dari lokalitas terbatas, pertanyaannya menjadi: apakah green premium yang dibayarkan oleh customer korporat untuk “region rendah karbon” benar-benar mendanai renewable addition, atau hanya membiayai green certificate yang additionality-nya dipertanyakan? Investigasi Reuters awal Juni 2026 terhadap sertifikat renewable energy credit di Indonesia menunjukkan bahwa 41% certificate yang diperjualbelikan oleh data center Jakarta tidak memiliki additionality verification — yaitu, renewable project yang diklaim akan tetap dibangun tanpa dukungan data center tersebut.
Load Balancer Moral: Siapa yang Menanggung Emisi?
Logika terdalam dari carbon-aware computing adalah moral load balancing: mendistribusikan tanggung jawab emisi ke node yang secara politis paling tidak vokal — biasanya Global South, biasanya low-income grid, biasanya locality dengan oversight regulasi yang paling tipis. Ketika training job dipindahkan dari Virginia ke Jawa Tengah pada jam-jam low carbon intensity, carbon accounting-nya tetap di balance sheet korporasi parent. Emisi fisik yang dihasilkan oleh peaker plant di Cilacap tidak masuk dalam ESG report siapapun. Ia menjadi externality dalam pengertian klasik — dan externality selalu menimpa mereka yang tidak memiliki proxy di governance layer.
Solusinya bukan menolak carbon-aware computing — prinsipnya benar, hanya eksekusinya yang cacat. Yang dibutuhkan adalah Lifecycle Assessment yang transparan, scope 3 accounting yang diaudit, dan carbon contract for difference — mekanisme di mana korporasi yang mengklaim low-carbon compute menanggung selisih emisi jika actual carbon intensity lebih tinggi dari certificate. Dalam arsitektur sistem, ini adalah assertion yang harus divalidasi oleh runtime, bukan deklarasi yang dipercaya karena diucapkan dengan percaya diri.
Log ditutup di sini. Carbon-aware adalah control plane yang bagus, tetapi tanpa telemetry yang jujur, ia hanya dashboard yang menenangkan. Planet tidak membaca dashboard; planet menimbang atmosphere. Dari lokalitas terbatas, kita melihat bahwa netralitas karbon sejati bukan tujuan yang bisa di-outsource ke region yang lebih hijau — ia adalah trade-off yang harus ditanggung secara terdistribusi, dengan transparansi yang tidak bisa dinegosiasikan.