IA e clima: o custo escondido de energia e água

Percorremos o feed, escrevemos prompts, rimo-nos com memes gerados por IA. Por trás dessa luz azul-esbranquiçada aparentemente inofensiva, existe um ecossistema industrial inteiro a consumir electricidade e água a um ritmo que quase ninguém consegue ver.

A IA foi-nos vendida como algo etéreo: “na nuvem”, sem peso, quase mágico. Só que, na prática, há geradores de emergência ruidosos, equipamentos de refrigeração a despejar calor para a atmosfera e centros de dados que bebem mais água do que algumas pequenas localidades. Cada prompt tem uma pegada física. Minúscula, quando isolada. Assustadora, quando multiplicada por milhares de milhões.

É isso que inquieta os cientistas do clima: não a pergunta única a um chatbot, mas a avalanche. A IA não é uma vilã de ficção científica. É uma tecnologia muito real, muito faminta, a chegar a um mundo que já está com febre.

Só agora estamos a começar a perceber a dimensão que isto pode atingir.

‘Uma quantidade inacreditável de poluição’: o que a IA realmente consome

Entre num centro de dados moderno e a primeira sensação é o frio. Filas de bastidores pretos, LEDs azuis a piscar como um céu nocturno, e um ruído de fundo constante de ventoinhas a lutar contra o calor de milhares de processadores. À vista, parece limpo. Clínico. Quase esterilizado.

Mas cada bastidor pode estar a puxar tanta potência como várias casas. Os chips mais recentes para IA trabalham com tal intensidade que mantê-los operacionais pode exigir quase tanta energia como o próprio cálculo. Não há cheiro a fumo. Não há chaminés à vista. Ainda assim, o carbono existe - apenas foi empurrado “para montante”, para centrais e redes eléctricas já pressionadas por tudo o resto que ligamos à tomada.

Aqui é onde as coisas ganham materialidade. Treinar um único grande modelo de linguagem pode consumir tanta electricidade como centenas de casas nos EUA gastam num ano. Uma estimativa muito citada comparou as emissões do treino de um grande modelo de PLN (Processamento de Linguagem Natural) a voar dezenas de vezes entre Nova Iorque e São Francisco. E isto é só o treino. Depois de implementados, estes modelos respondem a milhões - por vezes milhares de milhões - de pedidos por dia.

A Google avisou que as suas emissões totais estão a subir novamente, à medida que o uso de IA dispara. A Microsoft e a OpenAI aumentaram discretamente a capacidade de centros de dados, enquanto moradores perto de novos locais se queixam de ruído, trânsito de camiões e captações de água. O marketing “verde” e “limpo” não bate certo com os geradores a gasóleo no terreno.

O que deixa os especialistas mais nervosos é a curva, não apenas os valores. A procura por IA não escala de forma simpática com a população; escala com dinheiro e com o entusiasmo. Todas as apps querem “IA por dentro”. Cada filtro de fotografia, cada ferramenta de produtividade, cada chatbot de apoio. E cada camada acrescenta mais computação ao conjunto.

A eficiência energética está a melhorar. Chips novos fazem mais trabalho por watt. As renováveis estão a crescer rapidamente. Ainda assim, se a adopção da IA continuar a duplicar, o volume pode engolir esses ganhos. É o clássico efeito de ressalto: tecnologia mais inteligente que acaba por nos levar a consumir mais, não menos. O risco não é a IA, por si só, “partir” o clima. O risco é tornar, silenciosamente, uma trajectória já má ainda mais difícil de corrigir.

Como tornar a IA menos poluente: dos centros de dados ao seu portátil

Há uma verdade crua que a indústria raramente diz em voz alta: a consulta de IA mais limpa é aquela que nunca é feita. Claro que as pessoas vão continuar a usar. O ponto decisivo está em onde e como esse pedido é processado. Uma mudança poderosa é sair de modelos gigantes, exclusivamente na nuvem, e avançar para modelos mais pequenos, “bons o suficiente”, que correm localmente ou em hardware mais eficiente.

Os engenheiros estão a testar poda de modelos, quantização e destilação - termos feios para uma ideia simples: ensinar um modelo a manter a inteligência enquanto perde “gordura”. Menos parâmetros para treinar, menos memória para gerir, menos energia por resposta. Alguns modelos ao nível de smartphone já funcionam offline, sem sequer chamar um centro de dados distante.

Ao nível individual, quase ninguém revê os próprios hábitos digitais com uma lente de carbono. Consumimos rascunhos gerados por IA, repetimos prompts até “ficar com o ambiente certo”, pedimos ao modelo para escrever coisas que poderíamos ter apontado nós mesmos. Sejamos honestos: quase ninguém faz isto de forma consistente todos os dias. Ainda assim, pequenos ajustes contam quando escalados. As empresas podem criar regras internas: usar por defeito modelos mais leves em tarefas rotineiras; reservar os mais pesados para problemas grandes e realmente consequentes.

Os operadores de centros de dados também estão a sentir a pressão. Procuram locais com renováveis abundantes, desenham sistemas de arrefecimento que reaproveitam calor em redes urbanas, e testam arrefecimento líquido para esticar a eficiência. Alguns começam a ligar o consumo directamente à disponibilidade de energia verde em tempo real, limitando cargas de IA quando as redes estão mais “sujas”.

Há, porém, uma dimensão emocional que não aparece em gráficos de eficiência. Numa noite quente de Verão, quando os operadores da rede pedem às famílias para desligarem o ar condicionado, os sistemas de IA continuam a trabalhar, a optimizar anúncios e a reescrever e-mails. Esse desfasamento custa a engolir. É difícil aceitar que o esforço pessoal para poupar energia possa ser anulado por um fluxo interminável de chamadas de IA “só para o caso”.

Um investigador do clima resumiu-o sem rodeios:

«Construímos estes sistemas para prever palavras, não o tempo, e eles estão a lançar uma quantidade inacreditável de poluição se os deixarmos escalar sem controlo.»

Se quer navegar neste cenário com mais intenção, alguns pontos de apoio ajudam:

• Prefira serviços que publiquem dados claros de energia e emissões associados às suas funcionalidades de IA.
• Use ferramentas pesadas de IA em trabalho e decisões que realmente façam diferença, e não em cada tarefa mínima.
• Apoie políticas que obriguem novos centros de dados a virem acompanhados de nova capacidade renovável, e não a sobrecarregar redes existentes já no limite.
• Pressione a sua empresa ou clientes a medirem o uso de IA e a definirem orçamentos internos de carbono, não apenas orçamentos de custo.

A IA será uma vilã do clima ou uma aliada relutante?

A história climática da IA não se resume ao que consome. Também inclui o que pode poupar. Em parques eólicos e solares, modelos de aprendizagem automática já prevêem rajadas e nebulosidade para extrair mais electricidade do mesmo equipamento. Em fábricas, algoritmos detectam micro-ineficiências, reduzindo alguns pontos percentuais em consumos que, à escala global, se traduzem em milhões de toneladas de CO₂.

Na agricultura, ferramentas com IA ajudam agricultores a programar a rega com mais precisão, poupando água e energia. No planeamento urbano, modelos alimentados com dados de tráfego servem para redesenhar cruzamentos, aliviando congestionamento e emissões hora a hora. Nada disto é ficção científica. Está a acontecer discretamente em projectos-piloto e implementações de nicho que raramente se tornam virais. A distância entre “IA viral” e “IA útil” é grande.

A pergunta desconfortável é se essas vitórias superam a poluição do próprio boom da IA. Esse equilíbrio não aparece por magia. Depende de escolhas políticas, decisões de compras pouco glamorosas, ajustes regulatórios e pressão social. Depende de para onde apontamos as melhores equipas: para optimizar recomendações de streaming… ou para espremer mais eficiência das redes eléctricas nacionais.

Ao nível humano, isto também tem a ver com a forma como valorizamos a atenção. É mais fácil obter orçamento para IA que vende mais sapatilhas do que para IA que reduz silenciosamente fugas de metano em condutas. A primeira tem receita clara; a segunda traz benefícios difusos, distribuídos por um planeta a aquecer. E, no entanto, é nessa segunda categoria que a IA pode justificar a sua pegada.

Todos já passámos por aquele momento em que as luzes vacilam, a onda de calor se arrasta, e as notícias culpam a “procura recorde na rede”. Da próxima vez que pedir a um chatbot para escrever um e-mail divertido de ausência, talvez imagine os servidores a zumbir por trás. Não para se sentir culpado sempre que escreve, mas para lembrar que existe uma escolha sobre que tipos de IA aplaudimos.

A ameaça não está escrita na pedra; parece mais uma bifurcação. Numa direcção, um internet cheio de lama auto-gerada, sustentado por modelos gulosos em energia que, na maior parte, nos entretêm enquanto acrescentam stress ao clima. Na outra, modelos mais leves, políticas mais inteligentes e um sentido directo de responsabilidade sobre onde gastamos energia num mundo finito e em aquecimento.

Estamos suficientemente no início para nada estar fechado. O hardware continua a evoluir. As leis ainda estão a ser escritas. E as normas sociais sobre o uso de IA mal começaram a formar-se. Os próximos anos vão decidir, em silêncio, se vamos recordar este momento como a altura em que deixámos outra indústria faminta de energia correr solta, ou como o raro instante em que aprendemos com a anterior.

Ponto-chave	Detalhe	Interesse para o leitor
O custo energético escondido da IA	Modelos grandes e centros de dados consomem enormes quantidades de electricidade e água, muitas vezes ligadas a redes ainda dependentes de combustíveis fósseis.	Ajuda-o a ver cada funcionalidade de IA como um processo físico, não como um truque inofensivo “na nuvem”.
O design pesa mais do que o entusiasmo	Modelos mais pequenos e eficientes, e uma implementação mais inteligente, podem reduzir drasticamente as emissões por consulta.	Mostra onde concentrar pressão sobre empresas e decisores para mudança real.
O potencial de dois gumes da IA	As mesmas ferramentas que gastam energia também podem optimizar renováveis, cidades e indústria.	Convida-o a apoiar usos de IA que reduzam emissões a sério, e não apenas que entretenham.

Perguntas frequentes:

• Fazer uma pergunta a um chatbot é mesmo mau para o clima? Uma única consulta tem uma pegada pequena, muitas vezes comparável a carregar uma página web complexa. O problema surge com milhares de milhões de consultas por dia e com os treinos massivos feitos nos bastidores.
• Que usos de IA são mais intensivos em energia? Treinar modelos muito grandes em conjuntos de dados enormes é a fase mais pesada, seguida da execução desses modelos em grande escala em centros de dados com necessidades constantes de arrefecimento.
• A IA pode mesmo ajudar a reduzir emissões no total? Sim, em áreas como gestão de redes eléctricas, eficiência de edifícios, indústria e agricultura. Se esses ganhos superam a própria pegada da IA depende de como investimento e regulação orientam a tecnologia.
• O que podem as empresas fazer para tornar a IA mais verde? Usar modelos mais pequenos sempre que possível, ligar centros de dados a nova capacidade renovável, publicar dados transparentes de emissões e priorizar projectos de IA com benefícios climáticos claros.
• Como indivíduo, tenho de deixar de usar ferramentas de IA? Não precisa de abandonar por completo. Use com intenção, apoie serviços comprometidos com energia limpa e pressione o seu local de trabalho e responsáveis políticos para tratarem o consumo energético da IA como um tema climático, e não apenas como uma tendência tecnológica.

---