Un prompt sembra una cosa leggera. Scrivi una domanda, aspetti pochi secondi e arriva una risposta. Tutto appare immateriale, quasi magico. Ma dietro ogni richiesta fatta a ChatGPT o ad altri sistemi di intelligenza artificiale si nasconde una gigantesca infrastruttura fatta di server, sistemi di raffreddamento, reti elettriche e grandi quantità di acqua ed energia.
È questo il quadro che emerge dal nuovo rapporto della United Nations University Institute for Water, Environment and Health (UNU-INWEH), che invita a guardare oltre la superficie dell’AI. Perché l’intelligenza artificiale non è soltanto software: ha un’impronta fisica sempre più pesante in termini di elettricità, consumo idrico, uso del suolo e materie prime.
Quanto consumano i data center
Nel 2025 i data center del mondo hanno consumato circa 448 TWh di elettricità. Se fossero uno Stato, sarebbero stati l’undicesimo consumatore energetico del pianeta. E la crescita non sembra destinata a rallentare: entro il 2030 la domanda potrebbe arrivare a 945 TWh, quasi quanto l’intero consumo annuo del Giappone e pari a circa il 3% dell’elettricità mondiale.
Gran parte di questa crescita è legata proprio all’intelligenza artificiale. Non solo all’addestramento dei grandi modelli, ma soprattutto al loro utilizzo quotidiano: ogni testo generato, ogni immagine creata, ogni video prodotto richiede potenza di calcolo e quindi energia.
Uno degli aspetti più sorprendenti riguarda l’acqua. Secondo il rapporto, entro il 2030 l’impronta idrica associata all’elettricità utilizzata dai data center potrebbe raggiungere 9,3 trilioni di litri. Una quantità enorme, equivalente ai bisogni idrici domestici essenziali di circa 1,3 miliardi di persone nell’Africa subsahariana.
L’acqua serve sia per raffreddare direttamente i server sia per produrre l’energia che li alimenta. Per questo motivo gli autori sottolineano che limitarsi a misurare le emissioni di CO2 non basta: ogni fonte energetica porta con sé anche un’impronta idrica e territoriale che spesso resta invisibile.
Nel 2025 i data center hanno consumato circa 4,5 trilioni di litri d’acqua e prodotto 189 milioni di tonnellate di CO2. Entro il 2030 le emissioni potrebbero salire a 399 milioni di tonnellate, mentre l’occupazione di suolo potrebbe superare i 14.500 km².
La cosiddetta “nuvola” digitale, quindi, è molto meno eterea di quanto immaginiamo. Dietro il cloud ci sono edifici, impianti industriali, trasformatori, sistemi di raffreddamento e infrastrutture che occupano spazio e richiedono risorse. E spesso vengono costruite in territori dove acqua ed energia sono già sotto pressione.
Il paradosso di Jevons e l’effetto rimbalzo
C’è poi un altro elemento che merita attenzione. Molti sostengono che i modelli AI diventeranno sempre più efficienti e quindi consumeranno meno. Ma la storia insegna che non sempre funziona così. È il cosiddetto paradosso di Jevons: quando una tecnologia diventa più efficiente e meno costosa, tende a essere utilizzata molto di più, annullando parte dei benefici ottenuti.
Nel caso dell’intelligenza artificiale il rischio è evidente. Modelli più veloci ed economici vengono integrati in un numero crescente di applicazioni, servizi e piattaforme. Così il consumo per singola operazione diminuisce, ma il numero totale delle operazioni aumenta enormemente.
Il rapporto evidenzia inoltre che la maggior parte dell’energia consumata dall’AI non deriva dall’addestramento dei modelli, bensì dalla cosiddetta inference, cioè dall’utilizzo quotidiano per rispondere alle richieste degli utenti. Questa fase può rappresentare tra l’80% e il 90% del consumo energetico complessivo.
Anche il tipo di contenuto richiesto fa una grande differenza. Generare un’immagine richiede molta più energia rispetto a una semplice risposta testuale, mentre la creazione di video con AI comporta consumi ancora più elevati. Secondo lo studio, una singola immagine generata può richiedere fino a 1.450 volte l’energia necessaria per una semplice classificazione testuale.
Una crescita concentrata tra Stati Uniti e Cina
Un altro aspetto riguarda la distribuzione globale delle infrastrutture. Lo studio segnala che soltanto 32 Paesi ospitano infrastrutture cloud specializzate per l’AI e oltre il 90% della capacità è concentrata tra Stati Uniti e Cina. Molti altri Paesi restano esclusi dai benefici economici diretti ma subiscono comunque gli impatti ambientali legati all’estrazione di minerali critici e alla gestione dei rifiuti elettronici.
Entro il 2030 l’infrastruttura AI potrebbe generare fino a 2,5 milioni di tonnellate di rifiuti elettronici ogni anno. Server, chip e componenti vengono sostituiti rapidamente per sostenere la corsa alla potenza di calcolo, aumentando ulteriormente la pressione sulle risorse naturali.
Le possibili soluzioni
Per gli autori del rapporto la sfida non è fermare l’innovazione, ma renderla trasparente e sostenibile. Significa pubblicare dati comparabili su consumi energetici, emissioni, acqua e uso del suolo. Significa progettare modelli più efficienti e utilizzare la potenza di calcolo in modo proporzionato alle reali necessità.
Anche l’Europa sta cercando di intervenire. La Commissione europea sta lavorando a nuovi standard di efficienza per i data center, con criteri che includono consumo idrico ed energia rinnovabile.
Nel frattempo, secondo l’Agenzia Internazionale dell’Energia (IEA), il consumo elettrico globale dei data center potrebbe raddoppiare entro il 2030. Un dato che rende evidente come il futuro dell’intelligenza artificiale sia ormai strettamente legato anche alle sfide energetiche e ambientali del pianeta.
Per anni abbiamo pensato al digitale come a qualcosa di pulito perché invisibile. Ma il rapporto ONU ricorda che dietro ogni risposta generata dall’AI esiste una realtà fatta di elettricità, acqua, materie prime e infrastrutture. La nuvola, vista da vicino, è molto meno impalpabile di quanto sembri.
Ti potrebbe interessare anche:
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Ilaria Rosella Pagliaro
Source link
