# Como reduzo a pegada hídrica da IA?

> Corte o uso de água da IA usando menos computação, escolhendo hosts e regiões com baixo estresse hídrico e bom WUE e programando o trabalho pesado onde ajuda.

Source: https://greenai.guide/pt/como/como-reduzo-a-pegada-hidrica-da-ia/  
Updated: 2026-11-19

## Em resumo

O uso de água acompanha o uso de energia, então o primeiro passo é o mesmo: usar modelos menores, saídas mais curtas e menos regenerações. Além disso, escolha hosts que publicam o seu uso de água, evite regiões com estresse hídrico para o trabalho pesado e peça aos fornecedores números de água por local. Por prompt de texto, a água é pouca; o que importa são os totais e os efeitos locais.

## Steps

1. Corte primeiro a computação, com modelos menores, saídas mais curtas e menos regenerações.
2. Peça aos hosts o uso de água e o WUE por local, e a origem da água.
3. Evite regiões com estresse hídrico para trabalhos pesados e flexíveis, como o treinamento.
4. Prefira hosts que informam o uso de água publicamente ou a um regulador.
5. Inclua a água nas perguntas de compras de IA e nos seus próprios relatórios.

**Menos computação significa menos água, e o lugar onde a computação acontece decide quanto essa água pesa.** Os data
centers usam água sobretudo para refrigeração, e as usinas de energia a usam para produzir a eletricidade.

## De quanta água estamos falando? {#how-much-water-are-we-talking-about}

Por prompt de texto, muito pouca: o Google informa 0,26 mL para um prompt de texto mediano no Gemini. No total, e em
alguns lugares, muita: Li, Yang, Islam e Ren estimaram que treinar o GPT-3 nos data centers da Microsoft nos EUA pode
ter evaporado diretamente cerca de 700.000 litros, e projetaram que a demanda global de IA pode responder por 4,2 a
6,6 bilhões de metros cúbicos de captação de água em 2027. Como estimar a sua própria parte está explicado em
[estimar a pegada hídrica da IA](/pt/como/como-estimo-a-pegada-hidrica-da-ia/).

## O que realmente reduz essa pegada? {#what-actually-reduces-it}

- **Menos computação.** A UNESCO e a University College London concluíram que modelos pequenos e específicos para a
  tarefa podem cortar a energia em até 90%, e que prompts e respostas mais curtos a cortam em mais da metade; a água
  cai junto com a energia.
- **Localização.** Um litro captado numa área atingida pela seca tem mais efeito do que um captado onde a água é
  abundante, então afaste o trabalho pesado e flexível de locais com estresse hídrico sempre que puder.
- **Evidências dos fornecedores.** Na UE, os operadores de data centers com pelo menos 500 kW de demanda de potência de
  TI devem informar o uso de energia e de água nos termos do Regulamento Delegado 2024/1364. Peça esses números.

## Erros comuns {#common-mistakes}

- **Buscar apenas o menor WUE.** Uma refrigeração que economiza água pode usar mais eletricidade; leia
  [PUE e WUE](/pt/como/como-interpreto-os-valores-de-pue-e-wue/) em conjunto.
- **Preocupar-se com perguntas curtas** enquanto gera imagens e vídeos à vontade.
- **Esquecer a água da usina de energia,** que os números do local deixam de fora.

Veja [hospedagem e data centers](/pt/boas-praticas/hospedagem-e-data-centers-para-ia-verde/).

## Fontes

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
