Negli ultimi anni, l’intelligenza artificiale (IA) ha rivoluzionato molti settori, dalla medicina all’industria, fino all’intrattenimento. Ma uno degli ambiti più promettenti è la sostenibilità ambientale.
Indice degli argomenti
Impatto ambientale dell’intelligenza artificiale: perché conta davvero
Grazie alla capacità di analizzare enormi quantità di dati e di ottimizzare i processi, l’IA può aiutarci a ridurre gli sprechi, migliorare l’efficienza energetica e combattere il cambiamento climatico.
Dalla gestione delle risorse naturali alla produzione di energia, passando per la mobilità e l’agricoltura, l’IA offre soluzioni in grado di ottimizzare l’uso delle risorse e ridurre il consumo energetico.
Grazie alla sua capacità di elaborare enormi quantità di dati in tempo reale, l’IA permette di identificare inefficienze, migliorare i processi produttivi e, soprattutto, prendere decisioni più consapevoli e informate per il benessere dell’ambiente.
Impatto ambientale dell’intelligenza artificiale nella gestione delle risorse naturali
Una delle principali aree in cui l’IA sta mostrando il suo potenziale è la gestione delle risorse naturali. Le tecnologie basate sull’intelligenza artificiale possono analizzare e prevedere i modelli di consumo dell’acqua, del suolo e delle foreste, offrendo strumenti preziosi per la gestione sostenibile di questi beni fondamentali.
Algoritmi avanzati aiutano a prevedere fenomeni meteorologici estremi e a migliorare le strategie di prevenzione e risposta ai disastri naturali, pianificando interventi preventivi per proteggere ecosistemi e comunità vulnerabili.
Per esempio, in agricoltura, i sistemi di intelligenza artificiale possono monitorare la qualità del suolo e delle coltivazioni. Questi sistemi prevedono la necessità di interventi specifici, come l’irrigazione o l’uso di fertilizzanti, riducendo così sprechi e impatto ambientale.
L’IA viene impiegata anche per analizzare immagini satellitari e dati climatici, monitorando deforestazione, inquinamento e cambiamenti climatici.
Ridurre lo spreco alimentare con l’IA lungo la filiera
Secondo la FAO, un terzo del cibo prodotto nel mondo viene sprecato. L’IA può contribuire a ridurre questo problema analizzando dati sulla produzione, la distribuzione e il consumo per ottimizzare la catena di approvvigionamento.
Supermercati e ristoranti utilizzano IA per prevedere la domanda e ridurre le eccedenze di cibo, mentre start-up innovative stanno sviluppando soluzioni per monitorare la freschezza degli alimenti in tempo reale.
Smart city e mobilità: traffico, emissioni e nuove soluzioni
Le città intelligenti stanno sfruttando l’IA per migliorare il trasporto pubblico, ridurre il traffico e ottimizzare il consumo di energia negli edifici. Sistemi di gestione del traffico basati su IA possono ridurre la congestione stradale e abbattere le emissioni di CO₂.
Inoltre, le auto a guida autonoma e le flotte di veicoli elettrici rappresentano un’opportunità per ridurre drasticamente l’uso di carburanti fossili.
Smart grid e ottimizzazione della domanda energetica
Aziende come Google si avvalgono di reti elettriche intelligenti (smart grid) che utilizzano algoritmi di IA per prevedere la domanda energetica e regolare la distribuzione dell’energia in tempo reale. Questo permette di ridurre gli sprechi e di integrare meglio le fonti rinnovabili come il solare e l’eolico.
Quando l’IA accelera la ricerca e riduce tempi e consumi
Altro effetto positivo dell’uso di IA è quello di abbattere il tempo necessario allo svolgimento di un’attività o ricerca e il conseguente consumo di energia: compiti che prevedono il trattamento di enormi quantità di dati, per esempio, sono eseguiti più efficacemente dall’IA, lasciando agli umani compiti più creativi o che necessitano di una mente più “fuori dagli schemi”.
Questo approccio può apparire futuristico, forse distopico, ma è già utilizzato anche in ambito scientifico. Nel 2023, un modello IA è stato in grado di testare virtualmente le più efficienti reazioni e di “progettare” catalizzatori per la produzione di ossigeno, a partire dagli elementi estratti da alcuni campioni di meteoriti.
Un lavoro completato in appena due mesi sarebbe costato, secondo i ricercatori della University of Science and Technology of China, 2000 anni di ore di lavoro da parte di “colleghi” umani.
Impatto ambientale dell’intelligenza artificiale generativa: il consumo nascosto
Per quanto riguarda invece l’impatto ambientale dell’uso dell’Intelligenza Artificiale, e in particolare dell’IA generativa, una quota significativa dell’impronta ecologica è legata alla potenza di calcolo necessaria per addestrare i modelli.
L’Intelligenza Artificiale Generativa (IA generativa) è una branca dell’intelligenza artificiale progettata per creare contenuti originali, come testi, immagini, video, audio o codice software, in risposta a richieste specifiche degli utenti. Questa tecnologia si basa su modelli avanzati di deep learning, tramite processi di apprendimento automatico non supervisionato o auto-supervisionato applicati a un insieme di dati che simulano i processi decisionali del cervello umano. Un esempio noto è ChatGPT.
Secondo stime recenti, l’addestramento di un modello linguistico di grandi dimensioni come GPT-3 richiede poco meno di 1.300 MWh di elettricità, l’equivalente dell’energia consumata annualmente da 130 case americane. Altri dati provengono da una stima dell’Osservatorio Digital & Sustainable del Politecnico di Milano basata su dati della Carnegie Mellon University: la generazione di un’immagine con IA richiederebbe la stessa quantità di energia necessaria per ricaricare uno smartphone, mentre le interrogazioni di ChatGPT in un giorno equivarrebbero alla ricarica di 83 milioni di smartphone.
Data center e crescita della domanda: i numeri globali
Nel 2024 i data center hanno consumato circa l’1,5% dell’elettricità mondiale, pari a circa 415 TWh, con una crescita molto più veloce rispetto alla domanda elettrica complessiva. Quasi la metà di questi consumi (circa il 45%) è concentrata negli Stati Uniti, seguiti da Cina (25%) ed Europa (15%).
Le statistiche ambientali IA per il 2025 dipingono un quadro netto: l’intelligenza artificiale potrebbe presto consumare quasi la metà di tutta l’elettricità globale dei data center, superando persino il mining di Bitcoin nell’uso energetico.
Il costo dietro ogni prompt: energia, CO₂ e scala globale
Il costo dietro ogni comando (prompt) di ChatGPT, ricerca IA o generazione di immagini non è più astratto: è misurato in gigawatt di potenza, miliardi di galloni d’acqua e crescenti emissioni di CO₂.
GPT-4 durante l’addestramento (il processo con cui i modelli apprendono dai dati e migliorano le loro capacità predittive) avrebbe consumato oltre 50 GWh, cioè il quantitativo di elettricità sufficiente ad alimentare San Francisco per tre giorni consecutivi, rendendolo il modello IA più energivoro mai creato.
Il consumo globale di elettricità dell’IA raddoppierà a 945 TWh entro il 2030, rappresentando il 3% della domanda totale di elettricità globale, con una crescita annuale senza precedenti. Solo il 40–60% dei carichi di lavoro IA attuali funziona con energia rinnovabile, al di sotto degli obiettivi di sostenibilità aziendale nonostante ambiziosi impegni ecologici.
Entro il 2028 più della metà dell’elettricità destinata ai data center sarà utilizzata per l’intelligenza artificiale: negli Stati Uniti potrebbe consumare 300 TWh di energia all’anno (il 22% del fabbisogno energetico delle famiglie statunitensi), sufficienti a fornire elettricità a oltre 28 milioni di famiglie e richiedere fino a 720 miliardi di galloni d’acqua all’anno solo per raffreddare i server di intelligenza artificiale.
In alcuni Paesi l’impatto è ancora più evidente: in Irlanda, ad esempio, nel 2023 i data center avevano già superato le abitazioni urbane (21% vs 18%) in fatto di consumi nazionali e nel 2024 il sorpasso è stato confermato (22% vs 18%).
I data center IA generano ora il 2,5–3,7% delle emissioni globali di gas serra, superando ufficialmente il contributo del 2% dell’industria aeronautica, crescendo del 15% all’anno. L’IA potrebbe ben presto rivaleggiare con l’acciaio e il trasporto marittimo nella produzione annuale di CO₂.
L’impronta di carbonio mensile di ChatGPT equivale a circa 260 voli transatlantici, generando oltre 260.930 kg di CO₂. La ricerca di AllAboutAI mostra che una singola sessione di ChatGPT alle 3 del mattino può essere fino al 67% più intensiva in termini di carbonio rispetto alla stessa query eseguita a mezzogiorno.
Una singola query ChatGPT (0,3 Wh) equivale a far funzionare una lampadina LED per 2 minuti, con 10 query giornaliere che consumano la stessa energia necessaria per bollire l’acqua per una tazza di tè. Su scala globale, miliardi di query al giorno trasformano costi minuscoli in megawattora, tonnellate di CO₂ e centinaia di migliaia di litri d’acqua.
Acqua e raffreddamento: l’impatto idrico dei data center
Analizzare enormi quantità di testi prodotti dagli utenti richiede molti calcoli, con il conseguente dispendio di un’ingente quantità di energia elettrica, che a sua volta produce anche molto calore. Per evitare il surriscaldamento nelle giornate più calde, i data center devono quindi utilizzare acqua per raffreddare i loro edifici, facendola circolare in una torre di raffreddamento all’esterno.
L’acqua è una risorsa preziosa per l’accelerazione tecnologica, specie per l’intelligenza artificiale generativa, che ne richiede un consistente consumo. Un singolo data center in Francia richiede 500 milioni di litri di acqua potabile all’anno, suscitando preoccupazioni locali per la scarsità d’acqua.
Google avrebbe consumato quasi 6 miliardi di galloni nel 2024, pari a 5 giorni di approvvigionamento residenziale per tutte le famiglie dell’Iowa. Insieme a Microsoft, avrebbero contribuito al consumo di 580 miliardi di galloni nel 2022.
Si stima che, in generale, entro il 2027 la domanda di intelligenza artificiale generativa potrebbe risucchiare nel mondo fino a 6,6 miliardi di metri cubi di acqua potabile. Ma il dato varia in base alla posizione dei server e alla stagione in corso.
Cosa consuma di più: LLM e generazione di immagini
Quindi cos’è, nell’IA, che consuma così tanto? Come accennato precedentemente sono gli LLM, ovvero i grandi modelli di linguaggio, come ChatGPT, Gemini, DeepSeek, ecc., e la generazione di immagini, da DALL-E a Midjourney.
I modelli linguistici di grandi dimensioni tendono ad avere prestazioni migliori in termini di precisione e qualità, ma al tempo stesso consumano molto di più. Secondo i test condotti dall’International Energy Agency (IEA), un modello di generazione di immagini potrebbe generare circa 55 trilioni di immagini con circa 100 TWh di input, circa la metà del fabbisogno energetico annuale di Paesi come l’Islanda.
Lo scorso marzo, quando ChatGPT iniziò a generare immagini ispirate alle grafiche dello Studio Ghibli, il modello generò 78 milioni di immagini in un solo giorno. Se poi si considera che, nel 2025, ChatGPT è stato confermato come il quinto sito più visitato al mondo (superando persino WhatsApp), è chiaro come la soglia dei 55 trilioni di immagini generate non sia così difficile da raggiungere.
Verso una IA innovativa per un uso responsabile
Questi numeri svelano cosa c’è dietro la domanda energetica dell’IA: il consumo dell’acqua per il raffreddamento e la produzione di carbonio. Rivelano anche come le abitudini quotidiane con l’IA si sommino a un impatto climatico globale.
Di soluzioni sul campo ce ne sono diverse. Sicuramente una maggiore produzione di energia green, ma c’è un’altra strada interessante: l’ottimizzazione degli LLM.
Secondo l’Allen Institute for Artificial Intelligence (Ai2) esistono due modi per addestrare un modello di linguaggio: o dandogli in pasto grandissime quantità di dati non categorizzati, che è quello che fa OpenAI con GPT, oppure fornendogli dati categorizzati e controllati, che è la strada scelta da Ai2 per Molmo, un modello open source capace di comprendere e interagire con contenuti visuali.
Tecnicamente, come precedentemente accennato, il primo è un apprendimento non supervisionato, mentre il secondo si dice apprendimento supervisionato. I vantaggi di quest’ultimo sono che le informazioni in ingresso hanno una qualità maggiore, si riduce quindi il rischio di allucinazioni da parte del modello (cioè che generi dati apparentemente corretti, in realtà del tutto inventati), ma soprattutto richiede molta meno complessità e quindi maggiore rapidità nel generare la risposta. Minori tempi si traducono anche in minor dispendio di energia.
Energia e IA: rinnovabili, accumuli e nucleare di nuova generazione
La soluzione, comunque, non può essere quella di interrompere l’utilizzo dell’IA, anche perché energia e intelligenza artificiale dipendono strettamente l’una dall’altra: se è vero che non esiste IA senza energia (soprattutto elettrica), è anche vero che l’intelligenza artificiale ha il potenziale per trasformare il futuro del settore energetico.
Per alimentare in modo stabile e senza emissioni i futuri campus di server, le grandi aziende non pensano solo a eolico e solare, ma stanno anche sperimentando soluzioni miste che includono accumuli e contratti a lungo termine con centrali nucleari.
Negli Stati Uniti, ad esempio, sono stati firmati accordi per rimettere in funzione un reattore di Three Mile Island e destinare l’energia prodotta anche a sistemi di intelligenza artificiale tramite i data center. Altri contratti guardano al nucleare di nuova generazione: piccoli reattori modulari (SMR) e progetti con operatori come Kairos Power e la Tennessee Valley Authority, con prime connessioni alla rete previste intorno al 2030.
Il progetto Hermes 2 in Oak Ridge sarà uno di questi reattori avanzati, con 50 MWh di potenza, che sarà venduta tramite la Tennessee Valley Authority, con Google che riceverà crediti energetici “puliti” per compensare le emissioni.
L’obiettivo finale è disporre di potenza programmabile e a basse emissioni in quei luoghi dove sole e vento non sono sufficienti a coprire il fabbisogno continuo dei data center. Parallelamente, si sta investendo anche nel miglioramento dei sistemi hardware e software per ridurre il fabbisogno energetico per unità di calcolo.
Norme e standard: AI Act e ISO per una IA più sostenibile
Dal punto di vista normativo, nell’Unione Europea il programma “A.I. Act” richiede che gli high-risk A.I. systems (che includono i potenti “modelli di base” che alimentano ChatGPT e IA simili) rendicontino il consumo di energia, l’uso delle risorse e altri impatti durante tutto il loro ciclo di vita.
Nel dicembre 2023, l’Organizzazione internazionale per la normazione (International Organization for Standardization, ISO) ha emesso alcuni criteri per un’intelligenza artificiale “sostenibile”. La norma ISO/IEC 42001:2023 fornisce un framework per l’implementazione di un sistema di gestione per l’intelligenza artificiale (AIMS – Artificial Intelligence Management System) che aiuta le organizzazioni a gestire i rischi legati all’IA mentre ne sfruttano le opportunità.
La norma copre aspetti come la sicurezza, la privacy, la trasparenza e l’equità, garantendo che i sistemi di IA siano utilizzati in modo responsabile ed etico. Lo scopo principale è supportare le organizzazioni nell’implementazione di un sistema di gestione dell’intelligenza artificiale (AIMS) universale, considerando tutte le fasi di sviluppo e utilizzo dei sistemi di IA.
Bilanciare innovazione e sostenibilità: la sfida finale
Impegnandoci nello sviluppo responsabile dell’IA, possiamo guidare il cambiamento verso un futuro che dia priorità sia al progresso tecnologico sia alla tutela dell’ambiente.
Bilanciare innovazione e sostenibilità non è solo un obbligo etico, ma anche un’opportunità per sviluppare un modello globale di integrazione delle pratiche green nelle tecnologie più avanzate. Si deve puntare a modelli addestrati su cluster più piccoli ed efficienti, invece di enormi server farm ad alto consumo energetico, e allo sviluppo di una piattaforma multi-agente, in grado di distribuire le attività per ottimizzare le richieste di sistema.
Questo riduce la necessità di trasmettere grandi volumi di dati, abbassando l’impronta di carbonio e preservando risorse come energia e acqua. La sfida più grande resta politica e culturale: superare l’ossessione della crescita illimitata e adottare una visione che metta al centro la tutela del nostro pianeta.
Bibliografia
Smart Grid: Cos’è e Cosa Significa – La Rete Intelligente
Intelligenza artificiale e sostenibilità: AI per l’ambiente
Intelligenza artificiale e sostenibilità: come l’IA aiuta l’ambiente – Sostenibilitá Digitale
L’Intelligenza Artificiale è sostenibile? Una valutazione secondo la prospettiva ESG
Artificial Intelligence: Big Tech’s Big Threat to Our Water and Climate
Quanta energia elettrica consuma davvero l’intelligenza artificiale: le stime dell’IEA e dell’MIT
Quanto consuma l’Intelligenza Artificiale? Dati e soluzioni
Alexandra Sasha Luccioni et al., 2022 Estimating the carbon footprint of bloom, A 176b parameter language model
