A inteligência artificial chegou à área de sustentabilidade pela porta mais óbvia: a do trabalho chato.
Coletar dado espalhado em dez planilhas, padronizar unidade, cruzar consumo com fator de emissão, preparar tabela para relatório. É trabalho lento, repetitivo e caro — exatamente onde a automação brilha. Nesse ponto, a IA é uma boa notícia.
Mas há uma parte menos comentada. E ela merece atenção antes que vire problema.
Onde a IA ajuda de verdade
Na prática, o ganho aparece em quatro frentes:
- Coleta e organização de dados dispersos entre áreas, unidades e fornecedores;
- Cálculo e conferência em inventários de emissões e painéis de indicadores;
- Monitoramento ambiental contínuo, com leitura de séries que ninguém acompanharia manualmente;
- Preparo de relatórios, transformando dado bruto em texto e tabela.
O efeito é liberar tempo técnico do operacional para o que exige julgamento: interpretar, priorizar, decidir.
O risco que quase ninguém nomeia
Agora a outra metade. Um sistema de IA entrega resposta mesmo quando o dado de entrada é ruim. Ele não hesita, não avisa que a base era incompleta, não sinaliza que preencheu uma lacuna com estimativa. Ele devolve um número com cara de certeza.
Em sustentabilidade, isso é perigoso, porque o número vira meta, vira relatório, vira declaração pública. E quando alguém pergunta de onde veio, começa o problema: ninguém sabe reconstruir o caminho.
Chamo isso de greenwashing algorítmico — e o que o torna diferente do greenwashing tradicional é a ausência de má-fé. Não é maquiagem deliberada: é uma empresa acreditando de boa-fé em um resultado que não consegue explicar, sustentar nem auditar.
A máquina não erra de propósito. Mas também não avisa quando o dado que recebeu não valia nada.
Rastreabilidade é o que separa uma coisa da outra
A pergunta que resolve boa parte dessa discussão é simples e desconfortável: se um auditor pedir a origem deste número, em quanto tempo você chega nela?
Se a resposta envolve “o sistema calculou”, o problema não é a IA — é a falta de rastreabilidade. Vale para automação e vale para planilha: sem saber a fonte, a premissa e a metodologia, o dado não sustenta decisão. É o mesmo ponto que aparece entre os erros mais comuns em inventários de GEE, muito antes de qualquer algoritmo entrar em cena.
Governança e validação humana
Usar IA com responsabilidade em ESG passa por três combinados:
- Transparência sobre premissas. Registre o que foi estimado, com qual fator e por quê. Estimativa não é problema; estimativa não declarada é.
- Validação humana nos pontos críticos. Nem tudo precisa de revisão, mas o que vira meta pública ou entra em relatório, sim.
- Metodologia declarada. Se a base de cálculo mudou porque a ferramenta mudou, isso precisa aparecer — senão a série histórica perde sentido.
Nada disso é anti-tecnologia. É o mesmo cuidado que sempre se exigiu de qualquer fonte de dado, aplicado a uma que produz muito mais, muito mais rápido.
O ponto central
A IA acelera processo. Ela não transfere responsabilidade. Quem assina o relatório continua sendo a empresa, e é a empresa que vai responder pelo número diante do investidor, do cliente e do regulador.
Usada com governança, a IA é uma aliada real. Usada como atalho para ter um número rápido, ela só faz o erro chegar mais cedo — e com aparência de precisão.