I motsetning til en chatbot som svarer på ett spørsmål i én omgang, planlegger en AI-agent autonomt, søker, beregner, kjører kode og itererer gjennom flere trinn for å fullføre en oppgave. Hvert trinn krever en egen LLM-beregning, noe som multipliserer både datakraft og energiforbruk BP. Studien viste at AI-agenter i gjennomsnitt kaller på LLM-modellen 9,2 ganger oftere enn tradisjonelle metoder HC.
En nøkkelfaktor er at GPU-ene (grafikkprosessorene) som kjører AI-agentene, står uvirksomme i lange perioder. Studien fant at GPU-ene var i tomgang opptil 54,5 % av den totale utførelsestiden fordi de må vente på resultater fra eksterne verktøy og planleggingssteg HM. Dette er en betydelig ineffektivitet.
Forskerne ekstrapolerte energiforbruket til datasenternivå. Dersom man antar en fremtid der det kommer 13,7 milliarder AI-agent-forespørsler per dag (sammenlignbart med dagens antall Google-søk), estimeres datasentrenes strømbehov til omtrent 198,9 gigawatt (GW) N. Til sammenligning: Det er omtrent halvparten av USAs totale gjennomsnittlige strømforbruk N.
Studien understreker at mens AI-agenter gir økt nøyaktighet og kan løse mer komplekse oppgaver, kommer dette med en enorm energipris. Forfatterne advarer om at uten betydelige effektivitetsforbedringer, kan den utbredte bruken av AI-agenter føre til en kraftig økning i datasentrenes strømforbruk og tilhørende CO2-utslipp BP.