一旦人工智能出现，它将能够比人类更好地完成许多任务。目前，市场上现有的机器学习系统和生成式人工智能解决方案只是缓解工程师认知负担的权宜之计，直到像人一样思考的机器出现。
生成式人工智能目前占据了新闻头条，但其支柱——神经网络已经使用了几十年。这些机器学习(ML)系统历来充当大型系统的巡航控制系统，而这些系统很难通过手动方式持续维护。最新的算法还可以主动应对错误和威胁，向团队发出警报并记录异常活动的日志。这些系统已经得到进一步发展，甚至可以根据先前观察到的模式预测某些结果。
这种学习和响应能力正在适应各种技术。其中一种持续存在的技术是人工智能工具在环境技术领域的使用。无论是利用巨大的数据处理能力实现新技术，还是通过智能调整输入来提高现有系统的效率，人工智能在这个发展阶段是如此开放，理论上可以应用于任何任务。
GenAI本身并不耗能。模型或神经网络在运行时的能效并不比其他软件高，但这些AI工具的开发产生了大部分能源成本。这种能源消耗的合理性在于，该技术的未来利益值得付出能源和资源成本。
一些报告表明，许多人工智能应用都是“寻找问题的解决方案”，许多开发人员正在使用大量能源来开发工具，而这些工具最多只能产生可疑的节能效果。机器学习的最大好处之一是它能够读取大量数据，并总结出可供人类采取行动的见解。报告是一个费力且经常需要手动的过程，节省下来的报告时间可以转移到实施机器学习见解并积极解决与业务相关的排放问题上。
企业面临着越来越大的压力，需要开始报告范围3排放，这是最难衡量的，也是大多数现代公司排放的最大来源。捕获和分析这些不同的数据源将是人工智能的明智之举，但最终仍需要定期的人工指导。市场上已经存在监控解决方案来减少对工程师的需求，因此使用人工智能进一步迈出这一步是一项不必要的、可能造成损害的创新。
用人工智能代理代替工程师可以减少人力，但会消除复杂的界面，只需在界面前面添加同样复杂的编程即可。这并不是说应该阻止创新。这是一个崇高的目标，但不要相信童话故事，相信它会毫无障碍地实现。一些工程师最终将被这项技术取代，但行业应该谨慎对待它。