Quanto de água a inteligência artificial consome – e como interpretar os números

O consumo de água da IA ocorre tanto na refrigeração dos data centers quanto, indiretamente, na geração da eletricidade que os abastece. Isso não significa, porém, que cada pergunta enviada a um chatbot corresponda a uma quantidade fixa de água. A pegada depende do processamento realizado e da infraestrutura que o atende, além do que cada estudo decide incluir na conta.

Entender essa diferença é importante para dimensionar o problema. Um número elevado, apresentado sem contexto, pode sugerir que toda interação com IA tem um impacto extraordinário. Um número pequeno, por outro lado, pode esconder o efeito acumulado de uma operação de grande escala. Nenhuma dessas leituras, isoladamente, ajuda a decidir onde reduzir consumo, quais instalações exigem mais atenção ou que melhorias realmente funcionam.

A questão não é escolher entre considerar a IA inofensiva ou ambientalmente inaceitável. É identificar quanto ela consome, em quais condições e com quais consequências. Para isso, precisamos separar conceitos que frequentemente aparecem misturados.

Por que data centers utilizam água?

Os equipamentos de um data center transformam eletricidade em processamento e calor. Para manter a operação dentro das temperaturas adequadas, é necessário retirar esse calor. Algumas instalações utilizam torres de resfriamento, nas quais parte da água evapora durante a troca térmica; outras combinam refrigeração mecânica, aproveitamento do ar externo e diferentes circuitos de circulação de fluidos. O Departamento de Energia dos Estados Unidos descreve essas alternativas e ressalta que seu desempenho depende, entre outros fatores, do clima e da configuração da instalação.

Por isso, a presença de água em um sistema não informa, sozinha, quanto ele consome. Um circuito pode recircular o mesmo fluido, enquanto outra etapa da instalação utiliza evaporação para rejeitar calor. Da mesma forma, “refrigeração líquida” não deve ser interpretada automaticamente como consumo elevado ou como consumo zero: é preciso compreender o sistema completo.

Há também água associada à geração elétrica. Dependendo das usinas que abastecem a rede e de suas tecnologias, fornecer eletricidade pode envolver consumo hídrico fora do data center. Uma avaliação mais abrangente pode considerar ainda a fabricação de equipamentos e outros processos da cadeia produtiva. Esses limites de análise precisam estar explícitos, pois uma estimativa operacional não equivale a uma avaliação de todo o ciclo de vida.

Retirar água não é o mesmo que consumir água

A retirada, também chamada de captação, é a água removida de uma fonte para determinada atividade. O consumo corresponde à parcela que deixa de estar disponível para reutilização imediata, por exemplo porque evaporou ou foi incorporada a um produto. O USGS, serviço geológico dos Estados Unidos, distingue esses conceitos justamente porque eles descrevem relações diferentes com os recursos hídricos.

Isso significa que duas instalações podem captar volumes semelhantes e consumir parcelas diferentes. Também significa que uma comparação entre a captação de um setor e o consumo de outro não mede a mesma coisa, ainda que ambos os números estejam expressos em litros.

A água evaporada não desaparece do planeta. O problema é sua disponibilidade no lugar e no período em que outras pessoas, atividades e ecossistemas precisam dela. Essa é uma razão para não tratar a pegada hídrica apenas como uma conta global de volume.

O que os números dos data centers mostram?

O relatório de 2024 do Lawrence Berkeley National Laboratory estimou que os data centers dos Estados Unidos consumiram diretamente aproximadamente 66 bilhões de litros de água em 2023. O documento também calculou uma pegada hídrica indireta próxima de 800 bilhões de litros, associada à eletricidade utilizada. Os valores indiretos foram estimados a partir das redes elétricas regionais, não medidos individualmente em cada usina para cada instalação.

Indicador	Estimativa	Abrangência
Consumo direto de água	66 bilhões de litros	Data centers dos EUA, em 2023
Consumo indireto associado à eletricidade	Cerca de 800 bilhões de litros	Data centers dos EUA, em 2023
Eletricidade utilizada	176 TWh	Data centers dos EUA, em 2023

Esses dados se referem ao conjunto dos data centers, não exclusivamente à IA. A infraestrutura também atende armazenamento, aplicações empresariais e outros serviços digitais. Portanto, apresentar os totais como “consumo da inteligência artificial” atribuiria à tecnologia atividades que o levantamento não separa dessa maneira.

Os números são úteis para compreender a ordem de grandeza da infraestrutura e a importância da eletricidade na pegada hídrica. Não fornecem, entretanto, uma resposta direta sobre quanto uma pessoa consome ao utilizar determinado chatbot.

A demanda está crescendo, mas projeções não são fatos consumados

Na atualização publicada em abril de 2026, a Agência Internacional de Energia estimou que os data centers consumiram 485 TWh de eletricidade em 2025. Sua projeção central aponta aproximadamente 950 TWh em 2030, perto de 3% da demanda elétrica mundial naquele ano. O crescimento das instalações voltadas à IA é mais rápido que o do conjunto do setor.

Isso justifica acompanhar expansão, eficiência e disponibilidade de infraestrutura. Mas a projeção não deve ser lida como um resultado inevitável: ela depende da adoção de aplicações, dos investimentos, das melhorias tecnológicas e dos obstáculos à construção de novos projetos.

Também não é correto converter automaticamente crescimento elétrico em crescimento hídrico na mesma proporção. A quantidade de água depende da combinação entre fontes de eletricidade, refrigeração e localização. Uma expansão pode ser acompanhada por redução de intensidade hídrica; o resultado absoluto precisa ser observado, não presumido.

Por que não existe um valor universal de água por pergunta?

Uma pergunta curta, uma análise documental extensa e uma geração de vídeo representam serviços diferentes. Mesmo dentro da geração de texto, comprimento da resposta, modelo, utilização dos equipamentos e infraestrutura alteram a quantidade de recursos necessária.

Uma pesquisa publicada em 2025 por pesquisadores ligados ao Berkeley Lab encontrou variações superiores a 10 mil vezes no consumo hídrico por carga de trabalho entre as configurações analisadas. O resultado combina diferenças de eficiência computacional e de intensidade hídrica da infraestrutura. Não significa que trocar de chatbot produzirá uma economia dessa magnitude, nem constitui uma comparação direta de todos os serviços comerciais de IA.

A principal contribuição desse estudo é mostrar por que a localização e a forma de executar uma tarefa importam tanto. O número por interação pode ajudar a comparar configurações quando a metodologia é consistente, mas perde significado quando se transforma em uma constante supostamente válida para qualquer modelo e qualquer uso.

O que significa a estimativa divulgada pelo Google?

Em uma análise de maio de 2025, o Google estimou 0,26 mililitro de água para o prompt mediano de texto do Gemini Apps, segundo sua metodologia. O cálculo hídrico considera a água consumida para refrigerar equipamentos e infraestrutura dos data centers; não representa toda a água associada à geração elétrica e à cadeia de fabricação.

O valor foi derivado do consumo energético e de fatores de eficiência hídrica da infraestrutura. Portanto, não corresponde a um hidrômetro registrando uma quantidade específica a cada mensagem. A empresa também informou que os dados e as alegações não haviam sido verificados por uma terceira parte independente quando divulgados.

Há outra distinção: mediana não é média. Uma medida representativa de uma interação típica não permite, por si só, calcular o consumo total multiplicando-a pelo número de mensagens. Interações muito intensivas podem ter peso relevante no total sem aparecer da mesma forma na mediana.

Nada disso torna o estudo inútil. Torna necessário interpretá-lo dentro de seu escopo. O mesmo cuidado deve ser aplicado a estimativas maiores: comparar resultados exige verificar o que foi incluído, quais tarefas foram executadas e como os recursos foram atribuídos a elas.

Treinamento e uso cotidiano são etapas diferentes

O treinamento é a etapa em que o modelo aprende padrões; a inferência é sua execução para responder ou realizar uma tarefa. Trabalhos sobre a pegada hídrica da IA analisam essas etapas separadamente porque suas demandas e sua frequência são distintas. Uma estimativa para treinar um modelo inteiro não pode ser comparada diretamente ao consumo de uma única resposta.

Também não basta escolher apenas a etapa que produz o número mais conveniente. Avaliar um serviço ao longo de sua vida exige considerar seu desenvolvimento e sua utilização acumulada, com regras explícitas de atribuição. Quanto maior a adoção, maior a importância de compreender a operação, e não apenas o custo inicial de treinamento.

Essa distinção evita uma comparação enganosa: colocar um treinamento de grande escala de um lado e uma interação individual do outro para concluir que a tecnologia se tornou centenas de vezes mais limpa. Nesse caso, a diferença pode estar principalmente nas unidades comparadas.

Comparar com agricultura ajuda – desde que a comparação seja correta

Segundo a FAO, a agricultura respondeu por aproximadamente 72% das retiradas globais de água doce em 2023. É um dado importante: coloca a discussão sobre IA dentro de um problema hídrico muito mais amplo e impede que a atenção dedicada a uma tecnologia recente faça desaparecer setores de maior participação no uso de água.

A proporção importa para definir prioridades. Recursos de fiscalização, pesquisa e melhoria ambiental são limitados, e sua distribuição não deveria depender apenas da visibilidade de um tema. Ao mesmo tempo, participação global menor não resolve a análise de uma instalação específica.

O cuidado metodológico é simples: o percentual da FAO trata de retiradas globais, enquanto o levantamento americano de data centers inclui consumo nacional direto e indireto. Esses dados não permitem calcular quantas vezes um setor seria “pior” que o outro.

Também é necessário considerar a finalidade e as alternativas. Produzir alimentos, fabricar tecidos e executar computação entregam serviços diferentes. Um litro informa sobre volume; não responde sozinho quanto valor foi produzido, que desperdício poderia ser evitado ou qual opção atenderia à mesma necessidade com menor impacto.

E a indústria têxtil?

A indústria têxtil é relevante para a comparação, mas sua cadeia reúne atividades muito diferentes. Uma análise do PNUMA identificou o cultivo de fibras naturais, como o algodão, e a fase de uso pelo consumidor entre os pontos importantes para impactos de escassez hídrica. Outros impactos se concentram em etapas como produção de fibras e processamento dos tecidos.

Isso mostra por que não convém tratar uma estimativa de toda a cadeia de uma roupa como equivalente à água utilizada apenas no resfriamento de um servidor. Em um caso, podem estar incluídos cultivo, fabricação e uso; no outro, apenas uma etapa operacional.

Existe ainda sobreposição: o cultivo de algodão faz parte da agricultura e pode integrar a pegada de um produto têxtil. Somar as duas categorias como se fossem inteiramente independentes produziria dupla contagem.

Comparações setoriais continuam úteis, mas devem informar seus limites. Uma visão realista não precisa negar que outras atividades utilizam volumes muito maiores; precisa evitar transformar essa constatação em uma equivalência numérica que os dados não sustentam.

O impacto depende do lugar, não apenas do volume

Água é um recurso compartilhado localmente. O GRI 303, referência de divulgação sobre água e efluentes, orienta a análise de disponibilidade, qualidade, acesso e contexto das bacias, incluindo relações com fornecedores e comunidades. Esses fatores ajudam a explicar por que um mesmo volume pode ter consequências diferentes em regiões distintas.

Isso não significa presumir que todo data center compete diretamente com o abastecimento doméstico. Essa relação precisa ser investigada: de onde vem a água, que parcela é potável, quais outros usos existem e como a demanda se comporta em períodos secos?

Da mesma forma, instalar uma operação em uma região aparentemente abundante não elimina a necessidade de avaliar sua capacidade de atendimento. O que importa é a combinação entre demanda, infraestrutura, condições ambientais e regras de gestão, não apenas um rótulo de “região com água”.

Quais soluções fazem sentido?

Há melhorias tanto no processamento quanto na infraestrutura. Reduzir computação desnecessária pode diminuir a demanda de recursos; aprimorar a gestão térmica, aproveitar condições climáticas favoráveis e ajustar a operação dos sistemas pode reduzir o gasto de energia e água. A orientação técnica do Departamento de Energia apresenta alternativas desse tipo, mas ressalta a dependência das condições de cada instalação.

Também existem projetos que evitam evaporação de água para refrigeração. Isso não autoriza, porém, chamá-los de instalações com pegada hídrica total zero. A Microsoft, ao apresentar um desses projetos, reconheceu inclusive a possibilidade de um aumento de energia em relação a determinados sistemas evaporativos.

A escolha adequada pode variar. Em uma bacia pressionada, economizar água pode justificar certo acréscimo de eletricidade; em outra situação, uma combinação diferente pode produzir resultado melhor. O objetivo é avaliar consequências conjuntas, não maximizar um indicador ignorando os demais.

Como avaliar uma afirmação sobre o consumo de água da IA

Antes de aceitar um número, vale identificar a atividade, a unidade, o ano, a geografia e os limites da conta. É consumo ou retirada? Apenas refrigeração ou também eletricidade? Uma tarefa específica ou todos os serviços de uma instalação? Uma medição operacional, uma estimativa ou um projeto ainda não executado?

Também é útil perguntar o que a comparação pretende demonstrar. Uma cifra pode ser adequada para discutir eficiência e inadequada para avaliar pressão sobre determinada bacia. Um total global pode ajudar a dimensionar um setor e dizer muito pouco sobre as condições de uma cidade.

Boa informação ambiental não é a que apresenta o maior ou o menor número. É a que permite compreender uma decisão.

Perguntas frequentes

A água consumida pela IA desaparece?

Não. “Consumo”, nesse contexto, não significa destruição da água, mas sua indisponibilidade para reutilização imediata, como ocorre na evaporação. A preocupação está na disponibilidade local e temporal, e não no desaparecimento da água do planeta.

É correto dizer que uma pergunta gasta uma garrafa de água?

Não como regra universal. Qualquer equivalência desse tipo precisa informar o modelo, a tarefa, o período e os componentes considerados. Sem essas condições, uma estimativa específica passa a representar indevidamente toda a tecnologia.

O fato de a agricultura utilizar mais água torna o impacto da IA irrelevante?

Não. A comparação ajuda a dimensionar prioridades, mas não substitui a análise de cada instalação. Uma atividade pode ter participação global menor e ainda exigir cuidado em determinado local.

O consumo de água da inteligência artificial

A IA utiliza recursos físicos, mas sua pegada hídrica não é uma característica fixa de cada pergunta. Ela depende da tarefa, da infraestrutura e dos limites da medição. Reconhecer essa variabilidade permite questionar tanto generalizações alarmistas quanto alegações excessivamente tranquilizadoras.

A resposta mais útil é acompanhar volumes absolutos, melhorar a eficiência e examinar consequências locais. Isso não exige atribuir culpa a cada interação nem aceitar qualquer expansão como inevitável. Exige tratar a computação com o mesmo critério aplicado a outras atividades: compreender o benefício, reconhecer os custos e buscar alternativas tecnicamente viáveis para reduzir impactos.

Para aprofundar a relação entre uso de água, energia e escolha do modelo, leia também o artigo sobre IA sustentável e eficiência.

Fontes e limites da análise

Este texto utiliza o relatório de 2024 do Berkeley Lab, a pesquisa sobre consumo hídrico por workload, definições do USGS, projeções da IEA e informações técnicas de fornecedores. Estimativas históricas, projeções e dados corporativos foram identificados conforme sua natureza. Não foram realizadas medições próprias, e os resultados citados não permitem estabelecer um valor universal de água por interação nem uma comparação homogênea entre toda a IA, a agricultura e a indústria têxtil.