Impactos da IA no Meio Ambiente
Um estudo sobre o consumo de energia, água, minerais e o ciclo de vida da infraestrutura por trás da inteligência artificial.
Um estudo sobre o consumo de energia, água, minerais e o ciclo de vida da infraestrutura por trás da inteligência artificial.
Atualmente muito se fala sobre o aumento da produtividade e benefícios na utilização de inteligências artificiais generativas, como para fazer pesquisas escolares e acadêmicas ou o uso de agentes em IDEs para explicação de código-fonte ou sugestão de melhorias. Uma pesquisa do Observatório Fundação Itaú e do Datafolha aponta que 93% das 2.798 pessoas entrevistadas utilizam alguma ferramenta de IA. Além disso, estatísticas divulgadas pela Hostinger preveem um aumento na taxa de crescimento anual de 37,7% no mercado de IA.
Esses números reforçam a ideia de que cada vez mais a inteligência artificial será integrada em nosso dia a dia. O "boom" na inteligência artificial ocorreu graças ao desenvolvimento da IA generativa, que permite que IA gere textos, imagens e vídeos em resposta a prompts. Em 2022, com o lançamento do ChatGPT, a utilização de chatbots foi consolidada devido ao GPT-3, um Large Language Model treinado em 175 bilhões de parâmetros.
Porém existe um lado oculto no aumento da utilização da IA, que é seu impacto no meio ambiente e utilização de recursos naturais.
A IA é, ao mesmo tempo, ferramenta e fardo. Por um lado, o Programa das Nações Unidas para o Meio Ambiente (PNUMA) usa IA para detectar emissões de metano em instalações de petróleo e gás, mapear dragagem destrutiva de areia e melhorar previsões climáticas. Por outro, a infraestrutura que sustenta esses modelos consome eletricidade, água e minerais raros em escala planetária — e produz toneladas de lixo eletrônico tóxico.
"Ainda há muito que não sabemos sobre o impacto ambiental da IA, mas alguns dos dados que temos são preocupantes. Precisamos ter certeza de que o efeito líquido da IA no planeta é positivo antes de implantarmos a tecnologia em escala." — Golestan (Sally) Radwan, Diretora Digital do PNUMA
Dados de pesquisas recentes revelam a escala da pegada ambiental da IA.
de CO₂eq emitidas no treinamento do GPT-3 (175B parâmetros)
mais eletricidade por requisição ao ChatGPT vs. uma busca no Google
de água por prompt de 100 palavras em modelos como o ChatGPT
de data centers em operação — eram 500 mil em 2012
de lixo eletrônico cumulativo de servidores de IA até 2030
de matérias-primas para fabricar um único computador de 2 kg
do consumo elétrico da Irlanda virá de data centers até 2026
de água/dia em um data center grande — equivale a uma cidade de 10 a 50 mil pessoas
Um estudo de 2025 analisou 16 categorias de impacto ao longo de todas as fases da vida de uma GPU, a peça central da IA moderna.
Mineração de cobre, ouro, lítio, cobalto e terras raras.
Eletricidade para rodar GPUs e refrigerar data centers.
Transporte aéreo de componentes entre Ásia, Europa e Américas.
Descarte ou reciclagem após 2 a 5 anos.
Os pesquisadores cunharam o termo "carbon tunnel vision" para descrever a obsessão por medir apenas emissões de CO₂. O treinamento do GPT-4 foi equivalente ao orçamento ambiental anual de 11.522 pessoas, mas seus impactos em toxicidade e minerais raros são ainda maiores.
| Modelo | Desenvolvedor | Parâmetros | GPUs/TPUs | Dias de treino | Emissão (tCO₂eq) |
|---|---|---|---|---|---|
| T5 | 11 B | 512 TPUv3 | 20 | 46,7 | |
| GPT-3 | OpenAI | 175 B | 10.000 V100 | 14,8 | 552,1 |
| GShard (MoE) | 619 B | 1.024 TPUv3 | 3,1 | 4,3 | |
| Switch (MoE) | 1.500 B | 1.024 TPUv3 | 27 | 59,1 | |
| XLM | Meta | 0,55 B | 512 V100 | 20,4 | 39,0 |
Para contexto: 552 tCO₂eq equivalem ao consumo elétrico anual de cerca de 120 lares brasileiros.
O carbono operacional é o emitido durante o uso. O carbono embutido é o emitido na fabricação do hardware. Em data centers alimentados por energia renovável, o carbono embutido pode representar até 95% do total.
Razão entre a energia total e a energia usada apenas pela computação. O ideal é 1,0.
Percentual da eletricidade vinda de fontes livres de carbono.
Migrar para hardware mais moderno reduz a pegada operacional em até 71%.
Modelos que ativam apenas parte dos parâmetros por consulta economizam energia.
Apenas 3% da água da Terra é doce. Mesmo assim, data centers competem com comunidades por essas reservas.
Uma fábrica típica usa 10 milhões de galões/dia de água ultrapura para fabricar os componentes.
Carvão usa 19.185 galões/MWh, enquanto solar e eólica usam praticamente zero.
O WUE (Water Usage Effectiveness) mede litros de água por kWh. Novas tecnologias como refrigeração por imersão e ciclo fechado ajudam a reduzir esse consumo.
O mundo produzia 62 milhões de toneladas de lixo eletrônico em 2022. Servidores de IA podem adicionar mais 16 milhões de toneladas até 2030.
Até 2030 teremos 917 mil toneladas de chumbo e toneladas de outros metais pesados como mercúrio e cádmio.
A exposição a esses metais causa problemas graves como malformações e doenças neurocomportamentais.
Reciclar esses materiais vale US$ 70 bilhões e emite 80% menos CO₂ que a mineração bruta.
Estender a vida dos servidores em 1 ano reduz o lixo em 58%. A Microsoft já reusa 83% de seus servidores.
"Quem usufrui da IA não é quem arca com seus custos ambientais. Populações marginalizadas absorvem a degradação local." — Falk et al., 2025
Congo (cobalto), Andes (lítio), Mianmar (terras raras).
Ásia enfrenta estresse hídrico para produzir chips.
E-waste termina em Gana, Nigéria e Índia em redes informais.
Padronizar como o impacto é divulgado pelas empresas.
Leis que exijam a divulgação das consequências ambientais.
Técnicas que reduzem o uso de energia em até 39%.
Uso de energia renovável e refrigeração eficiente.