Quanta água consome a IA: do ChatGPT (GPT-3) ao GPT-5 e Gemini

Os sistemas de inteligência artificial também têm “sede”: podem consumir até 500 mililitros de água - o equivalente a uma garrafa individual - por cada conversa curta que um utilizador tenha com a versão GPT-3 do ChatGPT, da OpenAI. Um valor semelhante pode ser necessário para redigir uma mensagem de e-mail com 100 palavras.

Esse número inclui tanto a água usada para arrefecer os servidores do centro de dados como a água consumida nas centrais elétricas que produzem a eletricidade necessária para os manter a funcionar.

Ainda assim, o estudo que chegou a estas estimativas sublinhou um ponto essencial: o consumo de água dos sistemas de IA pode oscilar muito, consoante o local e o momento em que o computador que responde ao pedido está a operar.

Do meu ponto de vista, enquanto bibliotecário académico e professor de Ciências da Educação, compreender a IA não se resume a saber escrever bons prompts. Implica também perceber a infraestrutura por trás do serviço, os compromissos envolvidos e as escolhas cívicas que rodeiam a IA.

Muitas pessoas partem do princípio de que a IA é, por natureza, prejudicial - sobretudo perante manchetes que destacam a sua enorme pegada energética e hídrica. Esses impactos existem, mas não contam toda a história.

Quando as pessoas deixam de ver a IA apenas como um sorvedouro de recursos e passam a compreender a sua pegada real - de onde vem, porque varia e o que pode ser feito para a reduzir - ficam muito mais bem preparadas para tomar decisões que conciliem inovação e sustentabilidade.

2 fluxos ocultos

Por detrás de cada pedido feito a um sistema de IA existem dois fluxos de consumo de água.

O primeiro acontece no próprio local: o arrefecimento dos servidores, que geram quantidades enormes de calor. Muitas instalações recorrem a torres de arrefecimento evaporativo - verdadeiros nebulizadores gigantes que lançam água sobre tubagens quentes ou bacias abertas. A evaporação remove calor, mas essa água deixa de estar disponível no abastecimento local, seja de um rio, de uma albufeira ou de um aquífero. Outros sistemas de arrefecimento podem gastar menos água, mas exigem mais eletricidade.

O segundo fluxo está associado às centrais que produzem a eletricidade que alimenta o centro de dados. As centrais a carvão, a gás e as nucleares utilizam grandes volumes de água em ciclos de vapor e nos processos de arrefecimento.

A energia hidroelétrica também “consome” volumes relevantes, porque parte da água evapora a partir das albufeiras. Já as centrais solares de concentração, que funcionam de forma mais semelhante às centrais térmicas tradicionais, podem ser intensivas em água se dependerem de arrefecimento húmido.

Em contrapartida, aerogeradores e painéis solares quase não usam água depois de instalados, à exceção de limpezas ocasionais.

O clima e o momento contam

O consumo de água muda drasticamente com a localização. Um centro de dados numa Irlanda fresca e húmida pode, muitas vezes, recorrer ao ar exterior ou a chillers e operar durante meses com uso mínimo de água. Já um centro de dados no Arizona em julho pode depender fortemente do arrefecimento evaporativo. O ar quente e seco torna este método muito eficaz, mas também implica grandes consumos, porque é precisamente a evaporação que remove o calor.

O momento do ano também pesa. Um estudo da University of Massachusetts Amherst concluiu que um centro de dados pode gastar apenas metade da água no inverno face ao verão. E, a meio do dia durante uma vaga de calor, os sistemas de arrefecimento trabalham no limite. À noite, a procura é menor.

Entretanto, abordagens mais recentes apontam alternativas promissoras. Por exemplo, o arrefecimento por imersão coloca os servidores submersos em fluidos que não conduzem eletricidade, como óleos sintéticos, reduzindo quase por completo a evaporação de água.

Além disso, um novo design da Microsoft afirma não usar água para arrefecimento, ao fazer circular um líquido especial por tubagens seladas diretamente sobre os chips. O líquido absorve o calor e liberta-o depois num sistema fechado, sem necessidade de evaporação. Esses centros de dados continuariam a usar alguma água potável para casas de banho e outras instalações para funcionários, mas o arrefecimento deixaria de retirar água ao abastecimento local.

Apesar disso, estas soluções ainda não são comuns, sobretudo por razões de custo, pela complexidade de manutenção e pela dificuldade em adaptar centros de dados já existentes a novos sistemas. A maioria dos operadores continua a apoiar-se em sistemas evaporativos.

Uma competência simples que pode usar

O tipo de modelo de IA a que se faz o pedido também influencia os consumos. Isto acontece porque os modelos variam em complexidade e, por isso, no hardware e na potência de processamento de que precisam. Alguns podem exigir muito mais recursos do que outros. Um estudo, por exemplo, concluiu que determinados modelos podem consumir mais de 70 vezes mais energia e água do que alternativas ultraeficientes.

É possível estimar a pegada hídrica da IA em três passos, sem qualquer matemática avançada.

Passo 1 – Procure investigação credível ou divulgações oficiais. Análises independentes estimam que uma resposta de extensão média do GPT-5, com cerca de 150 a 200 palavras de saída, ou aproximadamente 200 a 300 tokens, utiliza cerca de 19.3 watt-horas. Uma resposta de extensão semelhante do GPT-4o usa cerca de 1.75 watt-horas.

Passo 2 – Use uma estimativa prática da água por unidade de eletricidade, somando o consumo associado ao arrefecimento e à produção de energia.

Investigadores independentes e relatórios do setor sugerem que, hoje, uma faixa razoável é de cerca de 1.3 a 2.0 mililitros por watt-hora. O limite inferior corresponde a instalações eficientes, com arrefecimento moderno e redes elétricas mais limpas. O limite superior representa locais mais típicos.

Passo 3 – Agora é juntar as peças. Pegue no valor de energia encontrado no Passo 1 e multiplique-o pelo fator de água do Passo 2. O resultado é a pegada hídrica de uma única resposta de IA.

Eis a fórmula numa única linha de que vai precisar:

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

Para um pedido de extensão média 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 um pedido de extensão média ao GPT-4o, o cálculo é 1.75 watt-horas x 2 mililitros por watt-hora = 3.5 mililitros de água por resposta.

Se partir do pressuposto de que os centros de dados são mais eficientes e usar 1.3 mililitros por watt-hora, os valores descem: cerca de 25 mililitros para o GPT-5 e 2.3 mililitros para o GPT-4o.

Um relatório técnico recente da Google afirmou que um prompt de texto mediano no seu sistema Gemini usa apenas 0.24 watt-horas de eletricidade e cerca de 0.26 mililitros de água - aproximadamente o volume de cinco gotas. No entanto, o relatório não indica o comprimento desse prompt, pelo que não é possível compará-lo diretamente com o consumo de água dos modelos GPT.

Estas estimativas distintas - de 0.26 mililitros a 39 mililitros - mostram até que ponto a eficiência, o modelo de IA e a infraestrutura de produção de eletricidade influenciam o impacto final.

As comparações ajudam a dar contexto

Para perceber realmente quanta água está em causa, pode ser útil comparar estes pedidos com outros usos quotidianos e mais familiares.

Quando se multiplicam por milhões, os consumos de água dos prompts de IA tornam-se significativos. A OpenAI reporta cerca de 2.5 mil milhões de prompts por dia. Esse total inclui pedidos aos seus sistemas GPT-4o, GPT-4 Turbo, GPT-3.5 e GPT-5, sem divulgação pública de quantos prompts correspondem a cada modelo.

Ao combinar estimativas independentes com a divulgação oficial da Google, é possível ter uma noção da amplitude potencial:

• 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 EUA são usados cerca de 34 mil milhões de litros por dia para regar relvados e jardins residenciais. Um litro corresponde a cerca de um quarto de um galão.

A IA generativa consome água, mas - pelo menos por agora - os totais diários são pequenos quando comparados com outros usos comuns, como relvados, duches e lavandaria.

Ainda assim, a procura de água não é imutável. A divulgação da Google mostra o que pode acontecer quando os sistemas são otimizados, com chips especializados, arrefecimento eficiente e gestão inteligente das cargas de trabalho. A reutilização de água e a localização de centros de dados em regiões mais frescas e húmidas também podem ajudar.

A transparência também é decisiva: quando as empresas publicam os seus dados, o público, os decisores políticos e os investigadores conseguem perceber o que é alcançável e comparar fornecedores de forma justa.

Leo S. Lo, Dean of Libraries; Advisor to the Provost for AI Literacy; Professor de Ciências da Educação, University of Virginia

Este artigo é republicado de The Conversation ao abrigo de uma licença Creative Commons. Leia o artigo original.