L’impatto dell’intelligenza artificiale sul cambiamento climatico è ancora ambiguo.
Da un lato, i modelli generativi consumano enormi quantità di energia; dall’altro, l’AI può già oggi rendere più sostenibili industria, logistica, edilizia, agricoltura ed energia.
Esaminiamo allora le ricerche più recenti e i casi concreti in cui l’AI sta diventando alleata dell’ambiente. Un viaggio tra rischi invisibili e opportunità reali, per capire come progettare un futuro in cui l’AI non sia solo potente, ma anche responsabile.
Indice degli argomenti
Iil paradosso energetico dell’intelligenza artificiale sostenibile
Dall’industria all’energia, dalla salute alla finanza, ovunque l’AI promette maggiore efficienza, risposte rapide, capacità predittive straordinarie. Ma se guardiamo sotto la superficie, scopriamo un paradosso profondo: l’AI, che potrebbe essere un alleato formidabile contro il cambiamento climatico, rischia di alimentarlo.
Ogni modello generativo di nuova generazione richiede potenza di calcolo sempre maggiore. Questa potenza ha un costo invisibile ma pesante: consumi energetici elevati, emissioni, pressione sulle infrastrutture digitali globali. È proprio su questo nodo che oggi si gioca una delle sfide più urgenti della transizione digitale e ambientale.
Modelli generativi e consumi energetici: il costo invisibile dell’AI
Secondo lo studio “The Carbon Footprint of Machine Learning Training” pubblicato su ACM nel 2021, l’addestramento di un solo grande modello linguistico può generare fino a 284 tonnellate di CO₂. È come fare 125 voli andata e ritorno tra New York e Londra. Un dato impressionante, che ha acceso il dibattito sulla sostenibilità dell’AI e sulla necessità di rendere più trasparenti i consumi energetici dei modelli.
Nel 2024, l’Agenzia Internazionale dell’Energia (IEA), nel suo rapporto “AI and Climate Change” ha lanciato un allarme: senza un cambio di rotta, il consumo energetico dei data center, alimentato in gran parte dall’AI, è destinato a raddoppiare entro il 2026.
Da qui la proposta dell’IEA di introdurre metriche standard, come il consumo per token e l’intensità carbonica dell’inferenza, per guidare le scelte di progettazione e utilizzo.
Progettare un’AI sostenibile: il modello sperimentale SPROUT
È proprio nella fase di utilizzo quotidiano, l’inferenza, che l’AI rischia di pesare di più sull’ambiente. Ed è qui che si inserisce SPROUT, un sistema sviluppato da MIT e Northeastern University, descritto nello studio “Toward Sustainable GenAI using Generation Directives for Carbon-Friendly Large Language Model Inference”.
SPROUT introduce una logica innovativa: modulare la lunghezza delle risposte generate dai modelli in base alla qualità ambientale dell’energia disponibile in quel momento. Quando la rete elettrica è alimentata da fonti fossili, il modello riduce automaticamente la quantità di token generati. Nei test condotti su LLaMA2, il sistema ha ridotto del 40% le emissioni senza compromettere la qualità delle risposte. Una dimostrazione concreta di cosa significa progettare AI con intelligenza climatica.
L’altra faccia dell’AI: quando il digitale rende più verde l’industria
Ma l’AI non è solo fonte di consumo: può anche essere una delle leve più efficaci per ridurre le emissioni. In un articolo pubblicato il 10 aprile 2025, The Economist ha raccontato come alcune delle industrie più inquinanti del pianeta – cemento, acciaio, trasporto marittimo, logistica, edilizia e attività minerarie – stiano applicando l’AI per trasformare radicalmente i propri modelli produttivi.
La piattaforma PortXChange
Nel porto di Rotterdam, la piattaforma PortXChange utilizza l’AI per analizzare decine di variabili relative al traffico navale, tempi di arrivo e congestione. Questo ha permesso a Shell di ridurre del 20% i tempi morti delle navi e, quindi, il consumo inutile di carburante. Un altro strumento, Routescanner, consente agli spedizionieri di scegliere rotte e modalità di trasporto più sostenibili (chiatta o camion), ottimizzando l’impatto ambientale in tempo reale.
Casi di successo dell’intelligenza artificiale nell’industria metallurgica
Nel settore siderurgico, Gerdau – multinazionale brasiliana – impiega l’AI sviluppata da Fero Labs per ottimizzare l’uso di rottami metallici. Il sistema misura in tempo reale le impurità dei lotti e suggerisce il dosaggio ottimale di additivi per ottenere acciaio conforme agli standard, riducendo del 3,3% le emissioni di gas serra. Anche Tata Steel, colosso del settore, ha integrato sensori intelligenti e modelli predittivi nei propri impianti, ottenendo riduzioni consistenti negli sprechi e nelle emissioni.
L’AI nell’edilizia e in logistica
L’intelligenza artificiale sta poi rivoluzionando l’edilizia. BrainBox AI, in collaborazione con Dollar Tree, ha automatizzato i sistemi HVAC in oltre 600 negozi americani, tagliando 8 GWh di consumi annui e generando risparmi superiori al milione di dollari. Nella manutenzione predittiva, AVEVA ha supportato Ontario Power Generation nel risparmiare 4 milioni di dollari in due anni e IBM, con Sund & Baelt, ha esteso la vita utile degli asset infrastrutturali evitando l’emissione di 750.000 tonnellate di CO₂.
L’AI si è affermata anche nella logistica. UPS calcola in tempo reale i percorsi ottimali, riducendo di 16-22 km i viaggi quotidiani dei suoi autisti. Cargill Ocean Transportation ha sfruttato l’AI su AWS per ottimizzare i tempi di carico e scarico nei porti, risparmiando 2.800 ore di lavoro e le relative emissioni. Maersk, gigante del trasporto container, utilizza l’AI per analizzare le performance dei motori, le correnti oceaniche e le condizioni meteo, ottenendo un taglio del 5% nei consumi di carburante, pari a 1,5 milioni di tonnellate di CO₂ in meno e un risparmio di 250 milioni di dollari.
L’AI nel settore minerario
Anche nel settore minerario l’intelligenza artificiale è protagonista. Fortescue, azienda australiana, la impiega per orchestrare le proprie attività in base alla produzione prevista di energia solare. Se il meteo prevede pioggia, le operazioni energivore vengono anticipate. Questo approccio dinamico ha ridotto del 9% la capacità energetica richiesta, con un risparmio economico di quasi mezzo miliardo di dollari.
Questi casi dimostrano che l’AI non è solo una tecnologia del futuro: è già oggi un potente alleato per rendere più sostenibili le industrie più inquinanti. Dalla logistica alla siderurgia, dalle miniere agli impianti HVAC, l’intelligenza artificiale sta disegnando una nuova geografia della produzione. Una geografia dove l’efficienza non è più solo una questione economica, ma una leva ambientale e strategica.
I tre pilastri della sostenibilità AI: energia, agricoltura, industria
Questi esempi non sono isolati. Una rassegna pubblicata nel 2025 su Advances in Applied Energy dal titolo “Advancements and Future Outlook of Artificial Intelligence in Energy and Climate Change Modeling” ha analizzato 163 studi scientifici per comprendere dove e come l’AI stia concretamente supportando la sostenibilità climatica. Tre ambiti emergono con forza:
- Energia: AI per ottimizzare smart grid, prevedere la domanda elettrica e integrare le fonti rinnovabili;
- Agricoltura: AI per stimare l’idoneità futura dei suoli, come dimostra lo studio “Climate Change Impact on Agricultural Land Suitability” (IEEE Access, 2024);
- Industria manifatturiera: AI come leva per l’efficienza, grazie all’automazione predittiva e all’ottimizzazione delle risorse, come evidenziato nell’analisi brevettuale “Artificial Intelligence for Climate Change: A Patent Analysis in the Manufacturing Sector” (IEEE Transactions on Engineering Management, 2024).
Questi studi dimostrano che l’AI può davvero contribuire a ridurre le emissioni. Ma solo se viene orientata in quella direzione fin dalla fase di progettazione e implementazione.
Governance e disuguaglianze nell’accesso all’intelligenza artificiale
Il potenziale dell’AI per la sostenibilità è enorme. Ma anche i rischi lo sono. Lo dimostra il paper “Big Data and AI Algorithms for Sustainable Development Goals: A Topic Modeling Analysis” (IEEE Access, 2024), che ha mappato le relazioni tra AI e SDGs (Obiettivi di Sviluppo Sostenibile delle Nazioni Unite).
Lo studio evidenzia come l’AI stia già dando contributi importanti in ambito sanitario, energetico e industriale (SDG 3, 7 e 9). Ma sottolinea anche criticità importanti: l’accesso ineguale alla tecnologia, il rischio di bias nei modelli, la mancanza di trasparenza nei dati di consumo, l’assenza di una governance condivisa a livello globale.
Una visione integrata per il futuro dell’intelligenza artificiale
L’intelligenza artificiale può essere la colonna portante della rivoluzione verde. Ma può anche diventare parte del problema se non viene governata con lungimiranza. Le tecnologie non sono neutre: dipende da come le costruiamo, da come le usiamo, da quali obiettivi decidiamo di servire.
Per fare dell’AI uno strumento sostenibile servono azioni urgenti: misurazione trasparente dei consumi, incentivi all’efficienza, modelli a basso impatto, investimenti in hardware green, educazione di sviluppatori e decisori.
L’AI può salvare il clima. Ma solo se la progettiamo pensando al futuro del pianeta, non solo alla potenza dei modelli.
