Nos últimos anos, a utilização da IA generativa (por exemplo, ChatGPT ou DALL-E) também explodiu no sector da restauração, transformando os menus digitais e promovendo actividades nas redes sociais.
Este fenómeno levanta questões sobre o consumo de energia “digital” em comparação com a cozinha tradicional. Por um lado, os centros de dados que executam modelos de inteligência artificial requerem GPUs potentes e sistemas de refrigeração que consomem quantidades significativas de eletricidade; por outro lado, os fornos de pizza clássicos também requerem muita energia para manter temperaturas elevadas para cozinhar, com diferenças significativas em função do tipo de alimentação.
- Consumo na geração de imagens de IA:
A criação de imagens através da IA depende de servidores equipados com GPUs de alto desempenho. (O acrónimo significa “unidade de processamento gráfico”, que é um processador especializado que processa principalmente dados gráficos e de vídeo). Estudos recentes indicam que a geração de uma “imagem” requer, em média, cerca de 0,0029 kWh (2,9 Wh), o que equivale ao consumo de um telemóvel carregado a quase 24%. Em modelos particularmente “pesados”, como os da HuggingFace, o consumo pode chegar a 0,011 kWh. Quando processa uma imagem complexa, um GPU profissional de última geração pode atingir picos de 300-400W, o que equivale a 20 cargas completas de um smartphone!
Em termos de emissões, considerando o cabaz energético italiano (cerca de 270 gCo2eq/kWh), isto traduz-se em fracções de um grama de CO2 por imagem (0,001-0,003 kg), um valor decididamente baixo em comparação com muitas actividades diárias no sector da restauração.
Consumo ao assar uma pizza:
A energia consumida ao assar uma pizza profissional é da ordem de algumas centenas de Wh, dependendo do forno. Em média, calculamos que um forno elétrico para uma pizzaria de tamanho médio tem um consumo de energia de cerca de 7-10 kW/h. Isto significa que se o forno for utilizado durante 8 horas por dia, o consumo total de energia pode rondar os 56-80 kW/h por dia. A energia necessária para cozer uma pizza num ambiente profissional é, portanto, significativamente superior à energia necessária para gerar uma imagem:
- Um forno elétrico profissional consome cerca de 0,44 kWh por piza (incluindo o pré-aquecimento)
- Um forno a gás comercial requer entre 0,5 e 0,8 kWh por pizza, tendo de compensar a maior dispersão
- Um forno de pizza napolitano tradicional a lenha consome cerca de 1,86 kWh por pizza (equivalente ao valor energético da lenha
Traduzindo estes valores em emissões de CO2:
- O forno elétrico produz cerca de 0,12 kg de CO2 por piza (equivalente a cerca de 1 km de carro)
- O forno a gás emite aproximadamente 0,16 kg de CO2 por piza (equivalente a 1,3 km de carro)
- O forno a lenha, que utiliza madeira certificada, tem emissões líquidas que são consideradas “biogénicas”, praticamente nulas na análise a longo prazo.
Assim, o cozimento de uma pizza gera dezenas de gramas de CO2, enquanto uma imagem de IA gera apenas alguns gramas.
IA para a eficiência energética na cozinha
As soluções de inteligência artificial podem contribuir significativamente para a poupança de energia na indústria da restauração, melhorando a eficiência operacional:
- Sensores inteligentes e controlos “inteligentes” regulam automaticamente a iluminação, o ar condicionado e a monitorização do frigorífico
- Os modelos de previsão da procura optimizam a preparação dos ingredientes e o pré-aquecimento dos fornos nas horas de ponta
- Os sistemas baseados em IA comunicam perdas de eficiência (como placas mal isoladas) e sugerem ciclos de queima ideais
- Os algoritmos avançados para a gestão de stocks e fluxos na cozinha também reduzem o desperdício alimentar, diminuindo indiretamente o consumo em toda a cadeia de abastecimento. Por exemplo:
- A empresa de catering Elior e a mais conhecida IKEA fizeram uma experiência com a start-up “Winnow” com um sistema de IA(Winnow Vision) que monitoriza o desperdício alimentar nas cantinas, com o objetivo de reduzir o desperdício alimentar em 30% e as emissões de CO2 por refeição em 12%.
Sustentabilidade digital e culinária: rumo a novos horizontes
A comparação põe em evidência uma realidade interessante: gerar uma imagem utilizando a IA requer uma energia da ordem de alguns Wh, ao passo que cozer uma pizza consome centenas ou milhares de Wh. As emissões de CO2 relacionadas com a IA são, portanto, quase insignificantes em comparação com as da cozinha tradicional, mas a verdadeira inovação reside na integração dos dois mundos. A inteligência artificial oferece mais oportunidades para a sustentabilidade energética nos restaurantes através de:
– Otimização dos ciclos térmicos: os algoritmos que aprendem com os hábitos de cozedura podem ajustar automaticamente o ligar e desligar dos fornos, reduzindo os tempos de pré-aquecimento até 15%.
– Manutenção preditiva: os sistemas de monitorização inteligentes podem identificar anomalias no consumo de energia antes de se tornarem problemas, prolongando a vida útil do equipamento.
– Engenharia de menus sustentável: a IA pode analisar a pegada de carbono dos ingredientes e sugerir combinações que mantenham a identidade gastronómica e reduzam o impacto ambiental.
– Gestão integrada energia-água: plataformas que optimizam simultaneamente o consumo de água e de eletricidade, com poupanças documentadas de até 20% nas máquinas de lavar louça profissionais.
Os casos de utilização de IA já demonstram a eficácia destas soluções na redução do desperdício e dos custos operacionais. Particularmente promissora é a aplicação de modelos de aprendizagem federados que permitem aos restaurantes partilhar dados de consumo anónimos, criando referências de eficiência energética específicas por categoria e dimensão.
Neste diálogo entre a inovação tecnológica e a tradição culinária, está a emergir um futuro em que cada quilowatt-hora poupado contribui para a sustentabilidade económica e ambiental: já não são mundos separados, mas aliados na criação de uma indústria de restauração mais eficiente e consciente.
O valor acrescentado da IA não reside apenas na sua pegada energética reduzida, mas na sua capacidade de orquestrar todos os processos para um objetivo comum de otimização de recursos.
