Segundo um relatório do Instituto Universitário das Nações Unidas para a Água, o Meio Ambiente e a Saúde (UNU-INWEH), até 2030 o consumo de água associado ao uso da inteligência artificial será equivalente ao de 1,3 bilhões de pessoas da África Subsaariana.
Este cálculo inclui tanto a água utilizada para resfriar os sistemas dos centros de dados quanto a empregada na geração de eletricidade.
A magnitude do impacto é tal que os centros de dados que alimentam a IA já consomem 448 TWh de eletricidade, comparável ao gasto energético da França.
Energia e emissões
O relatório adverte que a IA exigirá quase o triplo da energia que consomem anualmente Paquistão, Bangladesh e Nigéria juntos (650 milhões de habitantes). Em termos de emissões, poderiam alcançar os 400 milhões de toneladas de CO₂ equivalente, similares às emissões totais do Reino Unido.
Além disso, a infraestrutura necessária ocupará 14.500 km², o dobro da área metropolitana de Jacarta ou dez vezes a da Cidade do México.
Além do carbono: pegadas múltiplas
Os pesquisadores destacam que o custo ambiental da IA está sendo subestimado porque a maioria das análises se concentra nas emissões de carbono. No entanto, cada quilowatt-hora consumido implica também:
- Pegada hídrica: resfriamento e geração de energia.
- Pegada territorial: infraestruturas e cadeias de suprimento.
Um exemplo: passar do carvão para a bioenergia reduz emissões, mas multiplica por 30 a pegada hídrica e por 100 o impacto territorial.
Treinamento vs. inferência
Até há pouco tempo se pensava que o maior consumo energético ocorria durante o treinamento dos modelos. O estudo revela que o processo de inferência (cada vez que um usuário interage com um modelo) representa entre 80% e 90% do consumo total.
Os números são reveladores:
- Uma conversa padrão com um chatbot gasta 200 vezes mais energia que uma função básica como classificar e-mails spam.
- Gerar uma imagem sintética consome 1.400 vezes mais.
- Criar um vídeo curto pode chegar a representar 200.000 vezes mais energia.
Desigualdade em benefícios e custos
O relatório também denuncia uma distribuição desigual:
- Apenas 16% dos países dispõem de infraestrutura especializada para computar IA.
- EUA e China concentram 90% da capacidade instalada.
- Os custos ambientais (água, emissões, lixo eletrônico) são distribuídos globalmente, enquanto os benefícios se concentram em poucos países.
Exemplos:
- Na Irlanda, os centros de dados já representavam em 2023 21% do consumo energético nacional, o que levou a impor moratórias em Dublin.
- No Uruguai, a construção de um grande centro de dados coincidiu com uma seca que deixou Montevidéu sem água potável.
Lixo eletrônico e transparência
Até 2030, a infraestrutura de IA poderia gerar 2,5 milhões de toneladas anuais de lixo eletrônico, principalmente processadores obsoletos, que terminarão se acumulando em países com menos recursos.
Além disso, os especialistas apontam a falta de transparência no setor: grande parte dos dados provém de modelos antigos como GPT-4, o que limita a precisão das estimativas.
Recomendações da ONU
O relatório propõe medidas para mitigar o impacto:
- Exigir relatórios padronizados de pegada ambiental aos operadores.
- Favorecer a eficiência por design, evitando usar modelos gigantes para tarefas simples.
- Aumentar a transparência no consumo de recursos.
A IA não é apenas algoritmos e modelos: por trás há um impacto físico e ambiental real que envolve o consumo de água, energia, território e resíduos.
O desafio é garantir que esta revolução tecnológica se desenvolva dentro dos limites planetários, equilibrando inovação com sustentabilidade e justiça global.
