# Como verifico se um projeto de IA compensa o seu custo ambiental?

> Uma forma simples de pesar a energia, o carbono e o hardware de um projeto de IA contra o benefício que ele traz, antes de construí-lo e depois de funcionar.

Source: https://greenai.guide/pt/como/como-verifico-se-um-projeto-de-ia-compensa-o-seu-custo-ambiental/  
Updated: 2026-11-19

## 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.

## Steps

1. Escreva o benefício que você espera e como vai medi-lo.
2. Estime a pegada da IA ao longo da sua vida útil esperada, incluindo treinamento, inferência e novas tentativas.
3. Compare-a com o método mais simples sem IA que poderia fazer o trabalho.
4. Decida de antemão que resultado faria você parar ou reduzir a escala.
5. 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? {#how-do-i-estimate-the-ai-s-side}

- **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](/pt/como/como-estimo-a-energia-das-minhas-chamadas-de-api-de-ia/).
- **Novas tentativas e execuções falhadas**, que são fáceis de esquecer.

## Com o que devo comparar? {#what-should-i-compare-it-with}

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 {#what-makes-the-biggest-difference}

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 {#common-mistakes}

- 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](/pt/artigos/eficiencia-nao-e-suficiencia-o-efeito-rebote-na-ia/) para o panorama mais amplo.

## Fontes

- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (2026)
- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
