A crescente demanda por data centers no Brasil, impulsionada pela expansão da inteligência artificial e novos incentivos fiscais, levanta preocupações sobre os impactos ambientais e a segurança das informações. Em resposta a essas questões, o professor Leonardo David Quintiliano, da Faculdade ESEG, desenvolveu um modelo de avaliação que propõe critérios mais abrangentes para mensurar a sustentabilidade e a segurança desses empreendimentos. A pesquisa foi apresentada no dia 9 de outubro durante o AI4SDG 2026, um evento internacional realizado em Liubliana, na Eslovênia.
O modelo de Quintiliano vai além da simples análise do consumo de energia e água, incorporando aspectos como proteção de dados, soberania digital e impactos econômicos e sociais. Segundo o professor, “os data centers são essenciais para o desenvolvimento da inteligência artificial, mas a sustentabilidade dessas estruturas não pode ser medida apenas pela eficiência energética ou pelo consumo de água”. Ele enfatiza a importância de avaliar quem controla os dados, as garantias de segurança e os benefícios que os empreendimentos trazem para a sociedade.
Um exemplo apresentado na pesquisa destaca que um data center pode utilizar energia renovável, mas ainda assim causar pressão sobre os recursos hídricos locais ou ter vulnerabilidades na proteção de dados. Além disso, é fundamental considerar o retorno para as comunidades, como a criação de empregos qualificados e a contratação de fornecedores locais, bem como o acesso à infraestrutura tecnológica.
Dimensões da Avaliação
Para facilitar essa análise, a pesquisa propõe duas ferramentas complementares: a Avaliação de Impacto da Sustentabilidade e o Índice de Responsabilidade de Data Centers. O modelo reúne indicadores em uma pontuação que varia de zero a 100, distribuídos em três dimensões principais: sustentabilidade ambiental, segurança e soberania digital, e impactos econômicos e sociais. O objetivo é estabelecer parâmetros verificáveis que ajudem empresas e autoridades públicas na avaliação de projetos.
Quintiliano explica que a análise conjunta permite identificar situações em que um empreendimento pode ter bons resultados ambientais, mas levantar dúvidas sobre a proteção das informações ou o controle de dados. A proposta visa também vincular a concessão de incentivos públicos a resultados mensuráveis e benefícios concretos para a sociedade brasileira.
O método inclui restrições que podem impedir uma avaliação positiva, independentemente da pontuação total. Entre essas restrições estão a ausência de licenças obrigatórias, falhas críticas de segurança e falta de transparência sobre o controle de informações estratégicas. Essas medidas visam garantir que apenas projetos que realmente contribuam para a sustentabilidade e segurança sejam aprovados.
Validação e Aplicação Prática
A proposta ainda está em fase acadêmica e precisa passar por testes e validação empírica antes de sua aplicação prática. O professor Quintiliano acredita que a pesquisa pode oferecer subsídios valiosos para a formulação de políticas públicas e para a análise de projetos antes da aprovação de empreendimentos ou da concessão de benefícios fiscais.
O estudo foi parte da programação do AI4SDG 2026, que ocorreu durante a 29ª edição da International Multiconference Information Society. O evento reuniu pesquisadores de diversas partes do mundo para discutir temas como inteligência artificial, desenvolvimento sustentável e proteção de direitos. A programação contou com a participação do Centro de Inteligência Artificial e Aprendizado de Máquina da Universidade de São Paulo (CIAAM-USP), que mantém um acordo de cooperação acadêmica com a Faculdade ESEG desde junho de 2026.
Com um doutorado em Direito do Estado pela USP, Quintiliano é um pesquisador ativo na área de regulação da inteligência artificial, focando em políticas públicas, tecnologia e governança digital. Sua pesquisa busca contribuir para o debate sobre como equilibrar a expansão da infraestrutura de IA no Brasil com a proteção ambiental, a segurança das informações e o desenvolvimento econômico.
