Uma consulta no ChatGPT consome cerca de dez vezes mais energia do que uma busca no Google. É uma estimativa publicada pelo Goldman Sachs em 2024, confirmada pelas medições da IEA no mesmo ano. Isoladamente, isso é desprezível. Multiplicado por cem milhões de usuários ativos por dia, por milhares de workflows automatizados em empresas que implantam LLMs nos processos, vira uma tendência estrutural.
O Goldman Sachs projeta que a IA generativa pode aumentar o consumo de eletricidade dos data centers em 160% até 2030. Esse número agrega tudo, do treinamento dos modelos às suas consultas do dia a dia. E é exatamente aí que está a margem de manobra.
Um projeto de IA bem dimensionado consome de cinco a vinte vezes menos do que um projeto mal dimensionado, com resultado equivalente. Não é uma promessa. É engenharia.
Treinamento e inferência: duas realidades bem diferentes
A pegada ambiental de um modelo de IA se divide de forma muito desigual entre a criação e o uso cotidiano.
O treinamento de um modelo como o GPT-3 consumiu cerca de 1.287 MWh, segundo as estimativas publicadas por Patterson et al. em Carbon Emissions and Large Neural Network Training (2021). Como ordem de grandeza: o equivalente ao consumo anual de cerca de cem lares franceses. Esse custo, você não carrega diretamente. Ele foi pago uma vez pelo fabricante do modelo, antes de você passar a usá-lo.
A inferência (as suas consultas do dia a dia) é outra história. Uma consulta padrão ao GPT-4 consome entre 0,001 e 0,01 kWh, segundo as medições da IEA (2024). Contra 0,0003 kWh de uma busca no Google. A diferença é real. Continua administrável, desde que não haja desperdício.
O problema não é a IA em si. É a soma das decisões ruins de concepção que se acumulam a cada chamada: usar um modelo potente demais para uma tarefa simples, enviar três mil tokens de contexto para uma pergunta de cinquenta palavras, refazer um treinamento completo onde uma abordagem RAG teria bastado.
Essas decisões parecem inofensivas quando tomadas separadamente. Em um milhão de chamadas, viram uma carga de carbono mensurável. E, no balanço de carbono de uma organização, começam a pesar.
Os três comportamentos que concentram a maior parte do desperdício
Superdimensionar o modelo. Chamar o GPT-4, o Claude Opus ou o Gemini Ultra para tarefas que um modelo de sete a treze bilhões de parâmetros resolve tão bem. Um modelo leve consome de dez a cem vezes menos energia por consulta. A regra é simples: usar o modelo menos potente que responde corretamente à tarefa. Em um milhão de chamadas, escolher o modelo certo faz a diferença entre uma pegada desprezível e uma pegada visível no seu balanço de carbono.
Inflar os prompts. Um prompt de dois mil tokens consome proporcionalmente mais do que um prompt de mil tokens. O padding involuntário (instruções redundantes, contexto não filtrado, histórico de conversa que não foi limpo) representa, com frequência, de trinta a cinquenta por cento do volume de tokens enviados. Equipes que implantaram uma revisão sistemática dos prompts observaram reduções de vinte e cinco a quarenta por cento no volume de tokens, sem piorar a qualidade das saídas.
Ignorar o cache. Quando o mesmo contexto é reenviado a cada consulta (documentação de produto, regras de negócio, base de conhecimento), a energia é gasta toda vez para processar o que não muda. Sistemas com cache semântico reduzem o consumo de quarenta a setenta por cento em workflows repetitivos, segundo as medições publicadas pelas equipes de engenharia da Anthropic e da OpenAI.
Cinco práticas concretas para dividir a pegada por dez
Mapear os seus casos de uso pelo nível de complexidade exigido. É a primeira ação, e a de maior impacto. Nem todo caso de uso de IA precisa de um modelo de fronteira. Classificar um e-mail que chega, detectar uma anomalia numa série temporal, resumir um documento estruturado: um modelo de porte modesto, eventualmente com fine-tuning no seu domínio, faz o trabalho por uma fração do custo energético. A regra de concepção: definir, para cada tipo de tarefa, o modelo mínimo suficiente, não o modelo máximo disponível.
Reduzir o tamanho dos prompts por design. Trinta por cento de tokens a menos num prompt são trinta por cento de consumo a menos em cada chamada. Na prática: cortar as instruções que o modelo já entende, filtrar o contexto para injetar só o que é pertinente à consulta, limitar o histórico de conversa às últimas trocas úteis. Não é uma restrição. É uma disciplina de concepção que deixa os sistemas mais rápidos e mais baratos ao mesmo tempo.
Escolher RAG em vez de fine-tuning desnecessário. Fazer fine-tuning de um modelo consome, em média, de cem a mil vezes mais energia do que a inferência padrão, segundo os benchmarks publicados pela Hugging Face (2023). Em oitenta por cento dos casos de uso em empresa (perguntas e respostas sobre documentação interna, assistência de negócio, busca numa base de conhecimento), uma arquitetura RAG bem desenhada entrega resultados equivalentes sem nenhum retreinamento. O fine-tuning se justifica para domínios muito especializados, com dados proprietários volumosos. Não antes.
Colocar cache no contexto estático. Identificar as partes do contexto que não mudam entre duas consultas (regras de negócio, documentação de referência, exemplos few-shot) e colocá-las em cache do lado da infraestrutura. O prompt caching, disponível nativamente no Claude e no GPT-4 Turbo, evita reprocessar milhares de tokens a cada chamada. Num sistema de suporte ao cliente ou de assistência documental, a economia é imediata e mensurável assim que entra em produção.
Escolher uma infraestrutura de baixo carbono. Com desempenho equivalente, um modelo hospedado numa região da Azure, da AWS ou da GCP abastecida em noventa por cento por energias renováveis emite entre três e vinte vezes menos CO₂ do que uma região com mix fóssil alto. Microsoft, Google e AWS publicam o Power Usage Effectiveness e o mix energético por região. Esses dados permitem uma escolha informada na hora da implantação. É um critério que poucas empresas incluem hoje nas chamadas de propostas de IA. É uma lacuna que se corrige com facilidade.
O que isso significa para a sua organização hoje
A maioria das organizações ainda não tem uma linha "pegada de IA" no balanço de carbono. É normal: as ferramentas para medir isso só apareceram em 2023. Mas a regulamentação avança. A CSRD, aplicável desde 2024 às grandes empresas europeias, obriga a publicar os impactos ambientais da atividade. A IA faz parte disso.
Três coisas para fazer agora, sem esperar.
Começar medindo. As APIs dos principais fornecedores expõem o número de tokens consumidos por consulta. Um token representa cerca de 0,000000007 kWh nos modelos atuais, segundo as estimativas da Epoch AI (2024). É imperfeito, mas é a unidade de base para montar um painel de pegada de IA. Imperfeito e acionável vale mais do que exato e inexistente.
Formar as equipes no prompt frugal. Não é um exercício reservado a desenvolvedores. Um diretor comercial que aprende a estruturar as consultas reduz o consumo tanto quanto uma reformulação da infraestrutura. E isso se faz em duas horas de formação.
Incluir o critério energético nas suas chamadas de propostas de IA. A região de hospedagem e o mix energético do datacenter devem figurar como critérios explícitos, no mesmo plano que o RGPD ou a segurança. É uma questão de maturidade, não de ideologia.
A sobriedade em IA não é uma restrição
As organizações que constroem hoje práticas de uso sóbrio reduzem a pegada E os custos de inferência, muitas vezes ao mesmo tempo. O desperdício de energia e o desperdício de orçamento têm exatamente as mesmas causas: modelo mal dimensionado, contexto mal filtrado, ausência de cache.
Não é um trade-off entre desempenho e responsabilidade. São as mesmas decisões, tomadas do jeito certo. IA sóbria não é IA lenta. É IA bem desenhada.
