In un contesto bipolare, stretta tra Cina e Stati Uniti, l’Europa cerca non solo di recuperare il suo ritardo tecnologico, ma anche di promuovere un approccio normativo che tuteli non solo lo Stato e l’industria, ma anche i diritti fondamentali dei cittadini e la sostenibilità, fondato sull’AI Act, il primo quadro giuridico globale sull’intelligenza artificiale.
Indice degli argomenti
Capire l’impattto ambientale delle scelte IA
L’ambizione della Commissione Europea, formalizzata nel piano “AI continent” è di triplicare la capacità dei data center del blocco entro il 2032. Una strategia che fa sorgere un dilemma, perché aumentare le capacità nel campo dell’IA implica anche un maggiore impatto ambientale. Questi aspetti ambientali stanno diventando sempre più rilevanti. Il rischio è addirittura di compromettere gli obiettivi “net zero”. La lobby dei data center, ad esempio spinge per il rilancio delle centrali a gas per garantire continuità energetica in attesa di sistemi di stoccaggio elettrici su larga scala o dell’avvio di nuove filiere nucleari. Una posizione che ricorda la scelta del Dipartimento dell’Energia USA di bloccare la chiusura di otto centrali a carbone, per garantire una fornitura elettrica continua, in un mercato in cui la domanda è trainata dall’IA.
Per avere un po’ di chiarezza sull’impatto ambientale dell’IA, è utile partire dall’analisi del ciclo di vita (LCA : Life Cycle Analysis) di un modello di intelligenza artificiale GPAI (General-Purpose AI) cioè un sistema di intelligenza artificiale in grado di svolgere più compiti generici in diversi domini (testo, immagini, dati, ecc.) senza essere specializzato in un’unica funzione.
Mistral, l’azienda francese che sfida i colossi americani del settore nel rispetto di GDPR e AI Act, ha valutato l’impatto ambientale del suo modello Large 2 (attualmente in produzione è il Large 3) seguendo il processo “General framework for frugal AI” dell’Afnor .
La tabella sottostante illustra l’impatto in termini di emissioni di gas a effetto serra, consumo idrico e consumo di materiali per le diverse fasi del ciclo di vita che sono:
- concezione del modello,
- costruzione del data center,
- impatti associati all’hardware,
- addestramento del modello e inferenza,
- traffico di rete dei token,
- attrezzatura dell’utente finale.
A questi elementi vanno aggiunti gli impatti indiretti, cioè quelli derivati dall’uso dell’IA nei vari ambiti, che possono avere effetti ambientali sia negativi (ad esempio prolungando la vita utile di giacimenti di combustibili fossili) che positivi (ad esempio ottimizzando il consumo energetico di processi industriali) e che non hanno fatto parte dell’analisi.
È chiaro che, mentre l’hardware incide di più sul consumo di materiali, le fasi di addestramento e inferenza hanno un impatto maggiore in termini di emissioni di gas serra e consumo di acqua. Tuttavia, anche altre fasi del ciclo di vita presentano impatti significativi. Lo studio ha anche misurato l’impatto ambientale di una richiesta in base ai token generati, dove il token è l’unità base di testo elaborata da un modello linguistico. Un token può essere una parola, una parte di una parola composta o un carattere : ad esempio, la frase “ciao, come stai?” contiene 5 tokens: – ciao – , – come – stai – ? -.
Generare una risposta di 400 tokens, con il modello esaminato ha i seguenti imapatti :
- produce 1.14 g CO2equivalente : come guardare uno streaming video di 10 secondi )
- richiede 0,05 litri d’acqua : sufficiente a far crescere un piccolo ravanello
- comporta un consumo di materia di prima di 0,2 mg equivalente Antimonio( secondo il metodo ADB Abiotic Depletion Potential): paragonabile alla produzione di una monetina da 2 centesimi.
Gli impatti, peraltro, sono proporzionali alla grandezza del modello: un modello 10 volte più grande avrà conseguenze 10 volte superiori a parità di token generati.
L’etichetta energetica dell’AI: uno strumento per armonizzare digitale e ambientale
Gli impegni dei singoli operatori a fornire informazioni concrete, per quanto encomiabili, non sono sufficienti per orientare gli utilizzatori dell’IA. Per poter prendere decisioni oculate, gli utenti devono poter confrontare in modo semplice le varie offerte presenti sul mercato e la loro adeguatezza ai propri bisogni. Un passo importante verso una maggiore trasparenza nel settore è stato compiuto il 3 giugno scorso, quando la Commissione ha presentato la “Strategic Roadmap for Digitalisation and AI in the Energy Sector”.
Tra le principali azioni previste vi è l’introduzione di un sistema di classificazione Europeo per i data center, che valuti efficienza energetica, efficienza idrica, uso di energia pulita, riutilizzo del calore di scarto e flessibilità. L’obiettivo è finalizzare uno schema di classificazione entro il 2026 e cominciare a dare le prime valutazioni nel 2027 con lo scopo di promuovere lo sviluppo sostenibile dei data center e ottimizzare i loro consumi energetici e idrici.
Per quanto utile, anche questa classifica non sarà sufficiente in quanto gli utenti adottano un modello indipendentemente dalla struttura materiale su cui è basato. Per offrire una visione globale delle caratteristiche dei modelli di IA generalisti, nel 2024 la Commissione europea ha avviato uno studio che dovrebbe concludersi entro la fine del 2027 per misurare e promuovere nell’UE un’intelligenza artificiale efficiente dal punto di vista energetico e a basse emissioni. Nell’ambito di questo studio, si è recentemente conclusa la consultazione pubblica per raccogliere il contributo delle parti interessate. La consultazione era rivolta a imprese (dalle start-up e PMI alle grandi aziende) e ad altre organizzazioni che sviluppano e implementano modelli di IA per finalità generali (GPAI) o sistemi di IA, nonché ai loro fornitori di componenti e servizi, con un focus specifico sul consumo energetico e sulle emissioni generate. Lo studio e la consultazione pubblica dovrebbero portare all’introduzione di un’etichetta energetica per l’IA, accompagnata da una banca dati europea, simile a quella già adottata per gli elettrodomestici. È chiaro che, in questo caso, sarà particolarmente difficile definire criteri validi in un contesto in rapida evoluzione. Le etichette contribuirebbero a fornire a consumatori, aziende e regolatori informazioni trasparenti su consumo energetico e impatto ambientale dei sistemi di IA, spingendo i produttori a ottimizzare i modelli e premiando le soluzioni più efficienti.
Rimarrebbe infine da ottimizzare l’utilizzo da parte degli utenti. Come abbiamo visto, i grandi modelli possono risolvere problemi più complessi, ma generano proporzionalmente un impatto maggiore quando usati per trattare problemi semplici: una maggiore trasparenza dovrebbe anche permettere agli utenti di ottimizzare le proprie scelte in funzione dei bisogni reali, evitando di usare un cannone per schiacciare una mosca.
Etichetta energetica IA, sostenibilità e ruolo dell’Europa
Di fronte a un ritardo tecnologico indiscutibile nel campo dell’intelligenza artificiale, l’Europa può contare sul suo peso geopolitico come maggiore mercato mondiale per promuovere un quadro normativo basato su sostenibilità e tutela dei diritti dei cittadini. In questo scenario, l’etichetta energetica per l’IA potrebbe essere uno strumento chiave per una digitalizzazione responsabile. Il suo successo, tuttavia, dipenderà da metriche chiare e condivise, da un equilibrio tra regolamentazione e innovazione, da una cooperazione globale per evitare frammentazioni normative e, soprattutto, dalla coesione che l’Europa saprà mostrare in questo ambito.
Referenze
Sul ritorno dei combustibili fossili nel mix energetico
FACT SHEET: The Department of Energy Is Ending The War On Beautiful, Clean Coal. Version 61639. January 7. https://www.energy.gov/articles/fact-sheet-department-energy-ending-war-beautiful-clean-coal.
Giordano, Elena. Europe Must Choose between AI and Climate Goals, Data Center Lobby Says. POLITICO, June 17, 2026. https://www.politico.eu/article/europe-choose-ai-climate-goals-data-center-chief-warns/ .
Sulla regolamentazione e le strategie EU
Piattaforma unica di informazione sul regolamento sull’IA https://ai-act-service-desk.ec.europa.eu/it
Plasmare la leadership dell’Europa nell’intelligenza artificiale con il piano d’azione per il continente dell’IA. https://commission.europa.eu/topics/competitiveness/ai-continent_it
Strategic Roadmap on digitalisation and AI in the energy sector https://energy.ec.europa.eu/publications/strategic-roadmap-digitalisation-and-ai-energy-sector_en
Sull’analisi LCA dei modelli IA
Our Contribution to a Global Environmental Standard for AI. Mistral 22.06.2025 https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai/.
General Framework for Frugal AI. AFNOR SPEC 23142024-06. https://www.afnor.org/en/news/artificial-intelligence/reference-framework-reduce-environmental-impact-ai/
Sui programmi EU relativi all’impatto ambientale di Data centers e Intelligenza artificiale
Legge sull’intelligenza artificiale: Bando di gara per misurare e promuovere l’intelligenza artificiale efficiente sotto il profilo energetico e a basse emissioni nell’UE. Agosto 2024 https://digital-strategy.ec.europa.eu/it/funding/artificial-intelligence-act-call-tenders-measure-and-foster-energy-efficient-and-low-emission
Consultazione mirata sulla misurazione del consumo energetico e delle emissioni dei modelli e dei sistemi di IA Aprile 2026 https://digital-strategy.ec.europa.eu/it/consultations/targeted-consultation-measuring-energy-consumption-and-emissions-ai-models-and-systems
Partecipa alla community