A IA bebe uma garrafa de água toda vez que você conversa com ela.

Sistemas de inteligência artificial “têm sede”: podem consumir até 500 mililitros de água - o equivalente a uma garrafinha individual - em cada conversa curta que uma pessoa tem com a versão GPT-3 do ChatGPT, da OpenAI. Uma quantidade parecida também pode ser gasta para redigir um e-mail de 100 palavras.

Esse número soma tanto a água usada para resfriar os servidores do centro de dados quanto a água consumida nas usinas que geram a eletricidade necessária para mantê-los em funcionamento.

Ao mesmo tempo, o estudo que chegou a essas estimativas destacou que o consumo de água por sistemas de IA pode mudar bastante, dependendo de onde e de quando o computador que responde à pergunta está operando.

Como bibliotecário académico e professor de educação, para mim compreender a IA não se resume a saber escrever prompts. Também passa por entender a infraestrutura, os compromissos (trade-offs) e as escolhas cívicas que envolvem a inteligência artificial.

Muita gente parte do princípio de que a IA é, por natureza, prejudicial - sobretudo diante de manchetes que chamam atenção para a enorme pegada de energia e de água. Esses impactos existem, mas representam apenas uma parte do quadro.

Quando as pessoas deixam de enxergar a IA apenas como um “ralo de recursos” e passam a compreender a sua pegada hídrica real - de onde ela vem, por que varia e o que pode ser feito para reduzi-la - ficam muito mais preparadas para tomar decisões que conciliem inovação e sustentabilidade.

2 correntes ocultas na pegada hídrica da inteligência artificial

Por trás de cada pergunta feita a um sistema de IA, existem duas “correntes” de uso de água.

A primeira é o resfriamento no próprio local: servidores geram uma quantidade enorme de calor, e isso exige arrefecimento constante. Muitas operações recorrem a torres de resfriamento por evaporação - estruturas grandes que nebulizam água sobre tubulações quentes ou bacias abertas. A evaporação retira o calor, mas também retira essa água do abastecimento local, como um rio, um reservatório ou um aquífero. Há sistemas alternativos que poupam água, porém consomem mais eletricidade.

A segunda corrente está nas usinas que produzem a eletricidade que alimenta o centro de dados. Usinas a carvão, gás e nucleares usam grandes volumes de água em ciclos de vapor e em processos de resfriamento.

A energia hidrelétrica também “consome” volumes relevantes, já que há evaporação contínua a partir dos reservatórios. Usinas solares de concentração, que funcionam mais como centrais térmicas tradicionais, podem demandar muita água se dependerem de resfriamento húmido.

Em contrapartida, turbinas eólicas e painéis solares praticamente não usam água após a instalação, tirando limpezas ocasionais.

O clima e o horário fazem diferença

A localização pode alterar drasticamente o gasto de água. Um centro de dados em regiões frescas e húmidas, como a Irlanda, muitas vezes consegue usar ar externo ou chillers e operar durante meses com consumo mínimo de água. Já um centro de dados no Arizona, em julho, pode depender fortemente do resfriamento evaporativo. Em ar quente e seco, essa técnica funciona muito bem - mas exactamente por depender de evaporação para remover calor, tende a consumir grandes volumes de água.

O momento do dia e a estação também influenciam. Um estudo da University of Massachusetts Amherst concluiu que um centro de dados pode gastar apenas metade da água no inverno em comparação com o verão. E, ao meio-dia durante uma onda de calor, os sistemas de resfriamento trabalham no limite. À noite, a pressão diminui.

Há alternativas mais recentes que parecem promissoras. Um exemplo é o resfriamento por imersão, que submerge servidores em líquidos que não conduzem eletricidade, como óleos sintéticos, reduzindo quase por completo a evaporação de água.

Além disso, um novo projecto da Microsoft afirma usar zero água para resfriamento: em vez de evaporar, ele faz circular um líquido especial por tubulações seladas directamente sobre os chips. O fluido absorve o calor e depois o dissipa num circuito fechado, sem precisar de evaporação. Ainda assim, os centros de dados continuariam a usar alguma água potável em sanitários e outras áreas para equipas, mas o resfriamento deixaria de retirar água dos mananciais locais.

Apesar disso, essas soluções ainda não viraram padrão - sobretudo por custos, complexidade de manutenção e pela dificuldade de adaptar centros de dados já existentes. Por isso, a maior parte dos operadores continua a depender de sistemas evaporativos.

Uma habilidade simples que você pode aplicar

O tipo de modelo de IA consultado também pesa. Isso acontece porque modelos diferem em complexidade e, consequentemente, no hardware e no nível de processamento necessário. Alguns podem exigir muito mais recursos do que outros. Um estudo, por exemplo, concluiu que determinados modelos chegam a consumir mais de 70 vezes mais energia e água do que modelos ultraeficientes.

É possível estimar a pegada hídrica da IA por conta própria em apenas três passos - sem precisar de matemática avançada.

Passo 1 – Procure pesquisas confiáveis ou divulgações oficiais. Análises independentes estimam que uma resposta de comprimento médio do GPT-5 - algo como 150 a 200 palavras de saída, ou aproximadamente 200 a 300 tokens - consome cerca de 19.3 watt-horas. Uma resposta de tamanho semelhante do GPT-4o usa aproximadamente 1.75 watt-horas.

Passo 2 – Adopte uma estimativa prática de água por unidade de electricidade, combinando o uso para resfriamento e para geração de energia.

Pesquisadores independentes e relatórios da indústria sugerem que, hoje, um intervalo razoável fica por volta de 1.3 a 2.0 mililitros por watt-hora. O valor mais baixo corresponde a instalações eficientes, com resfriamento moderno e redes eléctricas mais limpas. O valor mais alto representa locais mais típicos.

Passo 3 – Junte as peças. Pegue o número de energia do Passo 1 e multiplique pelo factor de água do Passo 2. O resultado é a pegada hídrica de uma única resposta de IA.

A fórmula, numa linha, é esta:

Energia por prompt (watt-horas) × Factor de água (mililitros por watt-hora) = Água por prompt (em mililitros)

Para uma consulta de comprimento médio ao GPT-5, o cálculo deve usar 19.3 watt-horas e 2 mililitros por watt-hora. 19.3 x 2 = 39 mililitros de água por resposta.

Para uma consulta de comprimento médio ao GPT-4o, a conta fica em 1.75 watt-horas x 2 mililitros por watt-hora = 3.5 mililitros de água por resposta.

Se você considerar centros de dados mais eficientes e aplicar 1.3 mililitros por watt-hora, os valores caem: cerca de 25 mililitros para GPT-5 e 2.3 mililitros para GPT-4o.

Um relatório técnico recente do Google afirmou que um prompt de texto mediano no seu sistema Gemini usa apenas 0.24 watt-horas de electricidade e cerca de 0.26 mililitros de água - aproximadamente o volume de cinco gotas. Porém, o relatório não informa o tamanho desse prompt, então não dá para comparar directamente com o consumo de água dos sistemas GPT.

Essas estimativas distintas - de 0.26 mililitros até 39 mililitros - deixam claro o quanto eficiência, modelo de IA e infraestrutura de geração de energia podem mudar o impacto.

Comparações ajudam a dar contexto

Para entender, de facto, quanta água essas consultas representam, ajuda compará-las com outros usos quotidianos.

Quando se multiplica por milhões, o consumo de água dos prompts de IA cresce rapidamente. A OpenAI informa cerca de 2.5 bilhões de prompts por dia. Esse total inclui consultas aos sistemas GPT-4o, GPT-4 Turbo, GPT-3.5 e GPT-5, sem um detalhamento público de quantas perguntas vão para cada modelo.

Ao combinar estimativas independentes com a divulgação oficial do Google, dá para ter uma noção da faixa possível:

• Todos os prompts medianos do Google Gemini: cerca de 650,000 litros por dia.
• Todos os prompts médios do GPT 4o: cerca de 8.8 milhões de litros por dia.
• Todos os prompts médios do GPT 5: cerca de 97.5 milhões de litros por dia.

Para comparação, nos Estados Unidos são usados cerca de 34 bilhões de litros por dia para regar jardins e relvados residenciais. 1 litro equivale a aproximadamente um quarto de galão.

A IA generativa consome água, mas - pelo menos por enquanto - os totais diários ainda são pequenos quando colocados ao lado de usos comuns como rega de relvados, banhos e lavagens de roupa.

Ainda assim, a procura de água não é imutável. A divulgação do Google indica o que pode acontecer quando os sistemas são optimizados, com chips especializados, resfriamento eficiente e gestão inteligente de carga de trabalho. Reutilizar água e instalar centros de dados em regiões mais frescas e húmidas também pode ajudar.

Transparência também conta: quando as empresas publicam os seus dados, o público, formuladores de políticas e pesquisadores conseguem ver o que é viável e comparar fornecedores de forma justa.

Leo S. Lo, Dean of Libraries; Advisor to the Provost for AI Literacy; Professor of Education, University of Virginia

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.