Introdução
A expansão da Inteligência Artificial Generativa (IAG) impulsiona data centers especializados, suscitando preocupações ambientais. Os data centers de IAG demandam recursos energéticos superiores, atingindo dezenas de terawatts-hora anualmente e emissões de gigatoneladas de CO? (Brevini, 2020; Sidorkin, 2025). No Brasil, a expansão ocorre sem avaliação ambiental adequada, reproduzindo padrões onde territórios periféricos fornecem recursos enquanto o controle tecnológico permanece centralizado (Teles, 2025).
Problema de Pesquisa e Objetivo
Este estudo busca responder: o que as pesquisas acadêmicas informam sobre os impactos ambientais gerados por infraestruturas de IA? Desse modo, o objetivo é sintetizar o conhecimento científico sobre esses impactos, proporcionando base para estratégias de mitigação que considerem as especificidades do Sul Global.
Fundamentação Teórica
Por ser uma revisão sistemática da literatura, este trabalho não conta com uma seção específica de fundamentação teórica.
Metodologia
Este estudo emprega metodologia mista com análise bibliométrica quantitativa, utilizando o bibliometrix, e revisão sistemática qualitativa, utilizando o método PRISMA. A busca inicial identificou 118 artigos e, após a aplicação dos critérios de inclusão/exclusão, 34 artigos foram selecionados para análise.
Análise e Discussão dos Resultados
A produção científica concentra-se no Norte Global, evidenciando sub-representação do Sul Global. A análise identificou nove categorias principais: quantificação energética, otimização, gestão térmica, frameworks de sustentabilidade, metodologias de avaliação, gestão de recursos, contextos geográficos, aplicações setoriais e aspectos regulatórios, revelando impactos mensuráveis e estratégias de mitigação viáveis.
Considerações Finais
A revisão identificou impactos ambientais significativos (GPT-3: 1.287 MWh, 552 toneladas CO?) e estratégias de mitigação promissoras (reduções até 80% via aprendizado federado). Evidenciou-se concentração de produção científica no Norte Global versus sub-representação do Sul Global.
Referências
Brevini, B. (2020). Black boxes, not green: Mythologizing artificial intelligence and omitting the environment. Big Data & Society, 7(2), 2053951720935141. https://doi.org/10.1177/2053951720935141
Sidorkin, A. (2025). Environmental Impact of Generative AI: Carbon and Water Footprint. AI-EDU Arxiv. https://doi.org/10.36851/ai-edu.vi.5448
Teles, G. (2025). Como data centers repetem a lógica colonial digital no Brasil. Intercept Brasil. https://www.intercept.com.br/2025/07/25/como-data-centers-repetem-a-logica-colonial-digital-no-brasil/