Sasha Luccioni: AI sustentável é impossível sem dados sobre emissões e uso real

Sasha Luccioni, pesquisadora em IA sustentável, diz que a indústria discute a pegada ambiental da tecnologia quase às cegas. Sem dados sobre consumo de energia, uso de água e cenários de uso real, as empresas não conseguem entender onde a IA realmente agrega valor e onde simplesmente aumenta a carga na infraestrutura.

A indústria trabalha às cegas

Segundo Luccioni, o principal fracasso de mercado não está apenas no crescimento dos data centers, mas também na falta de relatórios básicos. Os negócios já enfrentam pressão de funcionários, conselhos de administração e equipes de ESG: se uma empresa implanta Copilot, chatbots ou geração de mídia, deve entender como isso afeta os objetivos climáticos. Mas muitos clientes de serviços de IA não sabem onde os modelos funcionam fisicamente, a quais redes de energia os data centers estão conectados e qual é sua pegada de carbono indireta.

O problema afeta não apenas empresas privadas. Governos e agências de energia também carecem de números para planejar novas capacidades e avaliar as consequências da próxima onda de construção de data centers. Na Europa, o tema já está integrado à agenda regulatória em torno de IA, e alguns países estão observando mais de perto novos operadores de data centers.

Se a carga de IA não puder ser separada do resto da infraestrutura em nuvem, qualquer conversa sobre crescimento "verde" rapidamente se transforma em suposição.

Nem toda IA é necessária

Luccioni tem uma reclamação separada: o hábito do mercado de vender grandes modelos universais como solução para qualquer tarefa. Na prática, muitas empresas não precisam de um LLM pesado para cada requisição. Para pesquisar documentos corporativos, classificação, filtragem, conversão de fala em texto ou tarefas analíticas específicas, modelos mais simples geralmente são suficientes.

Eles são mais baratos, mais rápidos e requerem menos computação, reduzindo assim a carga energética sem perda notável de qualidade em um cenário específico. Um bom ponto de referência aqui é a telemetria. Se um provedor mostra quantos tokens entram e saem, uma empresa pode entender que tipos de requisições dominam: texto simples, geração de imagens ou pesquisa profunda.

Então a escolha de modelos se torna uma decisão de engenharia, não uma compra de "o maior, só por precaução".

Por essa lógica, a sustentabilidade não começa com uma proibição de IA, mas com uma comparação honesta entre tarefa, custo e intensidade de recursos de cada ferramenta.

"Ainda precisamos de dados sobre energia e água para tomar decisões informadas", diz

Luccioni.

• modelos leves para busca, classificação e tarefas rotineiras
• LLMs mais poderosos apenas para análise complexa
• contabilização separada de geração de imagens e vídeos
• escolha de locais com energia mais limpa

Transparência como alavanca

Luccioni diz que lhe falta uma solução de interface muito simples: um medidor condicional no ChatGPT ou Claude que mostrasse consumo de energia, emissões e a fonte dessa energia após cada consulta. Tal indicador tornaria o custo ambiental da IA visível para usuários e daria às empresas uma base clara para decisões de compra. Até isso acontecer, a sustentabilidade permanece um tópico para slides de relações públicas, não para gestão cotidiana de produtos e infraestrutura.

Nesse contexto, junto com o ex-líder de Sustentabilidade da Salesforce Boris Gamazaichikovv, ela está lançando o Sustainable AI Group. Sua tarefa é ajudar empresas a entender quais alavancas realmente reduzem danos: escolha de modelo, região de implantação, provedor de computação, tipo de tarefa e fonte de eletricidade. Se um grande player começar primeiro a divulgar honestamente essas métricas e apostar em energia renovável, isso pode se tornar não uma fraqueza, mas uma vantagem competitiva.

O que isso significa

A discussão ambiental em torno de IA está gradualmente mudando de medos gerais para questões mensuráveis: quanto de energia é gasto, onde exatamente os modelos funcionam, que água e que rede eles usam, e se tal classe de modelos é até necessária para uma tarefa específica na prática. O próximo passo para o mercado é tornar esses dados visíveis para clientes e reguladores. Sem isso, a IA sustentável permanecerá uma promessa bonita que não pode ser verificada.