É urgente gerir o impacto ambiental da IA

A adoção de soluções inovadoras para uma IA sustentável é uma responsabilidade corporativa e uma oportunidade estratégica para gerar valor duradouro, reforçar a resiliência organizacional e reduzir o consumo de recursos essenciais.

A análise intitulada ‘Sustainable AI for a Greener Tomorrow’, ilustra o crescente impacto ambiental da inteligência artificial e propõe um caminho para a inovação sustentável. Esta tecnologia exige enormes volumes de eletricidade para responder às crescentes necessidades computacionais, como o treino de modelos de linguagem de grande escala, a execução de pipelines de inferência e a manutenção de serviços permanentemente ativos.

Os investigadores preveem que, até 2028, as cargas de trabalho associadas à IA sejam responsáveis por mais de 50% do consumo energético dos centros de dados. Outros impactos ambientais significativos incluem o consumo de água dirigido para os sistemas de arrefecimento desses centros, o lixo eletrónico e a extração de minerais raros para a produção de hardware.

“As consequências do rápido crescimento e adoção da IA em termos de recursos são preocupantes, mas esta tecnologia também pode dar origem a soluções inovadoras para os problemas ambientais que ela própria gera”, afirma David Costa, Head of Sustainability Innovation Headquarters, NTT DATA. “As capacidades extraordinárias da IA podem ajudar a gerir redes energéticas de forma mais eficiente, reduzir as emissões globais, modelar riscos ambientais e melhorar a conservação da água. É fundamental que as organizações reconheçam este desafio e integrem a sustentabilidade nos sistemas de IA desde o início.”

Principais Conclusões

• Alargar as Prioridades de Desempenho às Prioridades Ambientais: Os especialistas em IA e consultores de sustentabilidade da NTT DATA defendem a adoção de objetivos de sustentabilidade holísticos, e não apenas métricas convencionais de desempenho da IA, como precisão e velocidade. A eficiência deve ser uma prioridade, não apenas como um compromisso, mas como um princípio fundamental de design.
• Quantificar o Impacto Ambiental: O consumo energético, as emissões de carbono e a pegada hídrica da IA precisam de métricas padronizadas e verificáveis. Referenciais da indústria como o AI Energy Score e o Software Carbon Intensity (SCI) for AI oferecem formas de integrar a sustentabilidade nos protocolos de governação, aquisição e conformidade.
• Abordagem Centrada no Ciclo de Vida: Uma IA sustentável exige uma abordagem focada no ciclo de vida, desde a extração de matérias-primas e produção de hardware até à implementação dos sistemas e ao seu descarte final. Etapas importantes incluem o prolongamento da vida útil do hardware, a otimização dos sistemas de arrefecimento e a aplicação de princípios da economia circular.
• Responsabilidade Partilhada em Todo o Ecossistema: A responsabilidade está amplamente distribuída, incluindo fabricantes de hardware, operadores de centros de dados, programadores de software, fornecedores de cloud, decisores políticos, investidores e consumidores. A cooperação intersectorial é essencial para uma mudança sistémica.

Desafios e Melhores Práticas

Atualmente, avaliações fragmentadas e métricas inconsistentes impedem frequentemente a criação de referências com significado. Muitas organizações concentram-se exclusivamente no consumo de energia ou nas emissões, sem considerar o uso de água, o esgotamento de materiais raros e o lixo eletrónico. Estes e outros fatores devem ser abordados de forma abrangente. Mesmo quando são definidos objetivos ambientais, as organizações muitas vezes não dispõem de métodos práticos para aplicar a sustentabilidade em todas as fases do ciclo de vida da IA.

Para responder a estas e outras preocupações, o relatório apresenta várias boas práticas, nomeadamente:

• Aplicar padrões de engenharia de software verde para reduzir o consumo de recursos
• Executar cargas de trabalho de IA em locais e horários que coincidam com a disponibilidade de energia renovável
• Recorrer a serviços remotos de GPU e soluções de IA locais (on-premises)
• Reduzir o lixo eletrónico, dando prioridade a componentes modulares e atualizáveis, e prolongar a vida útil do hardware através de renovação, reutilização e reciclagem responsável

Apesar do caminho para uma IA sustentável ser complexo, um redesenho intencional e completo do ciclo de vida da IA pode ajudar a concretizar o potencial positivo desta tecnologia, ao mesmo tempo que protege os sistemas ambientais dos quais dependem todos os seres vivos.