As emissões ocultas de carbono da IA escapam da contabilidade climática corporativa

O Google News destacou uma investigação do Sierra Club com um conflito marcante: as maiores emissões de carbono da IA podem estar fora dos números que as empresas de tecnologia divulgam.

A reportagem de 31 de agosto examina as “emissões habilitadas”, ou seja, a poluição adicional criada quando a IA torna a extração, o refino ou a geração de combustíveis fósseis mais produtivos. Essas emissões diferem da eletricidade usada pelos data centers. Elas surgem daquilo que os clientes realizam com a IA após sua implantação.

Essa distinção amplia consideravelmente o debate climático. Microsoft, Google, Amazon e Meta publicam dados operacionais e da cadeia de suprimentos, embora os limites de seus relatórios variem. Essas divulgações raramente atribuem mudanças na produção global a serviços específicos de IA.

Um estudo revisado por pares, publicado em agosto, estima que a produtividade assistida por IA em toda a economia de energia aumenta as emissões anuais de dióxido de carbono em todos os cenários equilibrados de adoção que testou. O aumento modelado chega a 0,47 a 1,8 gigatoneladas.

O resultado não prova que toda aplicação de IA aumenta as emissões. Ele mostra por que medir apenas os servidores pode deixar de fora um efeito econômico maior. A IA pode otimizar parques eólicos ao mesmo tempo que ajuda produtores de petróleo a localizar reservas, administrar poços e reduzir custos de extração.

Portanto, o principal conflito não é computação eficiente versus computação ineficiente. É a contabilidade climática corporativa versus as atividades do mundo real que os produtos de IA tornam mais fáceis.

O que o relatório do Sierra Club acrescenta ao Google News

O relatório desloca a atenção das máquinas que executam a IA para a produção industrial que essas máquinas podem ampliar.

Grande parte da cobertura ambiental sobre IA começa pelos data centers. Esse foco faz sentido porque as instalações de computação consomem eletricidade, exigem água e contêm equipamentos intensivos em carbono. Algumas instalações também dependem de turbinas a gás ou geradores a diesel.

A investigação do Sierra Club argumenta que essa pegada já conhecida é incompleta. Ela aponta para a poluição resultante da produção de combustíveis fósseis assistida por IA, que normalmente fica fora dos inventários divulgados pelas empresas de tecnologia.

Essa segunda camada é mais difícil de enxergar. Um provedor de nuvem pode estimar a eletricidade consumida por uma carga de trabalho. Ele também pode atribuir a um cliente parte da pegada de fabricação de um servidor.

Em geral, o provedor não consegue determinar quanto petróleo adicional chegou ao mercado porque seu sistema melhorou a exploração ou o desempenho de uma refinaria. Mesmo quando essa relação é conhecida, os registros estabelecidos de carbono não oferecem um lugar padrão para ela.

O estudo subjacente chama esse efeito de emissões habilitadas. O termo descreve os gases de efeito estufa adicionais resultantes dos ganhos de produtividade que a IA proporciona a setores intensivos em carbono.

Emissões habilitadas não são o mesmo que emissões de Escopo 3. O Escopo 3 abrange a poluição indireta da cadeia de valor, incluindo equipamentos adquiridos, materiais de construção, viagens de negócios e determinados usos de produtos vendidos.

O inventário de Escopo 3 de uma empresa de tecnologia pode incluir a fabricação de servidores sem incluir todas as consequências econômicas posteriores de seu software. O limite contábil segue relações corporativas definidas, não todas as respostas do mercado.

Essa diferença explica por que a história atraiu atenção por meio do Google News. Ela questiona os números usados em anúncios corporativos de sustentabilidade sem afirmar que esses números sejam necessariamente falsos.

Uma empresa pode seguir as regras contábeis atuais e ainda apresentar um retrato incompleto das consequências climáticas de sua tecnologia. Conformidade e completude são questões distintas.

A história também surge no momento em que a oposição aos data centers foi além das organizações ambientais. Empresas de serviços públicos, reguladores, moradores e defensores dos consumidores questionam cada vez mais quem fornecerá a nova eletricidade e quem pagará pelas melhorias na rede.

No entanto, a energia operacional é apenas uma parte da questão. Se a IA também torna a produção de combustíveis fósseis mais barata, seus efeitos continuam muito além da instalação que atende ao modelo.

Essa reformulação importa porque os relatórios climáticos corporativos frequentemente separam aplicações benéficas para clientes das nocivas. As empresas destacam a otimização da rede, a previsão de energia renovável e a eficiência energética como emissões evitadas.

Elas raramente publicam uma estimativa equivalente para a IA usada em perfuração, refino, produção petroquímica ou geração fóssil. O desequilíbrio pode tornar os benefícios visíveis, deixando os danos fora do enquadramento.

O relatório do Sierra Club transforma essa omissão no principal acontecimento noticioso. Ele pede aos leitores que avaliem a IA por suas consequências econômicas, não apenas pelos medidores de eletricidade.

O registro de carbono para no data center

Os relatórios atuais podem contabilizar a eletricidade de um servidor, mas deixar de fora a produção adicional gerada pelo software que ele executa.

Os inventários de gases de efeito estufa dividem as emissões em três grandes escopos. O Escopo 1 cobre emissões diretas de fontes controladas por uma empresa. O Escopo 2 cobre emissões associadas à eletricidade comprada e a energia semelhante.

O Escopo 3 captura outras emissões indiretas em toda a cadeia de valor. Pode incluir a construção de data centers, fabricação de hardware, transporte, serviços adquiridos e o uso final de produtos vendidos.

Para provedores de IA, cada categoria envolve medições difíceis. A eletricidade pode vir de várias redes, enquanto compras contratuais de energia renovável podem produzir totais diferentes dos cálculos baseados na localização.

O hardware cria outro desafio. Aceleradores avançados exigem fabricação de semicondutores intensiva em energia, memória especializada, equipamentos de rede, sistemas de resfriamento, aço, concreto e substituição frequente de equipamentos.

A União Internacional de Telecomunicações define emissões incorporadas como a poluição do ciclo de vida decorrente da aquisição de materiais, produção e tratamento no fim de vida. Suas diretrizes de avaliação de IA recomendam reportar treinamento e inferência separadamente.

Essa orientação melhora as comparações, mas ainda depende dos limites do sistema. Uma avaliação de ciclo de vida pode expandir esses limites, embora em algum momento precise decidir quais consequências pertencem ao produto.

O Google Cloud agora descreve o carbono incorporado ao hardware em sua metodologia de pegada do cliente. A metodologia de carbono da empresa inclui extração de materiais, transporte e fabricação de equipamentos.

A AWS também inclui emissões incorporadas de hardware e de determinados edifícios em seu limite de relatórios para clientes. São melhorias significativas, pois os clientes precisam de mais do que estimativas de eletricidade.

Nenhuma das abordagens captura automaticamente as emissões habilitadas em todo o mercado. Uma empresa de petróleo pode usar vários provedores de nuvem, sistemas internos e modelos de terceiros em um único programa de produção.

Os analistas precisariam então de um contrafactual confiável. Eles devem estimar quanta produção teria ocorrido sem a IA e como os mercados de energia responderam à oferta adicional.

Essa tarefa não é impossível, mas difere da atribuição convencional. Ela exige modelagem econômica, informações sobre o uso pelos clientes e pressupostos sobre preços, substituição, demanda e políticas.

A lacuna de reporte se torna maior quando fornecedores descrevem a IA como um serviço de uso geral. Um serviço geral pode apoiar a previsão de energia renovável em uma conta e a modelagem de reservatórios em outra.

Os provedores de nuvem também podem não ter visibilidade completa das cargas de trabalho dos clientes. Proteções de privacidade, limites contratuais e serviços de software em camadas podem ocultar a aplicação final.

Isso cria um problema real de medição, e não uma simples falha de divulgação. As empresas não conseguem reportar um número de forma confiável quando normas, dados e regras de atribuição continuam indefinidos.

Ainda assim, a incerteza não justifica tratar o efeito como zero. Essa é a principal pressão criada pela história do Sierra Club.

Relatórios corporativos podem reconhecer a categoria, divulgar relações conhecidas com o setor fóssil e publicar cenários. Também podem separar as emissões medidas das consequências modeladas.

Sem esses acréscimos, os leitores podem confundir uma pegada operacional calculada com precisão com o impacto climático completo da IA. Precisão dentro de um limite estreito não torna o limite abrangente.

As emissões habilitadas invertem a narrativa climática usual sobre IA

O balanço climático da IA muda quando a produtividade dos combustíveis fósseis e das renováveis entra no mesmo modelo econômico.

O modelo climático revisado por pares foi publicado na npj Climate Action em 4 de agosto de 2026. Seus autores modelam a IA como um amplificador de produtividade em trajetórias energéticas concorrentes.

O estudo aplica ganhos de produtividade à extração, ao refino e à geração de combustíveis fósseis, à eletricidade renovável, à infraestrutura de rede e a atividades selecionadas do lado da demanda. Em seguida, estima respostas em toda a economia.

Em cenários de adoção paralela, o modelo produz um aumento líquido anual de 0,47 a 1,8 gigatoneladas de dióxido de carbono. Isso equivale a 1,2 a 4,8 por cento das emissões relacionadas à energia em 2024.

Os pesquisadores estimam emissões habilitadas isoladas de 0,6 a 2,4 gigatoneladas por ano. Eles comparam esse intervalo com 0,18 gigatoneladas dos data centers na estimativa de 2025 citada.

Com base nisso, os efeitos modelados no setor fóssil alcançam 3,3 a 13,3 vezes as emissões de data centers citadas. A comparação fornece escala, mas as duas estimativas não devem ser simplesmente somadas.

O estudo trata explicitamente o número dos data centers como uma referência externa. Seu modelo de toda a economia aborda efeitos de produção de segunda ordem, enquanto a referência cobre emissões operacionais diretas.

O resultado mais importante diz respeito à assimetria. A produtividade renovável precisa melhorar quatro a cinco vezes mais rápido do que a produtividade fóssil antes que as emissões líquidas modeladas atinjam equilíbrio.

Isso acontece porque os ganhos de produtividade operam dentro de um sistema energético ainda dominado por combustíveis fósseis. Tornar mais eficiente uma cadeia de suprimentos consolidada e intensiva em carbono pode expandir rapidamente a produção.

A IA pode ajudar a interpretar dados sísmicos, identificar locais de perfuração, automatizar o monitoramento de equipamentos e melhorar o agendamento de refinarias. Cada aplicação pode reduzir custos ou diminuir interrupções operacionais.

Algumas dessas melhorias podem reduzir as emissões por barril. No entanto, custos menores de produção também podem aumentar a oferta total, prolongar a vida útil dos ativos e tornar reservas adicionais economicamente viáveis.

Esse é um efeito rebote, que ocorre quando a eficiência reduz os custos o suficiente para aumentar o consumo ou a produção total. Uma unidade mais limpa não garante uma pegada total menor.

Os sistemas renováveis também se beneficiam da IA. A previsão pode melhorar a integração à rede, a manutenção preditiva pode reduzir o tempo de inatividade e um planejamento melhor pode apoiar a implantação de armazenamento.

O modelo não nega esses benefícios. Em vez disso, ele os testa junto às aplicações da IA em combustíveis fósseis, em vez de apresentá-los separadamente.

Sob os pressupostos do estudo, melhorias na rede e em eficiências selecionadas reduzem as emissões anuais em cerca de 0,1 gigatoneladas no cenário mais forte de neutralidade em relação aos combustíveis. Elas não revertem o resultado do lado da oferta.

Essa inversão desafia uma narrativa corporativa comum. As empresas de tecnologia frequentemente apresentam a demanda de eletricidade da IA como um custo de curto prazo que futuras aplicações climáticas poderão compensar.

O estudo não encontrou nenhum pagamento automático. O resultado depende de onde ocorrem os ganhos de produtividade, quais setores os adotam e se as políticas limitam a expansão intensiva em carbono.

Essa conclusão continua sendo um resultado de modelagem, não uma medição direta de todos os sistemas implantados. Sua amplitude reflete pressupostos sobre adoção, produtividade, mercados e respostas econômicas.

Ainda assim, o mecanismo é suficientemente crível para exigir atenção. Os ganhos de produtividade influenciam a produção, os preços, o investimento e o consumo em todo um mercado de energia interconectado.

Portanto, as emissões de carbono da IA não podem ser compreendidas apenas pela eficiência dos chips. Um modelo mais eficiente ainda pode aumentar a poluição total quando acelera uma atividade de altas emissões.

Big Tech enfrenta um teste entre promessa e realidade

As empresas de tecnologia agora enfrentam pressão para conciliar compromissos climáticos com vendas de IA a setores que expandem a oferta de combustíveis fósseis.

As quatro maiores empresas de nuvem e plataformas assumiram importantes compromissos climáticos. Elas também investiram fortemente em instalações de computação, aceleradores, contratos de energia e serviços de IA voltados ao cliente.

Essas estratégias estão colidindo. A demanda por IA aumenta o uso de eletricidade e as emissões da construção, ao mesmo tempo que abre novas oportunidades comerciais em energia, manufatura, transporte e extração de recursos.

A Microsoft descreveu a meta de se tornar carbono negativa até 2030. O Google busca operações e cadeias de valor com emissões líquidas zero, enquanto Amazon e Meta mantêm suas próprias metas climáticas.

Divulgações corporativas já mostram que o rápido crescimento da infraestrutura complica esses objetivos. Materiais de construção, hardware adquirido e eletricidade podem aumentar mais rapidamente do que as medidas de eficiência reduzem as emissões em outros lugares.

O Google informou que suas emissões totais de gases de efeito estufa aumentaram 48% entre 2019 e 2023. A empresa associou parte do aumento à energia dos data centers e às emissões da cadeia de suprimentos.

A Microsoft informou anteriormente que suas emissões haviam aumentado em relação à linha de base de 2020 à medida que a construção de data centers se expandia. Aço, concreto, chips e eletricidade contribuíram para a pressão.

Esses números dizem respeito a inventários corporativos reconhecidos. As emissões viabilizadas criam um segundo teste porque conectam as vendas de IA às decisões de produção dos clientes.

O setor de petróleo e gás utiliza análises avançadas há décadas. O aprendizado de máquina moderno amplia a escala, a velocidade e a acessibilidade da análise geológica, da manutenção preditiva e da otimização de processos.

Os fornecedores podem argumentar razoavelmente que as ferramentas digitais melhoram a segurança e reduzem vazamentos de metano. Um monitoramento melhor pode identificar falhas de equipamentos e apoiar operações mais eficientes.

Representantes do setor também rejeitam a suposição de que maior produção de energia e menores emissões sejam inerentemente incompatíveis. Eles enfatizam eficiência, gestão de carbono e a crescente demanda global.

Essa resposta aborda a intensidade de emissões, que mede a poluição por unidade de produção. A nova pesquisa, em vez disso, enfatiza as emissões totais após mudanças de produtividade afetarem a oferta e a demanda.

Ambas as medidas importam, mas respondem a perguntas diferentes. Um produtor pode reduzir as emissões por unidade enquanto aumenta sua poluição agregada por meio de maior produção.

A pressão sobre a Big Tech diz respeito tanto à governança quanto à medição. Os provedores decidem quais clientes recebem equipes especializadas, modelos personalizados, suporte de infraestrutura e estudos de caso públicos.

Eles também estabelecem políticas para usos de alto risco em segurança, vigilância e armas. Aplicações intensivas em carbono raramente recebem escrutínio comparável.

Uma resposta crível exigiria mais do que outro chip eficiente. As empresas precisariam classificar as aplicações posteriores, descrever os envolvimentos com o setor de combustíveis fósseis e estabelecer regras consistentes de avaliação.

Essas políticas teriam custos comerciais. Recusar ou restringir determinados projetos poderia ceder receita a concorrentes com compromissos climáticos mais fracos.

Essa tensão explica por que a divulgação voluntária pode avançar lentamente. As empresas que enfrentam a questão contábil também se beneficiam financeiramente das atividades avaliadas.

A regulamentação poderia eventualmente padronizar os relatórios, mas a atribuição continua difícil. Os formuladores de políticas precisariam de limites comparáveis, auditáveis e resistentes à dupla contagem.

As empresas de tecnologia não deveriam herdar automaticamente toda emissão gerada por cada cliente. Ao mesmo tempo, as emissões evitadas alegadas por um fornecedor exigem tratamento simétrico da poluição viabilizada.

O padrão central deve ser a consistência. Se uma empresa credita à IA a ajuda para que um cliente evite emissões, ela deveria examinar evidências comparáveis quando a IA expande uma produção intensiva em carbono.

Qualquer coisa menos cria um balanço unilateral. Os benefícios entram no cálculo, enquanto os danos permanecem responsabilidade de outra pessoa.

O que os números ainda não podem provar

A estimativa de emissões viabilizadas expõe um risco negligenciado, mas seus limites superior e inferior são cenários, não totais observados.

O estudo utiliza um modelo de equilíbrio geral computável, que representa como setores, consumidores, preços e comércio respondem a mudanças econômicas. Essa abordagem captura interações que cálculos mais simples não detectam.

Ela também depende de pressupostos. Os pesquisadores precisam escolher a magnitude dos choques de produtividade impulsionados por IA, taxas de adoção, elasticidades de mercado, demanda energética de referência e condições de política pública.

Pequenas mudanças podem se propagar por um modelo global. É por isso que a faixa resultante de 0,47 a 1,8 gigatonelada é ampla.

O modelo não rastreia cada contrato de nuvem até um campo de petróleo específico. Ele não pode mostrar que a implantação de um modelo causou um volume preciso de produção adicional.

Em vez disso, estima consequências plausíveis em todo o sistema quando a IA melhora a produtividade em setores definidos. Os leitores devem tratar os resultados como evidência de cenários, não como uma fatura de emissões corporativas.

Os autores também têm uma ligação com ativismo. Vários são afiliados à Enabled Emissions Campaign, uma organização sem fins lucrativos focada nas consequências climáticas da IA e na governança tecnológica.

Eles divulgam essa afiliação como um interesse concorrente não financeiro. A revisão por pares fortalece o trabalho, mas não elimina a incerteza nem resolve todas as questões sobre limites.

O tratamento dado pelo modelo à inovação apresenta outra limitação. As capacidades de IA, as tecnologias de energia e os padrões de adoção podem mudar mais rapidamente do que as bases econômicas.

Aplicações renováveis podem superar os pressupostos atuais. Aplicações de combustíveis fósseis podem enfrentar regulamentação, restrições físicas, baixa adoção ou queda da demanda.

O contrário também é possível. Uma implantação mais rápida em exploração, refino e geração poderia tornar conservadores os pressupostos intermediários do estudo.

A precificação de carbono reduz o desequilíbrio modelado, mas não o elimina nos níveis testados. Essa constatação depende de como produtores e consumidores respondem aos preços.

Uma questão adicional diz respeito à causalidade. Empresas de petróleo já buscam automação e melhorias de produtividade. Analistas precisam distinguir melhorias especificamente viabilizadas por IA do progresso técnico comum.

Eles também precisam escolher um contrafactual. A produção sem um sistema de IA poderia ocorrer por meio de outro fornecedor, software convencional ou mão de obra adicional.

Esses problemas tornam as emissões viabilizadas mais difíceis de auditar do que o uso de eletricidade. Eles não tornam a categoria irrelevante.

A contabilidade ambiental já depende de raciocínio contrafactual para emissões evitadas, compensações, projetos renováveis e avaliação de políticas. O desafio é aplicar rigor comparável a resultados prejudiciais.

Outro risco é a dupla contagem. O mesmo combustível adicional pode aparecer na cadeia de valor de um produtor, nas emissões de combustão de um consumidor e na influência modelada de um fornecedor de tecnologia.

Uma estrutura responsável deve rotular esses números com clareza. As emissões viabilizadas devem complementar inventários estabelecidos, em vez de serem silenciosamente adicionadas a eles.

A pesquisa também não deveria apagar aplicações úteis de IA. Sistemas que detectam vazamentos de metano, otimizam redes elétricas ou melhoram a previsão de fontes renováveis podem gerar benefícios mensuráveis.

A questão é se esses benefícios superam a poluição adicional incentivada em outros lugares. A resposta do estudo é não, em seus cenários de adoção equilibrada.

Evidências futuras podem fortalecer ou enfraquecer essa conclusão. Melhores dados no nível do cliente, estudos de caso verificados de forma independente e medições transparentes de produtividade reduziriam a incerteza.

Por enquanto, a resposta correta não é nem a rejeição nem a aceitação sem questionamentos. O estudo identifica um risco relevante que os relatórios corporativos existentes não testam adequadamente.

O que os leitores do Google News devem acompanhar a seguir

Três sinais mostrarão se as emissões viabilizadas se tornarão um padrão real de responsabilização ou permanecerão uma constatação desconfortável de pesquisa.

O primeiro sinal é a divulgação por parte dos grandes provedores de nuvem. Seus próximos relatórios ambientais devem explicar se as aplicações posteriores de IA fazem parte de alguma avaliação climática.

Uma divulgação significativa identificaria categorias de aplicação, descreveria limites de avaliação e distinguiria dados observados de efeitos modelados. Uma declaração genérica sobre IA benéfica não responderia à crítica.

Google, Microsoft, Amazon e Meta também deveriam divulgar como tratam trabalhos especializados para clientes de combustíveis fósseis. A questão relevante diz respeito aos efeitos sobre a produção, não apenas aos nomes dos clientes.

Se um provedor publicar uma metodologia reproduzível, a pressão sobre os concorrentes aumentará. Um método compartilhado fortaleceria o argumento central do estudo de que a omissão pode ser abordada.

O silêncio contínuo não refutaria as emissões viabilizadas. Ele mostraria que a contabilidade corporativa continua focada em ativos e energia adquirida, em vez de resultados econômicos posteriores.

O segundo sinal é a replicação independente. Pesquisadores precisam testar o resultado com diferentes modelos econômicos, pressupostos, dados regionais e estudos de caso do setor.

A faixa de 0,47 a 1,8 gigatonelada é grande o suficiente para influenciar a política climática. Uma afirmação dessa escala merece escrutínio contínuo de economistas, especialistas em ciclo de vida e analistas de energia.

Os pesquisadores também deveriam separar exploração, extração, refino, transporte e geração. A IA pode afetar cada etapa de forma diferente, e regulamentações regionais podem alterar o resultado.

Estudos de caso diretos seriam especialmente valiosos. Um estudo poderia comparar operações semelhantes com e sem IA, controlando preços, geologia, equipamentos e políticas.

Uma replicação próxima da faixa publicada fortaleceria o argumento em favor de padrões formais de relatórios. Resultados muito menores reduziriam a preocupação política sem apagar o mecanismo subjacente.

O terceiro sinal é a regulamentação ou a política de compras. Governos e grandes compradores corporativos podem exigir avaliações de ciclo de vida que incluam riscos de aplicações posteriores.

A metodologia da ITU já enfatiza limites transparentes, emissões incorporadas, qualidade dos dados e revisão independente. Regras específicas para IA podem se apoiar nessa base.

Os padrões de compras podem avançar antes da regulamentação nacional. Grandes compradores podem solicitar aos fornecedores estimativas por carga de trabalho de eletricidade, hardware, água e impacto das aplicações.

Reguladores financeiros também poderiam exigir uma discussão mais clara dos riscos de transição climática. Parcerias de IA que prolongam ativos de combustíveis fósseis podem criar exposição além dos totais anuais de emissões.

Essas políticas devem evitar falsa precisão. Uma faixa transparente com pressupostos declarados é mais crível do que um único número construído a partir de escolhas ocultas.

Para desenvolvedores e compradores empresariais, a lição imediata é prática. A eficiência dos modelos é importante, mas o design da aplicação pode superar os ganhos de eficiência.

As equipes devem perguntar que comportamento seus sistemas alteram, quais atividades se expandem e se custos menores aumentam o consumo total. Essas perguntas devem acompanhar as métricas de latência e precisão.

Os profissionais do conhecimento também devem ler com atenção as alegações ambientais. “IA para o clima” descreve uma categoria de aplicação, não o impacto líquido de todo um portfólio comercial.

A cobertura mais recente do Google News torna essa distinção difícil de ignorar. O carbono dentro de um data center é mensurável, visível e cada vez mais reportado.

O carbono viabilizado fora dele continua sendo objeto de debate, dependente de modelos e amplamente ausente dos registros corporativos. Sua incerteza é justamente o motivo pelo qual uma investigação transparente é importante.

O próximo relatório climático de um grande fornecedor de IA deveria responder a uma pergunta direta: a empresa contabiliza apenas a infraestrutura que opera ou também a produção que sua tecnologia viabiliza?

Até que essa pergunta receba uma resposta mensurável, as emissões de carbono publicadas pela IA continuarão sendo um relato parcial de um sistema muito maior.