O crescimento da IA está impulsionando investimentos colossais em infraestrutura computacional. Data centers gigantescos, chips especializados, sistemas complexos de refrigeração e novas fontes de energia estão sendo construídos para suportar a explosão das cargas de trabalho de IA.
O SAIG argumenta que as empresas que adotam IA muitas vezes carecem de dados claros sobre o impacto ambiental dos modelos e serviços que contratam . Sem uma medição e divulgação padronizadas, fica difícil para as companhias avaliarem:
Outro desafio é que diferentes sistemas de IA podem ter pegadas ambientais drasticamente diferentes. Um modelo menor e ajustado para uma tarefa específica pode consumir muito menos poder computacional do que um modelo de ponta de escala massiva, dependendo da aplicação e do ambiente onde é executado .
Apesar dessas diferenças, os compradores muitas vezes optam pelos modelos maiores ou mais famosos, sem visibilidade sobre a eficiência ou as compensações ambientais envolvidas.
A maioria das empresas que usa IA não constrói seus próprios modelos ou data centers. Elas dependem de provedores de nuvem e fornecedores de IA, como Google, Microsoft e AWS.
Ainda assim, os fundadores do SAIG argumentam que os clientes corporativos moldam todo o ecossistema de infraestrutura.
O gasto das empresas é o que, em última análise, financia a expansão da infraestrutura de IA. Como resultado, as decisões de compra — desde os requisitos em uma licitação (RFP) até as cláusulas nos contratos com fornecedores — enviam sinais claros de demanda por toda a cadeia de valor da IA .
Em outras palavras, enquanto a rede elétrica e os data centers são o "lado da oferta" mais visível, é a demanda dos clientes que determina o que os provedores constroem.
Essa dinâmica dá às grandes organizações uma alavanca poderosa para influenciar:
O SAIG defende que as empresas podem começar a influenciar a sustentabilidade da IA por meio de seus processos cotidianos de compras.
Os principais mecanismos incluem:
As empresas podem incluir critérios ambientais ao avaliar fornecedores de IA, pedindo dados sobre a eficiência do modelo, o consumo de energia e as práticas de infraestrutura.
Frameworks de compras estão cada vez mais dando ênfase a perguntas sobre práticas de otimização de modelos e relatórios ambientais, permitindo que os compradores diferenciem fornecedores com compromissos de sustentabilidade mais sólidos .
As organizações podem optar por provedores de IA que demonstrem menor intensidade energética ou mais transparência sobre sua infraestrutura.
Se um número suficiente de compradores priorizar esses fatores, os fornecedores podem começar a competir não apenas em desempenho e preço, mas também em eficiência e sustentabilidade.
Contratos de prestação de serviços podem exigir a divulgação de informações sobre os impactos ambientais.
Por exemplo, os acordos podem exigir relatórios sobre:
Essas exigências criam incentivos diretos para que os provedores melhorem a transparência e as escolhas de infraestrutura .
O SAIG se posiciona tanto como uma organização de pesquisa quanto como uma consultoria estratégica para ajudar empresas a colocar práticas de IA sustentável em operação.
A empresa planeja publicar estudos que analisam os impactos ambientais da IA, incluindo o uso de energia desde o treinamento até a inferência dos modelos, bem como os efeitos mais amplos sobre a infraestrutura .
O SAIG ajudará organizações a integrar a sustentabilidade em suas estratégias de IA por meio de:
A empresa também planeja ajudar os clientes a mapear onde a IA está sendo usada internamente e estabelecer métricas ambientais de linha de base para essas cargas de trabalho .
Um foco importante é tornar a eficiência da IA mensurável e comparável entre sistemas.
Um exemplo é o AI Energy Score (algo como "Nota de Energia para IA"), uma iniciativa de benchmarking criada para classificar o consumo de energia dos modelos de IA em tarefas comuns .
O framework fornece classificações de energia padronizadas e comparações públicas entre modelos, ajudando desenvolvedores e compradores a identificar opções mais eficientes . Implementações anteriores desse sistema já avaliaram centenas de modelos amplamente utilizados em múltiplas tarefas de IA, criando um ponto de referência para a eficiência energética em sistemas de IA .
Outra capacidade planejada são ferramentas que ajudam as organizações a direcionar tarefas para os modelos mais apropriados — em vez de usar um modelo de ponta gigantesco para qualquer finalidade.
Optar por modelos menores ou especializados sempre que possível pode reduzir significativamente a demanda computacional, mantendo ao mesmo tempo os requisitos de desempenho .
Os fundadores argumentam que o momento atual é decisivo porque o investimento em infraestrutura de IA está acelerando rapidamente.
O SAIG estima que os gastos com infraestrutura de IA possam atingir US$ 5 trilhões até o fim desta década, o que cria uma janela estreita para moldar a forma como essa infraestrutura será construída .
Uma vez que data centers, contratos de energia e cadeias de fornecimento de hardware estejam definidos, mudar a trajetória ambiental da IA se torna muito mais difícil.
A estratégia deles se concentra em influenciar o sistema antes que essa consolidação aconteça — incentivando as empresas a tratar a sustentabilidade como um critério de compra central, e não como uma reflexão tardia.
A visão mais ampla por trás do Sustainable AI Group é simples, mas ambiciosa: transformar a demanda corporativa em um sinal de mercado que recompense sistemas de IA eficientes.
Se os compradores começarem a exigir transparência e eficiência energética, os fornecedores poderão competir nessas dimensões com a mesma intensidade com que competem em velocidade, capacidade e preço.
Se essa mudança vai acontecer ou não, dependerá de as empresas decidirem ou não exercer a influência que já possuem na cadeia de suprimentos da IA.