# IA verde para empresas

> Um guia prático para empresas reduzirem a energia, o custo e o carbono da IA: escolha de modelos, fornecedores, medição, compras e alegações honestas.

Source: https://greenai.guide/pt/guias/ia-verde-para-empresas/  
Updated: 2026-11-19

## Em resumo

IA verde para uma empresa significa obter os resultados de que você precisa da IA com menos energia, dinheiro e carbono. A maior parte da economia vem de algumas decisões: usar IA só onde ela agrega valor, escolher o menor modelo que faz bem o trabalho, escolher fornecedores que publicam seus dados de energia e medir antes de fazer qualquer alegação.

## Pontos-chave

- Na maioria das empresas, a IA mais barata, mais rápida e mais verde costuma ser a mesma: modelos menores, menos tokens, menos retrabalho.
- A Agência Internacional de Energia estima que os data centers usaram cerca de 415 TWh de eletricidade em 2024, cerca de 1,5% do total mundial, e projeta cerca de 945 TWh até 2030.
- Modelos específicos para uma tarefa podem custar ordens de grandeza menos para rodar do que modelos generativos de uso geral na mesma tarefa.
- Peça aos fornecedores a energia por solicitação, os data centers que eles usam e o método de medição, e inclua as respostas nos contratos.
- Não faça nenhuma alegação verde que você não possa sustentar com números medidos ou com fontes claras.

## Por que uma empresa deveria se importar com a IA verde? {#why-should-a-business-care-about-green-ai}

Porque o que torna a IA mais verde é, em grande parte, o que a torna mais barata, mais rápida e mais confiável. Menos
computação significa contas menores, respostas mais rápidas e menos espera. E os mesmos hábitos que desperdiçam
energia, como prompts longos, tentativas repetidas e modelos superdimensionados, também desperdiçam dinheiro e tempo
da equipe.

Um sandpit britânico de IA verde realizado em 2026, com matemáticos, cientistas da computação e representantes da
indústria, chegou a uma visão parecida: os compradores escolhem por custo, velocidade e qualidade, então a IA verde
precisa vir junto com essas coisas, e não competir com elas. Isso é uma boa notícia para uma empresa. Raramente você
precisa trocar resultados por uma pegada menor.

Há outros quatro motivos para prestar atenção:

- **Escala.** A Agência Internacional de Energia (IEA) estima que os data centers usaram cerca de 415 TWh de
  eletricidade em 2024, cerca de 1,5% da eletricidade mundial, e projeta que esse número vai mais que dobrar, para
  cerca de 945 TWh até 2030, com a IA como o principal motor desse crescimento. O seu uso de IA faz parte dessa
  demanda.
- **Relatórios.** Se você relata energia e emissões, a IA agora faz parte do número, quer você a conte, quer não.
- **Regulação.** As regras começam a exigir dados de energia dos fornecedores de IA e de data centers (veja abaixo), o
  que coloca à sua disposição informações melhores sobre os fornecedores.
- **Confiança.** Clientes, funcionários e investidores perguntam cada vez mais como você usa a IA. Respostas claras e
  honestas ajudam.

## Para onde vai a energia da IA? {#where-does-the-energy-in-ai-go}

A maior parte da energia de IA de uma empresa típica vai para a **inferência**, ou seja, rodar um modelo para
responder a solicitações, e não para treiná-lo. Você quase nunca treina um modelo grande por conta própria, mas cada
prompt, cada fluxo de trabalho automatizado e cada recurso de IA no seu software executa inferência no hardware de
alguém.

Os principais pontos de consumo de energia:

| Etapa | O que acontece | Quem controla |
|---|---|---|
| Treinamento | Um modelo aprende com dados, uma vez ou de vez em quando | Sobretudo o provedor do modelo |
| Ajuste fino (fine-tuning) | Um modelo existente é adaptado à sua tarefa | Você ou seu fornecedor |
| Inferência | O modelo responde a cada solicitação | Compartilhado: você escolhe quanto e qual modelo |
| Data center | Refrigeração, conversão de energia, rede | O provedor de hospedagem |
| Hardware | Fabricação dos chips e servidores (carbono incorporado) | O provedor, pelo tempo que mantém os equipamentos |

Para uma empresa, a inferência é a parte que você mais pode mudar. A quantidade depende de:

- **tamanho e tipo do modelo.** Um estudo de Luccioni, Jernite e Strubell constatou que modelos generativos de uso
  geral custavam ordens de grandeza mais para rodar do que sistemas específicos para a mesma tarefa. Nos testes deles,
  gerar imagens usou em média cerca de 2,9 kWh por 1.000 solicitações, enquanto classificar texto usou cerca de
  0,002 kWh;
- **número de tokens** (os pedaços de texto que um modelo lê e escreve). Prompts longos, documentos colados e
  respostas prolixas, tudo isso se soma;
- **quantas chamadas** um fluxo de trabalho faz. Agentes que planejam, verificam e tentam de novo podem fazer dezenas
  de chamadas para uma única tarefa; e
- **onde e quando** ele roda, porque o carbono de um quilowatt-hora depende da rede elétrica local.

Para ter uma ideia da escala por solicitação, o Google informa que um prompt de texto mediano nos seus aplicativos
Gemini usou 0,24 Wh de energia, e que esse número caiu 33 vezes em um ano. Os provedores medem de formas diferentes,
então trate esses números como indicativos e veja [como medir a energia da IA](/pt/boas-praticas/como-medir-a-energia-e-o-carbono-da-ia/) para
entender por que os detalhes importam.

## Como escolhemos o modelo certo? {#how-do-we-choose-the-right-model}

Use o menor modelo que faz o trabalho de forma confiável, e teste isso no seu próprio trabalho. Para muitas tarefas
empresariais, como triar e-mails, extrair campos de faturas, resumir ou traduzir, um modelo pequeno ou especializado
é suficiente.

A UNESCO e a University College London constataram que usar modelos menores e específicos para a tarefa pode reduzir
o consumo de energia em até 90% sem perda de desempenho em tarefas adequadas, e que prompts e respostas mais curtos
podem reduzi-lo em mais da metade.

Passos práticos:

1. **Liste suas tarefas de IA** e o que "bom o suficiente" significa para cada uma, por exemplo 98% dos campos das
   faturas corretos.
2. **Teste modelos do menor para o maior** em uma amostra de casos reais. Pare no primeiro que atingir o padrão.
3. **Roteie as solicitações.** Envie as solicitações rotineiras para um modelo pequeno e só as difíceis para um modelo
   grande. Isso costuma ser chamado de roteamento de modelos.
4. **Cuidado com as falsas economias.** Um modelo pequeno demais que falha e força uma nova execução em um modelo
   grande pode usar mais energia do que ir direto ao modelo grande. Meça o acerto na primeira vez, não o custo por
   chamada.
5. **Reutilize, não gere de novo.** Quando a mesma resposta, modelo de documento ou trecho de código for necessário
   novamente, guarde-o e reutilize-o em vez de pedir ao modelo toda vez. O GreenCode, um projeto de pesquisa do ITEA,
   descreve o uso de recuperação de informações, roteamento para o componente capaz mais barato e agendamento para
   manter pequeno o seu próprio uso de IA.

Avaliações independentes podem ajudar você a comparar modelos abertos. O AI Energy Score, lançado pela Hugging Face e
parceiros, classifica modelos de uma a cinco estrelas em eficiência energética em tarefas comuns. Há mais sobre isso
em [como escolher o modelo certo](/pt/boas-praticas/escolha-o-modelo-certo-para-a-tarefa/) e em
[orquestração em vez de geração](/pt/artigos/orquestracao-em-vez-de-geracao/).

## O que devemos perguntar aos fornecedores de IA? {#what-should-we-ask-ai-suppliers}

Peça números, métodos e locais, e coloque as respostas no contrato. Muitos fornecedores ainda não conseguem dar
respostas completas, mas perguntar sinaliza demanda e mostra quem leva o assunto a sério.

Perguntas para incluir em licitações e renovações:

- **Energia por solicitação.** Qual é a energia (Wh) por solicitação típica ou por 1.000 tokens para os modelos que
  vamos usar? Ela é medida ou estimada, e como?
- **Limite do sistema.** O número inclui capacidade ociosa, refrigeração e rede, ou só os chips?
- **Onde roda.** Quais data centers e regiões hospedam a nossa carga de trabalho? Qual é a eficiência no uso de
  energia deles (PUE, a razão entre a energia total da instalação e a energia de computação) e o consumo de água?
- **Eletricidade.** Que parcela é casada hora a hora com energia limpa, em vez de coberta por certificados anuais?
- **Opções de modelo.** Podemos escolher modelos menores ou rotear solicitações entre modelos? Podemos rodar no nosso
  próprio hardware quando os dados precisarem ficar no local?
- **Relatórios.** Vocês nos fornecerão dados mensais de energia e emissões da nossa conta, em um formato que possamos
  usar nos nossos próprios relatórios?
- **Vida útil do hardware.** Por quanto tempo vocês mantêm os servidores em operação, e o que acontece com eles
  depois?
- **Aviso de mudança.** Vocês nos avisarão se trocarem o modelo por trás do nosso serviço?

Vale a pena conhecer duas leis da UE, mesmo fora da UE, porque grandes fornecedores as aplicam amplamente:

- O **AI Act da UE** exige que os provedores de modelos de IA de uso geral documentem o consumo de energia conhecido
  ou estimado do modelo (Anexo XI).
- A **Diretiva de Eficiência Energética** exige que os operadores de data centers com pelo menos 500 kW de demanda de
  potência de TI relatem o desempenho energético, incluindo o consumo de energia e de água, a uma base de dados
  europeia (Regulamento Delegado 2024/1364).

O nosso guia de [compras de IA sustentável](/pt/boas-praticas/compras-de-ia-sustentavel/) tem um conjunto mais completo de
perguntas, e [hospedagem e data centers](/pt/boas-praticas/hospedagem-e-data-centers-para-ia-verde/) explica o que as respostas significam.
Você encontra fornecedores no [diretório de produtos](/pt/produtos/) e ajuda independente no
[diretório de consultores](/pt/consultores/).

## Como medimos a energia e as emissões da IA? {#how-do-we-measure-ai-energy-and-emissions}

Meça o que puder, estime o resto de forma transparente e acompanhe o que você controla. Números perfeitos raramente
estão disponíveis, mas um método consistente permite ver se você está melhorando.

- **Seu próprio hardware ou máquinas na nuvem.** Ferramentas de código aberto como o CodeCarbon estimam as emissões a
  partir da potência consumida pelos processadores e pela memória e da intensidade de carbono da rede local.
- **Serviços de IA de terceiros.** Registre os tokens, as chamadas e os modelos usados. Multiplique pelo número de
  energia por solicitação do fornecedor, se ele fornecer um. Se não, use uma estimativa publicada e diga isso.
- **Unidades.** Relate a energia em kWh e as emissões em kg CO₂e (dióxido de carbono equivalente), e diga qual fator
  de rede você usou.
- **Por resultado.** Acompanhe a energia por resultado útil, por exemplo por fatura processada, e não só o total. Isso
  mostra o efeito do retrabalho e das novas tentativas.

Veja [como medir a energia da IA](/pt/boas-praticas/como-medir-a-energia-e-o-carbono-da-ia/) e
[por que a medição é o gargalo](/pt/artigos/a-medicao-e-o-gargalo-da-ia-verde/).

## Como a IA se encaixa nos relatórios CSRD e ESG? {#how-does-ai-fit-into-csrd-and-esg-reporting}

A eletricidade da IA faz parte do seu consumo de energia, então ela pertence aos seus relatórios de emissões
existentes, e não a um relatório separado. Na maioria dos marcos de relato, ela fica em eletricidade comprada
(Escopo 2) quando você opera o hardware, e em serviços comprados (Escopo 3) quando você usa serviços de nuvem ou de
IA.

Na UE, a Diretiva de Relatórios de Sustentabilidade Corporativa (CSRD) foi restringida em 2026. A aprovação final do
Conselho da UE, em fevereiro de 2026, a limita a empresas com mais de 1.000 funcionários e mais de €450 milhões de
faturamento líquido anual. Se você está abaixo disso, ainda pode receber pedidos de dados de clientes maiores que
estão abrangidos, ou optar por relatar voluntariamente. Fora da UE, verifique as regras do seu país e os marcos
voluntários que você segue.

Qualquer que seja a sua obrigação, trate a IA como qualquer outro consumo relevante de energia: informe o método, o
limite e a incerteza.

## Como criamos bons hábitos na equipe? {#how-do-we-build-good-habits-among-staff}

Dê às pessoas algumas regras simples e as ferramentas certas como padrão, em vez de pedir que pensem em energia toda
vez. Os hábitos importam mais onde muitas pessoas usam IA muitas vezes por dia.

- **Escolha a ferramenta certa.** Mecanismos de busca, modelos de documento, planilhas e softwares existentes muitas
  vezes bastam. Use IA onde ela economiza tempo de verdade ou melhora a qualidade.
- **Seja conciso.** Faça perguntas claras, peça respostas curtas e não cole documentos inteiros quando uma seção
  basta.
- **Evite o uso de "caça-níquel".** Gerar de novo uma imagem ou resposta muitas vezes sai caro. Em vez disso, refine o
  pedido.
- **Use modelos menores como padrão** nas ferramentas da empresa, com os maiores disponíveis quando necessário.
- **Desligue o que não é usado.** Recursos de IA ativados por padrão nos softwares e máquinas de teste ociosas, tudo
  isso consome energia.
- **Agende os trabalhos pesados.** Trabalhos em lote que podem esperar, como o processamento de documentos durante a
  noite, podem rodar quando a rede está mais limpa.

Coloque isso em uma política curta; o nosso guia de [política de IA verde](/pt/boas-praticas/como-escrever-uma-politica-de-ia-verde/) inclui um
modelo, e [usar a IA com eficiência](/pt/boas-praticas/use-a-ia-com-eficiencia-habitos-do-dia-a-dia/) traz mais dicas para o dia a dia.

## Como falamos sobre isso com honestidade? {#how-do-we-talk-about-it-honestly}

Faça alegações apenas sobre o que você mediu, em relação a uma linha de base declarada, e inclua os limites. Alegações
vagas como "IA sustentável" ou "IA carbono neutro" atraem o escrutínio de reguladores e clientes.

Boas práticas:

- Declare a **linha de base** ("em comparação com o nosso modelo anterior") e o **método de medição**.
- Separe **eficiência** (menos energia por tarefa) de **uso total** (que ainda pode aumentar). IA mais barata muitas
  vezes leva a mais uso de IA, o que é conhecido como [efeito rebote](/pt/glossario/#rebound-effect).
- Não dependa apenas de compensações ou de certificados anuais de energia renovável para chamar um serviço de verde.
- Lembre-se de que o número autodeclarado de um provedor pode não ser comparável com o de outro.

Há mais em [alegações verdes honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/) e em
[eficiência não é suficiência](/pt/artigos/eficiencia-nao-e-suficiencia-o-efeito-rebote-na-ia/).

## O que fazer a seguir {#what-to-do-next}

1. **Mapeie o seu uso de IA.** Liste as ferramentas, os modelos e os fluxos de trabalho automatizados em uso, e com
   que frequência aproximada cada um roda.
2. **Escolha uma tarefa de alto volume** e teste se um modelo menor atinge o seu padrão de qualidade.
3. **Comece a acompanhar tokens e chamadas** dos seus principais serviços de IA, e a energia onde você opera seu
   próprio hardware.
4. **Inclua as perguntas aos fornecedores acima** na sua próxima licitação ou renovação de contrato.
5. **Publique uma política curta para a equipe** sobre quando e como usar a IA, usando o nosso
   [guia de política](/pt/boas-praticas/como-escrever-uma-politica-de-ia-verde/).
6. **Revise as alegações** no seu marketing e nos seus relatórios com base no
   [guia de alegações honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/).
7. **Peça ajuda se precisar** no [diretório de consultores](/pt/consultores/) e procure ferramentas no
   [diretório de produtos](/pt/produtos/).

## Perguntas frequentes

### A IA verde custa mais?

Geralmente não. As principais alavancas, como modelos menores, prompts mais curtos e menos execuções repetidas, também reduzem as contas de API e os tempos de resposta. O custo extra é sobretudo o tempo da equipe para medir e para configurar o roteamento entre modelos.

### Somos obrigados a relatar o consumo de energia da nossa IA?

Na maioria dos lugares, não como um item separado. Mas a eletricidade da IA faz parte do seu consumo de energia e das suas emissões, então entra em relatórios mais amplos, como a CSRD da UE para as empresas abrangidas, ou relatórios ESG voluntários.

### Um modelo menor é sempre mais verde?

Não. Um modelo pequeno demais pode falhar e forçar novas tentativas ou uma segunda execução em um modelo maior. Teste na sua tarefa real: o modelo mais verde é o menor que acerta na primeira vez.

### Como podemos medir a energia de um serviço de IA na nuvem que não operamos?

Peça ao fornecedor a energia por solicitação e o método por trás dela. Quando ele não informar, use estimativas publicadas por prompt com ressalvas claras e acompanhe o que você controla, como tokens e número de chamadas.

## Fontes

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
