Em resumo
Estime a pegada da própria IA (treinamento ou fine-tuning, mais o funcionamento durante a sua vida útil esperada) e compare-a com o benefício, medido no mesmo período. Compare-a com a opção mais simples sem IA, não com não fazer nada. Se o projeto pretende poupar energia ou emissões, a economia tem de superar claramente o custo da própria IA, senão é uma perda líquida.
Passos
- Escreva o benefício que você espera e como vai medi-lo.
- Estime a pegada da IA ao longo da sua vida útil esperada, incluindo treinamento, inferência e novas tentativas.
- Compare-a com o método mais simples sem IA que poderia fazer o trabalho.
- Decida de antemão que resultado faria você parar ou reduzir a escala.
- Verifique de novo com números medidos quando o sistema estiver funcionando.
Conte a pegada da própria IA e compare-a com o benefício no mesmo período. Os projetos que usam IA para otimizar algo, incluindo os projetos de "IA pelo meio ambiente", raramente contam a energia da própria IA, e sem esse número um projeto pode ter saldo negativo.
Como estimo o lado da IA?
- Treinamento ou fine-tuning, se você fizer algum.
- Inferência: pedidos por dia × energia por pedido × dias em serviço. A estimativa da Epoch AI de cerca de 0,3 Wh para uma consulta típica ao ChatGPT é um ponto de partida para texto, mas entradas longas a aumentam muito, por isso use as suas próprias contagens de tokens; veja estimar a energia das chamadas a APIs de IA.
- Novas tentativas e execuções falhadas, que são fáceis de esquecer.
Com o que devo comparar?
Com a opção mais simples sem IA, não com não fazer nada. A IA não é gratuita mesmo quando poupa tempo: um estudo de 2025 que comparou programação manual e assistida por IA em 12 tarefas concluiu que a abordagem assistida por IA teve em média cerca de 33 vezes a pegada de carbono da abordagem manual. Isso não quer dizer nunca usar IA; quer dizer verificar se ela compensa.
O GreenCode, um projeto de pesquisa do ITEA, publica um caso climático que compara a pegada da sua própria IA com a economia de energia que pretende alcançar, o que é um bom modelo para copiar.
O que faz mais diferença
Decidir a condição de parada antes de começar. Escreva o resultado que faria você reduzir a escala, para que a decisão não seja tomada pela inércia.
Erros comuns
- Contar o benefício ao longo de dez anos e o custo da IA ao longo de um mês.
- Ignorar o crescimento do uso quando a ferramenta fica popular.
- Tratar a incerteza como zero. Dê uma faixa de valores.
Leia eficiência não é suficiência para o panorama mais amplo.
Fontes
- Green AI and energy-aware computing, GreenCode (2026)
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
Relacionados
Como sei se preciso mesmo de IA para uma tarefa?
Um teste rápido para saber se uma tarefa precisa de IA generativa ou se uma busca, calculadora, modelo pronto ou regra simples resolve mais rápido e gastando menos.
Como evito que os ganhos de eficiência da IA sejam anulados pelo aumento do uso?
Como impedir que as economias de eficiência da IA sejam engolidas pelo uso crescente: acompanhe totais, limite o uso, desative o que sobra e avalie a necessidade.
Como estimo a energia das minhas chamadas de API de IA?
Não dá para medir uma API de IA hospedada, mas você pode estimar a energia por chamada a partir dos tokens com o EcoLogits e registrá-la junto ao custo.
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.