O custo energético oculto dos agentes de IA: 137 vezes mais que um chatbot comum

Um estudo inédito do KAIST (Instituto Avançado de Ciência e Tecnologia da Coreia, na sigla em inglês) revela que os chamados agentes de IA — programas autônomos capazes de planejar e executar tarefas complexas por conta própria — consomem uma quantidade drasticamente maior de energia do que os chatbots conversacionais tradicionais. Os resultados, divulgados em 5 de julho de 2026 pela equipe liderada pelo professor Yoo Min-soo, quantificam essa diferença entre 136 e 137 vezes por consulta, levantando questões urgentes sobre a futura demanda de energia e as emissões dos data centers ^HCME. Entenda o que a pesquisa descobriu e por que isso importa.

O abismo energético: 348,41 Wh contra 2,55 Wh

Para chegar a esses números, a equipe do KAIST analisou o consumo de recursos de agentes de IA já existentes no mercado. A disparidade encontrada foi enorme. Ao utilizar um modelo de linguagem de grande escala (LLM, na sigla em inglês) com 70 bilhões de parâmetros — a escala dos serviços comerciais mais potentes da atualidade —, um agente de IA consumiu, em média, 348,41 watt-hora (Wh) por consulta. Para efeito de comparação, um chatbot generativo tradicional, executando uma simples pergunta e resposta, consumiu apenas 2,55 Wh. Isso representa um múltiplo de aproximadamente 136,5 a 136,6 vezes ^HMNE. Alguns relatórios em inglês arredondam esse número para 137 vezes ^C.

Por que os agentes consomem tanto?

Diferentemente de um chatbot, que responde a uma pergunta em uma única etapa, um agente de IA opera de forma muito mais complexa. Ele planeja, busca informações, executa cálculos, escreve e roda códigos, e itera através de múltiplas etapas para completar uma tarefa. Cada uma dessas etapas exige uma nova chamada ao modelo de linguagem (LLM). A pesquisa revelou que, em média, os agentes fazem 9,2 vezes mais chamadas ao LLM do que um chatbot tradicional ^HC. Em alguns casos, essa frequência pode chegar a 71 chamadas por tarefa ^M.

Isso não só aumenta o consumo de energia, mas também dispara o tempo de resposta. O estudo descobriu que o tempo para o agente concluir uma tarefa pode ser até 153,7 vezes maior do que o de um chatbot ^MBMP.

O problema da GPU ociosa

Um dos achados mais reveladores do estudo é a ineficiência no uso do hardware. Como os agentes precisam usar ferramentas externas e esperar por respostas em cada etapa do seu raciocínio, as GPUs (unidades de processamento gráfico, essenciais para a IA) ficam paradas, sem realizar nenhum cálculo, por um período significativo. A pesquisa mostrou que esse tempo ocioso das GPUs pode chegar a 54,5% do tempo total de execução de uma tarefa ^HM. Na prática, isso significa que mais da metade do tempo em que um hardware caro e potente está ligado, ele não está produzindo nada, apenas consumindo energia.

Impacto nos data centers: um alerta para o futuro

A equipe do KAIST também projetou o impacto em larga escala. Considerando um cenário hipotético em que 13,7 bilhões de requisições a agentes de IA sejam feitas por dia (número equivalente às buscas diárias no Google), a demanda de energia dos data centers necessários para processá-las seria de aproximadamente 198,9 gigawatts (GW) ^N.

Para dar uma dimensão do que isso significa: esse número é comparável a cerca de metade de todo o consumo de eletricidade dos Estados Unidos ^N. Ele supera em muito a escala dos projetos de data centers de IA que atualmente estão sendo planejados em todo o mundo, que são da ordem de alguns GW ^N.

Os pesquisadores alertam que, se os agentes de IA se tornarem amplamente populares sem ganhos significativos de eficiência energética, a pressão sobre a infraestrutura elétrica global será imensa, com sérias implicações para as metas climáticas e os custos de energia ^B.