Demanda Global de Energia para IA e Data Centers, Ciclos de Inovação e Implicações para a Sustentabilidade: Previsão de Demanda de Energia para Data Centers de IA Elevada Novamente; Cadeia de Valor de Confiabilidade Continua com Visão Positiva

Visão geral

O relatório aborda três questões centrais: por quanto tempo a demanda de energia para IA e data centers pode continuar crescendo, se o ciclo de inovação em IA está migrando da expansão de investimentos para uma fase de eficiência e se o valor social da IA pode compensar seus custos de emissões, recursos e governança. O Goldman Sachs eleva sua previsão de consumo global de energia de data centers e acredita que licenciamento comunitário, redes, equipamentos, mão de obra e condições ambientais afetarão o ritmo de construção, mas que essas restrições também reforçam a demanda de investimento de longo prazo por infraestrutura de confiabilidade.

Visões principais

O relatório utiliza inicialmente os “7Ps” para organizar os direcionadores e restrições da demanda de energia de data centers: penetração, produtividade, preço, política, peças, pessoas e ambiente físico. Com base na expansão de capacidade de data centers, nas previsões mais elevadas da equipe de TMT para embarques de servidores de IA e na perspectiva regional atualizada da equipe de energia dos EUA, o Goldman Sachs eleva sua previsão de crescimento do consumo global de energia de data centers de 2025 a 2030 de 117% para 170%, com os Estados Unidos contribuindo com mais de 60%. Em relação a 2023, o consumo incremental acumulado até 2030 é de aproximadamente 1.100 TWh, superando o consumo anual de energia do Japão em 2023, o quinto maior consumidor de eletricidade do mundo. Os volumes de contratação de PPAs relacionados a tecnologias de energia renovável e nuclear aumentaram 17% em relação ao ano anterior em 2025, e o relatório, portanto, continua assumindo uma matriz de fornecimento de energia composta por gás natural, energia renovável, armazenamento de energia e energia nuclear. As despesas de capital continuam sendo um pilar direto da expansão da demanda. A Alphabet elevou sua faixa de despesas de capital para 2026 em US$ 15 bilhões e espera que as despesas de capital continuem crescendo significativamente em relação ao ano anterior em 2027; a Amazon elevou sua meta de despesas de capital para 2026 em US$ 20 bilhões; a Meta também elevou o piso de sua faixa de previsão para 2026, anteriormente listada pelo relatório entre US$ 125 bilhões e US$ 130 bilhões. Analistas do Goldman Sachs esperam que as despesas de capital combinadas e os gastos em P&D dos hyperscalers, incluindo Alphabet, Microsoft, Meta, Amazon, Oracle, Baidu, Tencent e Alibaba, ultrapassem US$ 1 trilhão em 2026. No entanto, a sustentabilidade de longo prazo depende, em última instância, de a IA conseguir gerar resultados tangíveis que melhorem os retornos; o relatório espera que os retornos em nível de empresa de alguns hyperscalers diminuam, com as taxas de reinvestimento potencialmente excedendo 100% em 2027. Melhorias de eficiência em chips, servidores e modelos não reduzem necessariamente o consumo total de energia. Os servidores de nova geração possuem maior potência máxima por unidade, mas a capacidade computacional cresce mais rapidamente, de modo que o consumo de energia por unidade de computação diminui. O relatório acredita que o mercado ainda não entrou em uma fase limitada pela demanda, pois empresas e governos continuam preocupados que cortes de orçamento possam prejudicar suas posições competitivas, enquanto a escala de tokens e computação de que necessitam ainda não foi totalmente determinada. Somente quando a demanda se tornar mais clara e os ganhos de produtividade começarem a impulsionar reduções orçamentárias o ciclo de IA passará da fase de “avaliação/esperanças e sonhos” para a fase de “execução/eficiência”. Discussões do setor no 2T26 indicam que os clientes começaram a monitorar quem, dentro de suas organizações, está usando computação e os gastos por token, mas ainda não é possível confirmar se essa otimização compensará a demanda incremental induzida pelas melhorias de eficiência. O relatório utiliza análise de cenários para ilustrar a importância da elasticidade da demanda: suponha que um cliente planejasse originalmente comprar 10 servidores de IA, enquanto um produto de nova geração oferece 10 vezes a capacidade computacional, 6 vezes a potência máxima e 5 vezes o preço. No cenário limitado por orçamento, o cliente compra 2 unidades, mantendo o orçamento inalterado enquanto aumenta a capacidade computacional em 100% e a potência máxima em 20%; no cenário limitado por demanda, o cliente compra apenas 1 unidade, mantendo a capacidade computacional inalterada enquanto reduz o orçamento em 50% e a potência máxima em 40%; no cenário sem restrições, o cliente ainda compra 10 unidades, aumentando o orçamento em 400%, a capacidade computacional em 900% e a potência máxima em 500%. Isso mostra que a eficiência tecnológica reduz ou não o consumo total de energia depende não da eficiência por unidade, mas de os clientes usarem o ganho de eficiência para cortar orçamentos ou expandir o consumo de computação. Os preços de eletricidade ainda não são uma grande restrição para os próprios hyperscalers. O Goldman Sachs acredita que seus balanços robustos lhes permitem absorver custos maiores de eletricidade e firmar contratos take-or-pay. O fornecimento de energia confiável e de baixo carbono 24 horas por dia nos Estados Unidos tem um “prêmio de confiabilidade verde” em relação ao gás natural de ciclo combinado, mas esse prêmio permanece moderado em comparação com o EBITDA e os retornos corporativos dos hyperscalers e é insuficiente para impedir o uso combinado de gás natural, energia renovável, armazenamento de energia e energia nuclear. Os baixos preços de gás natural nos EUA tornam a geração de ciclo combinado mais vantajosa, enquanto Europa, Japão, Coreia do Sul e regiões dependentes de GNL importado não dispõem de condições comparáveis; se o custo de capital de projetos de gás natural de ciclo combinado exceder a premissa do caso-base, esse prêmio diminuirá proporcionalmente. O cronograma esperado para a matriz de fornecimento de energia é de maior dependência de energia renovável, armazenamento e gás natural de ciclo simples no curto prazo, aumento do gás natural de ciclo combinado no médio prazo e introdução de energia nuclear no longo prazo. Políticas e licenciamento comunitário podem desacelerar a construção de forma mais direta do que os preços de eletricidade. O Texas representa 13% da capacidade incremental esperada de data centers dos EUA até 2030, e seu governador emitiu uma ordem executiva em 3 de agosto exigindo que determinados projetos passem por auditorias e divulgação de dados antes de receberem aprovação de conexão à rede; a Virgínia representa 17% da capacidade incremental esperada, e surgiram localmente apelos bipartidários por uma moratória de construção para confirmar a adequação do fornecimento de energia e da capacidade de conexão à rede. As preocupações das comunidades incluem a confiabilidade dos fornecimentos de energia e água, contas de eletricidade dos consumidores, ruído, consumo de água e aquecimento localizado. Soluções potenciais incluem permitir que data centers reduzam cargas quando a rede estiver sob pressão, adicionar fontes de energia de reserva ou data centers de backup, usar contratos take-or-pay para limitar o repasse de custos, implantar resfriamento líquido em circuito fechado, instalar instalações de isolamento acústico e zonas de amortecimento nos locais, e utilizar calor residual quando economicamente viável. Contudo, o relatório enfatiza que soluções tecnológicas podem não eliminar completamente as preocupações comunitárias sobre os benefícios sociais da IA, a transparência dos projetos e os efeitos NIMBY. Equipamentos, pessoal e acesso à rede restringem conjuntamente a velocidade de execução e impulsionam o fornecimento de energia behind-the-meter. A GE Vernova declarou que, até o fim de 2026, espera que mais de 50% de sua capacidade de 2031 esteja contratualmente comprometida. O Goldman Sachs espera que a demanda total de energia dos EUA cresça a uma CAGR de 3,5% até 2030, com 0,8 ponto percentual proveniente de fornecimento de energia behind-the-meter; devido aos requisitos de tempo de entrada no mercado e aos cronogramas de acesso à rede, espera-se que soluções behind-the-meter predominantemente baseadas em gás natural contribuam com aproximadamente 30% do crescimento de data centers. Mesmo que os projetos sejam finalmente conectados à rede, algumas instalações behind-the-meter poderão ser mantidas como energia de reserva. Para atender ao crescimento geral da demanda de energia dos EUA, o relatório estima que serão necessários mais de 500.000 empregos adicionais, ou mais de 700.000 incluindo a Europa; mais de 200.000 empregos nos EUA estão relacionados a conexões de transmissão e distribuição e, mesmo que todos os aprendizes do setor de energia fossem direcionados à transmissão e distribuição, o caso-base ainda teria uma escassez de mão de obra de 78.000 pessoas até 2030, com escassez de eletricistas especialmente acentuada. O ambiente físico reduzirá parte das melhorias de eficiência. O Goldman Sachs estima que 56% dos novos data centers globalmente e 55% nos Estados Unidos estejam localizados em áreas com riscos elevados de altas temperaturas, alta umidade ou seca. Estima-se que 43% da nova capacidade utilizará resfriamento líquido direto ao chip ou por imersão dentro das salas de servidores, enquanto 56% utilizará chillers, sistemas adiabáticos ou resfriamento mecânico de backup para dissipar calor externamente. Os Estados Unidos dão maior ênfase à redução do consumo de água, mesmo que isso aumente o consumo de eletricidade; a China utiliza requisitos mínimos de eficiência para restringir o PUE, o que pode resultar em maior consumo de água. O relatório, portanto, incorpora fatores ambientais em sua previsão-base de energia, equivalente a aumentar o PUE em 5 pontos percentuais globalmente e 11 pontos percentuais nos Estados Unidos, compensando parcialmente as melhorias de eficiência nas tecnologias de servidores e resfriamento. Quanto à sustentabilidade, o relatório defende avaliar a IA com base no impacto líquido: o potencial valor social criado pelo uso da IA para avançar os objetivos de desenvolvimento sustentável, menos os custos sociais decorrentes de emissões, uso de recursos, mão de obra e outros riscos. Os investidores também precisam concentrar-se no desenvolvimento da IA, na gestão de riscos e conformidade, na governança e nos mecanismos de implementação. Embora o valor social líquido final da IA ainda exija mensuração contínua, o Goldman Sachs mantém uma perspectiva positiva de investimento sobre o tema de confiabilidade e o ecossistema de energia para data centers, acreditando que o crescimento do consumo de energia por IA e a expansão da capacidade global de redundância para proteção contra interrupções de energia, água, cadeia de suprimentos, rede e operações sustentarão conjuntamente a demanda por equipamentos de geração de energia, utilities de transmissão, componentes elétricos e soluções de resfriamento.

Estrutura de análise

O Goldman Sachs utiliza inicialmente a estrutura dos “7Ps” para identificar crescimento da demanda e restrições de execução, e depois combina embarques de servidores de IA, capacidade de data centers, previsões regionais de energia e despesas de capital dos hyperscalers para elevar sua previsão de consumo de energia de longo prazo. Em seguida, utiliza três cenários de orçamento e demanda para a iteração tecnológica de servidores para determinar se as melhorias de eficiência reduzirão ou aumentarão o consumo total de energia, e então usa o ciclo de inovação do shale como referência para avaliar se a IA está migrando de uma exploração orientada por investimentos para eficiência de execução. Do lado da oferta, compara os custos nivelados de diferentes tecnologias, a sensibilidade aos preços do gás natural e o prêmio de confiabilidade verde, ao mesmo tempo em que incorpora política, comunidade, equipamentos, mão de obra, resfriamento e condições geográficas à sua análise da execução de projetos. Por fim, avalia a sustentabilidade da IA usando uma abordagem de impacto líquido que subtrai custos sociais do potencial valor social.

Notas metodológicas

• Estrutura de Análise da Indústria/SetorOutro

  Estrutura dos “7Ps” da Demanda de Energia de Data Centers

  O relatório avalia simultaneamente os direcionadores do crescimento da demanda de energia e as restrições de construção em sete dimensões: penetração, produtividade, preço, política, peças, pessoas e ambiente físico.

• Estrutura de Análise da Indústria/SetorEstrutura de Oferta e Demanda

  Análise de Cenários Limitados por Orçamento, Limitados por Demanda e Sem Restrições

  O relatório varia o número de servidores adquiridos e as respostas orçamentárias para comparar os diferentes efeitos dos avanços tecnológicos sobre capacidade computacional, gastos e potência máxima, avaliando assim se a melhoria da eficiência unitária se traduz em menor consumo total de energia.

• Estrutura de Ciclo e Condições de NegóciosOutro

  Analogia Entre os Ciclos de Inovação de IA e Shale

  O relatório se baseia em indicadores por fase do ciclo de inovação do shale para avaliar se a IA está migrando de uma fase de avaliação intensiva em capital para uma fase de execução que enfatiza disciplina orçamentária e eficiência de capital.

• Estrutura de Análise da Indústria/SetorOutro

  Comparação do Custo Nivelado de Energia e do Prêmio de Confiabilidade Verde

  O relatório compara os custos de portfólios de fornecimento de energia que incluem gás natural de ciclo combinado, energia nuclear, energia renovável, armazenamento de energia e geração a gás de pico, e testa os efeitos de mudanças nos preços do gás natural e nos custos de capital sobre o prêmio de energia confiável e de baixo carbono 24 horas por dia.

• Estrutura de Análise da Indústria/SetorTransmissão na Cadeia de Valor Upstream, Midstream e Downstream

  Transmissão da Carga de Data Centers ao Ecossistema de Energia

  O relatório mapeia sequencialmente a carga incremental de data centers para a demanda por capacidade de geração de energia, conexões de transmissão e distribuição, fornecimento de energia behind-the-meter, componentes elétricos, equipamentos de resfriamento e mão de obra qualificada.

• (Método Fora do Vocabulário)Outro

  Avaliação do Impacto Líquido Social da IA sobre a Sustentabilidade

  O relatório usa como abordagem básica para avaliar o impacto de sustentabilidade da IA o potencial valor social da IA no avanço dos objetivos de desenvolvimento sustentável, menos os custos sociais associados a emissões, uso de recursos, mão de obra e riscos de governança.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Ecossistema de Energia para IA/Data Centers e Tema de Confiabilidade

  O crescimento do consumo de energia por IA e a expansão de redundância para energia, água, cadeias de suprimentos, redes e operações são os principais direcionadores de demanda do tema.

  Pontos fortes

  A previsão de longo prazo para o consumo de energia de data centers foi elevada, e os hyperscalers mantêm forte capacidade para financiar despesas de capital e absorver custos de eletricidade.

  Pontos fracos

  A construção de projetos depende fortemente de aprovações, conexões à rede, entrega de equipamentos e mão de obra qualificada.

  Comparação

  O relatório acredita que o prêmio de confiabilidade verde é moderado em relação ao EBITDA e aos retornos corporativos dos hyperscalers.

  Riscos

  Retornos de IA abaixo das expectativas, orçamentos migrando para eficiência, oposição comunitária e gargalos de infraestrutura podem desacelerar o crescimento.

• Equipamentos de Geração de Energia e Soluções de Fornecimento de Energia

  A carga incremental de data centers exige diversas formas de capacidade adicional de fornecimento de energia, incluindo gás natural, energia renovável, armazenamento de energia e energia nuclear.

  Pontos fortes

  O relatório espera que aproximadamente 139 GW de capacidade adicional sejam necessários até 2030, enquanto os longos prazos de entrega de equipamentos também aumentam a visibilidade da capacidade contratada.

  Pontos fracos

  Equipamentos como turbinas a gás têm longos prazos de fornecimento, e o aumento dos custos de capital pode alterar a economia relativa do mix tecnológico.

  Comparação

  Os baixos preços de gás natural nos EUA dão à geração de ciclo combinado uma vantagem de custo sobre Europa, Japão, Coreia do Sul e regiões importadoras de GNL.

  Riscos

  Licenciamento, entrega de equipamentos e preocupações comunitárias sobre emissões e confiabilidade podem atrasar projetos.

• Utilities Relacionadas à Transmissão e Infraestrutura de Rede

  O crescimento da carga de data centers exige conexões adicionais de transmissão e distribuição, modernização de infraestrutura envelhecida e maior resiliência da rede.

  Pontos fortes

  Espera-se que a demanda total de energia dos EUA cresça a uma taxa composta de 3,5% até 2030, e a demanda por mais de 200.000 empregos adicionais está relacionada a conexões de transmissão e distribuição.

  Pontos fracos

  Os cronogramas de conexão à rede são longos, e há escassez significativa de trabalhadores qualificados, como eletricistas.

  Comparação

  A rede continua sendo a opção preferida dos hyperscalers, mas espera-se que o fornecimento de energia behind-the-meter sustente aproximadamente 30% do crescimento de data centers porque permite entrada mais rápida no mercado.

  Riscos

  O aumento das contas dos consumidores, disputas sobre alocação de custos e preocupações comunitárias com confiabilidade podem afetar o licenciamento e o ritmo de investimento.

• Soluções de Resfriamento e Componentes Elétricos

  Maior densidade de potência, requisitos de economia de água, energia de reserva e ambientes adversos impulsionam a demanda por resfriamento líquido, chillers, isolamento acústico, conexões elétricas e sistemas de backup.

  Pontos fortes

  Estima-se que 43% da nova capacidade utilizará resfriamento líquido direto ao chip ou por imersão, enquanto 56% exigirá soluções externas de resfriamento por dissipação de calor.

  Pontos fracos

  Há uma compensação entre conservação de água e eletricidade, e algumas soluções de resfriamento aumentam o PUE e o consumo total de energia.

  Comparação

  Os Estados Unidos priorizam a redução do consumo de água mesmo se o consumo de eletricidade aumentar; os requisitos mínimos de PUE da China podem levar a maior consumo de água.

  Riscos

  As escolhas tecnológicas são restringidas por temperatura local, umidade, seca, regulamentações de ruído e aceitação comunitária.

Dados principais

• Crescimento do Consumo Global de Energia de Data CentersCrescimento de 170% em 2030 versus 2025A previsão anterior era de 117%
• Consumo Incremental Acumulado de Energia em Relação a 20231.100 TWhO incremento até 2030 supera o consumo total de energia do Japão em 2023
• Contribuição dos EUA para a Demanda IncrementalMais de 60%Participação no crescimento do consumo global de energia de data centers
• Volume de Contratação de PPAs de Energia Renovável e NuclearCrescimento de 17% em relação ao ano anterior2025
• Despesas de Capital e Gastos em P&D dos HyperscalersMais de US$ 1 trilhãoPrevisão agregada dos analistas do Goldman Sachs para 2026E
• Ajuste das Despesas de Capital da AlphabetElevadas em US$ 15 bilhõesFaixa de despesas de capital de 2026
• Ajuste das Despesas de Capital da AmazonElevadas em US$ 20 bilhõesMeta de despesas de capital de 2026
• Cenário de Servidores Limitado por OrçamentoCapacidade computacional +100%, potência máxima +20%, orçamento inalteradoQuando servidores de nova geração oferecem 10 vezes a capacidade computacional, 6 vezes a potência e 5 vezes o preço, as compras caem de 10 unidades para 2 unidades
• Cenário de Servidores Limitado por DemandaCapacidade computacional inalterada, orçamento -50%, potência máxima -40%As compras caem de 10 unidades para 1 unidade
• Cenário de Servidores Sem RestriçõesOrçamento +400%, capacidade computacional +900%, potência máxima +500%O cliente ainda compra 10 servidores de nova geração
• Previsão da Conta de Eletricidade dos ConsumidoresEstados Unidos +3% a +6% ao ano; Europa +2% a +4% ao anoPeríodo de previsão dos EUA até 2029 e da Europa até 2030
• Capacidade Incremental de Geração de Energia Necessária para a Carga de Data CentersAproximadamente 139 GWAté 2030
• Crescimento da Demanda Total de Energia dos EUACAGR de 3,5%Até 2030, com 0,8 ponto percentual proveniente de fornecimento de energia behind-the-meter
• Contribuição do Fornecimento de Energia Behind-the-MeterAproximadamente 30%Participação esperada no crescimento de data centers dos EUA até 2030
• Demanda Incremental de EmpregoMais de 500.000 nos Estados Unidos; mais de 700.000 incluindo a EuropaNecessária para atender ao crescimento geral da demanda de energia, com mais de 200.000 empregos nos EUA relacionados a conexões de transmissão e distribuição
• Escassez de Mão de Obra em Transmissão e Distribuição78.000 pessoasA escassez que permaneceria no caso-base de 2030 mesmo que todos os aprendizes relacionados à energia migrassem para transmissão e distribuição
• Novos Data Centers Expostos a Riscos Elevados do Ambiente FísicoGlobal 56%; Estados Unidos 55%Riscos de altas temperaturas, alta umidade ou seca
• Métodos de Resfriamento para Nova CapacidadeResfriamento líquido em sala ou por imersão 43%; resfriamento externo de dissipação de calor 56%A dissipação externa de calor inclui chillers, sistemas adiabáticos ou resfriamento mecânico de backup
• Impacto dos Fatores Ambientais sobre o PUEGlobal +5 pontos percentuais; Estados Unidos +11 pontos percentuaisUsado na previsão-base de energia para reduzir a magnitude das melhorias anuais de eficiência
• Capacidade de Turbinas a Gás ContratadaMais de 50%A GE Vernova espera que, até o fim de 2026, mais da metade de sua capacidade de 2031 já esteja contratada

Impacto e implicações

O relatório argumenta que o crescimento do consumo de energia por IA não é determinado apenas pelo número de servidores, mas pelos efeitos combinados das despesas de capital, eficiência por unidade de computação, elasticidade da demanda e executabilidade da infraestrutura. Mesmo que a tecnologia continue reduzindo o consumo de energia por unidade de computação, a demanda reprimida, o fornecimento de energia behind-the-meter, a capacidade de reserva e o resfriamento que economiza água ainda podem elevar a demanda total por energia e infraestrutura; enquanto isso, o licenciamento comunitário e as restrições de recursos podem alterar localizações, cronogramas e estruturas de fornecimento de energia dos projetos. Consequentemente, a demanda de IA e a expansão da redundância global continuarão a sustentar a cadeia de valor de confiabilidade, mas o ritmo de entrega efetiva depende de aprovações de projetos, acesso à rede, entrega de equipamentos e oferta de mão de obra.

Riscos

• A oposição de comunidades dos EUA quanto à confiabilidade de energia e água, contas de eletricidade, ruído, consumo de água e aquecimento localizado pode atrasar ou reduzir a escala de projetos de data centers.
• Se o ciclo de IA entrar na fase de execução e eficiência, os ganhos de produtividade poderão levar clientes a reduzir orçamentos, enfraquecendo o crescimento da demanda por servidores e energia.
• A queda dos retornos em nível de empresa entre hyperscalers e taxas de reinvestimento superiores a 100% em 2027 podem levantar dúvidas sobre a sustentabilidade das despesas de capital.
• A escassez de equipamentos de geração de energia, conexões à rede e mão de obra qualificada pode restringir a execução dos projetos, com uma escassez-base de 78.000 pessoas em mão de obra de transmissão e distribuição.
• Altas temperaturas, alta umidade e seca podem restringir as escolhas de tecnologia de resfriamento e compensar parte das melhorias de eficiência energética ao aumentar o PUE.
• Preços mais altos de eletricidade, custos de capital para geração a gás natural e contas dos consumidores podem intensificar disputas sobre alocação de custos e licenciamento comunitário.
• Emissões, uso de recursos, mão de obra e riscos de governança podem enfraquecer a contribuição líquida da IA para os objetivos de desenvolvimento sustentável.

Pontos a observar

• Acompanhar as despesas de capital dos hyperscalers em 2027, as taxas de reinvestimento e se os retornos corporativos relacionados à IA podem sustentar investimentos contínuos.
• Monitorar quando a demanda por tokens e computação será plenamente definida e se os clientes migrarão da expansão do consumo para a redução de orçamentos.
• Observar os requisitos de auditoria e divulgação no Texas, os apelos por moratória de construção na Virgínia e outras mudanças no licenciamento comunitário.
• Acompanhar mudanças nos preços do gás natural, nos custos de capital de projetos de ciclo combinado e no prêmio de confiabilidade verde.
• Monitorar o progresso de contratação de equipamentos como turbinas a gás, os cronogramas de acesso à rede e a participação do fornecimento de energia behind-the-meter no crescimento incremental de data centers.
• Observar se a escassez de eletricistas e trabalhadores de transmissão e distribuição afeta a construção de infraestrutura de energia nos EUA.
• Acompanhar taxas de adoção de resfriamento líquido, resfriamento que economiza água e utilização de calor residual, bem como os efeitos das condições ambientais sobre o PUE e o consumo total de energia.
• Monitorar as áreas de foco dos investidores quanto ao desenvolvimento da IA, gestão de riscos, conformidade, governança e mensuração do valor social líquido.