IA e turismo sustentável – o que está nos dois pratos da balança?

domingo, 26 de julho de 2026 07:21

Hoje em dia, é raro encontrar uma conferência de turismo em que não se mencione que a inteligência artificial está a transformar profundamente o funcionamento do setor. Algumas apresentações depois, geralmente surge a questão de que a IA consome muita energia, necessita de água para o arrefecimento dos centros de dados e aumenta continuamente a procura por infraestruturas de TI. Ambas as afirmações são verdadeiras. A inteligência artificial tem impacto ambiental, mas também oferece acesso a conhecimentos e ferramentas que antes eram inacessíveis para muitas empresas turísticas. A verdadeira questão não é se a IA é boa ou má. É muito mais sobre como a utilizamos, com base em que dados ela opera e quais objetivos definimos para ela.

Durante o desenvolvimento do I-DEST, também trabalhamos com essa dualidade. Criamos soluções digitais que utilizam inteligência artificial, ao mesmo tempo que procuramos apoiar uma operação mais sustentável para destinos e prestadores de serviços turísticos. Por isso, não podemos evitar a questão de qual é o preço que pagamos pelo uso da tecnologia e o que recebemos em troca.

Quanto tudo isso custa ao planeta?

De acordo com cálculos da Agência Internacional de Energia (IEA), os centros de dados do mundo consumiram cerca de 415 terawatts-hora de eletricidade em 2024. Isso representou aproximadamente 1,5% do consumo global de eletricidade. No cenário base, o consumo pode chegar a 945 terawatts-hora até 2030, ou seja, mais do que o dobro, representando cerca de 3% do consumo total de eletricidade do mundo. (IEA, 2025)

Um dos principais motores desse crescimento é a IA, embora os centros de dados, naturalmente, não atendam exclusivamente a sistemas de inteligência artificial. Serviços de nuvem, vídeos online, sistemas de TI empresariais e muitos outros serviços digitais também exigem capacidade significativa.

No entanto, o impacto ambiental de uma única consulta de IA pode ser muito menor do que as estimativas gerais anteriores sugeriam.

Segundo medições operacionais divulgadas pelo Google em agosto de 2025, o processamento de uma consulta textual mediana do modelo Gemini:

consumiu 0,24 watt-hora de energia,
emitiu 0,03 gramas de equivalente de dióxido de carbono,
e utilizou cerca de 0,26 mililitros de água.

O consumo de energia foi equivalente a cerca de nove segundos de consumo de uma televisão, e a quantidade de água correspondeu a aproximadamente cinco gotas. (Elsworth et al., 2025)

No entanto, esses dados devem ser tratados com cautela. A medição referiu-se a um serviço específico, as consultas textuais do modelo Gemini, e não pode ser aplicada automaticamente a todos os sistemas de IA, tarefas de pesquisa complexas ou geração de imagens e vídeos. Além disso, o cálculo não reflete completamente o impacto ambiental do desenvolvimento, treino dos modelos, fabricação de hardware e construção de centros de dados. Os resultados do Google foram criticados por especialistas independentes porque a forma de calcular o uso indireto de água e emissões pode influenciar significativamente os resultados.

Portanto, as duas afirmações não se contradizem. O impacto de uma única consulta curta pode ser pequeno, mas o de bilhões de consultas já não é. Os sistemas estão a tornar-se mais eficientes, mas o seu uso também está a crescer rapidamente. Por isso, a necessidade total de energia e água pode aumentar, mesmo que cada tarefa individual exija menos recursos.

Além disso, no caso do uso de água, não é apenas a quantidade global que importa. É crucial onde o centro de dados está localizado. A mesma necessidade de água pode ter consequências muito diferentes numa região chuvosa em comparação com uma área que enfrenta escassez regular de água.

O ciclo de vida do hardware também não pode ser ignorado. A fabricação de chips de alto desempenho requer matérias-primas, água e energia, e a rápida substituição de dispositivos aumenta a quantidade de resíduos eletrónicos.

O que recebemos em troca?

Os benefícios da inteligência artificial no turismo não são necessariamente mais interessantes para as grandes empresas internacionais. Podem trazer mudanças muito mais visíveis para os pequenos prestadores de serviços. Uma pousada com poucos quartos, um restaurante familiar ou um organizador de programas locais muitas vezes não comunicavam em várias línguas, não analisavam regularmente as avaliações dos clientes e não elaboravam relatórios detalhados de sustentabilidade porque não tinham pessoal adequado ou especialistas externos.

Hoje, parte dessas tarefas pode ser realizada com um único computador portátil. A IA não substitui o conhecimento profissional, mas pode reduzir significativamente os custos e o tempo necessários para os primeiros passos.

Uma das áreas importantes de benefício social é a acessibilidade. Com a ajuda da inteligência artificial, é mais fácil criar:

traduções em tempo real ou rápidas;
informações redigidas em linguagem simples;
conteúdos em formato de áudio;
descrições de imagens para pessoas com deficiência visual;
informações adaptadas a diferentes necessidades;
resumos de dados de acessibilidade.

Essas tarefas muitas vezes não eram realizadas porque os prestadores de serviços não podiam financiá-las.

No turismo, que enfrenta escassez de mão de obra, a automatização de tarefas administrativas também pode ser útil. Não substitui necessariamente os colaboradores, mas pode liberar tempo. Menos tempo é gasto a preencher tabelas, redigir respostas padrão ou organizar dados, sobrando mais para os clientes.

Isso, no entanto, só é verdade se a gestão da empresa realmente usar a tecnologia para esses fins. A IA é igualmente capaz de apoiar os colaboradores, intensificar o controlo sobre eles ou reduzir o número de funcionários. A tecnologia, por si só, não decide qual caminho seguir.

A apresentação do património cultural também oferece muitas possibilidades. Coleções históricas, fotografias antigas, gravações etnográficas, materiais em dialetos e longas monografias podem tornar-se pesquisáveis. A história de uma localidade pode assim ser integrada num percurso temático, audioguia ou programa escolar.

No entanto, a literatura especializada é muito mais cautelosa em relação às vantagens da IA para a sustentabilidade do que os materiais de marketing das empresas tecnológicas. Segundo a revisão de Gössling e Mei em 2025, fala-se muito sobre as possibilidades, mas ainda há relativamente poucas evidências confiáveis sobre resultados de sustentabilidade efetivos e mensuráveis a longo prazo. Os autores também alertam que a IA pode reforçar a concentração de dados, a vigilância dos consumidores e a intensificação do turismo (Gössling–Mei, 2025).

Uma revisão sistemática de 213 publicações científicas concluiu que as pesquisas sobre automação inteligente no turismo se concentram principalmente na experiência dos visitantes, preservação do património, qualidade de vida, medição das experiências dos visitantes e proteção ambiental. No entanto, até agora, menos atenção foi dada à medição prática dos impactos ambientais do que às questões económicas e sociais (Majid et al., 2023).

O marketing como ponto de encontro inicial

A maioria das empresas turísticas encontra a inteligência artificial pela primeira vez no marketing. Utiliza-a para redigir textos, traduzir, criar publicações para redes sociais, gerar imagens para newsletters e responder a avaliações de clientes. A razão para isso é compreensível. O resultado é visível imediatamente, o uso é relativamente simples e geralmente não requer desenvolvimento de TI específico.

Do ponto de vista da sustentabilidade, no entanto, o marketing é muito mais importante do que apenas acelerar a criação de uma publicação no Facebook. A comunicação pode ter um impacto significativo em: quem visita determinado local; quando viajam; quanto tempo permanecem; quais atrações visitam e onde gastam o dinheiro.

Uma campanha bem estruturada na primavera ou no outono, por exemplo, pode reduzir a pressão durante o pico do verão. Apresentar uma área menos conhecida ou um negócio local pode ajudar a dispersar os visitantes, evitando a concentração em poucos locais. A IA permite que um prestador de serviços ou organização turística menor crie mensagens específicas para diferentes públicos-alvo. Conteúdos diferentes podem ser direcionados para quem prefere viajar em períodos mais tranquilos, famílias com crianças pequenas, ciclistas ou aqueles que procuram produtos e alimentos locais.

A comunicação multilíngue também pode tornar-se mais barata e rápida. Isso é particularmente útil para mercados emissores menores, que anteriormente não recebiam orçamento de marketing dedicado.

A IA também pode ajudar a destacar atrações menos conhecidas, histórias locais e pequenos prestadores de serviços. Em muitos sites de destinos, há descrições detalhadas das atrações mais famosas, enquanto os valores menores quase não aparecem. A tecnologia pode acelerar o processamento de informações, mas o conhecimento local e as histórias autênticas ainda precisam ser adicionados por pessoas.

O marketing como ponto de encontro inicial

Os principais riscos do marketing

Todos os lugares começam a parecer iguais

Se todos os prestadores de serviços utilizarem a mesma ferramenta de IA com instruções semelhantes, em breve todos os alojamentos serão "aconchegantes", todas as localidades serão "joias escondidas" e todos os programas oferecerão "experiências inesquecíveis". No entanto, no turismo, o caráter único de cada lugar é um dos maiores valores.

Por isso, vale a pena criar um guia de estilo linguístico próprio. Este pode incluir expressões características do local, o tom desejado, clichês a evitar e as histórias que realmente diferenciam o serviço.

A imagem gerada não substitui a realidade

Uma imagem que mostra um quarto, piscina, vista ou paisagem inexistente não é apenas uma solução criativa. Pode enganar o cliente, causar problemas de proteção ao consumidor e prejudicar a confiança. Imagens geradas podem ser usadas como ilustração ou elemento de ambientação, desde que isso seja claramente indicado. No entanto, para apresentar um serviço realmente disponível, é necessário usar fotografias reais.

O greenwashing também pode ser acelerado

Hoje, é possível criar um texto sobre sustentabilidade em poucos minutos. No entanto, para medir o impacto, ainda são necessários dados.

Se uma alegação ambiental não for respaldada por medições, documentação ou resultados verificáveis, a IA não torna a empresa mais sustentável, apenas gera mensagens verdes infundadas mais rapidamente. Isso representa um risco comercial e legal. As alegações ambientais estão a ser examinadas com mais rigor, por isso, todos os resultados comunicados devem ser comprováveis e claramente definidos.

O sistema reforça o que definimos como objetivo

Se uma campanha visa exclusivamente aumentar o número de reservas ou a receita imediata, provavelmente reforçará os períodos e produtos mais populares. É mais fácil obter bons resultados nesses casos.

A sustentabilidade só será considerada nas decisões se também estiver entre as métricas.

Exemplos de métricas podem incluir:

a proporção de reservas na baixa e média temporada;
o tempo médio de estadia;
o montante gasto em negócios locais;
o tráfego em locais menos visitados;
a proporção de visitantes que utilizam transporte público;
ou o consumo de energia e água por noite de estadia.

O mesmo sistema de IA pode oferecer sugestões completamente diferentes se, além do número de reservas, esses fatores também forem considerados.

Onde a IA já funciona bem hoje?

Previsão de procura e planeamento de capacidade

Com base em dados de reservas anteriores, calendários de eventos, condições meteorológicas, informações de transporte e outros fatores, podem ser feitas previsões mais precisas sobre a procura esperada.

Isso pode ajudar em:

escalas de trabalho;
planeamento de estoques;
ajuste de capacidades de transporte;
organização de horários de visitação;
e identificação precoce de períodos de alta procura.

A previsão não elimina a superlotação, mas pode tornar o problema visível mais cedo, permitindo mais tempo para intervenção.

Redução do desperdício alimentar

Sistemas de reconhecimento de imagem e medição baseados em IA podem identificar quais alimentos e em que períodos geram mais resíduos. Esses dados ajudam as cozinhas a ajustar compras, porções e cardápios. No programa Green Ramadan da Hilton em 2025, 45 hotéis em 14 países participaram. Durante o programa, a quantidade de alimentos deixados nos pratos foi reduzida em 26%, evitando mais de 2,6 toneladas de resíduos alimentares. A iniciativa utilizou a tecnologia de medição baseada em IA da Winnow (Hilton, 2025). Este é um bom exemplo de quando os interesses ambientais e comerciais se encontram diretamente: menos alimentos são desperdiçados, enquanto os custos de aquisição também diminuem.

Consumo de energia e água

Sistemas inteligentes podem ajudar a regular o aquecimento, arrefecimento e ventilação. Podem identificar consumos anómalos, fugas, equipamentos com mau funcionamento ou dispositivos que operam desnecessariamente.

O objetivo não é comprometer o conforto do cliente, mas garantir que o sistema não consuma energia onde e quando não for necessário.

Preparação de relatórios e certificações de sustentabilidade

Uma certificação ou auditoria de sustentabilidade envolve uma documentação significativa. É necessário reunir, organizar e associar a requisitos específicos regulamentos, faturas, dados de consumo, fotografias e outras evidências.

A IA não ajuda descrevendo o prestador de serviços como "mais verde". A tarefa útil é reconhecer e organizar as evidências disponíveis, sinalizar dados ausentes e apoiar o acompanhamento dos requisitos.

A decisão final de conformidade, no entanto, ainda deve ser tomada por um especialista ou auditor qualificado.

Quando a IA pode piorar a situação

Um dos problemas das recomendações de IA é que frequentemente tornam os lugares já populares ainda mais visíveis.

O estudo preliminar de Lee e Pennington-Gray, com base em um milhão de viagens simuladas nos Estados Unidos, descobriu que os grandes modelos de linguagem avaliados criaram fluxos turísticos mais sazonais, desiguais e menos diversificados do que os padrões reais de turismo. Os sistemas reforçaram particularmente a combinação de destinos e períodos já populares (Lee–Pennington-Gray, 2026).

Como se trata de um estudo preliminar, os resultados precisam ser confirmados por pesquisas adicionais, mas o risco identificado merece atenção.

Se muitas pessoas pedirem conselhos aos mesmos sistemas e esses sistemas recomendarem consistentemente os mesmos lugares, isso pode aumentar ainda mais a superlotação.

Outro problema é a invisibilidade.

O estudo preliminar de Chen, Weng e Moro em 2026 analisou as recomendações de restaurantes de três grandes modelos de linguagem em cinco cidades americanas e 304 bairros. Mesmo quando os modelos podiam escolher de uma lista controlada de estabelecimentos reais, 47,5% dos locais nunca foram recomendados. Além disso, 31,9% dos negócios invisíveis eram os mesmos nos três modelos analisados (Chen–Weng–Moro, 2026).

Isso mostra que a IA não apenas reúne informações disponíveis, mas também as seleciona. Alguns lugares são consistentemente destacados, enquanto outros são pouco ou nada mostrados.

Isso pode prejudicar especialmente negócios locais menores, com poucas avaliações ou presença digital limitada.

O que o viajante pode fazer?

Não pergunte apenas para onde ir

Pergunte também quando é melhor viajar e qual alternativa próxima é menos lotada. Uma pergunta útil pode ser:

"Quando este lugar é menos lotado e que programa semelhante posso encontrar nas proximidades?"

Muitas vezes, contribuímos mais para a sustentabilidade viajando para o mesmo lugar em outra época do que procurando um novo destino distante.

Verifique as informações práticas

Sempre confirme horários de funcionamento, itinerários, preços, condições de reserva e validade de certificações na fonte original. A IA pode apresentar de forma convincente dados que estão desatualizados ou incorretos.

Planeje menos programas

Se o planeador de itinerário sugerir dez lugares para visitar num único dia, peça para reduzir para três ou quatro.

Menos lugares geralmente significam menos deslocamentos locais, programas mais tranquilos e mais encontros genuínos. No impacto ambiental de uma viagem, o transporte geralmente pesa muito mais do que as poucas consultas de IA usadas para planejar o itinerário.

Questione as alegações de sustentabilidade

Quando um alojamento ou programa se descreve como sustentável, vale a pena perguntar: Tem certificação independente? Quem a emitiu? Até quando é válida? Que dados são medidos? Que resultados concretos foram alcançados?

Há uma grande diferença entre uma certificação emitida com base em critérios independentes e um "selo verde" criado pela própria empresa.

O que as empresas turísticas podem fazer?

Primeiro, organize os dados

A IA só pode trabalhar com o que está disponível e compreensível digitalmente.

Se o site tiver horários de funcionamento imprecisos, endereço ou localização geográfica ausentes, informações de acessibilidade não indicadas e descrições de serviços pouco claras, os sistemas de IA também podem fornecer informações incorretas ou incompletas.

É especialmente importante:

nome, endereço e contato precisos;
horários de funcionamento atualizados;
preços e condições de reserva;
opções de transporte;
informações de acessibilidade;
classificação adequada do serviço;
e dados estruturados no site.

Dados bem mantidos e compreensíveis para máquinas já não são apenas uma questão de otimização para motores de busca. Podem ser um pré-requisito para aparecer em recomendações baseadas em IA.

O que as empresas turísticas podem fazer?

Meça primeiro, comunique depois

Energia, água, resíduos, compras locais, noites de estadia, transporte. É com base nesses fatores que se podem calcular resultados reais de sustentabilidade.

A IA pode ajudar a organizar dados, identificar discrepâncias e preparar relatórios. No entanto, não deve ser usada para criar alegações ambientais convincentes sem medições.

Áreas iniciais promissoras incluem:

desperdício alimentar;
programação de aquecimento e arrefecimento;
processos de lavandaria;
detecção de fugas de água;
gestão de estoques;
ou planeamento de compras.

Nesses casos, os resultados comerciais muitas vezes aparecem relativamente rápido.

A IA sugere, o humano decide

Todos os textos para clientes, sugestões de preços, traduções e alegações ambientais devem ser revisados por humanos.

Um preço, horário de funcionamento ou condição de reserva incorretos podem causar muito mais danos do que o tempo economizado com a automatização.

Não use sistemas maiores do que o necessário

Nem todas as tarefas requerem o maior modelo de linguagem, e nem toda comunicação precisa de vídeos gerados por IA.

Para corrigir um texto curto, classificar dados ou criar um resumo simples, muitas vezes um sistema menor e mais eficiente é suficiente. Uma boa fotografia real muitas vezes vale mais do que um vídeo artificialmente gerado e energeticamente intensivo.

Isso não é apenas uma questão ambiental. Também é uma decisão sensata em termos de custo e eficiência.

Como usamos a inteligência artificial no I-DEST?

Não queremos fingir que observamos este processo de fora. Durante o desenvolvimento do I-DEST e no nosso trabalho profissional, também utilizamos inteligência artificial regularmente. Não a vemos como uma tomadora de decisões independente, mas como uma ferramenta de trabalho que pode acelerar certos processos, ajudar a identificar conexões e reduzir o número de erros causados por distração humana.

Preparação de previsões e cenários

Analisamos séries temporais de procura, sazonalidade, carga de capacidade e diferentes cenários de desenvolvimento.

A IA é útil aqui não porque oferece respostas infalíveis. Ela ajuda a examinar rapidamente muitas variantes e a identificar conexões que seriam mais difíceis de perceber com processamento manual.

No entanto, a qualidade dos dados de entrada determina tudo. Dados básicos incorretos ou incompletos podem levar o sistema a gerar previsões erradas rapidamente. A IA, portanto, não substitui a verificação de dados, mas torna-a ainda mais importante.

Como usamos a inteligência artificial no I-DEST?

Desenvolvimento de software e depuração

Também usamos inteligência artificial no desenvolvimento técnico do I-DEST. Com a sua ajuda, é mais rápido revisar trechos de código longos, identificar certos erros lógicos, inconsistências e riscos de segurança, bem como criar casos de teste de forma mais simples. O objetivo não é que a IA programe o sistema sem supervisão humana. Usamo-la para examinar os desenvolvimentos de várias perspetivas, identificar problemas mais cedo e, se possível, corrigi-los antes que os utilizadores os encontrem. Isso é especialmente importante num sistema tão complexo como o I-DEST, onde diferentes fontes de dados, idiomas, interfaces de utilizador, módulos de avaliação e funções de recomendação estão interligados. Uma única modificação pode afetar várias outras funcionalidades.

A análise e os testes de código baseados em IA adicionam uma camada extra de verificação aos testes tradicionais de desenvolvedores e utilizadores. No entanto, o uso de IA, por si só, não garante software livre de erros. O código sugerido pela máquina também pode conter erros, soluções desatualizadas ou problemas de segurança. Por isso, todas as alterações significativas são verificadas por desenvolvedores, e o funcionamento do sistema é testado antes da implementação.

O objetivo, portanto, não é substituir o desenvolvedor, mas reduzir o número de erros, apoiar os testes e tornar o trabalho de desenvolvimento mais confiável.

Tradução e verificação terminológica

Utilizamos a IA para processar estratégias, documentos de candidatura, descrições turísticas e normas em vários idiomas. Em todos os documentos de relevância profissional, a tradução automática é seguida por revisão humana. No vocabulário técnico de turismo, sustentabilidade e União Europeia, um único termo mal traduzido pode alterar o significado de uma frase ou requisito. No entanto, a IA ajuda a garantir que os mesmos termos e designações sejam usados de forma consistente em documentos mais longos. A consistência terminológica é especialmente importante para normas internacionais, requisitos de certificação e interfaces digitais multilíngues. Além disso, a IA garante a acessibilidade multilingue do I-DEST, permitindo que destinos e prestadores de serviços não precisem carregar dados em vários idiomas no sistema – cada um trabalha apenas o mínimo necessário.

Marketing e criação de conteúdo

A IA ajuda a preparar os primeiros rascunhos de texto, conteúdos multilíngues e comunicações direcionadas a diferentes públicos-alvo.

Durante o uso, seguimos algumas regras simples:

comunicamos no nosso próprio tom;
trabalhamos com dados verificáveis e reais;
o conteúdo final é aprovado por humanos;
as alegações de sustentabilidade são baseadas em evidências;
e não consideramos apenas cliques ou reservas como resultados.

No marketing, o impacto da IA na sustentabilidade depende em grande parte dos objetivos definidos para o sistema. Se apenas a conversão de curto prazo for considerada, o algoritmo pode facilmente reforçar os períodos e locais já populares. No entanto, se sazonalidade, distribuição territorial ou visibilidade de prestadores locais também forem objetivos, campanhas e recomendações de outro tipo podem ser criadas. Em casos muito raros, a inteligência artificial também ajuda a criar resumos para cartazes e anúncios.

A direção do desenvolvimento do I-DEST

No I-DEST, esforçamo-nos para que as respostas da IA sejam baseadas em dados verificados e fontes identificáveis, e não apenas no conhecimento interno do modelo linguístico.

Ligamos a avaliação de sustentabilidade não a impressões subjetivas, mas a sistemas de requisitos internacionalmente reconhecidos. Por isso, processamos em formato digital os critérios do Global Sustainable Tourism Council (GSTC) para destinos e prestadores de serviços turísticos.

O objetivo da autoavaliação não é apresentar automaticamente uma imagem favorável do utilizador. O sistema deve mostrar:

quais requisitos são cumpridos;
que evidências os sustentam;
quais dados ou documentos estão em falta;
e onde são necessárias mais ações.

Nas recomendações, a consideração de fatores como tempo, sazonalidade, impacto ambiental dos transportes e concentração territorial é essencial.

Pesquisadores da Universidade Técnica de Munique desenvolveram um sistema de recomendação turística que integra, além das preferências dos utilizadores, as emissões de dióxido de carbono dos modos de transporte, a popularidade dos destinos e a sazonalidade nas recomendações (Banerjee et al., 2025).

Um estudo relacionado com utilizadores mostrou que informações claras sobre emissões, popularidade e sazonalidade podem influenciar as escolhas dos viajantes. Os participantes eram mais propensos a escolher modos de transporte com menor emissão de carbono, bem como destinos menos lotados ou mais adequados ao período, quando essas informações eram apresentadas de forma clara (Banerjee–Mahmudov–Wörndl, 2024).

Essa é uma lição importante. A sustentabilidade não precisa ser uma limitação. Com dados adequados e objetivos bem definidos, a IA pode revelar opções que sejam mais favoráveis para os viajantes, comunidades locais e empresas.

Não é a IA, mas nós que decidimos que tipo de turismo construímos

O impacto ambiental da inteligência artificial é real. No entanto, os maiores impactos ambientais do turismo continuam a estar principalmente associados às viagens, transportes, operação de edifícios, consumo e sobrecarga sazonal de locais populares.

Os benefícios da IA também são reais, mas não automáticos.

O mesmo sistema pode ajudar a evitar um local lotado ou enviar ainda mais visitantes para lá. Pode ajudar a encontrar uma empresa local ou torná-la invisível. Pode reduzir o desperdício alimentar ou criar uma campanha de sustentabilidade convincente, mas sem dados que a sustentem.

A questão crucial não é IA ou sustentabilidade.

O que importa é com quais dados o sistema trabalha, o que pedimos a ele, quais objetivos definimos e quem verifica os resultados.

Isso não é apenas uma questão tecnológica. É uma decisão profissional e de liderança.

Por isso, destinos, empresas turísticas e viajantes podem moldar se a inteligência artificial servirá para concentrar ainda mais o turismo ou para promover uma operação mais equilibrada, acessível e eficiente.

Não é a IA, mas nós que decidimos que tipo de turismo construímos

Declaração

Para esta publicação no blog, não gerámos nenhuma imagem nova com inteligência artificial. Todas as imagens utilizadas – documentadas no código-fonte com a indicação da origem – provêm de fontes previamente publicadas, pois no I-DEST só utilizamos IA quando ela realmente agrega valor.

Fontes utilizadas

Banerjee, A. – Mahmudov, T. – Adler, E. – Aisyah, F. N. – Wörndl, W. (2025): Modeling sustainable city trips: integrating CO₂e emissions, popularity, and seasonality into tourism recommender systems. Information Technology & Tourism, 27, 189–226. DOI: 10.1007/s40558-024-00303-1.

Banerjee, A. – Mahmudov, T. – Wörndl, W. (2024): A User Interface Study on Sustainable City Trip Recommendations. arXiv:2405.11243.

Chen, L. – Weng, G. – Moro, E. (2026): Large language models create an uneven informational layer over cities. arXiv:2607.06260. Estudo preliminar.

Elsworth, C. – Huang, K. – Patterson, D. – Schneider, I. – Sedivy, R. – Goodman, S. – Townsend, B. – Ranganathan, P. – Dean, J. – Vahdat, A. – Gomes, B. – Manyika, J. (2025): Measuring the Environmental Impact of Delivering AI at Google Scale. arXiv:2508.15734.

Gössling, S. – Mei, X. Y. (2025): AI and sustainable tourism: an assessment of risks and opportunities for the SDGs. Current Issues in Tourism. DOI: 10.1080/13683500.2025.2477142.

Hilton (2025): Hilton Scales Up Green Ramadan Initiative in 2025, Achieves 26% Reduction in Plate Waste During the Holy Month. Resultados do programa realizado em parceria entre Hilton, UNEP West Asia e Winnow.

International Energy Agency – IEA (2025): Energy and AI. Análise sobre o consumo de energia dos centros de dados e o crescimento esperado até 2030.

Lee, S. – Pennington-Gray, L. (2026): Large Language Models Yield Unsustainable Tourist Flows: Testing Algorithmic Biases Using the Baseline-Rescaling-Outcome Model. DOI: 10.31235/osf.io/kqczf. Estudo preliminar.

Majid, G. M. – Tussyadiah, I. – Kim, Y. R. – Pal, A. (2023): Intelligent automation for sustainable tourism: a systematic review. Journal of Sustainable Tourism, 31(11), 2421–2440. DOI: 10.1080/09669582.2023.2246681.

Global Sustainable Tourism Council – GSTC: GSTC Industry Criteria e GSTC Destination Criteria. Sistemas internacionais de requisitos de sustentabilidade para destinos, alojamentos e prestadores de serviços turísticos.