Embora seja o atual exemplo brasileiro da crise climática, a tragédia no Rio Grande do Sul está longe de ser nova. Esta situação crítica está diretamente relacionada com o aquecimento global causado pelas atividades humanas. Tomando o Brasil como referência em aumento de temperatura, no ano passado tivemos mais dois meses de calor extremo que não teria ocorrido sem as mudanças climáticas.
Além disso, de Maio de 2023 a Maio deste ano, foram registados uma média de 65,9 dias adicionais de temperaturas elevadas – em comparação com uma média global de 26 dias. Dois em cada três brasileiros (66%) também relatam que as mudanças climáticas têm um impacto “extremo” (47%) ou “forte” (19%) em suas vidas, de acordo com o Global Methane Hub. À medida que a crise se torna mais evidente a cada dia, a pressão para que as empresas adaptem as suas estratégias e operações aos objetivos ambientais, sociais e de governação (ESG) também aumentou exponencialmente.
No último ano, em meio a esse cenário, assistimos a um crescimento meteórico da inteligência artificial (IA) generativa no mundo corporativo, impulsionado principalmente após a criação do ChatGPT pela OpenAI. Desde então, esta inovação tornou-se popular de uma vez por todas – e agora, 72% de todas as corporações do mundo já a utilizam de alguma forma, de acordo com um estudo recente da McKinsey.
Sem dúvida, a nova onda de IA – utilizando modelos de linguagem de grandes dimensões (LLM) – tem um tremenda capacidade de analisar e organizar enormes quantidades de dados. Seria possível, por exemplo, que as empresas monitorizassem eficazmente os seus objetivos relacionados com ESG e emissões de carbono. Sem falar na capacidade de compreender, medir, unificar e reportar as complexas métricas ESG propostas por diferentes entidades globais.
Por outro lado, sistemas que treinam IA realiza cálculos matemáticos complexos – existem milhares de milhões, por vezes biliões, de operações num único modelo – que requerem armazenamento e energia em centros de dados massivos. Segundo a Agência Internacional de Energia, a AIE, estes data centers já representam cerca de 1,5% do uso global de eletricidade, e espera-se que a IA aumente esse consumo para 4,5% da energia gerada até 2030.
Este aumento da procura de energia terá efeitos no crescimento das emissões de gases com efeito de estufa, contribuindo para a crise climática. Seu uso indevido pode, além de impacto ambiental, afetando inclusive aspectos sociais e de governança – e se os modelos não forem bem treinados, eliminando possíveis preconceitos, podem perpetuar (ou amplificar) preconceitos e discriminações. Por outro lado, a falta de regulamentações claras e abrangentes sobre seu uso pode resultar em violação da privacidade dos dados do usuário.
O facto é que a IA não é inerentemente boa ou má – o que fazemos com ela é. Precisamos de abordar seriamente as suas lacunas e encontrar um equilíbrio para maximizar os benefícios e mitigar os impactos no ambiente.
Os valores de sustentabilidade e equidade precisam orientar a forma como trabalhamos com IA, como tornar os LLMs mais sustentáveis através do desenvolvimento de modelos menores e códigos que utilizam menos energia; gerenciar treinamento e implantação em data centers em regiões com energia renovável abundante; bem como medir os impactos ambientais e partilhar as lições aprendidas também é essencial. Nesse sentido, já existem algumas formas do setor reduzir os impactos da tecnologia.
Primeiro, é necessário padronizar métricas para medir e reportar o impacto ambiental dos sistemas de IA. Divulgar publicamente a eficiência energética e a pegada de carbono associadas ao desenvolvimento e às operações de grandes modelos de linguagem é o primeiro passo para compreender onde estamos e como precisamos de evoluir.
Depois você deve considere o impacto ambiental como outro fator de risco para as organizações – que pode incluir, por exemplo, quando a computação para formação excede um determinado limite de emissão de carbono – atribuir uma métrica concreta ao problema. Os padrões de eficiência são um bom caminho a percorrer e os benchmarks são bem-vindos para otimizar os modelos.
Por último, mais do que nunca as organizações precisam começar a medir e divulgar como eles afetam o meio ambiente – muitos ainda nem começaram a fazer isso. Nesta área, a transparência na partilha da pegada ambiental (e das lições aprendidas) é fundamental para o desenvolvimento de uma IA fiável.
A inteligência artificial tem potencial para ser uma poderosa aliada na gestão ambiental corporativa, e as empresas têm a responsabilidade de garantir que as suas práticas neste domínio estejam alinhadas com os princípios ESG. O desafio está lançado: vQueremos usar a IA para construir um futuro mais sustentável ou permitir que ela agrave ainda mais a crise climática? A escolha é nossa.
Fábio Costa Ele lidera a operação brasileira da Salesforce desde 2019, no cargo de Gerente Geral. O executivo é doutor em Administração de Empresas pela PUC-Rio e formado pelo General Management Program da Harvard Business School.
Disclaimer: Este artigo reflete a opinião do autor, e não do jornal Valor Econômico. O jornal não se responsabiliza e não pode ser responsabilizado pelas informações acima ou por prejuízos de qualquer natureza decorrentes do uso dessas informações.
consignado para servidor público
empréstimo pessoal banco pan
simulador emprestimo aposentado caixa
renovação emprestimo consignado
empréstimo com desconto em folha para assalariado
banco itau emprestimo