O mundo precisa de cerca de US$ 6 trilhões (R$ 30 trilhões na cotação atual) todos os anos, daqui até 2030, para cumprir as metas climáticas de Paris. Mas não estamos nem perto disso. As preocupações aumentam à medida que cresce a distância em relação ao objetivo, assim como a urgência em acelerar os fluxos de capital.
Em paralelo, existe nos dias atuais uma outra conversa sobre como a inteligência artificial pode ser uma ferramenta poderosa para enfrentar riscos climáticos, com alguns afirmando até que a IA resolverá as mudanças climáticas.
Ela costuma ser apresentada como uma camada habilitadora, um acelerador. Otimização de redes elétricas, aceleração da descoberta de materiais, melhoria no monitoramento e verificação de emissões são apenas alguns dos usos emergentes. Mas é preociso unir essas conversas.
Sim, a IA pode oferecer ferramentas reais para reduzir o déficit de financiamento climático. Mas as décadas de construção da comunidade de financiamento climático também acumularam muitos aprendizados, incluindo estruturas de governança, ou seja, como tornar um risco complexo, sistêmico e de longo prazo compreensível para os mercados de capital, algo potencialmente igualmente valioso como roteiro para governar a própria IA.
Os gargalos do financiamento climático
De início, a pergunta é: o que a IA poderia fazer para acelerar os fluxos de financiamento climático?
“Como a IA pode tornar a prática de investimentos alinhados ao clima mais eficaz? Acho que esse é um campo muito menos articulado e talvez até menos compreendido”, diz Dan Firger, fundador da Great Circle Capital Advisors.
Os gargalos são um bom ponto de partida. Um obstáculo que limita o financiamento é a percepção de risco, especialmente nos países mais vulneráveis ao clima. Segundo o World Resources Institute, um projeto solar na Alemanha exige cerca de 8% de retorno sobre o capital próprio; o mesmo projeto na Zâmbia exige 51%.
A IA não consegue eliminar o risco totalmente, mas pode analisar melhor os dados dos projetos para avaliá-lo com mais precisão, o que pode ajudar investidores e desenvolvedores a reduzir o tempo de implantação e construção.
Em segundo lugar, financiadores climáticos frequentemente lamentam a ausência de projetos financiáveis. As barreiras são conhecidas: poucos projetos investíveis, desenvolvimento limitado dos mercados financeiros e alto custo de capital. A IA pode melhorar a conexão entre partes, mas não pode simplesmente criar projetos financiáveis quando o ambiente regulatório ou as dinâmicas locais dificultam o financiamento.
Outro obstáculo é a incerteza regulatória e a indecisão. Governos tomam decisões em ritmos diferentes, têm agendas variadas que mudam entre administrações e muitos, especialmente em mercados emergentes, possuem orçamentos limitados e pouca capacidade de endividamento.
Algoritmos só conseguem fazer até certo ponto para alterar a velocidade com que humanos lidam com esses entraves. Ao mesmo tempo, esses mesmos sistemas políticos viabilizaram US$ 7 trilhões (R$ 35 trilhões) em subsídios a combustíveis fósseis, algo que também não será resolvido com algoritmos melhores.
Um quarto gargalo é a infraestrutura de entrega, principalmente ao alcançar comunidades mais vulneráveis e financiar adaptação climática. Mesmo quando há capital e projetos financiáveis, chegar até essas comunidades é difícil. O financiamento climático precisa ser rápido e alcançar populações vulneráveis, que também são frequentemente as mais difíceis de investir.
Ferramentas de IA que melhoram a análise de crédito ou modelagem de risco podem de fato acelerar decisões e torná-las mais precisas. Porém, a camada de execução é igualmente importante e menos suscetível de melhoria com IA.
“Não são dados reais e análises rigorosas que estão informando algumas dessas decisões de risco. É mais algo como ‘ouvi dizer que esse mercado é arriscado, então não vamos investir’. É baseado em sensação”, diz Firger sobre a camada de dados.
Especialistas como Manuel Bueno e Darius Nassiry já documentaram respostas concretas em uso: empresas de fintech agrícola como FarmDrive, no Quênia, e Cropin, na Índia, utilizam IA para analisar produtividade agrícola e dados climáticos via satélite para construir modelos de crédito mais precisos para bancos.
Na Indonésia, a KoinWorks ajusta condições de empréstimos com base na exposição local a secas e enchentes. São aplicações já em funcionamento que estão direcionando capital para mercados historicamente negligenciados pelas finanças tradicionais.
E, claro, muitos desses usos de IA não são exclusivos do clima. O setor financeiro como um todo, ao integrar mais ferramentas de IA, pode ter melhor diligência em negócios, avaliação de risco e análise de cenários.
“Não acho que muito do que eu disse seja específico de financiamento climático. É um tema que se aplica a tudo.” O investimento climático se beneficia da transformação mais ampla das finanças pela IA, mas como passageiro, não como motor principal”, diz Firger.
Também precisamos entender se a própria IA será bem governada para cumprir esse potencial. É aqui que a experiência do financiamento climático se torna relevante. O mesmo ecossistema de financiadores, formuladores de políticas e acadêmicos que passou duas décadas tentando tornar o risco climático compreensível para os mercados também aprendeu o que acontece quando estruturas de governança são construídas sobre bases inadequadas.
Há um paralelo com a trajetória da governança da IA. Em outras palavras, se as ferramentas criadas para melhorar investimentos climáticos não forem bem governadas, se os modelos forem dominados por métricas fáceis em vez das mais relevantes, se dependências iniciais forem consolidadas antes de o campo entender suas reais necessidades, a IA corre o risco de repetir os erros do financiamento climático em maior velocidade e escala. A questão é como a comunidade de IA pode aproveitar esses aprendizados.
O que uma década de financiamento climático pode ensinar sobre governança da IA
A governança importa, muitas vezes mais do que imaginamos, e os aprendizados do financiamento climático oferecem lições valiosas.
Um artigo recente, From Carbon to Code, da Great Circle Capital Advisors em parceria com a Omidyar Network, argumenta que o esforço de uma década para construir estruturas de governança no financiamento climático traz ensinamentos importantes para a governança da IA.
O argumento central é que a comunidade de IA pode aprender com erros do financiamento climático, como a proliferação de estruturas, foco excessivo em indicadores mensuráveis em vez de resultados relevantes e dependências criadas cedo demais.
A Task Force on Climate Related Financial Disclosures (TCFD), lançada na cúpula climática de Paris em 2015, foi um momento histórico. No entanto, também levou à proliferação de estruturas e aumento da carga de conformidade, criando diversos protocolos que geram confusão.
Decisões iniciais criaram dependências difíceis de reverter. O sucesso da TCFD dependeu de cerca de vinte anos de trabalho prévio. Houve grande volume de financiamento filantrópico, apoio governamental e produção acadêmica para construir a infraestrutura de divulgação. Não houve atalhos.
Nesse processo, a qualidade da governança tornou-se um indicador importante da ação climática. O nível de supervisão do conselho, a responsabilização da gestão e os processos de risco sistêmico passaram a ter grande relevância. Alguns argumentam que metas e reduções de emissões são menos indicativas do que a governança que estrutura a ação climática. Isso tem dois significados.
Para o financiamento climático, sugere que ferramentas de IA que avaliam governança podem gerar mais valor do que aquelas focadas em emissões. Para a governança da IA, traz um alerta: métricas e estruturas criadas primeiro tendem a persistir, mesmo quando suas limitações ficam evidentes.
Assim como a IA pode melhorar gargalos do financiamento climático, também pode ampliar ineficiências. Do ponto de vista de governança, ferramentas de IA podem aumentar transparência e análise, resumindo rapidamente relatórios financeiros, atas e documentos regulatórios para identificar padrões de gestão de risco climático.
Isso permite entender como empresas realmente gerenciam esses riscos, não apenas como os reportam. Oferece uma visão interna, não apenas do resultado final. Para investidores que buscam compromissos reais, isso tem valor. Essas ferramentas podem identificar inconsistências entre compromissos climáticos e padrões de investimento das empresas, algo que um analista humano poderia não perceber em milhares de páginas.
Mas também há espaço para manipulação. Financiar empresas com base em como descrevem sua governança pode incentivar o uso de linguagem adequada para esconder problemas reais, fazendo com que algoritmos ignorem falta de responsabilidade. Isso provavelmente já está acontecendo.
À medida que divulgações corporativas evoluíram para incorporar métricas ESG, empresas ficaram mais sofisticadas na forma de apresentar suas narrativas. A IA pode melhorar a detecção, mas também facilitar a evasão. O impacto líquido nos resultados climáticos é incerto, e essa incerteza reforça a necessidade de acertar a arquitetura de governança antes que as ferramentas não possam mais ser redesenhadas.
Também não podemos esquecer da dependência de trajetória. Ela ocorre quando decisões iniciais se tornam difíceis de mudar, mesmo quando melhorias são identificadas. Um exemplo é o teclado QWERTY, criado no século 19 para resolver um problema mecânico que já não existe, mas ainda é padrão devido à sua adoção ampla.
O mesmo vale para estruturas de governança da IA. Se forem construídas sobre padrões existentes com falhas, essas falhas serão difíceis de corrigir depois. O financiamento climático aprendeu isso com dificuldade, como no caso do protocolo de gases de efeito estufa e suas categorias, que são difíceis de ajustar.
Para onde vamos agora?
Até agora, a IA resolve alguns gargalos do financiamento climático de forma relevante e outros quase não resolve. Ela pode melhorar a percepção de risco, conectar melhor agentes e revelar dados antes ignorados. Porém, não consegue alterar subsídios a combustíveis fósseis, construir infraestrutura ou criar projetos financiáveis onde as condições não permitem.
Além disso, riscos específicos da IA, como falsa precisão, vieses e dependências estruturais, exigirão o mesmo tipo de trabalho de governança que o financiamento climático levou vinte anos para desenvolver.
Não podemos esperar pela estrutura perfeita de governança da IA. A prioridade imediata é garantir que quem está desenvolvendo ferramentas de IA para o clima esteja em diálogo com quem passou décadas construindo estruturas de governança. Essa conversa está atrasada. O financiamento climático não acertou tudo, mas deixou um roteiro. A questão é como aplicar esses aprendizados à IA e garantir que seus avanços cheguem às comunidades e mercados que mais precisam.
Esse trabalho está apenas começando. Como diz Firger: “Acho que mal começamos a tentar.”
*Reportagem originalmente publicada em Forbes.com
