Cada pergunta feita a um assistente de inteligência artificial consome eletricidade em algum centro de dados, e Murilo Moura Alencar, C-Level e board member, comenta que esse custo invisível começa a entrar nas discussões de conselhos e diretorias. O tema deixou de interessar apenas a especialistas em infraestrutura e passou a pesar em decisões sobre orçamento, sustentabilidade e reputação.
Segundo o relatório Energy and AI, publicado em 2025 pela Agência Internacional de Energia, os centros de dados consumiram cerca de 415 terawatts-hora em 2024, perto de 1,5% da eletricidade mundial, e esse consumo pode mais que dobrar até 2030. Entenda a seguir de onde vem esse gasto e por que ele importa para as empresas.
Por que a IA consome tanta energia?
Modelos de linguagem funcionam com bilhões de cálculos feitos por processadores especializados, as chamadas GPUs. Esses equipamentos consomem muita energia e geram calor, o que exige ainda mais eletricidade para refrigeração.
O consumo acontece em duas fases. O treinamento, quando o modelo aprende a partir de enormes volumes de dados, é intenso e concentrado. A inferência, que é o uso cotidiano, com cada pergunta e cada resposta, consome menos por operação, mas se repete bilhões de vezes por dia em todo o mundo. Com a popularização da IA, a fase de uso tende a responder por parcela crescente do total.
O que isso significa para as empresas?
Para a maioria das organizações, a energia não aparece numa conta separada. Ela está embutida no preço cobrado pelos fornecedores de nuvem e de modelos. Ainda assim, o tema tem consequências práticas.
Murilo Alencar aponta três delas. A primeira é financeira, porque custos de energia influenciam o preço dos serviços de IA no longo prazo. A segunda envolve compromissos ambientais, já que empresas com metas de redução de emissões precisam considerar o impacto das ferramentas que adotam. A terceira é reputacional, com clientes e investidores cada vez mais atentos ao uso responsável de recursos.
Nem toda tarefa precisa do modelo mais potente
Modelos maiores costumam consumir mais energia por resposta. Usar o sistema mais avançado disponível para tarefas simples, como classificar mensagens ou corrigir textos curtos, gasta mais recursos do que o necessário.
Escolher o modelo adequado para cada tarefa, evitar processamentos repetidos e eliminar automações que ninguém usa são medidas que reduzem custos e consumo ao mesmo tempo. Na visão de Murilo Moura Alencar, eficiência energética e eficiência financeira, nesse caso, caminham juntas. Revisar periodicamente quais aplicações de IA continuam gerando valor ajuda a desligar o que deixou de ser útil.
Quais perguntas fazer aos fornecedores?
Grandes provedores de nuvem publicam relatórios sobre consumo de energia, uso de fontes renováveis e eficiência de seus centros de dados. Pedir essas informações e entender onde os dados da empresa são processados ajuda a incluir o tema nas decisões de contratação.
Murilo Alencar frisa que também vale perguntar como o fornecedor mede o impacto ambiental do uso de seus modelos e se oferece opções mais eficientes para tarefas de menor complexidade. Essas respostas variam bastante entre fornecedores e podem servir como critério de escolha.
Uso consciente é uso estratégico
O consumo de energia da inteligência artificial não é motivo para abandonar a tecnologia, mas é razão suficiente para usá-la com critério. Cada aplicação deve justificar o recurso que consome, assim como qualquer outro investimento. Incluir o consumo de recursos nos critérios de avaliação de projetos é uma forma simples de tornar essa análise rotineira.
Murilo Moura Alencar, em síntese, frisa que empresas que tratam a eficiência como parte da estratégia de IA tendem a gastar menos, cumprir melhor seus compromissos ambientais e responder com mais segurança às perguntas que clientes, investidores e reguladores farão cada vez mais.