A inteligência artificial está se tornando infraestrutura.
Ela está avançando sobre a busca, o trabalho de escritório, a saúde, a educação, a pesquisa e a manufatura. Também está entrando nos pequenos intervalos onde acontecem as decisões cotidianas: o que fazer primeiro, qual opção usa menos recursos, se uma alegação complicada merece nossa confiança.
Isso muda a pergunta que deveríamos estar fazendo. “O que a IA pode fazer?” já não é a pergunta mais importante. A pergunta mais difícil é esta: à medida que as capacidades da IA avançam mais rápido do que nossas instituições, sistemas de energia e acordos sociais, como garantimos que a IA amplie a possibilidade humana em vez de concentrar eficiência, recursos e poder nas mãos de menos pessoas?
Este não é um argumento de que a IA salvará o mundo. Também não é um argumento de que a IA o destruirá. É uma hipótese de trabalho: a IA pode se tornar um amplificador do desenvolvimento sustentável, mas somente depois que decidirmos o que vale a pena amplificar.
Essa questão está próxima da forma como pensamos a AirJelly. Um companheiro de IA proativo não deveria simplesmente gerar mais resultados ou interromper as pessoas com mais sugestões. Ele deveria ajudar as pessoas a compreender o contexto, reduzir o atrito de baixo valor e manter o julgamento humano no circuito. O mesmo padrão deveria se aplicar quando pensamos na IA na escala da sociedade.
01. O progresso precisa de uma definição mais ampla
Durante boa parte das últimas décadas, o progresso tecnológico foi medido por meio de velocidade, escala e produção. Os modelos se tornam mais rápidos. As fábricas se tornam mais automatizadas. O conteúdo se torna mais abundante. As cadeias de decisão se tornam mais curtas.
Essas medidas importam, mas não são o mesmo que desenvolvimento humano.
Os Objetivos de Desenvolvimento Sustentável das Nações Unidas descrevem o desenvolvimento como um conjunto conectado de responsabilidades: erradicar a pobreza e a fome, melhorar a saúde e a educação, criar trabalho decente, reduzir a desigualdade, tomar medidas climáticas e construir instituições pacíficas e responsáveis. O crescimento não é um único ranking. É um conjunto de relações que devem permanecer viáveis ao longo do tempo.
A IA cria um desafio particular porque é muito boa em otimizar objetivos locais.
Se o objetivo é minimizar o tempo médio de resposta do atendimento ao cliente, um sistema pode reduzir o envolvimento humano. Se o objetivo é maximizar o engajamento, ele pode produzir mais estímulo. Se o objetivo é melhorar a precisão preditiva, ele pode tornar as experiências minoritárias menos visíveis. Toda métrica local pode melhorar enquanto a qualidade de vida geral piora.
A IA sustentável precisa de uma definição mais ampla de sucesso: valor confiável, justo e recuperável para mais pessoas ao longo de um período maior de tempo.
Isso significa que as métricas de produto deveriam incluir questões menos glamourosas, porém mais consequentes. Quanta energia e material o sistema economizou? Quanto trabalho repetitivo ele eliminou? Quem ganhou capacidade e quem perdeu escolha? Quando o sistema falha, quem pode perceber, corrigir e desafiá-lo?
Os melhores produtos de IA não são os que fazem as pessoas se sentirem cercadas de inteligência. São os que ajudam as pessoas a gastar sua atenção onde ela importa.
02. A IA pode nos ajudar a ver sistemas. Ela não pode fazer os julgamentos de valor por nós.
Problemas climáticos e ecológicos são difíceis não apenas porque nos falta informação. Eles são difíceis porque os sistemas são complexos, o feedback é tardio, a responsabilidade é distribuída e muitos custos não aparecem no relatório trimestral de uma única organização.
A IA é adequada para lidar com partes dessa complexidade. Ela pode ajudar pesquisadores a combinar imagens de satélite, dados de sensores, registros meteorológicos e informações da cadeia de suprimentos. Pode ajudar redes elétricas a prever a demanda e integrar energia renovável. Pode ajudar arquitetos a comparar materiais, uso de energia e impactos do ciclo de vida. Pode ajudar agricultores a identificar padrões na irrigação, em pragas e nas condições do solo.
O relatório Energy and AI da Agência Internacional de Energia aponta oportunidades significativas para a IA em sistemas elétricos, edifícios, indústria, transporte e inovação energética. Ele também torna impossível ignorar o outro lado da equação: os data centers e a própria IA exigem mais eletricidade.
A IA não é intrinsecamente verde ou não verde. Seu impacto depende do sistema em que é implantada, da energia que a alimenta e do objetivo que lhe é pedido para otimizar.
O mesmo modelo poderia ajudar uma rede elétrica a reduzir a demanda de pico, ou poderia gerar um fluxo interminável de computação e consumo de baixo valor. Não deveríamos perguntar apenas quanta energia um modelo usa. Deveríamos perguntar se ele ajuda o sistema mais amplo a economizar mais energia, material, tempo ou risco do que o modelo consome.
É por isso que a IA deveria ser tratada como observadora, coordenadora e construtora de cenários — não como juíza final. Ela pode produzir previsões, revelar trade-offs e tornar padrões complexos legíveis. Ela não pode decidir por conta própria quanto vale um rio, se uma área úmida deve ser desenvolvida ou qual risco é aceitável.
Essas decisões ainda pertencem ao debate público, à lei e ao julgamento humano.
03. A computação faz parte do mundo material
Quando falamos de grandes modelos, é fácil ver apenas resultados intangíveis: texto, imagens, respostas e previsões. Cada um desses resultados ainda depende de chips físicos, servidores, sistemas de resfriamento, eletricidade, terra e água.
A demanda de data centers está se tornando uma questão de infraestrutura. A análise Electricity 2024 da IEA projetou que o consumo de eletricidade de data centers, IA e criptomoedas poderia mais que dobrar até 2026. O aumento exato variará conforme a eficiência, as matrizes energéticas regionais e a demanda, mas a direção é clara: a IA não pode escalar independentemente do sistema elétrico.
Isso não significa que a pesquisa ou as aplicações úteis devam parar. Significa que precisamos de uma definição melhor de eficiência.
Um modelo maior não cria automaticamente valor público proporcional ao seu custo. Uma resposta mais longa não é automaticamente mais útil. Enviar cada tarefa ao modelo mais caro não é automaticamente um design de produto melhor.
Um sistema maduro escolhe um modelo de acordo com a dificuldade da tarefa. Ele reutiliza resultados quando possível. Evita chamadas desnecessárias. Torna visíveis os limites importantes de recursos. Trata a computação como algo a ser gasto deliberadamente.
Este é um princípio simples de produto: não deixe a computação substituir o pensamento.
Quando um problema difícil exige raciocínio cuidadoso, a IA é uma ferramenta. Quando um sistema continua gerando, lembrando e reavaliando simplesmente para parecer inteligente, ele está mais próximo do desperdício.
04. Sustentabilidade também significa não tirar a capacidade humana
Se a IA for usada apenas para reduzir custos de mão de obra, o desenvolvimento sustentável se torna um eufemismo para fazer menos pessoas realizarem mais trabalho. Esse é um caminho fácil de seguir, e perigoso.
A pesquisa de 2023 da Organização Internacional do Trabalho sobre IA generativa e empregos sugere que a IA generativa tem mais probabilidade de transformar e ampliar tarefas dentro de muitas ocupações do que de eliminar imediatamente ocupações inteiras. Mas os efeitos são desiguais entre países, setores, gêneros e tipos de trabalho. Ganhos médios não nos dizem quem paga o custo da transição.
Um sistema de IA centrado nas pessoas deveria substituir a pergunta “Quantos empregos automatizamos?” por perguntas mais úteis:
- Ele reduziu trabalho perigoso, repetitivo ou de baixo valor?
- Ele deu às pessoas mais tempo para aprender, cuidar, criar e exercer julgamento?
- Os usuários entendem os limites do sistema, ou simplesmente se espera que aceitem suas conclusões?
- As pessoas afetadas por uma decisão podem recorrer, solicitar revisão e optar por não participar?
A Recomendação sobre a Ética da Inteligência Artificial da UNESCO coloca a dignidade humana, a autonomia, a transparência, a explicabilidade, a responsabilização e a proteção ambiental no centro da IA responsável. Essas ideias podem soar abstratas até se tornarem decisões de produto: preservar a revisão humana; mostrar incerteza; manter um histórico de decisões rastreável; não tratar o silêncio como consentimento; permitir que as pessoas corrijam o que um sistema acredita sobre elas.
É também aqui que o contexto pessoal importa. Um assistente que se lembra das coisas certas pode reduzir a sobrecarga cognitiva. Um assistente que silenciosamente transforma memória em controle pode fazer o oposto. Na AirJelly, o propósito do contexto não é prever uma pessoa perfeitamente. É ajudar uma pessoa a usar seu próprio contexto acumulado com mais agência.
Se a IA torna as pessoas menos capazes de lembrar, julgar, organizar ou discordar, ela pode melhorar a eficiência de curto prazo enquanto enfraquece a resiliência de longo prazo da sociedade.
05 A linha divisória não é se as pessoas têm IA, mas quem pode usá-la e governá-la
O risco mais profundo de sustentabilidade muitas vezes não é a própria tecnologia. É a distribuição desigual de seus benefícios e riscos.
Computação avançada, dados, talento e infraestrutura estão concentrados em um número relativamente pequeno de países e empresas. Regiões mais ricas podem usar a IA para modelagem climática, triagem médica e educação personalizada. Regiões com menos recursos podem receber sistemas externos que pontuam, monitoram ou classificam pessoas sem que elas tenham um papel significativo em seu design, auditoria ou governança.
Isso pode reproduzir a desigualdade existente. Pessoas com mais dados recebem melhores serviços. Organizações com mais recursos ganham mais eficiência. Grupos vulneráveis tornam-se mais suscetíveis a serem previstos, categorizados e gerenciados.
Uma agenda de sustentabilidade da IA, portanto, não pode se concentrar apenas na implantação. Ela também deve construir capacidade pública: padrões abertos, infraestrutura acessível, sistemas multilíngues, conhecimento local, pesquisa de interesse público e mecanismos que permitam a governos, escolas, comunidades e organizações da sociedade civil inspecionar sistemas importantes.
A equidade não é um “modo de bem público” adicionado depois que um produto está pronto. Ela começa com a definição do problema, os dados, o contexto de implantação, o modelo de precificação e a forma como as falhas são tratadas.
O mesmo princípio se aplica à IA pessoal. Um companheiro útil não deve transformar o contexto de uma pessoa em uma jaula proprietária. Ele deve tornar o contexto mais utilizável, deixando a propriedade, a correção e a direção com a pessoa.
06 Tornando a IA um colaborador de longo prazo
Se a IA vai apoiar o desenvolvimento sustentável, precisamos de princípios simples o suficiente para serem usados e rigorosos o suficiente para importarem.
Comece pelo valor público, depois escolha o modelo
Não comece com “Podemos adicionar um modelo aqui?” Comece com “Qual problema real vale a pena resolver?” Um sistema que reduz a carga administrativa dos enfermeiros não deve ser avaliado pela mesma métrica que um sistema que apenas adiciona mais conteúdo a um feed já ruidoso.
Incluir o custo do ciclo de vida nas decisões de produto
O custo inclui mais do que uma fatura de API. Inclui energia, hardware, governança de dados, manutenção, migração, treinamento e o custo social dos erros. Em contextos de alto impacto, a avaliação do ciclo de vida deve ser tão importante quanto a avaliação de recursos.
Mostrar incerteza à pessoa que toma a decisão
Sistemas sustentáveis não podem fingir certeza o tempo todo. Confiança, atualidade dos dados, escopo de aplicabilidade e modos de falha conhecidos devem estar visíveis quando as pessoas agem. Dizer “não sei” com honestidade costuma ser mais útil do que dar uma resposta fluente e errada.
Deixar as pessoas afetadas participarem do design
Pessoas que são avaliadas, atendidas ou gerenciadas por um sistema não devem existir apenas como linhas em um conjunto de dados. Professores, enfermeiros, trabalhadores, agricultores, pessoas com deficiência e organizações comunitárias precisam de voz real no design, nos testes e na revisão.
Preservar o direito de sair e corrigir
Nem todo fluxo de trabalho precisa de automação. Nem todo fluxo de trabalho automatizado deve ser irreversível. Serviços essenciais precisam de canais alternativos, revisão humana e um processo de recurso rastreável.
Medir a maturidade pelo que o sistema escolhe não fazer
Um produto de IA maduro não entrega cada vez mais decisões a um modelo. Ele sabe quais decisões devem permanecer humanas. Reduzir a geração, as notificações e os ciclos de decisão desnecessários também é progresso.
07 A pergunta final continua sendo: que tipo de pessoas queremos nos tornar?
A tecnologia tende a amplificar a forma como as organizações já trabalham.
Se tratarmos a educação como produção de respostas, o trabalho como um conjunto de tarefas compressíveis, a natureza como um ativo a ser otimizado e as pessoas como usuários previsíveis, a IA acelerará essas premissas.
Mas se tratarmos a educação como o cultivo do julgamento, o trabalho como criação compartilhada, a natureza como um sistema com o qual precisamos viver, e as pessoas como seres dignos, relacionais e em parte incognoscíveis, a IA pode nos ajudar a proteger o tempo, enxergar a complexidade, colaborar à distância e abrir espaço para objetivos de longo prazo.
O desenvolvimento sustentável nunca significou tornar o mundo infinitamente eficiente. Significa preservar a capacidade da humanidade de escolher, reparar relações e cuidar do futuro em um planeta finito.
Se a IA se torna uma parceira nesse trabalho depende das tarefas, dos limites e das instituições que lhe dermos. Os modelos continuarão ficando mais fortes. Mas nenhum modelo decidirá por nós o que vale a pena fazer.
Essa parte ainda é nossa.
Referências
- Painel Intergovernamental sobre Mudanças Climáticas (IPCC). Relatório de Síntese AR6: Mudanças Climáticas 2023. 2023. https://www.ipcc.ch/report/ar6/syr/
- Nações Unidas. Transformando nosso mundo: a Agenda 2030 e os Objetivos de Desenvolvimento Sustentável. 2015. https://sdgs.un.org/2030agenda
- Agência Internacional de Energia (IEA). Eletricidade 2024: Análise e previsão até 2026. 2024. https://www.iea.org/reports/electricity-2024
- Agência Internacional de Energia (IEA). Energia e IA. 2025. https://www.iea.org/reports/energy-and-ai
- Gmyrek, P., Berg, J., & Bescond, D. IA Generativa e Empregos: Uma análise global dos potenciais efeitos sobre a quantidade e a qualidade dos empregos. Documento de Trabalho 96 da OIT, Organização Internacional do Trabalho, 2023.
- UNESCO. Recomendação sobre a Ética da Inteligência Artificial. 2021. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
- Programa das Nações Unidas para o Meio Ambiente (PNUMA). Relatório sobre a Lacuna de Emissões 2024: Chega de conversa fiada ... por favor!. 2024. https://www.unep.org/resources/emissions-gap-report-2024
- Instituto Stanford para Inteligência Artificial Centrada no Ser Humano. Relatório do Índice de IA 2025. 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- OCDE. Princípios de IA da OCDE. Atualizado em 2024. https://oecd.ai/en/ai-principles