Pegada de carbono da IA: por que virou decisão do C-level

Pegada de carbono da IA é o volume de emissões de gases de efeito estufa gerado pela energia elétrica necessária para treinar e rodar modelos de inteligência artificial — do treinamento do modelo a cada consulta processada em produção. Ela virou variável de decisão de negócio porque a expansão da IA deve elevar em 26% o consumo de energia dos data centers só em 2026, segundo o Gartner, e porque essa energia já entra no relatório de sustentabilidade que a empresa assina. Este guia é para diretoria e C-level avaliando onde processar a IA corporativa e com qual fornecedor — e o que você decide depois de ler é se a variável energética, e o argumento comparativo do Brasil, deveriam pesar na escolha de infraestrutura tanto quanto o preço da licença.

Por que o consumo de energia da IA virou pauta de C-level

Até poucos anos atrás, energia era linha de custo de operação de data center — problema do CIO, não da diretoria. Isso mudou porque a escala do consumo de IA deixou de ser marginal.

O consumo global de eletricidade de data centers deve saltar de 447 terawatts-hora (TWh) em 2025 para 565 TWh em 2026 — um aumento de 26%, segundo estimativas do Gartner citadas pela TI Rio. Os servidores otimizados para IA são o motor desse salto: sua demanda deve crescer 84,2% em 2026, atingindo 175 TWh e já respondendo por 31% de todo o consumo elétrico de data centers — contra apenas 1,2% de crescimento nos servidores convencionais.

Olhando mais à frente, a Agência Internacional de Energia (IEA) projeta que o consumo global de eletricidade de data centers deve praticamente dobrar até 2030 — de cerca de 485 TWh em 2025 para mais de 945 TWh —, com o consumo dos data centers otimizados especificamente para IA crescendo mais do que o quádruplo no mesmo período, segundo o relatório Energy and AI da própria IEA.

Indicador	Valor	Fonte
Consumo global de data centers, 2025 → 2026	447 TWh → 565 TWh (+26%)	Gartner via TI Rio
Consumo de servidores otimizados para IA em 2026	175 TWh, 31% do total, +84,2% no ano	Gartner via TI Rio
Consumo global de data centers, 2025 → 2030	~485 TWh → +945 TWh (quase dobra)	IEA — Energy and AI
Consumo de data centers otimizados para IA, 2025 → 2030	mais que quadruplica	IEA — Energy and AI

Para o C-level, três consequências saem direto desses números. Primeiro: energia deixa de ser custo operacional irrelevante e passa a pressionar o TCO de projetos de IA de forma estrutural, não pontual. Segundo: fornecedores de nuvem já repassam esse custo, direta ou indiretamente, para quem compra capacidade computacional. Terceiro, e o foco deste guia: o consumo de energia virou dado comparável entre fornecedores e parte do relatório que a empresa presta a investidores e reguladores. Quem decide onde e com quem processar IA está, na prática, decidindo uma linha do relatório de sustentabilidade da companhia — mesmo que ninguém tenha chamado a reunião assim.

O que é a pegada de carbono da IA, e como ela aparece no relatório da empresa

A pegada de carbono da IA não é uma linha única — ela se distribui entre as categorias que o mercado já usa para todo o resto das emissões corporativas, o GHG Protocol, framework operacionalizado no Brasil pelo Programa Brasileiro GHG Protocol e explicado pelo WRI Brasil:

Escopo	O que cobre	Onde a IA aparece
Escopo 1	Emissões diretas de fontes que a própria empresa possui ou controla	Raramente — só se a empresa opera seu próprio data center com geração própria de energia
Escopo 2	Emissões da eletricidade, calor ou refrigeração comprados pela empresa	Aqui, quando a empresa opera infraestrutura própria ou contratada dedicada — a matriz elétrica do local onde a IA roda define o fator de emissão
Escopo 3	Emissões indiretas na cadeia de valor, fora do controle direto da empresa	Aqui, na maioria dos casos corporativos — a energia consumida pelo data center do fornecedor de nuvem ou de IA vira emissão de cadeia de fornecimento do cliente

Na prática, para a maioria das empresas brasileiras que usam IA via nuvem pública ou plataformas de terceiros — sem data center próprio —, a pegada de carbono da IA entra no Escopo 3: é emissão do fornecedor, herdada pelo cliente que contratou o serviço. Por isso a escolha de fornecedor de IA deixou de ser só decisão técnica e de preço — ela move uma linha do inventário de emissões da empresa contratante, o mesmo mecanismo tratado em gestão de risco de fornecedores de IA, aqui aplicado ao risco ambiental.

No Brasil, a CVM já colocou essa contabilidade em movimento: a Resolução CVM 193/2023 instituiu um regime de adoção — hoje voluntária, com cronograma estendido pela Resolução CVM 227/2025 — dos padrões internacionais IFRS S1 e S2 para divulgação de informações de sustentabilidade e clima por companhias abertas, segundo comunicado da própria CVM. Ainda não é obrigatório para todas — mas o desenho regulatório já aponta para onde o mercado vai, e empresas com operação ou faturamento relevante na União Europeia já sentem a pressão por outra via: a CSRD (Corporate Sustainability Reporting Directive) europeia, que obriga o relato detalhado de sustentabilidade e repassa a exigência para a cadeia de fornecedores fora da Europa, IA incluída.

Como o consumo de energia da IA é medido na prática

Duas variáveis determinam o tamanho real da pegada de carbono de uma carga de trabalho de IA, e nenhuma das duas é intuitiva para quem só olha a fatura de assinatura da ferramenta.

A intensidade de carbono da eletricidade usada — quanto CO₂ é emitido por kWh gerado — varia drasticamente conforme a matriz elétrica do local onde o data center está. A mesma carga de trabalho de IA pode ter pegada várias vezes maior ou menor dependendo só de onde ela roda, sem nenhuma mudança no modelo ou no uso.

O tipo de tarefa também muda a conta. O MIT Technology Review Brasil detalha como o consumo por interação varia por ordens de grandeza: texto consome uma fração do que consome gerar imagem, e imagem consome uma fração do que consome gerar vídeo — a granularidade da carga adotada (texto, imagem, vídeo, agentes rodando continuamente) já define boa parte da pegada, antes mesmo de escolher onde processar.

Para infraestrutura, a métrica prática de comparação entre fornecedores é o PUE (Power Usage Effectiveness) — quanto de energia total o data center consome para cada unidade que chega ao processamento, o resto sendo refrigeração e perdas — cruzado com a matriz elétrica da região. Fornecedor com PUE eficiente numa matriz suja pode emitir mais do que fornecedor menos eficiente numa matriz limpa. É esse cruzamento que torna a localização do processamento uma variável de decisão, não um detalhe técnico.

A vantagem comparativa do Brasil: matriz elétrica renovável como argumento de negócio

Aqui está o ponto que mais frequentemente falta na conversa sobre custo de IA no Brasil: a mesma característica que torna a energia brasileira mais previsível em preço também a torna, comparativamente, mais limpa — e isso é argumento de negócio, não só ambiental.

A matriz elétrica brasileira é composta por 88,2% de fontes renováveis, segundo o Balanço Energético Nacional 2025, com solar e eólica já respondendo por 24% da geração total — dado levantado pela Exame em reportagem sobre a oportunidade brasileira em data centers. Com base nessa característica, o Ministério da Fazenda estima que uma empresa pode reduzir em até 75% a pegada de carbono do seu processamento de IA transferindo-o para o Brasil, em vez de processá-lo em regiões com matriz elétrica mais dependente de fontes fósseis — mesma reportagem da Exame.

Esse diferencial já move investimento real: a EPE (Empresa de Pesquisa Energética) estima potencial de 25 gigawatts de capacidade para data centers no Brasil até 2035, e big techs como Google, Microsoft e AWS já anunciam bilhões em infraestrutura no país atraídas, entre outros fatores, por essa matriz — segundo a mesma reportagem da Exame. Para uma empresa decidindo entre processar IA em infraestrutura nacional ou hospedada no exterior, esse é argumento concreto para a mesa — a favor do custo de energia (o setor elétrico brasileiro já vive essa convergência, detalhada em adoção de IA no setor elétrico e de utilities brasileiro) e a favor do relatório de sustentabilidade da companhia.

Uma ressalva honesta. Fonte renovável não é sinônimo de disponibilidade constante: solar e eólica geram de forma intermitente, enquanto um data center de IA precisa de carga estável. A vantagem brasileira depende de como cada fornecedor equilibra a matriz (hidrelétrica como base, complementada por eólica e solar) — é vantagem comparativa real e mensurável, não isenção de diligência na escolha do fornecedor.

Riscos de reputação e regulação: por que ignorar a pegada de carbono custa caro

Três pressões convergem para tornar a pegada de carbono da IA um risco, não só uma métrica de relatório.

1. Pressão regulatória crescente, mesmo que ainda voluntária no Brasil. O regime de adoção dos padrões IFRS S1/S2 pela CVM é hoje voluntário, mas o desenho já está posto — e empresas com operação relevante na União Europeia já enfrentam a CSRD diretamente, inclusive repassada pela cadeia de fornecedores.
2. Escopo 3 é onde a IA terceirizada aparece — e é o mais difícil de controlar. Emissões de cadeia de fornecedores tendem a ser a maior fatia do inventário total de uma empresa, e as mais difíceis de auditar, porque dependem de dado que o fornecedor precisa entregar. Contratar IA sem exigir esse dado é aceitar um item de risco não mensurado no próprio relatório.
3. Risco reputacional de greenwashing. Empresas que divulgam metas de neutralidade de carbono e, ao mesmo tempo, escalam uso de IA sem considerar a origem da energia correm o risco de ver a própria meta contestada quando o crescimento de consumo aparecer no inventário sem explicação.

Nenhum dos três riscos exige regulação obrigatória amanhã para pesar hoje: rating de agências ESG, investidor institucional e due diligence de cliente corporativo já cobram essa transparência antes da lei — quem só reage quando a regulação chega, chega depois de quem já trata isso como critério de fornecedor.

Como decidir "onde processar": critérios para a escolha de infraestrutura e fornecedor

A decisão de onde e com quem rodar a IA corporativa deveria cruzar, no mínimo, os critérios abaixo — não só preço e latência.

Critério	Pergunta a fazer ao fornecedor	Por que importa
Matriz elétrica da região	Onde fica o data center, e qual o mix energético local?	Define o fator de emissão por kWh consumido, sem depender do que o fornecedor divulga em marketing
PUE do data center	Qual a eficiência energética declarada, e é auditada por terceiro?	Fornecedor ineficiente numa matriz limpa ainda pode emitir mais do que eficiente numa matriz suja — os dois números precisam ser cruzados
Transparência de dado	O fornecedor entrega relatório de emissões atribuíveis ao meu uso, por período?	Sem esse dado, a empresa não consegue reportar seu próprio Escopo 3 com precisão
Custo total, energia incluída	O preço contratado já reflete o custo energético crescente, ou está subsidiado hoje e sujeito a reajuste?	Conecta diretamente ao TCO de projetos de IA — energia é linha estrutural, não pontual
Governança e continuidade	O fornecedor está no radar de risco de continuidade (concentração, dependência única)?	Parte da mesma avaliação de gestão de risco de fornecedores de IA, aplicada também ao critério ambiental

Esse cruzamento raramente aparece na proposta comercial — precisa ser perguntado. E ele muda a conta de quanto custa implementar IA na empresa: dois orçamentos com o mesmo preço de tabela podem ter pegadas de carbono muito diferentes, dependendo só de onde o processamento acontece.

Como essa decisão se conecta à estratégia de IA como um todo

A variável energética não substitui o resto da decisão de implementação — ela se soma. O processo de implementar IA na empresa já passa por definir objetivos, mapear onde a IA gera valor e escolher entre construir, comprar ou terceirizar — a pegada de carbono entra na etapa de preparar infraestrutura e selecionar fornecedor, como mais um filtro ao lado de custo, segurança e continuidade.

É esse tipo de critério que o método Flight Plan da Jetpacks incorpora desde o diagnóstico: o Launchpad mapeia impacto e também onde e como cada área vai processar IA; o Flight Plan desenha a trilha por área já considerando fornecedor e infraestrutura; e o Mission Control acompanha métricas de adoção que podem — e cada vez mais devem — incluir a variável de sustentabilidade ao lado de produtividade e custo. Para levar esse argumento à diretoria de forma estruturada, com investimento, retorno e risco numa página só, o guia de como montar o business case de IA mostra como incluir a variável energética como parte do risco a ser mitigado, não como rodapé.

FAQ

O que é pegada de carbono da IA?

É o volume de emissões de gases de efeito estufa associado à energia elétrica consumida para treinar e operar modelos de inteligência artificial — do treinamento do modelo até cada consulta processada em produção. Ela depende tanto do volume de energia consumido quanto da intensidade de carbono da matriz elétrica usada para gerá-la.

Por que a IA consome tanta energia?

Porque treinar e, principalmente, rodar modelos em produção exige processamento intensivo em data centers especializados. O consumo de servidores otimizados para IA cresceu 84,2% só em 2026 e já responde por 31% de todo o consumo elétrico de data centers no mundo, segundo o Gartner.

Como a pegada de carbono da IA é medida?

Cruzando o volume de energia consumido pela carga de trabalho com a intensidade de carbono da eletricidade da região onde o processamento roda, e considerando a eficiência do data center (PUE). Para efeito de relatório corporativo, ela se enquadra nos Escopos 1, 2 ou 3 do GHG Protocol, dependendo de quem opera a infraestrutura.

O Brasil é uma boa opção para hospedar IA por causa da energia limpa?

Sim, comparativamente. A matriz elétrica brasileira é 88,2% renovável, e o Ministério da Fazenda estima que transferir o processamento de IA para o Brasil pode reduzir em até 75% a pegada de carbono da operação frente a regiões com matriz mais dependente de fontes fósseis. A ressalva é que fontes renováveis são intermitentes, então a vantagem depende de como cada fornecedor equilibra a matriz.

A pegada de carbono da IA entra no relatório ESG da empresa?

Na maioria dos casos em que a empresa usa IA via nuvem ou plataforma de terceiros, sim — como Escopo 3, emissão indireta da cadeia de fornecedores. Se a empresa opera infraestrutura própria, a energia consumida entra no Escopo 2. No Brasil, a divulgação seguindo os padrões IFRS S1/S2 via CVM ainda é voluntária, mas cresce em adoção.

Qual a diferença entre Escopo 2 e Escopo 3 na pegada de carbono de IA?

Escopo 2 cobre a eletricidade que a própria empresa compra diretamente, geralmente quando opera ou contrata infraestrutura dedicada. Escopo 3 cobre emissões da cadeia de valor fora do controle direto da empresa — é aqui que entra a energia consumida pelo data center de um fornecedor de nuvem ou de IA contratado pela empresa.

Como reduzir a pegada de carbono da IA na minha empresa?

Priorizando fornecedores com matriz elétrica mais limpa e PUE eficiente, exigindo dado de emissão atribuível ao uso contratado, e dimensionando o tipo de carga de trabalho (texto consome muito menos que imagem ou vídeo) conforme a real necessidade de negócio, não por padrão automático.

Existe regulação obrigando empresas brasileiras a reportar emissões de IA?

Ainda não uma regulação específica de IA. Mas a CVM já colocou em vigor um regime de adoção dos padrões IFRS S1/S2 (hoje voluntário) para companhias abertas, e empresas com operação relevante na União Europeia já sentem a exigência da CSRD europeia, que se estende à cadeia de fornecedores — IA incluída.

Conclusão: a energia entrou na planilha de decisão

A pegada de carbono da IA deixou de ser assunto de sustentabilidade isolado e virou variável de decisão de infraestrutura, ao lado de preço, segurança e continuidade de fornecedor. O consumo de energia de data centers de IA cresce de forma estrutural — 26% só em 2026, segundo o Gartner — e o Brasil tem, na própria matriz elétrica, um argumento comparativo real para quem decide onde processar. Ignorar essa variável não a elimina: ela aparece no relatório de sustentabilidade do próximo ano, no due diligence de um investidor ou na pergunta de um cliente sobre a cadeia de fornecedores.

O diagnóstico gratuito da Jetpacks mapeia, em 30 a 45 minutos, onde e como a empresa deveria processar IA — cruzando impacto de negócio, custo e o critério de sustentabilidade que cada vez mais entra na decisão. Para levar esse argumento estruturado à diretoria, com risco e retorno numa página só, o business case de uma página organiza a conversa.