# Eficiência não é suficiência: o efeito rebote na IA

> Por que tornar a IA mais eficiente não garante que ela use menos energia no total, o que é o efeito rebote ou de Jevons e o que ajuda a manter a economia real.

Source: https://greenai.guide/pt/artigos/eficiencia-nao-e-suficiencia-o-efeito-rebote-na-ia/  
Updated: 2026-11-19

## Em resumo

Tornar cada tarefa de IA mais barata não significa que a IA como um todo use menos energia, porque tarefas mais baratas tendem a levar a mais tarefas. Esse é o efeito rebote, ou efeito Jevons. A IA verde precisa de eficiência (fazer cada tarefa com menos) e de suficiência (fazer só as tarefas que valem a pena), com a economia medida no nível do sistema inteiro.

## Pontos-chave

- A eficiência reduz a energia por tarefa; a energia total depende de quantas tarefas são executadas.
- Quando a eficiência torna algo mais barato, a demanda muitas vezes cresce, às vezes o bastante para anular a economia. Esse é o efeito rebote, ou efeito Jevons.
- A computação ficou imensamente mais eficiente ao longo de décadas, mas seu consumo total de eletricidade continuou crescendo.
- A suficiência pergunta se uma tarefa precisa mesmo de IA, ou de um modelo tão grande.
- Ganhos de eficiência só contam como economia quando o uso total é limitado, medido ou precificado.

A IA verde costuma ser apresentada como um problema de eficiência: modelos menores, chips melhores e data centers mais
limpos, e a pegada cai. A eficiência importa, mas sozinha não garante que a IA use menos energia. Este artigo explica
por que e o que precisa vir junto com ela.

## Qual é a diferença entre eficiência e suficiência? {#what-is-the-difference-between-efficiency-and-sufficiency}

**Eficiência é fazer uma tarefa com menos; suficiência é fazer só as tarefas que valem a pena.** As duas reduzem o
impacto ambiental, mas respondem a perguntas diferentes.

| | Eficiência | Suficiência |
|---|---|---|
| Pergunta | Como fazemos isso com menos energia? | Precisamos fazer isso, nessa escala? |
| Exemplos | Poda, quantização, chips melhores, refrigeração | Não usar IA onde uma busca ou uma fórmula resolve; usar um modelo pequeno em vez de um de fronteira |
| Medida como | Energia por tarefa | Energia total e valor por unidade de energia |
| Quem age | Engenheiros, fabricantes de hardware, operadores de data center | Usuários, donos de produto, compradores, formuladores de políticas |

As duas não são rivais. Um sandpit de IA verde realizado no Reino Unido em 2026, com matemáticos, cientistas da
computação e representantes da indústria, fez uma enquete sobre se a IA verde deveria se concentrar na eficiência ou
em usar a IA só onde necessário; a resposta mais popular foi "as duas na mesma medida". Veja
[o que é IA verde?](/pt/artigos/o-que-e-ia-verde/) para as definições mais amplas.

## O que é o efeito rebote? {#what-is-the-rebound-effect}

**O efeito rebote é o uso extra que surge quando algo fica mais barato ou mais fácil.** Se o uso extra for grande o
bastante para superar a economia, o consumo total aumenta. Esse caso extremo é chamado de paradoxo de Jevons (também
conhecido como [efeito rebote](/pt/glossario/#rebound-effect) em suas formas mais brandas).

O economista William Stanley Jevons o descreveu em *The Coal Question*, em 1865. Ele argumentou que máquinas a vapor
mais eficientes não reduziriam o consumo de carvão da Grã-Bretanha, porque a energia a vapor mais barata seria usada
para muito mais fins. Ele tinha razão: o consumo de carvão continuou subindo.

O rebote tem graus:

- **Rebote direto:** uma tarefa mais barata é feita com mais frequência. Um chatbot mais rápido e mais barato recebe
  mais perguntas.
- **Rebote indireto:** o dinheiro ou o tempo poupados são gastos em outra coisa que também consome energia.
- **Rebote em toda a economia:** uma capacidade mais barata viabiliza produtos e setores inteiramente novos.

## Isso já aconteceu na computação? {#has-this-happened-in-computing}

**Sim.** Koomey e colegas constataram em 2011 que o número de cálculos por unidade de energia vinha dobrando
aproximadamente a cada 1,57 ano desde os primeiros computadores eletrônicos da década de 1940. Nas mesmas décadas, o
consumo total de eletricidade da computação cresceu, porque a computação mais barata passou a ser usada para muito
mais fins.

A revisão de 2021 de Freitag e colegas sobre o impacto climático das TIC estimou o setor em 1,8–2,8% das emissões
globais de gases de efeito estufa, ou 2,1–3,9% quando as cadeias de suprimento são totalmente contabilizadas. Eles
argumentaram que a pegada das TIC vem crescendo apesar de grandes ganhos de eficiência, e que os efeitos rebote
precisam ser contabilizados antes que a eficiência seja contada como economia para o clima.

## A IA está seguindo o mesmo padrão? {#is-ai-following-the-same-pattern}

**Os primeiros sinais sugerem que sim.** A energia por tarefa de IA está caindo rápido, enquanto a demanda total
cresce.

- O Google relatou em 2025 que a energia do seu prompt de texto mediano no Gemini caiu 33 vezes em doze meses, graças
  a modelos, software e hardware melhores.
- Em um período semelhante, a Agência Internacional de Energia projetou que o consumo de eletricidade dos data centers
  mais que dobraria até 2030, de cerca de 415 TWh em 2024 para cerca de 945 TWh, com a IA como o principal motor desse
  crescimento.

As duas coisas podem ser verdade ao mesmo tempo. Prompts mais baratos tornam econômico colocar IA por padrão em
resultados de busca, documentos, celulares e ferramentas de software, e rodar agentes que fazem muitas chamadas por
tarefa (veja [IA agêntica e desperdício de tokens](/pt/artigos/ia-agentica-e-desperdicio-de-tokens/)).

Luccioni, Strubell e Crawford examinaram isso em um artigo de 2025 sobre o debate ambiental polarizado em torno da IA.
Eles argumentaram que tornar a IA mais eficiente não garante, por si só, menos dano ambiental, porque os ganhos de
eficiência podem aumentar o uso total, e que o debate negligencia esses efeitos indiretos. Eles defendem a avaliação
do ciclo de vida combinada com a análise de incentivos de negócio, mercados, governança e normas sociais.

## Por que a eficiência não vira economia automaticamente? {#why-doesn-t-efficiency-automatically-become-a-saving}

**Porque quem ganha com a eficiência geralmente gasta o ganho.** Três mecanismos são comuns na IA:

- **Preço.** Os provedores repassam os custos menores, e o uso cresce.
- **Capacidade.** Uma economia em um tamanho é gasta em um modelo maior ou em um contexto mais longo, porque
  qualidade vende.
- **Padrões.** Quando a IA fica barata o bastante para ser ativada para todos, ela é ativada para todos, inclusive
  para quem não pediu.

Nada disso é motivo para parar de melhorar a eficiência. Sem ela, a demanda total seria ainda maior. É um motivo para
não contar ganhos de eficiência como economia para o clima até que o uso total tenha sido medido.

## Como é a suficiência na prática? {#what-does-sufficiency-look-like-in-practice}

**Significa adequar a ferramenta à tarefa e, às vezes, escolher não usar IA nenhuma.** Formas práticas incluem:

- **Use um método determinístico quando houver um.** Uma calculadora, uma consulta a banco de dados ou um método
  numérico clássico costuma ser mais barato e mais confiável que um modelo de linguagem.
- **Dimensione bem o modelo.** Encaminhe pedidos simples para modelos pequenos. Veja [como escolher o modelo certo](/pt/boas-praticas/escolha-o-modelo-certo-para-a-tarefa/).
- **Faça da IA pesada uma opção, e não o padrão.** Recursos que geram conteúdo a cada visualização de página
  multiplicam o uso de energia.
- **Itere menos.** Gerar de novo uma imagem ou um vídeo repetidas vezes até ficar bom multiplica o custo de cada
  tentativa. Prompts melhores e ferramentas de edição reduzem o número de tentativas.
- **Reutilize em vez de gerar de novo.** Veja [orquestração em vez de geração](/pt/artigos/orquestracao-em-vez-de-geracao/).

No sandpit, um dos temas foi que o sistema, e não cada usuário, deveria fazer essas escolhas sempre que possível, por
exemplo encaminhando automaticamente para o menor modelo adequado, porque pedir a cada usuário que avalie o custo de
energia de cada pedido não funciona em escala.

## Como manter o rebote sob controle? {#how-can-rebound-be-kept-in-check}

**Medindo, limitando ou precificando o uso total, e não só o uso por tarefa.** As opções incluem:

- **Orçamentos.** Defina um orçamento de energia, tokens ou carbono para um projeto ou produto, para que os ganhos de
  eficiência liberem margem em vez de expandir o uso automaticamente.
- **Medição do sistema inteiro.** Relate a energia total ao longo do tempo, junto com a energia por tarefa. Veja
  [a medição é o gargalo](/pt/artigos/a-medicao-e-o-gargalo-da-ia-verde/).
- **Alegações honestas.** Dizer que um produto é "X vezes mais eficiente" não diz nada sobre o impacto total. Veja
  [como fazer alegações verdes honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/).
- **Políticas públicas.** A precificação do carbono e as restrições da rede elétrica agem sobre a demanda total de
  um jeito que os padrões de eficiência sozinhos não conseguem. Veja [políticas de IA verde](/pt/boas-praticas/como-escrever-uma-politica-de-ia-verde/).

## O que fazer agora {#what-to-do-next}

- Acompanhe a energia ou o gasto total com IA ao longo do tempo, e não só os números por pedido.
- Antes de adicionar um recurso de IA, pergunte se um método sem IA resolveria e se ele deveria vir ativado por
  padrão.
- Encaminhe os pedidos para o menor modelo que faz o trabalho: veja [use a IA com eficiência](/pt/boas-praticas/use-a-ia-com-eficiencia-habitos-do-dia-a-dia/).
- Quando obtiver um ganho de eficiência, decida antes se ele vai reduzir o uso total ou financiar um novo uso.
- Leia o [guia para empresas](/pt/guias/ia-verde-para-empresas/) para saber como incorporar essas escolhas às compras e ao design de
  produtos.

## Perguntas frequentes

### O que é o paradoxo de Jevons?

A observação, feita pela primeira vez por William Stanley Jevons em 1865 sobre o carvão, de que usar um recurso com mais eficiência pode aumentar seu consumo total, porque a eficiência o torna mais barato e, portanto, mais usado.

### O efeito rebote significa que a eficiência é inútil?

Não. A eficiência continua necessária e, sem ela, o uso total seria maior. A questão é que a eficiência sozinha não garante um uso total menor, por isso precisa vir acompanhada de suficiência e de medição.

### O que é suficiência na IA verde?

Usar a IA só onde ela agrega valor suficiente, e usar o menor modelo e a menor computação que fazem bem o trabalho. Ela pergunta 'devemos fazer isso?', além de 'como fazemos isso mais barato?'

## Fontes

- [The Coal Question](https://oll.libertyfund.org/titles/317), W. Stanley Jevons, Macmillan (1865)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
- [The real climate and transformative impact of ICT: a critique of estimates, trends, and regulations](https://doi.org/10.1016/j.patter.2021.100340), Freitag, Berners-Lee, Widdicks, Knowles, Blair and Friday, Patterns (2021)
- [Implications of historical trends in the electrical efficiency of computing](https://doi.org/10.1109/MAHC.2010.28), Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Measuring the environmental impact of delivering AI at Google Scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
