💧O custo real da descoberta: menos água que três amêndoas
Ethan Mollick, professor da Wharton e um dos maiores divulgadores de IA no meio acadêmico, fez as contas sobre quanto custou, em recursos naturais, a resolução desse problema histórico. O resultado surpreende: entre 0,6 e 6,3 kWh de eletricidade (equivalente a dirigir de 3 a 32 km num carro elétrico) e cerca de 3 a 31 litros de água. --- Em perspectiva, Mollick apontou que a água usada é menos do que a necessária para produzir três amêndoas. A conta financeira também é modesta: cerca de 12 dólares em uso de API. É claro que isso vale para uma única tarefa. No agregado, a IA pode consumir tanta energia quanto o Japão inteiro até 2030. Mas, problema por problema, o custo individual é absurdamente baixo. --- O ponto de Mollick é justo: a discussão sobre consumo de energia da IA precisa ser honesta. Existe um problema real de escala, mas usar isso para desqualificar cada conquista individual não faz sentido quando o gasto é menor que uma viagem curta de carro.
Ethan Mollick, professor da Wharton e um dos maiores divulgadores de IA no meio acadêmico, fez as contas sobre quanto custou, em recursos naturais, a resolução desse problema histórico. O resultado surpreende: entre 0,6 e 6,3 kWh de eletricidade (equivalente a dirigir de 3 a 32 km num carro elétrico) e cerca de 3 a 31 litros de água.
— @emollick View on X
Resolver problemas históricos com inteligência artificial consome menos água que três amêndoas e menos energia que uma curta viagem de carro elétrico. Os cálculos de Ethan Mollick, professor da Wharton e referência em adoção de IA, trazem dados concretos para um debate frequentemente marcado por generalizações: uma tarefa complexa resolvida via API consome entre 0,6 e 6,3 kWh de eletricidade e 3 a 31 litros de água, com custo financeiro de aproximadamente 12 dólares.
A matemática da inferência individual
Os números apresentados por Mollick colocam em perspectiva o custo real de uma única inferência em large language models (LLMs). A faixa de 0,6 a 6,3 kWh equivale a dirigir entre 3 e 32 quilômetros em um veículo elétrico médio. Em termos hídricos, o consumo fica bem abaixo dos 10 litros necessários para produzir três amêndoas — commodity frequentemente usada como parâmetro de desperdício agrícola.
Para desenvolvedores brasileiros, esses dados são relevantes por dois motivos práticos:
- **Democratização de capacidade computacional**: Resolver problemas que exigiriam semanas de trabalho humano especializado agora tem custo operacional menor que um lanche rápido, viabilizando protótipos e MVPs sem infraestrutura pesada
- **Precificação previsível**: Com APIs de IA generativa cobrando frações de centavo por token, o planejamento de custos de escala torna-se mais linear que o provisionamento de hardware próprio
O paradoxo da escala agregada
O dado individual, porém, não nega o problema estrutural. Projeções indicam que o consumo energético total de data centers de IA pode igualar o do Japão até 2030. A discussão sobre sustentabilidade em tech exige honestidade intelectual: criticar uma descoberta específica pelo consumo de 3 litros de água é desproporcional quando a alternativa seria meses de pesquisa acadêmica com infraestrutura física e deslocamentos.
Para builders, a implicação é clara: otimização arquitetural importa mais que nunca. Escolher modelos menores para tarefas específicas (fine-tuning leve vs. chamadas a modelos generalistas), implementar