Em agosto de 2025, o Google publicou a primeira medição detalhada de uma grande empresa de tecnologia sobre o consumo de energia de uma consulta: um pedido de texto mediano ao Gemini gasta 0,24 watt-hora de energia e 0,26 mililitro de água. Para comparação, é menos do que assistir televisão por nove segundos.
O número parece pequeno quando lido uma única vez. Mas para quem responde por relatório de sustentabilidade (ESG), a equação muda quando a pergunta é multiplicada por dezenas de milhares de usuários, todos os dias, todos os modelos, todas as áreas. Meses antes, em abril de 2025, a Agência Internacional de Energia (IEA) já tinha publicado sua projeção para o consumo elétrico dos data centers: deve mais que dobrar entre 2024 e 2030, chegando a 945 terawatt-hora de eletricidade por ano — equivalente ao consumo elétrico atual do Japão.
O ponto de inflexão não é a quantidade absoluta. É que, pela primeira vez, o consumo de IA é visível e mensurável. E quando algo é mensurável, fica evidente: a equipe que responde por ESG pode decidir pergunta a pergunta, modelo a modelo, reutilização a reutilização.
O custo invisível de uma pergunta não respondida
Nem toda empresa usa o Gemini. Mas todas que usam qualquer modelo de IA em escala — seja integrado a um sistema interno, via SaaS ou em assistentes corporativos — precisam enfrentar o mesmo dilema. Uma pergunta feita hoje consome energia. A mesma pergunta feita amanhã consome novamente, a menos que haja um mecanismo para reutilizar a resposta já calculada.
Electricity consumption from data centres is set to double by 2030, and power use from those focused on AI is poised to triple.
O relatório de sustentabilidade corporativa precisa responder a perguntas que a equipe de TI raramente faz: Qual área da empresa está usando mais modelos pesados? Quantas vezes a mesma pergunta foi feita em semanas diferentes? Qual tarefa de rotina poderia usar um modelo menor sem perder qualidade? Por que a mesma pergunta foi enviada para a IA três vezes em um mês?
Essas respostas não saem de uma conta pessoal de ChatGPT ou Gemini. Nem de um agente rodando em paralelo sem registro. Elas saem de um lugar onde o consumo é registrado e atribuído por pessoa, grupo e objetivo — por isso o que não é visível é sempre o que cresce mais.
Os números mais recentes reforçam que a tendência não desacelerou. Segundo projeção da Gartner divulgada em junho de 2026, o consumo global de eletricidade em data centers deve crescer 26,4% neste ano, chegando a 565 terawatt-hora — ante 447 terawatt-hora em 2025. Os servidores otimizados para inteligência artificial respondem pela maior fatia desse salto: devem consumir 175 terawatt-hora em 2026, um aumento de 84,2% em relação ao ano anterior, e já representam 31% de todo o consumo de energia dos data centers do mundo.
Para empresas brasileiras e latino-americanas que reportam metas de ESG, esse crescimento chega em um momento delicado: a energia usada por IA soma-se ao restante da operação, e a conta de eletricidade não distingue entre uma consulta necessária e uma repetida por falta de mecanismo de reutilização. Quando a diretoria de sustentabilidade não sabe separar as duas coisas, o relatório de emissões cresce por um motivo que ninguém decidiu deliberadamente.
Por que os limites de uso não reduzem o consumo
A resposta óbvia parece ser restringir. Limitar quantas perguntas cada pessoa pode fazer, ou proibir modelos caros para tarefas pequenas. Essa foi a estratégia de muitas empresas nos dois últimos anos. E ela não funcionou.
Quando não existe um lugar oficial onde a tarefa seja mais fácil de fazer, a pessoa encontra outro lugar — mesmo que fora do perímetro controlado. Estudos de outras áreas de tecnologia corporativa mostram que proibição sem alternativa reduz visibilidade, não consumo. A mesma pessoa que não pode usar a IA licenciada vai usar a conta pessoal e, dessa vez, a empresa não fica com nenhuma trilha do que aconteceu — nem dados, nem resultado, nem aprendizado.
Pense numa rotina comum em qualquer escritório: a área de compras faz, todo mês, a mesma pergunta a um modelo de IA para resumir cláusulas de contratos parecidos de fornecedores diferentes. Sem um mecanismo de reutilização, cada resumo é recalculado do zero, mesmo quando o contrato mudou pouco de um fornecedor para outro. Multiplicado por dezenas de áreas fazendo o mesmo tipo de pergunta repetida, o desperdício de energia deixa de ser um detalhe técnico e vira uma linha que a equipe de sustentabilidade não consegue explicar.
A saída não é um limite mais duro. É um ambiente onde o uso correto seja mais fácil que o alternativo — e, por construção, mais controlado.
O que precisa existir na prática
Identidade corporativa em cada pergunta. Quem fez a pergunta? Qual departamento? Qual sessão? A resposta vem do diretório da empresa: cada consulta é atribuída, rastreável e desaparece quando a pessoa é desligada.
Modelo de IA do tamanho certo para cada tarefa. Uma tarefa rotineira não precisa da mesma capacidade de processamento que um diagnóstico complexo. Se a equipe de atendimento pode resolver 85% das dúvidas com um modelo mais leve, ele deve ir para ali. Se a área de P&D precisa de raciocínio profundo em 10% dos casos, aquele modelo recebe as 10%.
Reutilização com permissões. Se a mesma pergunta foi feita cinco vezes nos últimos três meses, a sexta não deveria voltar para computação — deveria voltar para a resposta que já existe, desde que a pessoa e a área tenham permissão de acessá-la. A primeira pergunta tem custo; as próximas têm custo de acesso.
Consumo visível por área. Não "IA custou R$ 500 mil este mês". Mas "IA na operação custou R$ 120 mil, IA na análise custou R$ 180 mil, IA em P&D custou R$ 200 mil". Quando o custo é visível, a conversa muda — e o incentivo para escolher o modelo certo volta para quem usa.
Trilha de auditoria de cada ação sensível. Aprova um documento? Fica registrado. Muda uma permissão? Fica registrado. Reutiliza uma resposta? Fica registrado. Em uma auditoria ou investigação de compliance, é a diferença entre reconstruir o que aconteceu em minutos e não conseguir reconstruir.
É assim que a Skyller foi desenhada: identidade corporativa em cada consulta, modelo selecionado conforme a tarefa e consumo visível por quem paga. O framework resolve a pergunta que a equipe de ESG precisa responder: não apenas quanto de energia usamos, mas onde, por quê e se há espaço para otimizar.
O ganho de governança e redescoberta
O benefício mais óbvio de visibilidade é controle. Quando o consumo é medido por área, fica claro onde estão as oportunidades de eficiência — e onde o uso está crescendo sem justificativa.
Mas existe um segundo ganho, menos evidente mas igual de importante: o que funciona bem deixa de ser pessoal. Quando uma analista descobre um roteiro que economiza 40% do tempo em uma tarefa de relatório, aquele roteiro pode ser disponibilizado para outros analistas — desde que as permissões e os controles estejam no lugar. A empresa não começa do zero toda vez que a tarefa é repetida. A segunda pessoa usa o que a primeira aprendeu.
O mesmo raciocínio vale para o lado positivo do ganho. Numa central de atendimento com equipes em turnos diferentes, um roteiro de resposta validado pela manhã não precisa ser redescoberto pela equipe da tarde — desde que esteja disponível com a permissão certa. Isso poupa tempo da pessoa e energia do sistema ao mesmo tempo, porque a mesma pergunta computada uma vez deixa de ser recalculada em cada turno.
Três perguntas para levar ao CFO e à liderança de TI
Antes de colocar limites rígidos, vale responder a estas três perguntas com números:
-
Qual é o consumo de energia por área, hoje? Se a resposta for "não sabemos", o primeiro passo não é limitar — é medir. Sem visibilidade, não há otimização, apenas suposição.
-
Quantas vezes a mesma pergunta foi feita em 30 dias? Se a resposta for um número alto, há oportunidade de reutilização. Cada pergunta repetida é energia não economizada por falta de mecanismo.
-
Qual percentual das perguntas saiu do perímetro controlado? Se a resposta for "a gente não sabe", o uso real é maior que o medido — e mais caro do que parece.
