O relatório “Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints”, publicado em junho de 2026 pelo Instituto para Água, Meio Ambiente e Saúde da Universidade das Nações Unidas (UNU-INWEH), faz um alerta contundente: o avanço acelerado da Inteligência Artificial está gerando uma pressão sem precedentes sobre os recursos naturais do planeta.

O estudo enfatiza que focar apenas na “pegada de carbono” (emissões de CO₂) mascara uma crise muito maior envolvendo o uso de água e terra.

Abaixo estão os pontos principais e os dados mais alarmantes do relatório:

1. As três pegadas da IA (Carbono, Água e Terra)

O relatório afirma que a sustentabilidade da IA está sendo medida de forma errada. Uma escolha que parece “verde” sob a perspectiva do carbono pode ser catastrófica para outros recursos.

• O paradoxo das renováveis: Mudar do carvão para a bioenergia, por exemplo, reduz a pegada de carbono em 70%, mas pode aumentar em 30 vezes a pegada de água e em 100 vezes a pegada de terra necessárias para aquela energia.
• Projeções para 2030: Até 2030, a demanda de eletricidade dos data centers globais deve atingir 945 TWh (quase o triplo do consumo de Paquistão, Bangladesh e Nigéria somados). A pegada de água associada será de 9,3 trilhões de litros (o equivalente ao consumo básico anual de 1,3 bilhão de pessoas na África Subsaariana), e a de terra passará de 14.500 km².

2. O custo real está no uso diário (Inferência), não no Treinamento

Embora o treinamento de grandes modelos (como o GPT-4) gaste muita energia, isso acontece uma vez. O verdadeiro impacto ecológico está na inferência — o ato de responder aos bilhões de comandos diários dos usuários.

• A inferência responde por 80% a 90% de todo o consumo de energia da IA.
• O ChatGPT processa cerca de 2,5 bilhões de comandos por dia. Para compensar o carbono gerado apenas por este produto em um ano, seriam necessárias 2,6 milhões de árvores crescendo por 10 anos (uma área do tamanho de Manhattan).

3. A disparidade de consumo por tarefas

Nem todo comando na IA gasta a mesma coisa. O formato do resultado final (texto, imagem ou vídeo) muda drasticamente o custo ambiental:

• Uma conversa simples com o chat gasta 200 vezes mais energia do que uma pesquisa de classificação de texto básica.
• Gerar uma imagem por IA consome 1.450 vezes mais energia e gasta cerca de duas colheres de sopa de água (29 mL).
• Criar um vídeo curto por IA consome tanta eletricidade quanto 200,000 classificações de spam. O gasto de energia de um vídeo complexo conseguiria manter uma lâmpada LED de 10W ligada por 42 horas e consome 4,1 litros de água (o equivalente à água potável necessária para uma pessoa por dois dias).

4. O Efeito Rebote (Paradoxo de Jevons)

O relatório rebate a ideia de que “modelos mais eficientes resolvem o problema”. Historicamente, à medida que a tecnologia se torna mais eficiente e barata, as pessoas passam a usá-la muito mais. Sem limites explícitos de uso, os ganhos de eficiência são completamente engolidos pelo aumento explosivo do volume de buscas.

5. Injustiça Ambiental e a Divisão Digital

Existe uma assimetria cruel na distribuição dos custos e benefícios da IA:

• Centralização: Mais de 90% da capacidade de processamento especializado em IA está concentrada em apenas dois países (EUA e China). Enquanto isso, mais de 150 países não têm nenhuma infraestrutura soberana de IA.
• Impacto Local: Enquanto os benefícios econômicos e estratégicos ficam no Norte Global, os impactos ecológicos são locais. O relatório cita o caso de Querétaro (México) e do Uruguai, onde data centers disputam água potável com a população em períodos de seca severa. Além disso, até 2030 a IA gerará 2,5 milhões de toneladas de lixo eletrônico por ano, cuja maior parte é descartada em países de baixa renda.

Recomendações e Diretrizes de Governança

Os cientistas da ONU propõem um ecossistema de IA baseado em transparência, justiça ambiental e responsabilidade, sugerindo ações práticas:

• Governos: Devem exigir relatórios padronizados que mostrem as pegadas de carbono, água e terra juntas, além de incluir os data centers no planejamento hídrico e energético das cidades.
• Desenvolvedores e Indústria: Devem focar em “eficiência por design”, ajustando padrões de produtos (como limitar resoluções e tamanhos de resposta automáticos).
• Usuários: Devem praticar o uso consciente, escolhendo formatos de menor gasto energético e modelos mais leves quando a tarefa for simples.