# Como identifico greenwashing no marketing de IA?

> Sinais de alerta de greenwashing em produtos e serviços de IA, de rótulos vagos de 'IA sustentável' a neutralidade baseada em compensações, e o que perguntar.

Source: https://greenai.guide/pt/como/como-identifico-greenwashing-no-marketing-de-ia/  
Updated: 2026-11-19

## Em resumo

Desconfie de palavras como "verde", "sustentável" ou "IA neutra em carbono" sem números, métodos e limites que as sustentem, e de alegações que se apoiam em compensações ou em certificados anuais de energia renovável. Alegações honestas dizem o que foi medido, em relação a que linha de base e o que ficou de fora; na UE, as alegações ambientais genéricas que não podem ser comprovadas são proibidas.

## Steps

1. Pergunte exatamente o que foi medido e o que o número inclui.
2. Verifique se uma economia anunciada é por tarefa ou no total.
3. Procure a linha de base com que a alegação se compara.
4. Trate com cautela as alegações de "neutro em carbono" baseadas em compensações ou certificados.
5. Verifique se o número é autodeclarado ou verificado de forma independente.

**Greenwashing é uma alegação verde que não pode ser verificada.** À medida que o consumo de energia da IA chama a
atenção, mais produtos são vendidos como "eficientes", "sustentáveis" ou "IA verde". Alguns são; o teste é se a
alegação vem acompanhada de provas.

## Quais são os sinais de alerta? {#what-are-the-warning-signs}

- **Rótulos vagos.** "IA ecológica" ou "inteligência sustentável" sem nenhum número.
- **Neutralidade por meio de compensações.** "Neutro em carbono" porque foram comprados créditos, e não porque as
  emissões caíram. A especificação Software Carbon Intensity da Green Software Foundation não permite que
  compensações ou certificados de energia renovável reduzam a pontuação de carbono de um software.
- **Eficiência apresentada como redução.** "50% menos energia por consulta" não diz nada sobre o consumo total, que
  pode continuar subindo. Luccioni, Strubell e Crawford argumentam que os ganhos de eficiência na IA podem ser
  anulados pelo aumento do uso, o [efeito rebote](/pt/glossario/#rebound-effect).
- **Sem limite definido.** Um número por prompt que conta apenas os chips parece melhor do que um que inclui a
  refrigeração e as máquinas ociosas.
- **Comparações escolhidas a dedo** com uma linha de base antiga ou invulgarmente ineficiente.

## O que diz a lei? {#what-does-the-law-say}

**Na UE, as regras ficaram mais rígidas.** A Diretiva (UE) 2024/825 proíbe alegações ambientais genéricas dirigidas a
consumidores que não possam ser comprovadas. Outros países têm as suas próprias regras de defesa do consumidor sobre
alegações enganosas; consulte as orientações do regulador do seu país.

## Que perguntas devo fazer? {#what-questions-should-i-ask}

1. O que foi medido, e o que ficou de fora?
2. Por quê: por pedido, por usuário, por ano?
3. Comparado com que linha de base?
4. Quem mediu, e é possível verificar?

## Erros comuns {#common-mistakes}

- **Supor que um compromisso com energia renovável** torna verde todo o uso de um serviço.
- **Confundir "IA para o bem" com "IA verde".** Usar IA para um objetivo climático não torna a própria IA de baixo
  impacto.

Se é você quem faz as alegações, veja [como fazer alegações honestas sobre IA verde](/pt/como/como-faco-alegacoes-honestas-sobre-a-nossa-ia-verde/)
e o guia completo sobre [alegações verdes honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/).

## Fontes

- [Directive (EU) 2024/825 on empowering consumers for the green transition](https://eur-lex.europa.eu/eli/dir/2024/825/oj), European Union (2024)
- [Software Carbon Intensity specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [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)
