É justificável sentir-se culpado em relação ao ChatGPT? Analisamos minuciosamente as declarações de Sam Altman e descobrimos a verdade.
Você deveria se sentir culpado por usar o ChatGPT? Investigamos as afirmações de Sam Altman e esclarecemos a realidade do uso da inteligência artificial.
As coisas mais importantes que você precisa saber
- A grande variação nas estimativas de consumo de água por IA reside na escala de medição; enquanto a estimativa de Altman se concentra na água de resfriamento direta no local, outros estudos incluem a água consumida para geração de eletricidade, que pode representar 75% da pegada hídrica total.
- A afirmação de Sam Altman de que 38,000 consultas ao ChatGPT consomem o equivalente em água de uma amêndoa baseia-se nos melhores cenários para dispositivos modernos e consultas leves, enquanto estudos independentes indicam que o consumo real pode ser centenas de vezes maior.
- Comparar o consumo de chatbots com o de amêndoas é enganoso; embora o consumo individual seja baixo, o volume total de bilhões de consultas diárias e operações de treinamento de modelos permanece enorme, e os centros de dados aumentam o estresse hídrico local em regiões áridas.
Se você passa tempo nas redes sociais, provavelmente já se deparou com o conceito de " culpa da IA ". A ideia principal é que, toda vez que você pede ao ChatGPT para redigir um e-mail educado ou preparar uma receita rápida para o jantar, algum servidor em algum lugar está consumindo uma quantidade enorme de água potável só para evitar que os chips se dissolvam.
Agora, Sam Altman , CEO da OpenAI , está tentando dissipar essa noção generalizada. No episódio de estreia do podcast Sources com Alex Heath , Altman contestou veementemente a percepção de que aplicações simples de IA são desastres ambientais.
Seu contra-argumento foi uma comparação com um lanche popular.
38,000 consultas ChatGPT = uma amêndoa? Analisamos os números minuciosamente para descobrir a verdade.
Assista no YouTube
Segundo Altman, os centros de dados que consomem milhões de litros de água dependem de tecnologias de refrigeração obsoletas. Ele afirmou que executar 38,000 consultas ChatGPT em instalações modernas consome a mesma quantidade de água que produzir uma única amêndoa da Califórnia . Ele reconheceu que estava citando o número de memória e que poderia não ser totalmente preciso, mas afirmou que estava dentro da faixa correta.
É uma afirmação impressionante, criada para fazer com que o uso diário de chatbots pareça quase neutro em termos ambientais. Mas será que esses números resistem a uma análise mais rigorosa? E será que você deveria parar de se preocupar com o custo ambiental das suas solicitações?
Cálculos: Quanta água uma amêndoa realmente consome?
Para avaliar a afirmação de Altman, devemos começar pela amêndoa.
A Califórnia produz cerca de 80% das amêndoas do mundo , e a estimativa agrícola mais comum calcula que o custo hídrico para o cultivo de uma única amêndoa seja de aproximadamente 4.16 litros (1.1 galões) . Uma análise separada determina que a pegada hídrica total seja de cerca de 12 litros (3.2 galões), considerando a precipitação e a compensação da poluição. Sabe-se que as amêndoas são uma cultura que exige muita água, pois suas árvores necessitam de irrigação constante ao longo do ano.
Se levarmos a sério o índice de Altman usando a estimativa de irrigação direta:
1 amêndoa = aproximadamente 4,164 ml de água
38,000 consultas ChatGPT = 1 amêndoa
1 consulta ChatGPT = ~0.0000289 galões (~0.11 ml de água)
Para se ter uma ideia da dimensão de 0.11 ml, uma gota de água ou um conta-gotas padrão de laboratório contém cerca de 0.05 ml.
Segundo os cálculos de Altman, fazer uma pergunta no ChatGPT consome cerca de duas gotas de água.
Se esse valor parece absurdamente baixo em comparação com o que você leu anteriormente, você não está imaginando coisas. Ele também não condiz exatamente com as declarações anteriores de Altman.
Em junho de 2025, ele escreveu em sua postagem no blog "A Singularidade Suave" que uma consulta típica do ChatGPT consome cerca de 0.000085 galões de água, o que equivale a cerca de 0.32 ml.
Usando esse número juntamente com estimativas comuns de consumo de amêndoas, chegamos a cerca de 11,000 consultas por amêndoa, e não 38,000. Os números dele apontam na mesma direção, mas diferem nos detalhes.
De onde surgiu a história de que "a inteligência artificial está drenando seu abastecimento de água"?
O debate público sobre o consumo de água pela inteligência artificial remonta a um estudo amplamente divulgado, liderado por pesquisadores da Universidade da Califórnia, Riverside, e da Universidade do Texas, em Arlington.
O artigo de pesquisa, intitulado "Tornando a IA Menos Sedenta ", publicado como rascunho em 2023 e posteriormente na revista Communications of the ACM em 2025, estimou que uma breve conversa composta por 10 a 50 respostas de um modelo de linguagem natural (LLM, na sigla em inglês), como o GPT-3, consome aproximadamente 500 mililitros de água — o equivalente a uma garrafa de água de plástico padrão. Isso se traduz em cerca de 10 a 50 mililitros por resposta, o que pode ser centenas de vezes maior do que a estimativa de Altman.
Então, qual é a razão para essa grande discrepância?
Parte da resposta reside no hardware e no modelo utilizado. A estimativa de Altman refere-se a consultas leves realizadas em infraestrutura moderna que executa modelos atuais. O estudo da Universidade da Califórnia, Riverside, no entanto, analisou o modelo GPT-3 em sistemas mais antigos.
Mas o fator mais importante é o que cada número realmente representa. A estimativa de Altman reflete quase que exclusivamente a água de resfriamento no local — a água consumida diretamente no data center. O número da Universidade da Califórnia, Riverside, no entanto, inclui tanto o resfriamento no local quanto a água usada em usinas de energia para gerar a eletricidade consumida por esses servidores — um cálculo mais abrangente conhecido como consumo de água em escala 1 e escala 2. Análises independentes sugerem que a camada de geração de energia pode representar até 75% da pegada hídrica total por trás de uma única consulta de IA. Isso significa que a diferença não é simplesmente uma questão de hardware antigo versus novo; trata-se de onde estão os limites da medição.
Altman abordou diretamente a questão dos equipamentos obsoletos no podcast, argumentando que as estimativas anteriores se baseavam em instalações que utilizavam resfriamento evaporativo. Nessas configurações mais antigas, enormes torres de resfriamento literalmente evaporam água doce na atmosfera para resfriar o ar quente emitido pelos racks de servidores. Uma vez evaporada, essa água se perde na bacia hidrográfica local.
Altman argumentou que os modernos centros de dados de grande porte adotaram amplamente sistemas de refrigeração líquida de circuito fechado, nos quais a água ou um fluido refrigerante especializado circula por tubos selados, de forma semelhante ao radiador de um carro, praticamente sem perda de líquido por evaporação. Nessas instalações, observou Altman, o consumo de água não é comparável ao de um prédio comercial de escritórios comum com pias e vasos sanitários padrão.
A ironia: por que comparar amêndoas é apenas um truque clássico do Vale do Silício.
Embora os centros de dados modernos estejam, sem dúvida, aumentando sua eficiência por token, comparar comandos de chatbots a plantações agrícolas ignora diversos fatos fundamentais.
A escala global versus a culpa individual. Você pode usar apenas duas gotas de água para verificar uma fórmula em uma planilha, mas a OpenAI atualmente atende cerca de 900 milhões de usuários ativos semanais, processando bilhões de comandos diariamente . Quando você multiplica frações minúsculas de milímetro por essa escala global, além do treinamento contínuo do modelo, que, segundo estimativas de pesquisadores da Universidade da Califórnia, Riverside, consome centenas de milhares de litros de água inicialmente, o total permanece enorme.
O estresse hídrico local é maior do que as médias globais. O pomar de amêndoas no Vale Central depende de alocações de água estaduais e de canais de irrigação agrícola já existentes. Os centros de dados de IA, por outro lado, são frequentemente construídos em comunidades suburbanas e regiões semiáridas (como Phoenix, norte da Virgínia e partes do Texas e da Geórgia), onde dependem diretamente dos sistemas municipais de abastecimento de água. Mesmo uma instalação moderna e eficiente pode causar estresse hídrico quando compete com bairros residenciais durante ondas de calor extremas no verão.
Nem todas as consultas de IA são iguais. O número de 38,000 consultas apresentado por Altman baseia-se em raciocínio padrão e simples — como as respostas básicas em texto do GPT-4. Mas o setor está avançando rapidamente em direção a modelos de raciocínio e agentes de IA autônomos. Quando a IA "pensa" antes de responder, executa código Python em um ambiente de teste interno e isolado, pesquisa na web em tempo real e se corrige por meio de múltiplos loops lógicos, ela consome significativamente mais poder de processamento por comando do que um chatbot simples. Pesquisadores independentes apontaram que essas cargas de trabalho mais pesadas podem consumir várias vezes mais energia e, portanto, mais água do que um bot.
Compensação energética. Quando os operadores de data centers abrem mão do resfriamento evaporativo a água, muitas vezes o substituem por chillers, bombas de calor mecânicas e ventiladores de alta velocidade, que consomem muita energia. Em resumo: reduzir o consumo de água no local geralmente significa extrair muito mais eletricidade da rede elétrica local, que tem sua própria pegada hídrica e de carbono indireta, dependendo de como essa eletricidade é gerada.
Pensamentos finais
A afirmação de Altman baseia-se fortemente em cenários otimistas para dispositivos modernos de circuito fechado, ignorando os enormes requisitos de infraestrutura para que a IA floresça. Seu número de 38,000 consultas por amígdala pode ser aceitável como uma estimativa aproximada de uma única consulta simples no hardware mais recente — mas conta apenas parte da história e ignora a trajetória da indústria.
Comentários estão fechados.