Não basta energia limpa: Na era da IA, precisamos consumir melhor

Toda transação bancária parece leve, quase imaterial. Um PIX, uma consulta de saldo, a aprovação de um cartão: nada disso pesa na mão de quem usa o celular. Mas cada um desses movimentos roda em algum lugar físico, em um data center que consome energia, ocupa espaço e precisa ser refrigerado. A Inteligência Artificial (IA) multiplicou essa conta e colocou diante de nós um paradoxo: a mesma tecnologia que amplia de forma extraordinária nossa capacidade de processamento também aumenta a pressão sobre os recursos necessários para sustentá-la. Segundo a Agência Internacional de Energia (IEA), o consumo mundial de eletricidade dos data centers deve mais que dobrar até 2030, chegando a aproximadamente 945 TWh. Estratégia digital, desta forma, passou a ser também estratégia energética.

 

Foi justamente essa discussão que levamos à Febraban Tech 2026. E há um ponto que considero fundamental: quando um cliente nos procura preocupado com eficiência energética, muitas vezes essa preocupação vem vestida de uma pergunta muito mais simples: “como está minha eficiência, quanto estou gastando em nuvem e por que minha fatura chegou nesse valor?” Em um cenário de crescimento acelerado de IA, dados e processamento, essa conta não pode mais ser um chute. Precisamos pensar desde o início na arquitetura, na estrutura de dados e no consumo esperado de cada sistema. Quando existe previsibilidade no desenvolvimento, conseguimos prever capacidade, energia e custo. Eficiência deixa de ser uma correção feita depois que a aplicação entrou em produção e passa a fazer parte da engenharia do produto.

 

Isso também significa olhar além do hardware. Servidores continuarão evoluindo, assim como GPUs, sistemas de refrigeração e toda a infraestrutura dos data centers. O resfriamento líquido, por exemplo, já oferece ganhos importantes de eficiência em relação a determinadas arquiteturas baseadas em ar. Mas uma tecnologia melhor sempre poderá ser comprada. A pergunta mais difícil é outra: o que estamos levando em forma de software para dentro desses data centers? Hoje identificamos que cerca de 65% dos sistemas legados apresentam algum tipo de sobreposição com outros sistemas. Na prática, isso pode significar código semelhante sendo executado mais de uma vez dentro da infraestrutura. É processamento desnecessário, perda de eficiência e, consequentemente, desperdício de energia. Não adianta colocar software ineficiente no data center mais moderno do mundo e esperar que a sustentabilidade seja resolvida apenas pela infraestrutura.

 

É justamente nesse ponto que a IA deixa de aparecer somente como parte do problema e começa a fazer parte da solução. Acompanho projetos de modernização há mais de 30 anos e vi iniciativas planejadas para durar dez, 15 ou 20 anos – muitas delas canceladas porque a área de negócios simplesmente não conseguia esperar tanto tempo. A IA Generativa mudou essa equação ao permitir que etapas de análise, documentação, transformação e desenvolvimento sejam aceleradas e que projetos antes difíceis de justificar passem a caber em horizontes muito mais razoáveis. Mas existe uma diferença fundamental entre migrar e modernizar. Podemos pegar um sistema criado décadas atrás, reescrevê-lo em uma tecnologia nova e levá-lo para a nuvem. Se entregarmos ao cliente exatamente o mesmo processo antigo, porém em outra infraestrutura, teremos modernizado a tecnologia sem necessariamente eliminar a ineficiência.

 

É aí que os agentes de IA ganham um papel ainda mais interessante nessa discussão. O objetivo não deve ser somente modernizar sistemas, mas aproveitar essa transformação para redesenhar processos, tornando-os mais inteligentes, automatizados e agênticos. Isso permite eliminar etapas que perderam sentido, abandonar processamentos que não são mais necessários e executar recursos de maneira mais eficiente. O ganho aparece nas duas pontas: entregamos operações mais rápidas e modernas ao cliente e, ao mesmo tempo, reduzimos processamento desnecessário. Já sabemos que IA pode atuar diretamente sobre essa equação: em uma aplicação pioneira, o Google e a DeepMind demonstraram redução de até 40% da energia utilizada para refrigeração de data centers com machine learning. O desafio agora é levar essa mesma lógica de inteligência e otimização para todo o ciclo de vida do software.

 

Nada disso funciona, porém, sem dois elementos que considero inegociáveis. O primeiro é um bom desenho de arquitetura, capaz de oferecer previsibilidade de processamento, capacidade de execução, consumo energético e custo. O segundo é uma estratégia de dados que organize a convivência entre os ambientes antigos e novos durante a modernização. Quanto menos conhecemos nossos sistemas e nossos dados, maior a tendência de simplesmente replicarmos tudo. E replicação desnecessária significa mais armazenamento, mais processamento e mais energia. Sustentabilidade, portanto, não pode ser uma camada adicionada ao projeto no final. Ela precisa começar na arquitetura. O software mais sustentável não é apenas aquele que roda sobre energia limpa, mas aquele que evita consumir recursos que não precisava utilizar desde o princípio.

 

O Brasil tem uma oportunidade particular nessa equação. De acordo com o Balanço Energético Nacional 2025, 88,2% da eletricidade produzida no país em 2024 veio de fontes renováveis. Em um mundo no qual a disponibilidade de energia começa a determinar também a geografia da computação, temos uma vantagem difícil de reproduzir. Mas abundância de energia limpa não pode ser licença para desperdiçá-la. A IEA projeta que a demanda elétrica dos data centers cresça muito mais rapidamente que o consumo global de eletricidade nesta década, puxada principalmente pela IA. Quanto maior nossa capacidade de atrair essa infraestrutura, maior também será nossa responsabilidade de combinar matriz renovável, arquitetura eficiente, modernização de software e uso inteligente dos recursos.

 

Por isso, quando me perguntam onde estará rodando o core do sistema financeiro brasileiro daqui a cinco anos, considero mais importante discutir como queremos que ele esteja rodando. Precisamos separar o que realmente precisa ser modernizado daquilo que ainda cumpre bem sua função, decidir onde cada carga deve ser processada e buscar matrizes energéticas capazes de sustentar o crescimento que vem pela frente. IA e agentes serão protagonistas desse movimento não apenas porque exigirão mais capacidade computacional, mas porque nos oferecem ferramentas para eliminar redundâncias, transformar processos e utilizar melhor essa própria capacidade. Esse talvez seja o ponto central da contradição: a tecnologia que está acelerando o consumo de energia também pode nos ajudar a consumir de maneira muito mais inteligente.

 

Na próxima etapa da transformação digital, eficiência tecnológica, eficiência econômica e responsabilidade ambiental terão de ser tratadas como partes do mesmo projeto. 

 

Jonatas Leandro - VP de Inovação e Business Development Platform LATAM da GFT Technologies