L’intelligenza artificiale sta trasformando rapidamente economia, lavoro e società, ma dietro la crescita della capacità di calcolo emerge una questione sempre più rilevante: il consumo di risorse naturali. Un nuovo rapporto della United Nations University invita ad ampliare il modo in cui misuriamo l’impatto ambientale dell’AI. Non basta considerare le emissioni di CO2. Occorre valutare contemporaneamente elettricità, acqua, territorio e ciclo di vita delle infrastrutture. Le stime per il 2030 mostrano numeri significativi e pongono una domanda centrale: come sostenere lo sviluppo dell’intelligenza artificiale rendendolo compatibile con i limiti ambientali?
La crescita dell’intelligenza artificiale ha bisogno di un’infrastruttura fisica molto più grande di quanto possa apparire quando utilizziamo un chatbot o generiamo un’immagine. Dietro ogni richiesta ci sono data center, processori, sistemi di raffreddamento e reti elettriche che consumano energia e utilizzano risorse naturali. Secondo il rapporto dell’United Nations University Institute for Water, Environment and Health, entro il 2030 i data center a livello globale potrebbero arrivare a consumare circa 945 TWh di elettricità all’anno. Per comprendere la dimensione del fenomeno, si tratta di quasi il 3 per cento del consumo elettrico mondiale previsto e di circa il doppio dell’elettricità utilizzata dalla Francia nel 2025.
Il dato diventa ancora più significativo se confrontato con la situazione attuale. Nel 2025 i data center hanno consumato circa 448 TWh di elettricità. Se fossero considerati come un unico Paese, rappresenterebbero l’undicesimo maggiore consumatore di elettricità al mondo, dietro la Francia e davanti all’Arabia Saudita.
Il punto centrale dello studio, tuttavia, è che concentrarsi esclusivamente sull’energia e sulle emissioni rischia di fornire una fotografia incompleta. Ogni kilowattora utilizzato da un sistema di intelligenza artificiale porta con sé anche un’impronta idrica, dovuta principalmente alla produzione di elettricità e al raffreddamento delle infrastrutture, e un’impronta territoriale legata agli impianti energetici e alle relative catene di approvvigionamento.
Le stime per il 2030 rendono evidente la portata della questione. L’impronta idrica associata all’elettricità consumata dai data center potrebbe raggiungere 9.300 miliardi di litri all’anno, una quantità che il rapporto paragona al fabbisogno domestico annuale di base di 1,3 miliardi di persone nell’Africa subsahariana. L’impronta territoriale potrebbe invece superare i 14.500 chilometri quadrati, circa il doppio dell’area metropolitana di Giacarta.
Il rapporto mette in luce anche un aspetto meno intuitivo. Una fonte energetica con basse emissioni di carbonio non è necessariamente la soluzione migliore considerando contemporaneamente tutte le risorse ambientali. Passare dal carbone alla bioenergia, per esempio, può ridurre mediamente l’impronta carbonica dell’elettricità del 70 per cento, ma allo stesso tempo aumentare di oltre trenta volte quella idrica e di cento volte quella legata all’utilizzo del territorio. La sostenibilità dell’AI dovrebbe quindi essere valutata attraverso più indicatori contemporaneamente.
Un altro elemento interessante riguarda il modo in cui viene consumata l’energia. Nel dibattito pubblico si parla spesso dell’enorme quantità di elettricità necessaria per addestrare i grandi modelli. Secondo lo studio, però, una volta che il modello viene messo a disposizione degli utenti è la fase di utilizzo quotidiano, chiamata inferenza, a diventare predominante. L’inferenza sarebbe responsabile di una quota compresa tra l’80 e il 90 per cento del consumo energetico complessivo dell’AI.
Anche il tipo di richiesta effettuata dall’utente conta molto. Una normale conversazione con un sistema di AI richiede circa 200 volte l’energia necessaria per una semplice classificazione testuale. La generazione di un’immagine può richiederne circa 1.450 volte di più, mentre un breve video generato dall’intelligenza artificiale può arrivare a consumare quanto 200.000 operazioni di classificazione dello spam. Durata della risposta, risoluzione, modello utilizzato e formato dell’output diventano quindi variabili ambientali oltre che tecnologiche.
Il rapporto fornisce anche esempi concreti. L’energia necessaria per generare una tipica immagine AI sarebbe sufficiente ad alimentare una lampadina LED da 10 watt per circa 17 minuti. Per un video complesso si arriverebbe invece a circa 42 ore. Anche l’impronta idrica cambia sensibilmente: circa 29 millilitri per un’immagine, ma fino a 4,1 litri per un video complesso.
La maggiore efficienza dei modelli potrebbe sembrare la risposta naturale al problema, ma gli autori richiamano l’attenzione sul cosiddetto effetto rimbalzo. Quando una tecnologia diventa più efficiente ed economica tende infatti a essere utilizzata molto di più. Di conseguenza, la riduzione del consumo necessario per una singola operazione può essere compensata, o persino superata, dall’aumento del numero complessivo delle richieste.
La questione riguarda anche il territorio sul quale vengono costruite le infrastrutture. In Irlanda, per esempio, nel 2023 i data center hanno rappresentato il 21 per cento del consumo elettrico misurato, superando quello complessivo delle abitazioni urbane. Il rapporto cita inoltre casi in Messico e Uruguay nei quali l’espansione delle infrastrutture digitali si è confrontata con situazioni di scarsità idrica. Questi esempi mostrano come servizi utilizzati globalmente possano produrre pressioni ambientali molto concentrate a livello locale.
Esiste poi il problema del ciclo di vita dell’hardware. Entro il 2030 le infrastrutture legate all’intelligenza artificiale potrebbero generare fino a 2,5 milioni di tonnellate di rifiuti elettronici ogni anno. A questo si aggiunge la necessità di estrarre minerali critici indispensabili per la produzione dei componenti tecnologici, spesso provenienti da aree nelle quali la tutela ambientale è più debole.
Il rapporto evidenzia infine una forte concentrazione geografica della capacità di calcolo. Soltanto 32 Paesi ospitano data center specializzati nell’intelligenza artificiale e oltre il 90 per cento della capacità è concentrato in due Paesi, Stati Uniti e Cina. Più di 150 Paesi dispongono invece di un accesso molto limitato o inesistente a infrastrutture sovrane di calcolo AI. Questo crea una questione non soltanto tecnologica ed economica, ma anche legata alla distribuzione dei costi e dei benefici della trasformazione digitale.
La posizione degli autori non è però contraria allo sviluppo dell’intelligenza artificiale. Il rapporto propone un modello di crescita più responsabile basato su trasparenza, efficienza fin dalla progettazione, equità ambientale, responsabilità lungo l’intero ciclo di vita, cooperazione internazionale e utilizzo sostenibile. Governi, imprese tecnologiche, operatori dei data center, investitori e utenti vengono quindi chiamati a considerare energia, carbonio, acqua e territorio come parti di uno stesso problema.
L’intelligenza artificiale può continuare a crescere e generare innovazione, ma il rapporto della United Nations University suggerisce che la prossima sfida non sarà soltanto aumentare la potenza dei modelli. Sarà riuscire a farlo utilizzando in maniera più efficiente le risorse necessarie per alimentarli.
Il messaggio finale dello studio è infatti costruttivo: sviluppo tecnologico e sostenibilità possono procedere insieme, a condizione che l’impatto dell’AI venga misurato in maniera più completa e trasparente. Energia, emissioni, acqua, territorio e ciclo di vita dell’hardware dovranno entrare sempre più nelle decisioni di governi, aziende e investitori. La vera innovazione potrebbe quindi non essere soltanto costruire un’intelligenza artificiale più potente, ma riuscire a costruirne una capace di crescere entro i limiti delle risorse del pianeta.
Fonte: Studio ONU