Quanto costa all'ambiente l'intelligenza artificiale?
Secondo un rapporto entro il 2030 i data center che alimentano l’IA potrebbero consumare 945 terawatt/ora di elettricita. Generando un’impronta idrica pari al fabbisogno domestico annuo di 1,3 miliardi di persone. Decisamente troppo. E allora...
L’intelligenza artificiale ci appare spesso come una tecnologia leggera, quasi invisibile. Tutto sembra accadere in uno spazio digitale sospeso, senza peso, senza consumo, senza conseguenze materiali. Ma questa, come sappiamo, è solo una parte del racconto. Dietro ogni risposta generata dall’AI esistono infrastrutture fisiche enormi: data center alimentati da quantità crescenti di elettricità, sistemi di raffreddamento che richiedono acqua, reti energetiche sotto pressione, terreni occupati, hardware da produrre e smaltire, minerali critici da estrarre. In altre parole, l’intelligenza artificiale non vive in una nuvola astratta. Vive dentro luoghi reali, consuma risorse reali e produce impatti reali. A lanciare l’allarme sugli impatti ambientali dell’IA è questa volta lo United Nations University Institute for Water, Environment and Health, UNU-INWEH, nel rapporto Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints. Il documento non demonizza l’intelligenza artificiale, né nega il suo potenziale trasformativo. Al contrario, parte da una premessa chiara: l’IA può migliorare la vita di miliardi di persone. Ma proprio per questo deve essere governata con responsabilità.
Pasquale Raicaldo
Secondo le proiezioni riportate nel rapporto, entro il 2030 i data center globali che alimentano anche l’intelligenza artificiale potrebbero arrivare a consumare 945 terawattora di elettricità. È un numero enorme: quasi tre volte il consumo elettrico annuo complessivo di Pakistan, Bangladesh e Nigeria, tre Paesi che insieme ospitano oltre 650 milioni di persone.
Il problema, però, non riguarda soltanto l’energia. La stessa infrastruttura digitale potrebbe produrre un’impronta idrica pari al fabbisogno domestico annuo essenziale di 1,3 miliardi di persone nell’Africa subsahariana. A questo si aggiunge un’impronta territoriale superiore a 14.500 chilometri quadrati, circa il doppio dell’area metropolitana di Jakarta.
In altre parole, la crescita dell’AI non può più essere raccontata soltanto come una questione di innovazione, produttività o competitività. È anche una questione di elettricità, acqua, suolo e giustizia ambientale.
Pasquale Raicaldo
Il grande errore: misurare solo le emissioni di carbonio
Quando si parla di sostenibilità digitale, il dibattito tende quasi sempre a concentrarsi sulle emissioni di CO₂. È un tema fondamentale, ma rischia di essere insufficiente. Il rapporto UNU-INWEH sottolinea infatti che valutare l’impatto ambientale dell’intelligenza artificiale soltanto attraverso il carbonio significa osservare una parte del problema e ignorarne altre altrettanto decisive. Ogni chilowattora di elettricità consumato da un sistema AI porta con sé almeno tre impronte: una di carbonio, legata alle emissioni; una idrica, collegata sia al raffreddamento dei data center sia alla produzione energetica; e una territoriale, connessa alle infrastrutture, alle reti, agli impianti e alle catene di approvvigionamento. Queste tre impronte non si muovono sempre nella stessa direzione. Una scelta che appare positiva dal punto di vista delle emissioni può essere molto più problematica per l’acqua o per il suolo. Il rapporto cita un esempio emblematico: passare dal carbone alla bioenergia può ridurre in media del 70% l’impronta di carbonio dell’elettricità, ma allo stesso tempo può aumentare di oltre trenta volte l’impronta idrica e di cento volte quella territoriale. È un passaggio decisivo, perché cambia il modo in cui dovremmo valutare l’AI. Non basta chiedersi quanta CO₂ produce. Bisogna chiedersi quanta acqua consuma, quale territorio occupa, quali comunità subiscono il peso delle infrastrutture, dove vengono estratti i minerali necessari all’hardware e dove finiranno i rifiuti elettronici generati dall’espansione del settore.
Il consumo non finisce con l’addestramento:
il vero peso è nell’uso quotidiano
Nell’immaginario comune, il momento più energivoro dell’intelligenza artificiale è l’addestramento dei grandi modelli. È comprensibile: addestrare un modello linguistico avanzato richiede enormi quantità di calcolo, infrastrutture sofisticate e molta energia. Il rapporto ricorda, ad esempio, che l’addestramento di GPT-3 è stato stimato in circa 1,3 gigawattora di elettricità, mentre alcune stime attribuiscono a GPT-4 un consumo tra 50 e 70 gigawattora.
Eppure questa prospettiva, da sola, è ormai superata. Una volta che un modello viene distribuito e utilizzato ogni giorno da milioni o miliardi di persone, il peso principale si sposta sull’inferenza: cioè il funzionamento continuo del modello per rispondere alle richieste degli utenti.
Secondo il rapporto, l’inferenza può rappresentare l’80-90% del consumo energetico totale dell’AI. È un dato cruciale, perché ribalta il centro del problema. Non sono solo le grandi fasi di addestramento a consumare energia: sono anche le interazioni quotidiane, ripetute su scala globale, a generare un impatto enorme. ChatGPT, da solo, viene stimato intorno ai 2,5 miliardi di prompt al giorno. Questo volume corrisponderebbe a circa 383 gigawattora di elettricità all’anno per un singolo prodotto. Compensare le relative emissioni di carbonio richiederebbe 2,6 milioni di piantine coltivate per dieci anni, una quantità sufficiente a coprire un’area grande quanto Manhattan. L’impronta idrica associata sarebbe pari al fabbisogno domestico annuo minimo di circa 500.000 persone nell’Africa subsahariana.
Redazione
Immagini e video IA: la nuova frontiera dell’impatto ambientale
Il rapporto evidenzia che il consumo energetico varia enormemente a seconda del tipo di attività. Una richiesta conversazionale in chat può essere circa 200 volte più energivora rispetto a una semplice classificazione testuale. Generare una singola immagine con l’AI può arrivare a richiedere circa 1.450 volte il consumo di riferimento di una classificazione base. Un breve video generato dall’intelligenza artificiale può consumare tanta elettricità quanto 200.000 classificazioni di spam. Il rapporto fornisce anche esempi molto concreti. L’energia richiesta per generare una tipica immagine AI sarebbe sufficiente ad alimentare una lampadina LED da 10 watt per 17 minuti. Nel caso di un video AI ad alta complessità, l’energia potrebbe bastare a far funzionare la stessa lampadina per 42 ore. Anche l’acqua entra nell’equazione: per una singola immagine l’impronta idrica associata all’elettricità è stimata in circa 29 millilitri, mentre per un video complesso può salire a 4,1 litri, quasi l’equivalente del fabbisogno idrico potabile di una persona per due giorni.
Pasquale Raicaldo
La questione diventa ancora più urgente se si considera la velocità con cui gli strumenti generativi vengono integrati nelle piattaforme quotidiane: social network, software di produttività, motori di ricerca, strumenti creativi, sistemi aziendali, applicazioni educative. Qui entra in gioco il cosiddetto effetto rimbalzo, o paradosso di Jevons. Quando una tecnologia diventa più efficiente, spesso diventa anche più economica e più usata. Il risultato è che il consumo totale non diminuisce, ma aumenta. Nel caso dell’AI, modelli più efficienti potrebbero ridurre il costo della singola operazione, ma favorire un’esplosione del numero di richieste, immagini, video e contenuti generati.
I costi sono locali, i benefici spesso lontani
Uno degli aspetti più allarmanti del rapporto riguarda la distribuzione diseguale dei costi e dei benefici. L’intelligenza artificiale è usata globalmente, ma le sue infrastrutture sono localizzate in territori specifici. Questo significa che alcune comunità possono sostenere il peso ambientale di servizi utilizzati altrove. Il caso dell’Irlanda è particolarmente significativo. Nel 2023 i data center hanno rappresentato il 21% del consumo elettrico totale misurato del Paese, superando il consumo di tutte le abitazioni urbane. Il gestore nazionale della rete ha sospeso fino al 2028 le nuove autorizzazioni nell’area di Dublino, proprio per evitare che la crescita delle infrastrutture superi la capacità di pianificazione energetica. Il rapporto cita anche il caso di Querétaro, in Messico, dove l’espansione delle infrastrutture di calcolo si inserisce in un contesto di siccità prolungata e pressione sulle risorse idriche. In Uruguay, invece, i piani per un data center ad alto consumo d’acqua si sono sovrapposti alla siccità del 2023, che ha prosciugato le riserve di acqua dolce di Montevideo e reso l’acqua del rubinetto non sicura da bere.
Pasquale Raicaldo
Questi esempi mostrano che la geografia dell’IA non è neutrale. Il luogo in cui si costruisce un data center determina l’impatto sulla rete elettrica, sulle risorse idriche e sulle comunità locali. Una stessa operazione digitale può avere impronte ambientali molto diverse a seconda della fonte energetica, del sistema di raffreddamento, del clima, della disponibilità d’acqua e della fragilità del territorio. A questo si aggiunge il problema dei rifiuti elettronici. Secondo le stime riportate, entro il 2030 le infrastrutture IA potrebbero generare fino a 2,5 milioni di tonnellate di e-waste ogni anno. Una parte significativa di questi rifiuti rischia di essere trattata in economie a basso reddito, dove le tutele ambientali e sanitarie sono più deboli.
L’IA, quindi, non produce soltanto valore digitale. Produce anche scarti, pressione sulle reti, consumo di risorse, dipendenza da minerali critici e nuovi squilibri tra chi beneficia dell’innovazione e chi ne sopporta le conseguenze materiali.
Pasquale Raicaldo
Il nuovo divario digitale passa anche dalla capacità di calcolo
Il rapporto dell’Università delle Nazioni Unite collega l’impatto ambientale dell’AI a un altro tema decisivo: la concentrazione geografica della capacità di calcolo. Solo 32 Paesi al mondo ospitano data center specializzati in AI. Oltre il 90% della capacità è concentrato in due Paesi, Stati Uniti e Cina. Più di 150 Paesi hanno invece un accesso scarso o nullo a infrastrutture sovrane di calcolo IA. Questo dato non riguarda soltanto la competitività economica. Riguarda la sovranità tecnologica, la sicurezza, la capacità di sviluppare modelli locali, la possibilità di partecipare alla nuova economia dell’intelligenza artificiale. Ma riguarda anche la giustizia ambientale. I Paesi esclusi dalla capacità di calcolo possono comunque essere coinvolti nella parte più pesante della filiera: estrazione di minerali critici, produzione di componenti, trattamento dei rifiuti elettronici. In altre parole, alcune regioni rischiano di sopportare i costi ambientali dell’AI senza riceverne i benefici strategici. Per questo il rapporto parla di governance, non solo di tecnologia. La domanda non è se l’AI possa contribuire al benessere umano: certamente può farlo. La domanda è a quali condizioni, con quali regole, con quali misurazioni, con quale distribuzione dei benefici e con quale responsabilità verso le comunità coinvolte.
Giancarlo Donadio
Verso un’IA entro i limiti planetari
L’allarme lanciato da UNU-INWEH non invita a fermare l’intelligenza artificiale. Invita a governarla. Il punto non è rinunciare all’innovazione, ma impedire che la sua crescita avvenga come se energia, acqua e suolo fossero risorse illimitate. Le raccomandazioni sono rivolte a tutti gli attori coinvolti. I governi dovrebbero integrare le infrastrutture IA nella pianificazione energetica, nella governance dell’acqua e nei permessi legati all’uso del suolo. Le imprese e gli sviluppatori dovrebbero considerare la scelta dei modelli, gli output predefiniti e le modalità di instradamento come fattori ambientali. Gli utenti e le organizzazioni dovrebbero adottare un uso proporzionato allo scopo, scegliendo il modello più leggero e il formato meno energivoro quando possibile. Anche i data center e le utility devono essere chiamati in causa: la localizzazione degli impianti, l’approvvigionamento energetico e la valutazione degli impatti cumulativi non possono essere considerate variabili secondarie. Gli investitori, a loro volta, dovrebbero trattare carbonio, acqua, elettricità e suolo come rischi materiali nelle decisioni finanziarie legate alle infrastrutture IA.
L’IA può aiutarci a curare meglio, studiare meglio, lavorare meglio, progettare meglio. Ma non può diventare l’ennesima promessa di progresso costruita scaricando altrove i suoi costi invisibili. Se vogliamo che l’intelligenza artificiale sia davvero una tecnologia del futuro, dobbiamo pretendere che quel futuro non venga pagato con più acqua sottratta, più energia consumata, più territori sacrificati e più disuguaglianze ambientali. La domanda, quindi, non è più solo che cosa può fare l’AI per noi. È che cosa siamo disposti a chiedere all’AI senza dimenticare ciò che chiede al mondo.
L’articolo è basato sui dati e sulle analisi contenute nel rapporto Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints dell’United Nations University Institute for Water, Environment and Health, UNU-INWEH, pubblicato il 3 giugno 2026.
