# IA para data centers: Christina Delimitrou e a eficiência energética na nuvem

> Christina Delimitrou, professora associada do MIT, aplica aprendizado de máquina para tornar data centers de larga escala mais eficientes, seguros e confiáveis, atacando o desperdício de recursos que infla o consumo de energia. A relevância é imediata: a expansão global desses centros pressiona redes elétricas e aumenta a dependência de combustíveis fósseis, então extrair mais poder computacional do hardware existente virou prioridade prática.

Publicado em 2026-10-08 · https://invision.dreamvision.com.br/blog/ia-para-data-centers-christina-delimitrou-e-a-eficiencia-energetica-na-nuvem

## Pontos-chave
- Christina Delimitrou, do MIT, usa aprendizado de máquina para elevar a utilização de data centers, que chegavam a operar perto de 15% da capacidade em estudo anterior.
- A expansão global de data centers pressiona redes elétricas e aumenta a dependência de combustíveis fósseis.
- A ferramenta Seer antecipa problemas em aplicações web e o Ditto clona sistemas proprietários para pesquisa acadêmica.
- A pesquisadora defende adicionar explicabilidade à IA usada na gestão de sistemas de larga escala.
- Parte do trabalho estende a depuração de aplicações em nuvem para questões de segurança de dados.

## Por que data centers viraram um problema ambiental agora?
A expansão mundial de data centers de alto consumo energético está sobrecarregando redes elétricas e elevando a dependência de fontes fósseis. É nesse cenário que a pesquisa de Christina Delimitrou, professora associada recém-efetivada do MIT, ganha urgência.

A abordagem dela não é construir instalações mais verdes, e sim repensar como servidores e equipamentos de rede operam por dentro. O objetivo é obter mais capacidade computacional a partir do hardware já instalado.


## O que Delimitrou descobriu sobre a utilização real dos sistemas?
Durante o doutorado em Stanford, ao lado do orientador Christos Kozyrakis, Delimitrou observou que muitos sistemas de grande porte rodavam bem abaixo da capacidade. A constatação foi de que a maioria operava em torno de apenas 15% da capacidade, apesar da demanda crescente.

Para ela, escalar sistemas assim não é eficiente em recursos nem sustentável. A partir daí, passou a investigar soluções de aprendizado de máquina capazes de automatizar a gestão de recursos na nuvem.


## Como o aprendizado de máquina entra na gestão da nuvem?
Segundo Delimitrou, aplicar aprendizado de máquina a problemas de sistemas de larga escala era uma abordagem nova e um tanto arriscada na época, porque ninguém havia demonstrado que funcionaria. A justificativa é a escala: o sistema é grande demais para usuários gerenciarem manualmente com eficiência.

O grupo dela também desenvolveu o Seer, ferramenta que usa aprendizado profundo para antecipar e evitar problemas em aplicações web antes que aconteçam. Isso evita lentidões generalizadas que surgiriam quando um desenvolvedor tenta corrigir a falha manualmente.


## Quais ferramentas e métodos o grupo criou?
Além do Seer, a equipe produz clones de sistemas proprietários para conseguir estudar ambientes reais. Uma dessas ferramentas, chamada Ditto, imita a estrutura e as características de desempenho de uma aplicação.

A motivação é concreta: empresas de tecnologia usam hardware proprietário e softwares inacessíveis a equipes acadêmicas, então uma solução validada em laboratório pode não funcionar no mundo real.

- Seer: aprendizado profundo para prever e prevenir falhas em aplicações web.
- Ditto: clonagem de estrutura e desempenho de aplicações proprietárias para pesquisa.
- Redesenho de sistemas de software para adequá-los às capacidades do hardware existente.
- Extensão do trabalho de depuração para incluir questões de segurança, não só erros de código.

## Quais são os limites dessa abordagem com IA?
A própria pesquisadora aponta uma dificuldade central: os modelos de IA não são interpretáveis. Boa parte do trabalho atual do grupo busca adicionar explicabilidade às ferramentas, para que desenvolvedores recebam retorno útil do sistema.

Isso serve tanto para verificar se a IA está respondendo corretamente quanto para orientar projetos de sistemas melhores no futuro. Delimitrou reforça que é preciso auditar o uso de IA com cuidado, para não perder a capacidade de extrair insights das soluções propostas.


## O que mudou na arquitetura das aplicações em nuvem?
Com o tempo, desenvolvedores passaram a dividir aplicações em partes menores distribuídas por vários servidores, o que acelera a implantação. O problema é que os servidores não foram construídos para esse novo estilo de aplicação.

Por isso, Delimitrou revisou trabalhos anteriores para criar sistemas de aprendizado de máquina voltados a essa nova classe de aplicações. A colaboração com especialistas em software e hardware, aliás, foi um dos motivos que a levaram ao MIT, onde é professora assistente no EECS desde 2022 e integra o CSAIL.


## O que isso muda para quem usa IA
Para quem desenvolve com modelos de IA, a mensagem prática é que eficiência de infraestrutura deixou de ser detalhe de operação e virou variável de produto. Sistemas mal utilizados queimam mais energia para atender a mesma demanda, e remover esse excesso sem perder desempenho reduz a necessidade de novas instalações.

Ferramentas que tornam o comportamento da IA mais explicável também importam para depuração e para a confiança no que o modelo entrega. Nesse contexto, a Invision oferece acesso a vários modelos de IA por uma única chave, o que simplifica testar e comparar abordagens sem multiplicar integrações.

Vale notar que a notícia não informa preços, prazos ou métricas de redução de consumo, então qualquer projeção nesse sentido ainda depende de medições concretas.


## Perguntas frequentes
### O que Christina Delimitrou faz no MIT?
Ela é professora associada do Departamento de Engenharia Elétrica e Ciência da Computação (EECS) e membro do CSAIL. Sua pesquisa aplica aprendizado de máquina para tornar data centers de larga escala mais eficientes, seguros e confiáveis.

### Qual é o problema ambiental dos data centers?
A expansão global desses centros de alto consumo energético pressiona as redes elétricas e aumenta a dependência de energia de combustíveis fósseis, segundo a notícia do MIT News.

### O que é a ferramenta Seer?
É uma ferramenta desenvolvida pelo grupo de Delimitrou que usa aprendizado profundo para antecipar e evitar problemas em aplicações web antes que eles aconteçam, evitando lentidões generalizadas.

### O que é o Ditto?
É uma ferramenta que imita a estrutura e as características de desempenho de uma aplicação proprietária, permitindo que pesquisadores acadêmicos estudem sistemas que não podem acessar diretamente.

### Por que a IA aplicada a data centers precisa ser explicável?
Porque os modelos não são interpretáveis por natureza. Adicionar explicabilidade ajuda a verificar se a IA está dando a resposta certa e a orientar o projeto de sistemas melhores no futuro.

Fonte original: [Using AI to mitigate the growing environmental threat of data centers](https://news.mit.edu/2026/mitigating-environmental-threat-of-data-centers-christina-delimitrou-1008) (MIT News).
