Fazer uma pergunta à inteligência artificial em português pode exigir mais recursos computacionais do que realizar a mesma consulta em inglês. E, dependendo do idioma, a diferença é surpreendente. Um novo estudo identificou desigualdades no consumo de energia dos modelos de IA, revelando que a língua utilizada influencia diretamente o custo de processamento. A descoberta levanta uma questão importante: será que a revolução da inteligência artificial está ficando mais cara para quem não fala inglês?
Estudo revela uma diferença de até 180 vezes no consumo de energia
Pesquisadores da Universidade de Michigan, nos Estados Unidos, investigaram quanto os modelos de inteligência artificial consomem de energia para processar e produzir textos em diferentes idiomas.
O estudo, apresentado na conferência científica EMNLP 2026, identificou diferenças expressivas entre as línguas analisadas.
Em determinados casos, produzir uma resposta em outro idioma exigiu até 179 vezes mais energia do que realizar a mesma tarefa em inglês.
O resultado foi particularmente preocupante para idiomas que utilizam sistemas de escrita diferentes do alfabeto latino e possuem menor representação nos bancos de dados utilizados para desenvolver modelos de IA.
Segundo os pesquisadores, cerca de 5,2 bilhões de pessoas falam idiomas nos quais gerar textos pode exigir mais que o dobro da energia necessária em inglês.
O trabalho, intitulado The Language–Energy Divide: Measuring Energy Costs of Multilingual LLM Inference, está disponível na biblioteca científica da Association for Computational Linguistics.
A descoberta não significa que todos os usuários paguem diretamente mais por suas perguntas. Entretanto, revela diferenças de eficiência que podem influenciar os custos dos serviços de inteligência artificial.
Por que a inteligência artificial gasta mais recursos em alguns idiomas?
A explicação envolve uma etapa fundamental do funcionamento dos modelos de linguagem: a tokenização.
Antes de interpretar uma frase, sistemas como ChatGPT e outros assistentes dividem o texto em pequenas unidades chamadas tokens.
Essas unidades podem representar palavras completas, partes de palavras, sinais de pontuação ou caracteres individuais.
O problema é que essa divisão não acontece com a mesma eficiência em todos os idiomas.
Como muitos modelos foram desenvolvidos utilizando grandes quantidades de textos em inglês, seus sistemas de tokenização frequentemente representam esse idioma de maneira mais compacta.
Em outras línguas, uma frase com significado equivalente pode exigir muito mais tokens.
Isso aumenta o processamento necessário e pode reduzir a quantidade de informações que o sistema consegue analisar de uma só vez.
Uma investigação publicada em setembro de 2026 pela Coalition for Language Equity in AI Research, conhecida como CLEAR, encontrou diferenças de até 17 vezes no número de tokens utilizados para representar conteúdos equivalentes entre idiomas.
Os pesquisadores chamaram esse fenômeno de tokenizer tax, ou imposto da tokenização.
Hindi e bengali estão entre os idiomas mais afetados
O estudo da Universidade de Michigan apresentou exemplos concretos dessa desigualdade.
Em comparação com o inglês, produzir textos em hindi exigiu aproximadamente 7,9 vezes mais energia.
No caso do bengali, o consumo foi cerca de 15,3 vezes maior.
Essas diferenças não dependem apenas da quantidade de pessoas que falam determinado idioma.
O sistema de escrita, a disponibilidade de dados digitais e a maneira como os modelos processam caracteres também influenciam os resultados.
Os pesquisadores observaram ainda que idiomas com maior consumo energético frequentemente apresentavam respostas de qualidade inferior.
Isso cria uma dupla desvantagem: determinados usuários podem receber resultados menos precisos enquanto seus idiomas exigem mais recursos computacionais.
A Universidade de Michigan destacou que essas diferenças podem aumentar barreiras econômicas para bilhões de pessoas.
E quem utiliza inteligência artificial em português?
Para os brasileiros, a pesquisa levanta uma preocupação importante, mas exige uma distinção.
O estudo não estabelece que consultas em português sejam necessariamente muito mais caras do que em inglês. Os resultados variam conforme o modelo, o idioma e o tipo de tarefa.
Línguas que utilizam o alfabeto latino, como português, espanhol e francês, geralmente apresentam diferenças menores do que idiomas com sistemas de escrita menos representados no treinamento.
Ainda assim, o problema pode afetar empresas brasileiras que utilizam APIs de inteligência artificial.
Esses serviços frequentemente cobram pela quantidade de tokens processados e gerados. Se uma tarefa exige mais tokens em determinado idioma, seu custo pode aumentar, mesmo que o preço unitário seja igual.
Para usuários de planos com mensalidade fixa, essa diferença normalmente não aparece como uma cobrança adicional por escrever em português.
O impacto também envolve a velocidade das respostas e a capacidade de processamento dos sistemas.
Como tornar a inteligência artificial mais acessível?
Os pesquisadores defendem mudanças no desenvolvimento dos modelos para reduzir as diferenças entre idiomas.
Uma possibilidade é criar sistemas de tokenização mais eficientes, capazes de representar diferentes línguas sem gerar quantidades excessivas de unidades de texto.
Outra estratégia envolve desenvolver modelos especializados em determinados idiomas e utilizar sistemas de tradução quando isso oferecer vantagens de eficiência.
Entretanto, traduzir automaticamente todas as perguntas para o inglês não é uma solução universal. O processo pode introduzir erros e prejudicar nuances culturais e linguísticas.
O desafio é garantir que a inteligência artificial funcione de maneira eficiente sem obrigar bilhões de pessoas a abandonar seus idiomas.
A descoberta também possui consequências ambientais. Se determinadas tarefas exigem mais energia apenas por causa da língua utilizada, a expansão global da IA pode aumentar desnecessariamente o consumo elétrico dos centros de dados.
A conclusão é que o idioma não influencia apenas a qualidade das respostas da inteligência artificial. Ele também pode determinar quanto custa produzi-las.
