Impacto Ambiental no Uso de IA: Verdade ou Mito?

Você provavelmente viu aquela mensagem no grupo da Família no WhatsApp, ou em um post de Instagram repostado sem verificação. "Cada pergunta que você faz para o ChatGPT consome uma garrafa de água de 500ml." Alguns textos sensacionalistas vão além: "Cada sessão de chat com a IA é como gastar água de um banho." A imagem mental é poderosa — você digita uma pergunta inocente e, em algum lugar do mundo, água potável é desperdiçada.

A verdade é mais complicado que isso. E mais preocupante também.

Sim, cada pergunta ao ChatGPT consome água. Mas não é uma garrafa inteira. É mais próximo de 100 a 200 mililitros — ainda significativo quando multiplicado por bilhões de queries por dia, mas diferente do que circula em grupos de WhatsApp. O problema real não é a quantidade por pergunta. É a escala massiva de consumo de água em data centers, a qualidade dessa água (frequentemente potável, quando não precisa ser), e o fato de que ninguém está regulando isso adequadamente.

Como ex-CTO que trabalhou com infraestrutura em escala, posso te dizer: o sensacionalismo obscurece o verdadeiro problema. E quando o verdadeiro problema fica invisível, ninguém faz nada a respeito.

Neste artigo, vou separar o mito do fato. Vou te mostrar exatamente quanto de água uma query de IA consome, por que data centers precisam de água (e por que não usam água salgada, apesar de ser tecnicamente possível), como era o consumo antes do "boom" de IA, e o que realmente importa quando falamos de impacto ambiental de IA. Spoiler: não é sua pergunta individual.

A Garrafa de Água — De Onde Vem Esse Número?

Você provavelmente ouviu falar. Cada pergunta ao ChatGPT consome uma garrafa de água. O número circula em redes sociais, grupos de WhatsApp, até em publicações que se dizem jornalísticas. Mas de onde exatamente vem essa informação?

A origem é real, mas foi distorcida. Pesquisadores da Universidade da Califórnia em Riverside publicaram um estudo estimando que cada 100 palavras de prompt de IA consomem aproximadamente 500 mililitros de água. Uma pergunta média tem entre 50 e 100 palavras. Logo, uma pergunta média consome entre 250 e 500 mililitros — o que tecnicamente é "uma garrafa de água".

O problema é que essa simplificação esconde nuances importantes. Primeiro, nem toda água consumida é potável. Segundo, o consumo varia drasticamente dependendo do modelo de IA, da complexidade da pergunta e da localização do data center. Terceiro, e mais importante, o número por pergunta é menos relevante que o número total de perguntas multiplicado por bilhões de usuários.

Quando você vê "uma garrafa por pergunta" em um post viral, você pensa em culpa individual. Quando você entende que são 100 bilhões de perguntas por dia em escala global, você entende que é um problema de infraestrutura, não de comportamento pessoal.

Quanto de Água Uma Query Realmente Consome?

Vamos aos números precisos. Uma pergunta média ao ChatGPT — digamos, 75 palavras — consome aproximadamente 375 mililitros de água. Para contexto, um copo de suco tem 250 mililitros. Uma garrafa de água comum tem 500 mililitros. Então sim, uma pergunta média fica entre um copo e uma garrafa.

Mas aqui está o detalhe que muda tudo: uma pergunta complexa, que exige mais processamento computacional, pode consumir até 1 litro. Uma pergunta simples, que o modelo responde rapidamente, pode consumir apenas 100 mililitros. O consumo não é linear — depende da densidade computacional necessária.

Agora multiplique isso por escala. ChatGPT processa aproximadamente 100 bilhões de queries por mês. Isso significa algo entre 25 bilhões e 100 bilhões de litros de água por mês apenas no ChatGPT. Para contexto, a Dinamarca inteira consome aproximadamente 12 bilhões de litros de água por dia. Uma única ferramenta de IA consome em um mês o que um país inteiro consome em dias.

Quando você vê o número dessa forma, a pergunta muda. Não é mais "devo parar de usar ChatGPT?" É "por que ninguém está regulando isso?"

Por Que Data Centers Precisam de Água (E Não Necessariamente Potável)

Aqui é onde a maioria dos artigos sensacionalistas erra. Data centers não precisam de água potável. Precisam de água para resfriamento. A qualidade da água depende inteiramente do sistema de resfriamento escolhido.

Servidores geram calor massivo. Um data center de 100 megawatts gera tanto calor quanto uma cidade pequena. Esse calor precisa ser dissipado. A forma mais eficiente é usar água. A água absorve o calor dos equipamentos e depois evapora ou circula para dissipar esse calor no ambiente.

Existem dois sistemas principais de resfriamento. O primeiro é resfriamento evaporativo, onde água é pulverizada sobre uma membrana porosa e evapora, absorvendo calor. É eficiente, mas deixa resíduos minerais quando a água evapora. O segundo é circuito fechado, onde água circula continuamente através de tubos em contato direto com os servidores, absorvendo calor e depois dissipando esse calor em torres de resfriamento ou trocadores de calor.

Aqui está o ponto crítico: resfriamento evaporativo funciona melhor com água potável porque a água potável tem menos minerais dissolvidos. Quando água com muitos minerais evapora, deixa depósitos que entopem o sistema. Água reciclada ou água salgada deixam ainda mais resíduos. Por isso, historicamente, data centers escolheram água potável — não porque precisam, mas porque é mais barato do que tratar água reciclada ou lidar com corrosão de água salgada.

Essa é a verdade incômoda: data centers usam água potável por economia, não por necessidade técnica. Google descobriu isso e começou a usar água reciclada em alguns data centers. AWS está fazendo o mesmo. Mas 75% dos data centers globais ainda usam água potável porque o investimento inicial em sistemas de tratamento é alto.

A Pergunta Que Ninguém Faz: Por Que Não Usam Água Salgada?

Se data centers não precisam de água potável, por que não usam água salgada? Afinal, 3/4 do planeta é oceano. A resposta é: tecnicamente podem. Financeiramente, ainda não vale a pena.

Existem três métodos viáveis para usar água salgada em data centers. O primeiro é resfriamento de superfície molhada com ar (WSAC), onde água salgada é pulverizada sobre tubos e depois ar é soprado sobre eles. O sal deixa depósitos, mas eles podem ser removidos com limpeza periódica usando água doce. Google usa esse método em seu data center na Finlândia e consegue reutilizar água salgada com sucesso.

Outro método é circuito fechado direto, onde água salgada circula dentro de tubos em contato direto com os servidores. Como a água salgada nunca evapora, não deixa depósitos. Microsoft testou isso em seu projeto Natick, um data center submerso no oceano, e funcionou perfeitamente.

Por fim temos o método de resfriamento evaporativo com filtração de nanofibras, onde água salgada passa por um filtro que remove o sal antes de ser pulverizada. A tecnologia existe, mas ainda é cara e experimental.

O problema real é financeiro. Implementar qualquer um desses sistemas custa entre 20% e 40% mais do que resfriamento evaporativo tradicional com água potável. Para um data center que consome 2 milhões de galões por dia, essa diferença é de milhões de dólares por ano. Quando você está em uma corrida para construir infraestrutura de IA o mais rápido possível, você escolhe a opção mais barata, não a mais sustentável. O bolso dos acionistas agradecem. O planeta chora.

Mas isso está mudando. Conforme a pressão regulatória aumenta e a escassez de água se torna mais visível, empresas começam a fazer as contas. Microsoft e Google já estão investindo em sistemas de água salgada. Não porque sejam ambientalistas, mas porque é mais barato a longo prazo do que enfrentar regulação ou conflitos com comunidades locais.

Reciclagem de Água: O Que Google e AWS Fazem (E Por Que Não É Universal)

Google reutiliza 100% da água em seu data center de Douglas County, na Geórgia. Como? O data center pega água tratada do sistema municipal de saneamento básico, trata ainda mais, e usa para resfriamento. Depois que a água é usada, ela volta para o sistema municipal. É um circuito fechado perfeito.

AWS está expandindo seu programa de água reciclada. Já usa água reciclada em vários data centers nos EUA. Microsoft está fazendo o mesmo. Mas aqui está o detalhe que ninguém menciona: apenas 25% dos data centers de Google usam água reciclada. Os outros 75% ainda usam água potável.

Por quê? Porque implementar reciclagem de água exige três coisas. Primeira, infraestrutura de tratamento de água no local, o que custa milhões. Segunda, parceria com a utilidade municipal de água, o que exige negociação e aprovação regulatória. Terceira, confiabilidade — se o sistema de tratamento falhar, o data center fica sem água de resfriamento e sai do ar. Isso é inaceitável para infraestrutura crítica.

Então data centers menores, ou aqueles em regiões onde a água é abundante, simplesmente não investem em reciclagem. É mais barato usar água potável e pagar a conta de água do que investir em redundância e tratamento.

Isso muda quando há pressão regulatória. Arizona, que enfrenta seca severa, começou a exigir que novos data centers minimizem consumo de água potável. Resultado: data centers em Arizona agora investem em reciclagem. Não porque queiram, mas porque têm que.

Antes e Depois — Como IA Amplificou Um Problema Que Já Existia

Data centers não são novidade. Existem desde os anos 1940. Mas o consumo de água em data centers explodiu nos últimos 15 anos, e IA foi o acelerador.

Em 2014, data centers nos EUA consumiam 58 terawatt-horas de eletricidade por ano. Em 2023, consumiam 176 terawatt-horas. Crescimento de 203% em 9 anos. Parece assustador, mas o crescimento foi relativamente linear — aproximadamente 13% ao ano.

Agora veja o que aconteceu entre 2022 e 2023. Consumo saltou de 150 TWh para 176 TWh. Crescimento de 17% em um único ano. Por quê? ChatGPT foi lançado em novembro de 2022. Generative AI explodiu em 2023. Esse salto de 17% em um ano é IA.

Globalmente, data centers consumiam 460 terawatt-horas em 2022. Projeção para 2026: 1.050 terawatt-horas. Mais que dobraria em 4 anos. Isso não é crescimento linear. É crescimento exponencial impulsionado por IA.

Água segue o mesmo padrão. Antes de IA, data centers consumiam água de forma estável. Agora, conforme novos data centers são construídos especificamente para IA, o consumo de água está acelerando. Texas, que tem vários data centers de IA, consumirá 49 bilhões de galões de água em 2026. Projeção para 2030: 399 bilhões de galões. Crescimento de 8x em 5 anos.

IA não criou o problema de consumo de água em data centers. Mas amplificou dramaticamente um problema que já existia. Data centers sempre consumiram água. IA apenas acelerou a construção de novos data centers, multiplicando o consumo.

O Que Realmente Importa (Spoiler: Não é o uso individual)

Aqui está a verdade incômoda que ninguém quer ouvir: você não pode resolver esse problema usando menos ChatGPT.

É claro que se você fizer menos perguntas, economizará água. Mas o impacto é negligenciável. Se 1 bilhão de pessoas pararem de usar IA amanhã, o consumo de água em data centers cairia talvez 5%. Porque data centers rodam 24/7 independente de você estar usando ou não. Porque empresas estão construindo data centers para treinar novos modelos, não apenas para servir usuários. Porque a infraestrutura já foi construída e o custo de operação é fixo.

O problema real é de política pública e decisão corporativa. A ONU (UNEP) recomenda cinco coisas:

• Governos devem estabelecer padrões de medição de impacto ambiental de IA. Hoje não há transparência — empresas não divulgam quanto de água seus data centers consomem.
• Regulação obrigando divulgação.
• Incentivos para data centers usarem energia renovável.
• Investimento em pesquisa de IA mais eficiente.
• Integração de políticas de IA com regulação ambiental mais ampla.

Nenhuma dessas coisas depende de você parar de usar ChatGPT.

O Que Você Pode Fazer (Realista, Não Performativo)

Se o problema não é individual, o que você pode fazer? Três coisas com impacto real. A mais importante delas é pressionar por transparência. Se você trabalha em tech, exija que sua empresa divulgue consumo de água e energia de seus data centers. Se você é cliente de cloud (AWS, Google Cloud, Azure), peça relatórios de sustentabilidade. Transparência cria pressão, e pressão cria mudança.

Apoio com pesquisas em IA eficiente é um outro caminho. Existem startups trabalhando em modelos menores que consomem menos energia. Existem pesquisadores desenvolvendo técnicas de quantização e destilação que reduzem consumo. Se você tem influência em decisões de tecnologia, escolha ferramentas que priorizam eficiência.

Por ultimo mas não menos importante: escolha plataformas que usam energia renovável. Google e Microsoft já usam 100% de energia renovável em seus data centers (em média anual). AWS está chegando lá. Se você tem escolha, use plataformas que investem em energia limpa.

O que você não deve fazer? Culpar-se por usar IA. Não é performativo, não é efetivo, e distrai do verdadeiro problema que é regulação e decisão corporativa.

As Perguntas Que Você Realmente Faz

Cada pergunta ao ChatGPT consome uma garrafa de água?

Não exatamente. Uma pergunta média consome entre 100 e 500 mililitros, dependendo da complexidade. Mas a escala é o problema — 100 bilhões de perguntas por mês significa dezenas de bilhões de litros.

Por que data centers não usam água salgada se o oceano é infinito?

Tecnicamente podem. Financeiramente, custa 20-40% mais. Conforme pressão regulatória aumenta, mais data centers estão fazendo a mudança.

Google recicla 100% da água em todos seus data centers?

Não. Google recicla 100% em alguns data centers (como Douglas County). Mas apenas 25% de seus data centers usam água reciclada. Os outros 75% ainda usam água potável.

IA criou o problema de consumo de água em data centers?

Não. Data centers sempre consumiram água. IA amplificou o problema ao acelerar a construção de novos data centers.

Devo parar de usar ChatGPT para economizar água?

Não. O impacto seria negligenciável. O problema é de infraestrutura e regulação, não de comportamento individual.

Qual modelo de IA consome menos água?

Modelos menores consomem menos. Claude (Anthropic) é mais eficiente que GPT-4. Llama 2 é mais eficiente que ambos. Mas a diferença é marginal comparada ao impacto da escala.

Quer entender os bastidores técnicos de IA sem o sensacionalismo? Assine a newsletter do Ângulo.ai. Toda semana, análises técnicas profundas sobre IA, infraestrutura e o que realmente importa. Sem hype, sem clickbait.