L’INTELLIGENZA ARTIFICIALE (NELLA FOTO DI COPERTINA UN DATA CENTER IA) PUÒ CONTRIBUIRE A OTTIMIZZARE RETI ENERGETICHE, PROCESSI INDUSTRIALI E UTILIZZO DELLE RISORSE, MA LA SUA RAPIDA ESPANSIONE APRE QUESTIONI AMBIENTALI, SOCIALI E POLITICHE CHE RICHIEDONO REGOLE E TRASPARENZA. NELLA TRASMISSIONE ECOAGENDA, PAOLO CENTO E STEFANO ZAGO HANNO RICHIAMATO L’ATTENZIONE SULLA CONCENTRAZIONE DEL POTERE TECNOLOGICO, SULL’USO MILITARE DELL’IA E SUI COSTI DEI DATA CENTER. INTANTO L’AGENZIA INTERNAZIONALE DELL’ENERGIA (IEA) STIMA CHE IL LORO CONSUMO ELETTRICO MONDIALE POSSA RADDOPPIARE ENTRO IL 2030, CON L’IA COME PRINCIPALE MOTORE DELLA CRESCITA
Costi dell’intelligenza artificiale e opportunità
L’intelligenza artificiale sta entrando rapidamente nella ricerca scientifica, nell’industria, nei servizi e nelle attività quotidiane. Può analizzare quantità di dati difficilmente gestibili dall’uomo, migliorare alcune previsioni, automatizzare operazioni e contribuire a utilizzare in modo più efficiente energia e materie prime.
Ma la stessa accelerazione tecnologica porta con sé una domanda che diventa sempre più difficile rimandare: quali regole devono accompagnarla e, soprattutto, chi deve stabilirle?
È il tema affrontato nella nuova puntata di EcoAgenda – L’informazione ambientale della settimana, trasmissione di TeleAmbiente che ha ospitato Paolo Cento, direttore della rivista Articolo 9, in dialogo con il direttore responsabile dell’emittente Stefano Zago.
Per Cento, l’IA rappresenta una trasformazione che non può essere semplicemente fermata, ma che rischia di sfuggire alla capacità di governo se istituzioni e politica non costruiscono rapidamente strumenti adeguati.
“Se il mondo non mette in chiaro delle regole radicali e rigorose da rispettare, essa ci sfuggirà di mano”, sostiene Cento, indicando tre grandi terreni sui quali misurarne le conseguenze: lavoro, crisi internazionali e ambiente.
Sono questioni molto differenti e richiedono analisi altrettanto differenti. Soprattutto, non partiamo da un vuoto normativo: nell’Unione europea l’AI Act è entrato in vigore nel 2024 ed è diventato applicabile, con alcune eccezioni e scadenze differenziate, dal 2 agosto 2026.
Resta invece molto aperta un’altra partita. L’intelligenza artificiale cresce insieme alle infrastrutture fisiche necessarie per farla funzionare, e questa espansione sta cominciando a pesare sui sistemi energetici.
Quanto costa davvero all’ambiente l’intelligenza artificiale?
Per rispondere bisogna innanzitutto distinguere l’IA dall’infrastruttura digitale complessiva. I modelli vengono addestrati e utilizzati principalmente attraverso data center, strutture che ospitano server, sistemi di archiviazione, apparecchiature di rete e impianti necessari a mantenerli operativi.
Una parte importante dell’elettricità viene assorbita direttamente dai server, mentre altra energia serve al raffreddamento e alle infrastrutture ausiliarie.
I numeri sono ormai significativi. Secondo l’ultimo aggiornamento dell’International Energy Agency, nel 2025 i data center hanno utilizzato circa 485 terawattora di elettricità. Entro il 2030 il consumo potrebbe arrivare a circa 950 TWh, intorno al 3% della domanda elettrica mondiale. Nello stesso periodo, il consumo dei data center specificamente orientati all’intelligenza artificiale potrebbe triplicare.
Non significa che l’IA stia per assorbire una quota dominante dell’energia mondiale. Su scala globale i data center rimangono responsabili di una parte minoritaria della domanda elettrica.
Il problema diventa però più evidente quando si passa dal dato mondiale a quello territoriale, perché queste strutture sono fortemente concentrate, in un determinato territorio e per periodi molto lunghi.
Costi dell’intelligenza artificiale: perché i data center stanno diventando un problema per le reti elettriche?
Perché possono essere costruiti più rapidamente delle infrastrutture necessarie ad alimentarli. Un data center può diventare operativo nell’arco di pochi anni, mentre nuove reti elettriche, linee di trasmissione e impianti di generazione richiedono spesso tempi più lunghi.
L’IEA stima che, senza interventi sui colli di bottiglia delle reti, circa il 20% dei progetti di data center pianificati potrebbe subire ritardi.
Nel 2025 il consumo elettrico mondiale dei data center è cresciuto del 17%, mentre quello delle strutture focalizzate sull’IA è aumentato ancora più velocemente. Allo stesso tempo, gli investimenti delle cinque grandi società tecnologiche considerate dall’IEA hanno superato complessivamente i 400miliardi di dollari e potrebbero aumentare ulteriormente nel 2026.
È questa velocità a rendere particolarmente delicata la transizione.
L’efficienza dei sistemi migliora rapidamente e l’energia necessaria per svolgere singole operazioni di IA sta diminuendo. Ma cresce ancora più rapidamente il numero delle applicazioni, degli utenti e delle elaborazioni richieste.
È un classico problema di scala: fare una singola operazione in modo più efficiente non garantisce una diminuzione del consumo complessivo se, contemporaneamente, le operazioni diventano enormemente più numerose.
Costi dell’intelligenza artificiale: l’elettricità utilizzata dall’IA proviene da fonti rinnovabili?
In parte, ma non esclusivamente. Secondo le proiezioni IEA, le rinnovabili dovrebbero soddisfare quasi metà dell’aumento della domanda elettrica dei data center nei prossimi anni. Anche gas naturale, carbone e nucleare continueranno però a fornire una quota rilevante dell’energia necessaria.
Il mix varia fortemente tra i diversi Paesi. Questo significa che due modelli identici utilizzati in luoghi differenti possono avere un’impronta climatica diversa, perché cambia l’origine dell’elettricità che alimenta i server.
Nel 2024 le emissioni indirette di CO₂ associate all’elettricità consumata da tutti i data center, non soltanto da quelli dedicati all’IA, erano stimate dall’IEA intorno a 180milioni di tonnellate, circa lo 0,5% delle emissioni globali derivanti dalla combustione di combustibili fossili. Nello scenario centrale dell’Agenzia potrebbero crescere di quasi l’80% entro il 2030.
Il dato richiede quindi una doppia lettura. L’impronta dei data center resta relativamente contenuta rispetto alle emissioni complessive del sistema energetico mondiale, ma si colloca tra quelle destinate a crescere mentre molti altri settori devono seguire la traiettoria opposta.
Costi dell’intelligenza artificiale: perché Paolo Cento chiede una programmazione pubblica?
È precisamente sulla velocità di questa espansione che interviene la posizione espressa a EcoAgenda.
“L’IA ci può dare un grande aiuto nella razionalizzazione delle risorse e nella loro gestione ottimale nell’ambiente”, riconosce Cento. A preoccuparlo sono invece la concentrazione dell’innovazione nelle mani delle grandi imprese private e i costi ambientali dell’infrastruttura necessaria. Da qui la richiesta di “una programmazione pubblica e un piano regolatore in ogni Paese”.
La proposta va distinta dal quadro normativo già esistente. Non esiste infatti una totale assenza della politica dalla regolazione dell’intelligenza artificiale, almeno nell’Unione europea.
L’AI Act europeo segue un approccio basato sul rischio e introduce obblighi differenti a seconda delle caratteristiche e degli utilizzi dei sistemi. Le regole sui modelli di IA per finalità generali sono applicabili dal 2 agosto 2025, mentre dal 2 agosto 2026 sono diventati operativi ulteriori obblighi e il sistema di enforcement previsto dal regolamento.
Per alcuni sistemi ad alto rischio le scadenze sono state invece differite. Il problema posto da Cento è dunque più ampio della semplice esistenza di una legge: riguarda la capacità delle istituzioni pubbliche di governare infrastrutture, risorse e potere economico connessi all’IA.
Costi dell’intelligenza artificiale: l’IA può anche aiutare l’ambiente?
Sì, ed è proprio questa ambivalenza a rendere insufficiente descriverla soltanto come un costo energetico. La capacità di analizzare grandi quantità di informazioni può essere utilizzata per prevedere domanda e produzione elettrica, ottimizzare reti, individuare inefficienze industriali, migliorare processi e accelerare alcune attività di ricerca.
L’IEA considera l’intelligenza artificiale non soltanto una nuova fonte di domanda energetica ma anche uno strumento potenzialmente utile per trasformare il sistema energetico.
La questione centrale è il saldo tra benefici e costi. Un algoritmo che riduce il consumo energetico di un processo industriale può generare un vantaggio ambientale superiore all’energia richiesta per farlo funzionare. Un’applicazione scarsamente utile che richiede enormi quantità di calcolo pone invece un problema completamente diverso.
Non esiste quindi una singola impronta dell’IA valida per qualsiasi utilizzo.
Bisogna considerare quale modello viene impiegato, per quale funzione, con quali infrastrutture, quanta energia richiede e quale beneficio produce. È anche per questo che efficienza e trasparenza diventano criteri centrali per governarne l’espansione.
Costi dell’intelligenza artificiale: che cosa cambia con l’AI Act europeo?
L’Europa ha scelto di non trattare tutte le applicazioni allo stesso modo.
Il regolamento classifica gli utilizzi in base al livello di rischio e introduce divieti per alcune pratiche, obblighi specifici per i sistemi considerati ad alto rischio e regole per i modelli di IA per finalità generali.
Dal 2 agosto 2026 sono inoltre applicabili nuovi obblighi di trasparenza. In determinate circostanze, gli utenti devono sapere quando stanno interagendo con un sistema artificiale, mentre deepfake e altri contenuti generati o manipolati dall’IA sono soggetti a specifiche forme di identificazione.
È un aspetto particolarmente rilevante rispetto alle preoccupazioni espresse da Stefano Zago durante la trasmissione EcoAgenda.
Il direttore di TeleAmbiente richiama infatti le conseguenze sociali e psicologiche della diffusione dell’intelligenza artificiale, soprattutto per bambini e adolescenti, e insiste sulla necessità di sviluppare la capacità di distinguere ciò che è vero da ciò che è falso.
La tecnologia generativa rende questa competenza sempre più importante. Testi, immagini, audio e video sintetici possono raggiungere livelli di realismo tali da rendere insufficiente l’intuizione dell’utente. La risposta normativa europea prova quindi ad affiancare all’alfabetizzazione digitale anche strumenti di riconoscibilità dei contenuti artificiali.
Perché il problema non può essere ridotto ai deepfake?
Perché riconoscere un’immagine falsa è soltanto una parte della nuova alfabetizzazione richiesta dall’IA.
Zago richiama la proposta del filosofo Umberto Galimberti sull’educazione sentimentale e affettiva e la collega alla necessità di investire soprattutto nell’infanzia e nell’adolescenza.
La posizione espressa durante la trasmissione amplia così il problema oltre le competenze tecniche. Sapere utilizzare uno chatbot non equivale a sapere valutare ciò che produce.
Un sistema generativo può formulare una risposta linguisticamente impeccabile e, nello stesso tempo, contenere informazioni false o ricostruzioni inesatte. Può inoltre rendere molto più economica la produzione di contenuti persuasivi su larga scala.
La competenza necessaria diventa quindi epistemica prima ancora che informatica: riconoscere una fonte, verificare un’affermazione, comprendere l’incertezza e distinguere una risposta plausibile da una risposta documentata.
Sono capacità che diventano particolarmente importanti per utenti giovani, che incontreranno sistemi artificiali non come una tecnologia arrivata successivamente nella loro vita, ma come parte ordinaria dell’ambiente informativo nel quale crescono.
Costi dell’intelligenza artificiale: perché la concentrazione dell’IA in poche grandi aziende preoccupa?
È un altro dei temi sollevati da Paolo Cento.
Addestrare e gestire i modelli più avanzati richiede capitali, chip specializzati, infrastrutture di calcolo, enormi quantità di dati e accesso all’energia. Sono barriere che favoriscono operatori capaci di sostenere investimenti molto elevati.
La questione non riguarda quindi soltanto chi possiede un determinato chatbot.
Riguarda chi controlla l’infrastruttura necessaria per costruire i modelli, chi dispone dei dati, chi può acquistare capacità di calcolo e chi stabilisce le condizioni economiche di accesso. Cento propone di rispondere rafforzando la proprietà pubblica delle infrastrutture e riducendo il monopolio delle piattaforme private.
È una proposta politica specifica, che non rappresenta l’unica possibile risposta alla concentrazione del mercato. Regolamentazione, interoperabilità, obblighi di trasparenza, politiche della concorrenza e infrastrutture pubbliche possono essere utilizzate in combinazioni differenti.
Ma il problema dal quale nasce la proposta è concreto: una tecnologia general purpose, destinata a entrare in numerosi settori economici e servizi essenziali, dipende da una capacità computazionale che richiede investimenti di dimensioni sempre maggiori.
Costi dell’intelligenza artificiale: che cosa succede quando l’intelligenza artificiale entra nelle guerre?
Qui il terreno diventa ancora più delicato. “Dal punto di vista militare può diventare padrona di se stessa e quindi espropriare l’uomo delle scelte sul terreno bellico”, afferma Cento.
La formulazione esprime una preoccupazione politica e non descrive la condizione attuale dei sistemi di IA come se fossero soggetti autonomi capaci di decidere indipendentemente.
Il problema reale riguarda piuttosto il grado di autonomia che può essere affidato ai sistemi utilizzati in ambito militare e, soprattutto, quali decisioni debbano rimanere sotto controllo umano.
L’IA può essere impiegata in attività molto differenti: analisi di immagini e informazioni, sorveglianza, logistica, individuazione di oggetti, supporto alle decisioni e sistemi d’arma.
Non tutte queste applicazioni pongono lo stesso livello di rischio.
Il nodo più controverso emerge quando un sistema può contribuire a selezionare e colpire un bersaglio con un grado crescente di autonomia. Qui entrano in gioco responsabilità, diritto internazionale umanitario, affidabilità degli algoritmi e possibilità di mantenere un controllo umano effettivo sulle decisioni che possono provocare la morte di persone.
La velocità dell’automazione aggiunge un ulteriore problema: ridurre il tempo disponibile per la decisione umana può essere considerato un vantaggio operativo, ma aumenta anche il rischio che un errore venga trasformato rapidamente in un’azione irreversibile.
Perché la corsa tecnologica tra Stati rende più difficile stabilire regole comuni?
Stefano Zago individua nella competizione tra Stati Uniti e Cina uno dei motori che rendono improbabile un rallentamento spontaneo dello sviluppo.
La considerazione tocca un nodo geopolitico centrale. L’intelligenza artificiale non viene trattata soltanto come un mercato emergente. Capacità di calcolo, semiconduttori avanzati, modelli e infrastrutture digitali sono ormai considerati anche asset strategici.
Di conseguenza, un Paese può temere che rallentare unilateralmente significhi concedere un vantaggio tecnologico ai concorrenti.
È un meccanismo che complica la regolazione internazionale.
La stessa tecnologia può infatti offrire vantaggi economici, scientifici e militari. Stabilire limiti condivisi richiede quindi di conciliare sicurezza, innovazione e competizione industriale.
Non è una ragione per rinunciare alle regole.
Spiega però perché la governance dell’IA non possa essere risolta soltanto attraverso appelli alla responsabilità delle singole imprese o dei singoli utenti.
Si può rendere l’intelligenza artificiale ambientalmente più sostenibile?
La crescita dei consumi prevista non è immutabile.
L’IEA ha elaborato scenari differenti proprio perché il fabbisogno futuro dipenderà dall’efficienza dell’hardware, dal software, dalla velocità di adozione dell’IA e dalle caratteristiche dei data center.
Nello scenario ad alta efficienza, nel 2035 la stessa domanda di servizi digitali e di IA potrebbe essere soddisfatta utilizzando oltre il 15% di elettricità in meno rispetto allo scenario centrale.
La progettazione conta quindi molto.
Chip più efficienti, algoritmi meno energivori, sistemi di raffreddamento migliori e localizzazione delle infrastrutture in aree compatibili con disponibilità energetica e capacità della rete possono ridurre l’impatto.
Conta anche la provenienza dell’elettricità.
Nel 2025 il settore tecnologico ha rappresentato circa il 40% dei contratti aziendali di acquisto di energia rinnovabile sottoscritti a livello mondiale, secondo l’IEA.
Ma aggiungere energia rinnovabile non risolve automaticamente tutti i problemi.
La concentrazione territoriale della domanda può richiedere nuove reti, trasformatori e capacità di generazione. Dunque la questione ambientale dell’IA non può essere affrontata esclusivamente migliorando l’efficienza dei singoli modelli.
Richiede anche pianificazione energetica e territoriale.
L’IA può diventare un vantaggio ambientale maggiore del suo costo?
È forse la domanda più utile sollevata indirettamente dal confronto di EcoAgenda.
L’intelligenza artificiale consuma risorse, ma può anche contribuire a utilizzarne meno. Può rendere più efficiente una rete elettrica, ma contemporaneamente aumentare la domanda necessaria per alimentare i data center. Può accelerare la ricerca scientifica, mentre la competizione per costruire modelli sempre più potenti spinge verso infrastrutture di calcolo sempre più grandi.
Il risultato dipenderà in larga misura dalle applicazioni che verranno privilegiate.
Considerare ogni utilizzo dell’IA equivalente impedisce infatti di distinguere tra un consumo energetico che produce un beneficio ambientale misurabile e uno destinato a servizi con un valore molto più marginale.
È qui che la discussione sulla regolazione incontra quella sulle priorità.
L’AI Act europeo ha già trasformato l’idea astratta di “mettere delle regole” in un sistema normativo concreto, ancora in fase di progressiva applicazione. La crescita dei data center pone però questioni che oltrepassano la sicurezza degli algoritmi: riguarda energia, reti, territorio e infrastrutture.
Le preoccupazioni espresse da Cento e Zago durante EcoAgenda attraversano dunque problemi molto diversi, sui quali non esiste un’unica risposta.
Il punto comune è la velocità.
Le infrastrutture digitali vengono costruite rapidamente, i modelli cambiano nell’arco di mesi e nuove applicazioni raggiungono milioni di persone prima che se ne conoscano pienamente gli effetti sociali. I sistemi energetici, le istituzioni e la scuola si muovono invece con tempi inevitabilmente più lunghi.
È in questa distanza che si gioca una parte importante della governance dell’intelligenza artificiale.
Non tanto nella possibilità di fermare una trasformazione tecnologica ormai in corso, quanto nella capacità di decidere quali utilizzi favorire, quali rischi non accettare e quali costi ambientali considerare sostenibili prima che siano le dimensioni stesse delle infrastrutture a rendere quelle scelte molto più difficili.
