Intelligenza artificiale: il costo ambientale diventa sempre più ampio, cosa ci aspetta?
L’intelligenza artificiale cresce rapidamente, ma insieme aumentano consumi e pressione sui territori. Ecco perché il conto ambientale può peggiorare.
- La diffusione dell'intelligenza artificiale sta aumentando consumi energetici e uso di acqua, con grandi gruppi che segnalano crescite significative delle emissioni.
- La produzione di chip e la costruzione di infrastrutture contribuiscono per oltre la metà delle emissioni, mentre l'inferenza può pesare fino al 60% sul ciclo di vita.
- Soluzioni come componenti riciclati, programmazione sui picchi di rinnovabili e modelli più piccoli riducono l'impatto, ma la rapida espansione degli impianti ne mina i benefici.
La corsa all’intelligenza artificiale sta facendo emergere un costo ambientale sempre più difficile da ignorare. L’impatto non riguarda soltanto l’elettricità necessaria ad alimentare i data center, ma coinvolge l’intera infrastruttura su cui si reggono i nuovi modelli: dalla produzione dei chip alla costruzione degli impianti, fino all’acqua impiegata per raffreddare i server.
I dati diffusi dai grandi gruppi tecnologici mostrano quanto sia complesso conciliare lo sviluppo dell’AI con gli obiettivi climatici. Nel 2025 la domanda elettrica di Google è aumentata del 37%, mentre le emissioni legate alla sua catena di fornitura sono cresciute del 25%. Amazon ha registrato un’impronta carbonica complessiva pari a 80,85 milioni di tonnellate di CO2 equivalente, il 16% in più rispetto all’anno precedente. Microsoft ha invece segnalato un aumento del 25% delle emissioni complessive, attribuito soprattutto alla costruzione di nuove infrastrutture per l’intelligenza artificiale.
- I data center consumano sempre più energia e acqua
- Il costo ambientale non si ferma ai server
- AI e ambiente: cosa può cambiare nei prossimi anni?
I data center consumano sempre più energia e acqua
Secondo l’International Energy Agency, il consumo elettrico globale dei data center potrebbe quasi raddoppiare entro il 2030, fino a raggiungere circa 950 terawattora. A sostenere questa crescita sarebbero soprattutto i carichi di lavoro specializzati per l’AI.
Il problema riguarda anche il territorio. I grandi impianti tendono a concentrarsi in aree specifiche e possono essere completati più rapidamente di quanto serva per potenziare le reti elettriche e i servizi idrici. In alcuni casi, l’aumento della domanda porta alla realizzazione di nuova capacità alimentata a gas o a un maggiore ricorso ai generatori diesel di emergenza, con ripercussioni sulla qualità dell’aria nelle comunità circostanti.
Anche il raffreddamento pone un dilemma difficile da risolvere. Ridurre il consumo di acqua può infatti richiedere più elettricità. Secondo un rapporto britannico del 2025, una struttura hyperscale da 100 megawatt può arrivare a utilizzare 2,5 miliardi di litri d’acqua in un anno.
Il costo ambientale non si ferma ai server
Una parte consistente delle emissioni viene prodotta ancora prima che un modello entri in funzione. La fabbricazione dei semiconduttori e la costruzione delle infrastrutture possono rappresentare oltre la metà delle emissioni generate da un grande data center dedicato all’AI.
Anche l’utilizzo quotidiano ha un peso rilevante. L’inferenza, pur richiedendo meno energia rispetto all’addestramento, può essere responsabile di una quota compresa tra il 40% e il 60% delle emissioni prodotte lungo l’intero ciclo di vita di un modello.
Il dibattito si sta inoltre estendendo alla biodiversità. L’intelligenza artificiale può essere impiegata per monitorare foreste e specie animali, ma può anche rendere più efficienti attività che intensificano lo sfruttamento delle risorse naturali. Secondo gli ambientalisti, questi effetti indiretti continuano a occupare uno spazio marginale sia nelle politiche aziendali sia nelle discussioni internazionali sulla governance.
AI e ambiente: cosa può cambiare nei prossimi anni?
Le soluzioni esistono, ma richiedono interventi coordinati. L’impiego di componenti riciclati o meno recenti può ridurre del 10-20% le emissioni incorporate. Programmare i carichi di lavoro nei momenti in cui la rete dispone di una maggiore quantità di energia rinnovabile può abbassare ulteriormente l’impatto. Anche l’adozione di modelli più piccoli e specializzati permette di limitare il numero di calcoli necessari.
La questione principale resta però la scala. I progressi ottenuti sul fronte dell’efficienza rischiano di essere vanificati dalla velocità con cui vengono costruiti nuovi data center. La sfida consisterà nel rendere l’AI meno energivora e nel decidere quali limiti introdurre quando il loro costo ambientale ricade sui territori.
FAQ
I data center per l'AI spingono i consumi: la domanda elettrica di grandi aziende è aumentata di decine di punti percentuali nel 2025.
Il raffreddamento richiede enormi volumi; una struttura hyperscale da 100 MW può usare fino a 2,5 miliardi di litri l'anno.
No, gran parte delle emissioni proviene dalla produzione di chip e dalla costruzione delle infrastrutture, spesso oltre la metà.
Sì: componenti riciclati, caricare i lavori quando c'è energia rinnovabile e modelli più piccoli possono tagliare l'impronta.
La concentrazione degli impianti può sovraccaricare reti elettriche e idriche e aumentare l'uso di generatori a gas o diesel, peggiorando la qualità dell'aria.
