Com alta demanda energética, a ampliação da inteligência artificial (IA) compromete as metas climáticas e pode gerar até 44 milhões de toneladas de CO₂ por ano até 2030.
A expansão acelerada da inteligência artificial (IA) está elevando os impactos ambientais da infraestrutura digital a níveis alarmantes. Apesar dos compromissos climáticos assumidos por empresas como Amazon e Google, grande parte da eletricidade que alimenta os centros de dados ainda vem de fontes fósseis.
Nos Estados Unidos, estima-se que 50% da energia utilizada por essas instalações seja gerada por termelétricas movidas a carvão ou gás natural, usinas que, além de emitir grandes volumes de CO₂, consomem intensamente recursos hídricos.
Estudos da Universidade Cornell projetam que, até 2030, o setor de IA poderá emitir entre 24 e 44 milhões de toneladas de CO₂ por ano, o equivalente a adicionar 10 milhões de carros nas estradas americanas.
O número de data centers cresce rapidamente para atender à demanda da IA. Estima-se que, até 2030, o setor consuma cerca de 945 terawatts-hora (TWh) por ano, superando o consumo energético atual do Japão. Esse avanço pressiona governos e empresas a manterem fontes fósseis em operação.
O Google, por exemplo, reportou um aumento de 51% em suas emissões de carbono entre 2019 e 2024, apesar da meta de zerar suas emissões até 2030. A contradição se intensifica: o treinamento de modelos como o GPT-4 gerou mais de 2.800 toneladas de CO₂ apenas na fase inicial.
No entanto, é a etapa de inferência, quando os usuários interagem com a IA em tempo real, que concentra até 90% do consumo energético total ao longo da vida útil do modelo. Especialistas alertam para o chamado “Paradoxo de Jevons”; quanto mais eficiente e acessível se torna uma tecnologia, maior tende a ser seu uso e, consequentemente, maior o consumo total de recursos.
Isso significa que mesmo com modelos mais leves, a integração massiva da IA em dispositivos e serviços pode ampliar drasticamente a demanda global por eletricidade e água, anulando os ganhos ambientais esperados.
A falta de transparência agrava o problema. Empresas como OpenAI, Google e Amazon não divulgam dados precisos sobre o consumo energético de seus modelos, o que dificulta estimativas confiáveis da pegada de carbono e a adoção de medidas corretivas.
