Em resumo
IA verde significa usar a inteligência artificial de formas que mantenham o seu custo ambiental proporcional ao valor que ela entrega. O conceito reúne duas ideias, usar a IA para ajudar o meio ambiente ("IA a serviço do meio ambiente") e reduzir a pegada da própria IA ("IA mais verde"), e dois caminhos para chegar lá: a eficiência (fazer cada tarefa com menos) e a suficiência (fazer apenas as tarefas que valem a pena).
Pontos-chave
- A "IA a serviço do meio ambiente" usa a IA para apoiar objetivos ambientais; a "IA mais verde" reduz a pegada da própria IA. A IA verde precisa das duas.
- A pegada da IA não é só eletricidade. Ela inclui as emissões de carbono, a água usada na refrigeração e na geração de energia, e os materiais e os resíduos do hardware.
- A eficiência reduz o custo de cada tarefa; a suficiência pergunta se a tarefa precisa mesmo de IA, ou de um modelo tão grande.
- IA verde não é "nenhuma IA". Trata-se de usar bem a IA, medir o seu custo e escolher a ferramenta certa para cada trabalho.
- Como "IA" abrange desde pequenos classificadores até chatbots de fronteira, qualquer alegação de IA verde deve dizer de que tipo de IA está falando.
"IA verde" é usado com vários sentidos diferentes, o que torna as conversas sobre o tema confusas. Este artigo apresenta as ideias principais e os termos usados em todo o site, para que as páginas seguintes possam partir deles.
O que significa IA verde?
IA verde significa usar a inteligência artificial de formas que mantenham o seu custo ambiental proporcional ao valor que ela entrega. Trata-se de usar bem a IA, e não de se recusar a usá-la.
O termo foi popularizado por Schwartz, Dodge, Smith e Etzioni em um artigo de 2020 na Communications of the ACM. Eles contrastaram a "IA vermelha", pesquisa que compra pequenos ganhos de precisão com quantidades cada vez maiores de computação, com a "IA verde", que relata e recompensa a eficiência ao lado da precisão. O artigo veio depois do estudo de 2019 de Strubell, Ganesh e McCallum, que mostrou quanta energia e carbono o desenvolvimento de um modelo de linguagem de grande porte (LLM) podia envolver.
Desde então, o sentido se ampliou. Hoje, a IA verde costuma abranger toda a vida de um sistema de IA: o hardware em que ele funciona, o data center, o modelo, o software em volta dele e a forma como as pessoas o usam.
Qual é a diferença entre "IA a serviço do meio ambiente" e "IA mais verde"?
A "IA a serviço do meio ambiente" usa a IA para apoiar objetivos ambientais; a "IA mais verde" reduz a pegada da própria IA. A IA verde precisa das duas, e elas podem puxar em direções opostas.
| IA a serviço do meio ambiente | IA mais verde | |
|---|---|---|
| Objetivo | Usar a IA para reduzir emissões ou proteger a natureza em outras áreas | Reduzir a energia, o carbono, a água e os materiais que a IA usa |
| Exemplos | Previsão da produção renovável, gestão de redes elétricas, detecção de vazamentos, modelagem climática | Modelos menores, código eficiente, energia mais limpa, vida útil mais longa do hardware |
| Risco | Benefícios alegados que nunca são medidos | Economias gastas em mais uso (o efeito rebote) |
O relatório Energy and AI, de 2025, da Agência Internacional de Energia aborda os dois lados: conclui que um uso mais amplo das aplicações de IA já existentes poderia reduzir as emissões na energia e na indústria, mas alerta que a própria demanda de eletricidade da IA está crescendo rápido e que o efeito líquido depende de como a IA é implantada.
Um sandpit de IA verde realizado no Reino Unido em 2026, com matemáticos, cientistas da computação e representantes da indústria, enquadrou a IA verde da mesma forma, com dois lados, e com a matemática podendo contribuir para ambos: métodos melhores para problemas ambientais e métodos mais enxutos para a IA.
O que são eficiência e suficiência?
Eficiência é fazer cada tarefa com menos; suficiência é fazer apenas as tarefas que valem a pena.
- A eficiência pergunta: como este modelo, este prompt ou este data center pode usar menos energia para o mesmo resultado? Exemplos são a poda e a quantização de modelos, chips melhores e refrigeração mais eficiente.
- A suficiência pergunta: esta tarefa precisa mesmo de IA, ou de um modelo tão grande? Uma calculadora, uma consulta a um banco de dados ou um método numérico clássico costuma ser mais barato e mais confiável que um modelo de linguagem de grande porte.
A eficiência sozinha pode ter o efeito contrário, porque a IA mais barata tende a ser mais usada. Esse é o efeito rebote, explicado em eficiência não é suficiência.
O que a pegada ambiental da IA inclui?
Quatro coisas: energia, carbono, água e materiais. A maior parte da discussão pública cobre só as duas primeiras.
Energia
A IA funciona com eletricidade, principalmente em data centers. A Agência Internacional de Energia estima que os data centers usaram cerca de 415 TWh em 2024, aproximadamente 1,5% da eletricidade mundial, e prevê que esse número mais que dobre, chegando a cerca de 945 TWh até 2030, com a IA como principal fator. Veja por que a IA verde importa agora.
A energia é usada em duas fases:
- O treinamento, um custo alto e pontual para construir um modelo.
- A inferência, o custo de cada vez que o modelo é usado. Para modelos muito usados, isso se acumula: o Google informou em 2022 que a inferência representava cerca de três quintos do seu consumo de energia com aprendizado de máquina, e o treinamento, dois quintos.
Carbono
A pegada de carbono depende de quanta energia é usada e de quão limpa é a eletricidade. O mesmo trabalho pode emitir muitas vezes mais carbono em uma rede elétrica dependente do carvão do que em uma dominada por energia eólica, hidrelétrica ou nuclear. Ela também inclui o carbono incorporado: as emissões da fabricação de chips, servidores e edifícios. Wu e colegas da Meta informaram em 2022 que o carbono incorporado representava cerca de 30% da pegada do aprendizado de máquina em grande escala da Meta, e argumentaram que ele estava se tornando a principal fonte à medida que a energia de operação fica mais limpa.
Água
Os data centers usam água para refrigeração, e as usinas usam água para gerar a eletricidade. Li, Yang, Islam e Ren mostraram em 2023 que essa "pegada hídrica secreta" da IA é considerável e varia muito conforme o local e a hora do dia. A medição feita em 2025 pelo Google do seu assistente Gemini estimou o prompt de texto mediano em cerca de 0,26 mililitro de água, além de 0,24 watt-hora de energia.
Materiais
O hardware de IA precisa de metais e minerais e é substituído rapidamente. Wang e colegas estimaram em 2024 que os modelos de linguagem de grande porte poderiam gerar, no total, entre 1,2 e 5,0 milhões de toneladas de lixo eletrônico entre 2020 e 2030, dependendo da velocidade com que o seu uso crescer, e que a reutilização e a reciclagem poderiam reduzir bastante esse volume. Manter o hardware em uso por mais tempo e criar software que funcione bem em dispositivos mais antigos reduz esse impacto.
Por que importa de qual "IA" estamos falando?
Porque "IA" abrange sistemas cujas pegadas diferem em muitas ordens de grandeza. Um modelo pequeno que organiza e-mails, um sistema de previsão do tempo e um chatbot de fronteira são todos "IA".
No uso cotidiano, "IA" hoje significa principalmente IA generativa: chatbots e geradores de imagens e vídeos. Grande parte da preocupação com o consumo de energia da IA diz respeito a esses modelos grandes. Mas a maior parte do aprendizado de máquina na indústria e na ciência é menor e mais especializada. Uma boa alegação de IA verde diz de que tipo de IA está falando e com que fronteira os seus custos são contados. Veja a medição é o gargalo.
IA verde é o mesmo que "nenhuma IA"?
Não. Não usar IA às vezes é a escolha mais verde, e a IA verde inclui essa opção. Mas a IA verde trata principalmente de usar a IA com responsabilidade: medir o seu custo, escolher o modelo certo para a tarefa e torná-lo mais eficiente.
Algumas pessoas preferem outras palavras. "IA sustentável" é muitas vezes usado para incluir a sustentabilidade social e econômica, além da ambiental. Outros defendem descrever o objetivo como evitar a computação desperdiçadora, que é mais difícil de descartar como algo apenas virtuoso. Este site usa "IA verde" para o lado ambiental e especifica a que recurso (energia, carbono, água ou materiais) cada alegação se refere.
O que fazer a seguir
- Leia por que a IA verde importa agora para entender a escala da demanda de energia da IA.
- Conheça os principais termos no glossário.
- Encontre o guia certo para você: empresas, pesquisadores, organizações sem fins lucrativos ou o público.
- Comece pelo guia prático sobre como usar a IA com eficiência.
- É docente? Veja a seção Para escolas.
Perguntas frequentes
O que é IA verde, em termos simples?
IA verde é a inteligência artificial projetada, construída e usada de modo que o seu custo ambiental, em energia, carbono, água e materiais, seja o mais baixo razoavelmente possível para o valor que ela entrega.
Quem criou o termo IA verde?
O termo foi popularizado por Schwartz, Dodge, Smith e Etzioni em um artigo de 2020 na Communications of the ACM, que contrastava a 'IA vermelha', pesquisa que compra precisão com cada vez mais computação, com a 'IA verde', que trata a eficiência como critério de avaliação ao lado da precisão.
IA verde é o mesmo que IA sustentável?
Os termos se sobrepõem e muitas vezes são usados como sinônimos. 'IA sustentável' às vezes é usado de forma mais ampla, incluindo a sustentabilidade social e econômica, além do impacto ambiental.
IA verde significa usar menos IA?
Às vezes. Usar a IA apenas onde ela agrega valor faz parte da IA verde, mas também faz parte tornar mais eficiente a IA que é usada, e usar a IA para reduzir emissões em outras áreas.
Fontes
- Green AI, Schwartz, Dodge, Smith and Etzioni, Communications of the ACM (2020)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum, ACL (2019)
- Energy and AI, International Energy Agency (2025)
- Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
- Making AI less thirsty: uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- E-waste challenges of generative artificial intelligence, Wang et al., Nature Computational Science (2024)
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- Good news about the carbon footprint of machine learning training, Google Research (Patterson) (2022)
Relacionados
Por que a IA verde importa agora
A IA acelera a demanda de eletricidade dos data centers, pressiona as redes e eleva custos. Evidências sobre escala, energia e políticas em 2026.
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.
A medição é o gargalo da IA verde
Por que é difícil confiar em números de energia da IA ou compará-los: dados autodeclarados, estimativas em vez de medições, fronteiras diferentes.
IA verde: um guia em linguagem simples para todos
O que usar a IA realmente custa em energia e água, quais hábitos do dia a dia importam e quais não, como avaliar alegações e como dar a sua opinião.