Affidarsi all’intelligenza artificiale ha un prezzo. Prezzo che non si misura soltanto in termini economici. Domandarsi quale impatto abbia l’IA sull’ambiente porta a galla risposte preoccupanti e in larga misura ancora in fase di studio e accertamento.
Partiamo dal quesito: quanto “costa” una singola interazione con l’IA? Il consumo energetico stimato per una singola query testuale a ChatGPT varia da circa 0,24-0,4 Wh secondo le stime più recenti fino a circa 3 Wh. Google parla di una media dicirca 0,24 Wh, equivalente al consumo di un forno a microonde per un secondo, di un frigorifero per 6 secondi, della tv per 9 secondi. Tutto questo per un’emissione di soli 0,03 grammi di CO2. Una quantità minima, dunque. Ma questa è, appunto, una piccolissima parte della questione.
Se si vanno a verificare ulteriori analisi si notano evidenti discrepanze tra i dati. Discrepanze derivate da molte variabili: lunghezza delle query, risposte, tempo di attività, ma anche tipo di hardware, più o meno efficienti, memoria, carico di CPU (il “cervello” del computer che esegue i calcoli e i comandi), etc. Fermiamoci, per restare sul tema, alla lunghezza delle query. Epoch.ai ha stimato che una query lunga (7.500 parole di input) potrebbe consumare circa 2,5 Wh, mentre una query molto lunga (75.000 parole) potrebbe consumarne 40 Wh. Valori, quindi, di gran lunga superiori rispetto a una semplice query di testo. Per non parlare di quando si lavora con foto o video.
Eppure, ancora relativamente bassi rispetto al consumo medio giornaliero di elettricità di una persona nei Paesi ad alto reddito. Nell’Unione Europea, ad esempio, il consumo medio di elettricità pro capite è di circa 17.000 Wh al giorno che equivale a circa 6.800 query di input lunghe. Detto questo, quello che più conta, è che il dato qui considerato è solo una parte minima di implicazioni molto più ampie.
La nostra attività con l’IA è solo la parte visibile, la punta dell’iceberg di tutti quei processi e di attività che ne rendono possibile il risultato. È quella che Albert Major, fondatore di ScienceShot, chiama la “coda” del consumo energetico. “Una semplice risposta in chat – scrive Major – genera solo le parole che vedi. Un modello di ragionamento, invece, produce prima una lunga catena nascosta di token intermedi, un lavoro preliminare che non ti viene mai mostrato, e questa catena è spesso molte volte più lunga della risposta visibile. Il consumo energetico aumenta con il numero totale di token generati, quindi una query di ragionamento può costare diverse volte di più di una query in chat, anche quando le due risposte sullo schermo hanno la stessa lunghezza”.
La questione a monte è l’addestramento e l’implementazione dei modelli di intelligenza artificiale, che avvengono principalmente nei data center. Strutture complesse che hanno bisogno di server, sistemi di archiviazione, batterie, apparecchiature di rete, sistemi di raffreddamento. Lo scorso anno il MIT Technology Review pubblicava una vasta analisi. Analisi se non catastrofica sicuramente preoccupante. Si evidenziava che dal 2005 al 2017, la quantità di elettricità destinata ai data center è rimasta pressoché invariata grazie all’aumento dell’efficienza, nonostante la costruzione di un gran numero di nuovi data center per supportare l’ascesa dei servizi online basati sul cloud, da Facebook a Netflix.
A partire, dal 2017, l’intelligenza artificiale ha iniziato a cambiare tutto. I data center hanno cominciato a essere costruiti con hardware ad alta intensità energetica, il che ha portato nel 2023 al raddoppio del loro consumo di elettricità. Gli ultimi rapporti mostrano che circa il 5% di tutta l’energia consumata negli Stati Uniti è ora destinata ai data center. Secondo le nuove proiezioni pubblicate a dicembre dal Lawrence Berkeley National Laboratory, entro il 2028 più della metà dell’elettricità destinata ai data center sarà utilizzata per l’IA. A quel punto, la sola IA potrebbe consumare annualmente tanta elettricità quanto il 22% di tutte le famiglie statunitensi. Nel frattempo – si legge ancora nel documento – si prevede che i data center continueranno a utilizzare forme di energia più inquinanti e ad alta intensità di carbonio (come il gas) per soddisfare le esigenze immediate, lasciando dietro di sé nuvole di emissioni.
Ma non è solo il processo di raccolta dati e costruzione dei modelli che influisce sul consumo. La maggior parte dei costi deriva e deriverà sempre di più, dall’inferenza. Si tratta di quel momento o azione in cui l’IA mette a frutto ciò che ha imparato (input, addestramento) e dunque risponde, prende decisioni, genera un output. Come emerge dal lavoro di MIT Technology, è proprio l’inferenza, e non l’addestramento, che rappresenta una quota sempre maggiore del fabbisogno energetico dell’IA e continuerà a farlo nel prossimo futuro. “Si stima – leggiamo nel documento – che attualmente l’80-90% della potenza di calcolo per l’IA sia utilizzata per l’inferenza”.
Ma andiamo all’intero e complesso meccanismo dei data center. Tra gli studi indipendenti più accurati sugli effetti dell’AI su costi, clima, ambiente, ci sono quelli di Hannah Ritchie, vicedirettrice e responsabile della divulgazione scientifica presso Our World in Data, esperta di questioni ambientali. Ritchie parte dal quadro generale, vale a dire quanta elettricità hanno consumato i data center lo scorso anno e cita i dati dell’Agenzia Internazionale dell’Energia (IEA) secondo la quale il consumo è stato di circa 485 terawattora (TWh). Una quantità che equivale alla produzione annua di elettricità della Germania. Circa l’1,5% della produzione mondiale di elettricità.
Ancora una volta, sembrerebbe un dato minimo rispetto al consumo di energia in generale. Si prevede che questo dato raddoppierà entro il 2030, raggiungendo circa 950 terawattora, una cifra simile al consumo annuo del Giappone e pari al 3% della domanda globale. Così come stanno crescendo gli investimenti delle maggiori aziende tecnologiche nei data center. Ovviamente la quota di energia utilizzata è diversa nei Paesi che ospitano molti data center (Stati Uniti, 5%, Europa, 2%) rispetto a quelli che ne hanno meno (Africa, 0,2%, Centro America e America del Sud, 0,1%). In questa “classifica” si inserisce il dato dei ricercatori dell’Università delle Nazioni Unite: se i data center fossero un Paese, il loro livello di consumo di elettricità li renderebbe l’undicesimo maggiore consumatore di energia elettrica al mondo.
Ci sono però altri aspetti fondamentali da tenere in considerazione quando ci sofferiamo sull’impatto ambientale, come ricorda la stessa Ritchie. Uno di questi riguarda le emissioni di carbonio. “Per coloro che sono preoccupati per l’impatto climatico dei data center e dell’intelligenza artificiale – scrive l’autrice – il modo in cui viene generata l’elettricità è probabilmente più importante della quantità consumata. Una query gestita da un data center su una rete elettrica prevalentemente alimentata a carbone avrà un impatto molto maggiore rispetto a una gestita da una rete basata principalmente su energie rinnovabili o sul nucleare”. E qui ritorna l’analisi del MIT Technology: “Se tutti i data center fossero collegati a pannelli solari e funzionassero solo quando splende il sole, si parlerebbe molto meno del consumo energetico dell’intelligenza artificiale. Ma non è così. La maggior parte delle reti elettriche mondiali dipende ancora fortemente dai combustibili fossili”.
Oggi nel mondo ci sono 12.259 data center, solo 4767 sono negli Stati Uniti. E la corsa continua, con la Cina che avanza soprattutto in province scarsamente popolate: Ulanqab, Ningxia e Gansu a nord, Guizhou a sud-ovest. E persino nella Mongolia Interna, dove una volta si raccoglievano solo patate. Queste regioni hanno già accumulato una vasta capacità di energia rinnovabile, eolica e solare; inoltre, i terreni costano meno e il clima è più freddo, quindi la domanda di acqua è minore. Questo è quanto spiegano i tecnici del progetto. Fatto sta che interi villaggi sono stati trasferiti e non si sa se e con che livello di risarcimento. La costruzione di data center richiede ampi appezzamenti di terreno ed è chiaro che la riconversione di aree naturali e agricole in zone industriali può minacciare la biodiversità e sconvolgere gli ecosistemi locali. E questo, ovviamente, non solo in Cina.
Torniamo agli Stati Uniti. Uno studio del 2024 ha rilevato che oltre la metà dei suoi data center è alimentata da combustibili fossili, emettendo più di 105 milioni di tonnellate di CO2. Per compensare tali emissioni, sarebbero necessarie oltre 31.000 turbine eoliche in funzione continua per un anno. Cina e Stati Uniti sono le regioni che registrano la maggiore crescita del consumo di energia elettrica nei data center, rappresentando quasi l’80% della crescita globale. Sarà così almeno fino al 2030.
In realtà le energie rinnovabili sono la fonte di elettricità in più rapida crescita per i data center, con una produzione totale in aumento a un tasso medio annuo del 22% tra il 2024 e il 2030, soddisfacendo quasi il 50% della crescita della domanda di elettricità dei data center. Si prevede che il gas naturale e il carbone insieme soddisferanno oltre il 40% della domanda aggiuntiva di elettricità proveniente dai data center fino al 2030. Ma è ancora Il carbone la principale fonte di energia elettrica, sebbene questa percentuale vari significativamente a seconda della regione, con il contributo maggiore registrato in Cina. Di conseguenza, le emissioni di CO2 derivanti dalla produzione di energia elettrica per i data center raggiungeranno un picco di circa 320 Mt di CO2 entro il 2030, per poi diminuire gradualmente fino a circa 300 Mt di CO entro il 2035.
Veniamo ora all’impatto idrico. Una parte importante dei data server è l’impianto di raffreddamento. Occorrono milioni di litri d’acqua per mantenere raffreddato un data server che genera calore costante. L’acqua, naturalmente, è uno dei metodi più efficaci per assorbire e disperdere tale calore attraverso l’evaporazione. Un singolo grande impianto può consumare fino a circa 20 milioni di litri d’acqua al giorno, all’incirca la stessa quantità utilizzata da una città di 10.000-50.000 abitanti. Circa l’80% dell’acqua prelevata per il raffreddamento evapora semplicemente ma il resto si trasforma in acque reflue che possono sovraccaricare i sistemi di depurazione locali, non progettati per gestire un volume simile.
Va anche detto che raffreddare un data center non elimina il calore, lo sposta semplicemente all’esterno. I primi studi dell’impatto del sistema di raffreddamento dei data center sulla temperatura dell’aria e sulla superficie terrestre mostrano proprio questi effetti. Temperature più elevate possono aumentare i rischi di stress da calore per i residenti nelle vicinanze delle strutture e far aumentare la domanda di aria condizionata, richiedendo un consumo energetico ancora maggiore. Il dato positivo, riportato a margine di questi studi, è che un numero crescente di data center sta catturando il calore prodotto in eccesso e lo sta convogliando verso le case e aziende vicine.
Bisogna anche ricordare che i data center consumano acqua sia direttamente, per il raffreddamento, sia indirettamente, poiché la produzione di elettricità richiede a sua volta acqua e il raffreddamento da solo può rappresentare il 30-40% del consumo energetico di una struttura. Uno studio ha stimato che l’addestramento di GPT-3 nei data center Microsoft negli Stati Uniti possa aver richiesto complessivamente circa 5,4 milioni di litri d’acqua, di cui 700.000 litri di consumo diretto in loco. Lo stesso filone di ricerca proietta che i prelievi idrici globali legati all’IA potrebbero raggiungere 4,2-6,6 miliardi di metri cubi l’anno entro il 2027, l’equivalente di 4-6 volte il consumo annuo della Danimarca o di circa metà di quello del Regno Unito.
Altro elemento da tenere in considerazione quando parliamo di impatto ambientale dell’IA è la corsa alle terre rare (REE), ovvero quei 17 elementi con proprietà chimiche essenziali all’innovazione tecnologica dell’intelligenza artificiale. La Cina ne detiene il 70% delle esportazioni a livello mondiale e controlla circa il 91% della capacità globale di separazione e raffinazione delle terre rare e il 94% della produzione di magneti permanenti sinterizzati, utilizzati nei sistemi di raffreddamento dei data center, nei motori elettrici e nelle applicazioni per la difesa. Cosa che sta generando una sorta di guerra fredda con gli Stati Uniti.
Non va dimenticato il ruolo dell’Africa. Il continente detiene il 30% dei minerali critici essenziali per l’elettronica e l’hardware per l’intelligenza artificiale. La Repubblica Democratica del Congo rappresenta oltre il 70% della produzione mondiale di cobalto. Lo Zimbabwe vanta importanti giacimenti di litio, cruciali per le batterie agli ioni di litio. Inoltre, diversi Paesi, in particolare il Madagascar e il Mozambico, possiedono consistentigiacimenti di grafite. Inoltre, il continente possiede, anch’esso notevoli quantità di elementi delle terre rare. Spesso lo sfruttamento di queste risorse si collega però a contrattazioni opache o peggio conflitti, come nel caso del Nord Kivu nella RDC. Senza contare il peso in termini umani delle miniere artigianali dove spesso lavorano bambini e dove i sistemi di sicurezza sono inesistenti.
Altri scenari possibili sono il deficit delle risorse o l’aumento della domanda verso alcuni minerali specifici. Questo lavoro analizza alcuni casi, come quello del rame (si prevede un deficit del 30% entro il 2035) o del gallio e del germanio, utilizzati nei sistemi a fibra ottica e nei semiconduttori avanzati essenziali per le infrastrutture dei data center. Per questi ultimi si prevede un aumento della domanda per l’intelligenza artificiale rispettivamente dell’85% e del 37% entro il 2033. Il rischio di approvvigionamento non è ipotetico. Si sta già concretizzando con impennate dei prezzi, accumulo di scorte e sforzi di approvvigionamento di emergenza da parte delle principali aziende tecnologiche. Questo vuol dire anche che si andrà a scavare ancora e a cercare sempre nuovi giacimenti. Cosa che ovviamente sta già accadendo. Provocando anche disastri ambientali e umani.
A Bayan Obo, nella Mongolia Interna cinese – il più grande giacimento al mondo – decenni di lavorazione hanno inquinato pesantemente suolo e falde acquifere con metalli pesanti, fluoro e arsenico, generando circa 8 milioni di tonnellate di sterili l’anno, in gran parte smaltiti in discariche a cielo aperto. Il bacino di decantazione di Baotou (Weikuang Dam) contiene oltre 70.000 tonnellate di torio radioattivo e studi epidemiologici su minatori e popolazione locale hanno documentato malattie polmonari, disturbi dello sviluppo intellettivo nei bambini e livelli preoccupanti di terre rare nelle urine. Una stima citata da Chatham House indica che ogni tonnellata di terre rare estratta genera fino a 2.000 tonnellate di rifiuti tossici, incluse frazioni radioattive, oltre a milioni di tonnellate di acque reflue ogni anno.
Il fronte più recente e meno noto è il Myanmar. Dal colpo di Stato militare del febbraio 2021, l’estrazione di terre rare nello Stato Kachin è esplosa: i siti attivi sono passati da circa 130 nel 2020 a oltre 370 nel 2025, con più di 2.500 pozzi di lisciviazione nella sola township di Chipwi. Nessuna valutazione di impatto ambientale risulta mai condotta per le operazioni di estrazione di terre rare in Myanmar, secondo lo studio pubblicato su The Lancet Regional Health – Southeast Asia nel 2026. Le aree minerarie, tra l’altro, sono contese tra più attori armati – l’esercito, milizie alleate alla giunta, l’Esercito per l’Indipendenza Kachin e i proventi finanziano direttamente l’economia di guerra: un pattern che ricorda quello del coltan congolese.
Il Global Atlas of Environmental Justice tiene il conteggio e la testimonianza dei casi di sfruttamento improprio delle terre rare, le denunce delle comunità e la resistenza delle popolazioni interessate. In ogni caso, tornando un attimo alla Cina, di questo Paese si parla anche per l’avanguardia che si propone di rappresentare. Durante il 15° Piano Quinquennale, si prevede che la domanda di energia elettrica registrerà una crescita annua di circa il 5%, con una quota più elevata di energie rinnovabili.
Un dato ancora poco considerato, infine, è la produzione di scarti tecnologici, e-waste. Uno studio pubblicato sulla rivista Nature Computational Science stima che l’IA generativa possa produrre tra 1,2 e 5 milioni di tonnellate di rifiuti elettronici cumulati tra il 2020 e il 2030. Nello scenario più “aggressivo” il flusso annuo raggiungerebbe 2,5 milioni di tonnellate entro il 2030, l’equivalente di scartare circa 13,3 miliardi di iPhone. Il totale mondiale di rifiuti elettronici era già pari a 62 milioni di tonnellate nel 2022 secondo il Global E-waste Monitor. Dunque, il contributo specifico dell’IA, pur non trascurabile, resta una frazione minoritaria del problema complessivo. In ogni caso, gli stessi autori dello studio su Nature Computational Science indicano una leva di intervento concreta: estendere anche solo marginalmente la vita utile dei server e riutilizzare i componenti potrebbe ridurre l’accumulo di rifiuti elettronici fino all’86%.
Ma allora, l’intelligenza artificiale rischia di provocare più danni che benefici? Esistono già tentativi da parte della letteratura scientifica di registrare applicazioni concrete dell’IA, per esempio a supporto della transizione energetica. Quello che emerge però è ancora una scarsità di dati e di modelli per valutare gli impatti positivi del futuro. La grande risorsa visibile dell’IA per il momento rimane quella legata al processo decisionale, all’apprendimento continuo, all’automazione ed efficienza (pensiamo solo alla possibilità di revisionare migliaia di pagine di documenti in breve tempo); ma anche flussi di lavoro progettati per incarichi ad alto rischio. Il Consiglio europeo cita ad esempio compiti che mettono a repentaglio la sicurezza o la salute umana, come operazioni di salvataggio, disinnesco di bombe, gestione di sostanze contagiose o radioattive o ispezione di ambienti ostili.
Tutto questo varrà la sfida lanciata all’ambiente? Quel che è certo è che l’uso consapevole dell’IA deve anche prevedere la conoscenza dei suoi rischi e dei suoi aspetti più bui.
