L'impronta nascosta dell'IA: carbonio, acqua e suolo

L'intelligenza artificiale è un sistema materiale con costi misurabili. Un rapporto dell'ONU quantifica le impronte di carbonio, acqua e suolo dei data center, dall'addestramento dei modelli ai rifiuti elettronici, fino al recupero del calore in Finlandia.

Il rapporto Costo ambientale dell’intelligenza artificiale: impronta di carbonio, acqua e suolo, pubblicato dall’Istituto dell’ONU per l’acqua, l’ambiente e la salute (UNU-INWEH), esamina una delle conseguenze meno esplorate della rapida espansione dell’Intelligenza Artificiale (IA): l’impronta ambientale dell’energia necessaria per alimentarla. Man mano che l’IA si integra nelle economie, nei servizi pubblici, nella ricerca, nella comunicazione e nella vita quotidiana, dipende da una crescente infrastruttura fisica composta da data center, chip avanzati, sistemi di raffreddamento, reti elettriche, risorse idriche, suolo e catene di approvvigionamento di minerali critici. Il rapporto dimostra che l’IA è un sistema materiale con costi ambientali misurabili.

Questo rapporto va oltre una semplice analisi del carbonio, ma quantifica l’impronta di carbonio, acqua e suolo associata all’elettricità utilizzata per addestrare, implementare e gestire sistemi di IA su larga scala. La sua conclusione principale è che i costi ambientali dell’IA dipendono non solo dalla quantità di elettricità utilizzata, ma anche da dove viene generata e da quali fonti energetiche. Ogni kilowattora utilizzato dall’IA comporta implicazioni in termini di emissioni di carbonio, consumo idrico e utilizzo del suolo, e queste impronte non sempre si muovono nella stessa direzione: l’elettricità a basse emissioni di carbonio non è automaticamente sinonimo di basso consumo idrico o di suolo. Il rapporto mostra inoltre che l’impronta ambientale dell’IA è determinata sia dalle principali tendenze infrastrutturali, tra cui la rapida crescita dei data center, sia dalle modalità di utilizzo quotidiano, come la scelta del modello, la lunghezza dell’output, la modalità e il crescente utilizzo della generazione di testo, immagini e video.

È importante sottolineare che il rapporto inquadra l’impronta ambientale dell’IA come una sfida di governance e giustizia, non solo come un problema tecnico. I benefici dell’IA spesso si estendono oltre i confini e i settori, mentre gli oneri ambientali derivanti dall’ubicazione dei data center, dalla domanda di elettricità, dai prelievi idrici, dall’utilizzo del suolo, dall’estrazione mineraria e dai rifiuti elettronici possono concentrarsi in specifiche comunità e regioni. Per affrontare questi rischi, il rapporto auspica un ecosistema di IA responsabile, fondato su trasparenza, efficienza fin dalla progettazione, equità e giustizia ambientale, responsabilità del ciclo di vita, cooperazione globale e utilizzo sostenibile. Rendendo visibili e comparabili le impronte di carbonio, idriche e di utilizzo del suolo dell’IA, il rapporto fornisce una base pratica per integrare l’IA nella pianificazione energetica, climatica, idrica e dell’uso del suolo, garantendo che l’innovazione progredisca senza trasferire i costi ambientali sulle comunità vulnerabili.

Esaminiamo in modo sintetico i punti-chiave del rapporto.

La crescita esponenziale dell’IA

Rispetto alla crescita dell’IA il rapporto ci dice:

Il mercato globale dell’IA è in rapida espansione, con una crescita prevista da 189 miliardi di dollari nel 2023 a quasi 5 trilioni di dollari entro il 2033. Ciò rappresenterebbe un aumento di circa 25 volte delle dimensioni del mercato globale dell’IA in un decennio.
Si prevede che la spesa globale per l’IA supererà i 2,5 trilioni di dollari nel 2026.
L’IA generativa ha rappresentato oltre il 20% del mercato globale dell’IA nel 2026 e si prevede che raggiungerà il 40% entro il 2030.
Gli investimenti aziendali nell’IA hanno superato i 580 miliardi di dollari nel 2025, mentre la sola IA generativa ha attratto quasi 34 miliardi di dollari di investimenti privati.
Il 78% delle organizzazioni ha dichiarato di utilizzare l’IA nel proprio lavoro nel 2024 e il 40% dei datori di lavoro prevede di ridurre la forza lavoro laddove l’IA può automatizzare le attività. Circa il 60% dei posti di lavoro nelle economie avanzate include l’IA, contro il 26% nei paesi a basso reddito.
Quasi la metà dei data center mondiali si trova negli Stati Uniti.
Solo il 16% dei paesi ospita infrastrutture di cloud computing specializzate per l’IA, e il 90% di tale capacità è concentrato in soli due paesi (Stati Uniti e Cina).

L’impronta energetica dell’addestramento

Rispetto all’impronta energetica del training dei modelli, il rapporto ci dice:

Il training dei modelli di frontiera richiede un’enorme quantità di energia. È probabile che GPT-4 abbia consumato dai 50 ai 70 GWh di elettricità in 100 giorni, circa 38-53 volte di più rispetto a GPT-3 (circa 1,3 GWh in un periodo di 34 giorni). L’energia consumata da GPT-4 durante il training equivale al consumo annuo di elettricità residenziale di oltre 460.000 persone nell’Africa subsahariana.
L’impronta di carbonio di 25.000 tonnellate di CO₂e durante il training di GPT-4 richiederebbe la capacità di sequestro di 420.000 piantine di alberi coltivate per 10 anni, ovvero circa il numero di alberi presenti in 105 Hyde Park a Londra.
L’impronta idrica associata al training di GPT-4 è stata di circa 600 milioni di litri, sufficienti a soddisfare il fabbisogno idrico domestico minimo annuo di 81.000 persone nell’Africa subsahariana, o a riempire 237 piscine olimpioniche. Si prevede che l’IA arriverà a consumare nel 2030 annualmente miliardi di litri d’acqua per il raffreddamento dei server, una quantità superiore al fabbisogno annuo di oltre 1,3 miliardi di persone.
Le proiezioni per modelli come il GPT-5 suggeriscono un fabbisogno energetico per il training di 100 GWh, equivalente al consumo annuo di elettricità residenziale di 770.000 persone nell’Africa subsahariana.
Si stima che i modelli di training come il GPT-5 abbiano un’impronta di carbonio di 42.000 tonnellate di CO₂e, che richiederebbe la piantumazione di 700.000 piantine (circa il numero di alberi presenti in 40 Central Park a New York o 155 volte il numero di alberi presenti nell’High Park di Toronto in 10 anni per compensare le emissioni).
L’impronta idrica del training con GPT-5 è stimata in 1 miliardo di litri, sufficienti a soddisfare il fabbisogno idrico domestico annuo di oltre 135.000 persone nell’Africa subsahariana.
L’impronta di suolo occupata dagli impianti di allenamento GPT-4 e GPT-5 è stimata rispettivamente in circa 0,9 km² (126 campi da calcio) e 1,5 km² (210 campi da calcio).

Quanto costa usare l’IA

Rispetto all’uso di IA, il rapporto ci dice:

Dopo il suo lancio nel 2022, ChatGPT ha superato 1 milione di utenti in 5 giorni e 100 milioni in meno di 2 mesi. Attualmente, ChatGPT elabora circa 2,5 miliardi di richieste al giorno.
DeepSeek, azienda cinese lanciata nel gennaio 2025, ha attratto oltre 20 milioni di utenti attivi giornalieri entro tre settimane e contava circa 125 milioni di utenti attivi mensili entro la metà del 2025.
Sebbene il training sia un processo ad alta intensità di risorse, si stima che l’uso per generare risposte per miliardi di interazioni rappresenti dall‘80% al 90% del consumo energetico totale dell’IA.
Una tipica query di testo (interrogazione formulata utilizzando parole chiave o frasi, impiegata per cercare, filtrare o estrarre informazioni specifiche da un database o da un motore di ricerca, convertendo i dati grezzi in risultati utili) in stile ChatGPT è circa 200 volte più dispendiosa in termini di energia rispetto alla classificazione del testo (un’attività dell’apprendimento della macchina che assegna automaticamente categorie o etichette predefinite a un testo, come il filtro antispam, che divide le email in due classi: spam e non spam).
La generazione di un’immagine tipica tramite IA richiede 2,9 Wh, risultando 60 volte più impegnativa di una breve risposta testuale e 1.450 volte più impegnativa della classificazione del testo.
La generazione di video rappresenta l’ambito più energivoro, con clip lunghe ad alta risoluzione su modelli di grandi dimensioni che consumano oltre 415 Wh per clip, il che significa che un singolo video breve generato dall’IA può consumare tanta elettricità quanto 200.000 classificazioni di spam.
L’energia necessaria per generare una tipica immagine IA è sufficiente ad alimentare una lampadina LED da 10 watt per 17 minuti, mentre l’energia richiesta per un video IA complesso è sufficiente ad alimentare la stessa lampadina per 42 ore. Allo stesso modo, il consumo idrico associato all’elettricità è di circa due cucchiai (29 ml) per una singola immagine, ma sale a 4,1 litri per un video complesso, quasi l’equivalente del fabbisogno idrico di una persona per due giorni.

I data center come infrastruttura

Rispetto ai data center come infrastrutture, il rapporto ci dice:

Si è stimato che i data center globali avrebbero consumato, nel 2025, 448 TWh di elettricità. Se il consumo di elettricità dei data center fosse considerato un Paese, si sarebbe classificato all’undicesimo posto a livello mondiale per consumo di elettricità. L’energia consumata dai data center nel 2025 sarebbe stata sufficiente a soddisfare il fabbisogno annuo di elettricità residenziale dell’intera popolazione dell’Africa subsahariana, pari a 1,3 miliardi di persone, per 2,6 anni. L’impatto di queste strutture eguaglierà le emissioni annuali di gas serra di intere nazioni industrializzate, come il Regno Unito.
Il consumo di elettricità dei data center nel 2025 ha generato un’impronta di carbonio di 189 milioni di tonnellate di CO₂e, che richiederebbe la crescita di 3,2 miliardi di piantine di alberi in 10 anni per essere compensata, circa il numero totale di alberi dell’intero Regno Unito.
Il consumo di elettricità dei data center nel 2025 ha generato un’impronta idrica di 4,5 trilioni di litri d’acqua, sufficienti a riempire 1,8 milioni di piscine olimpioniche o a soddisfare il fabbisogno idrico domestico di base di oltre 600 milioni di persone nell’Africa subsahariana.
Nel 2025, l’impronta territoriale dei data center, necessaria per soddisfare il fabbisogno energetico, era di 6.900 km², quasi 4,5 volte la superficie della Grande Londra.
I carichi di lavoro di IA rappresentavano circa il 20% del consumo totale di elettricità dei data center nel 2025 e si prevede che cresceranno fino al 40% entro il 2030.
Se la quota di energia dei data center destinata all’IA dovesse salire al 40%, il consumo di elettricità potrebbe raggiungere i 378 TWh, oltre 9 volte il consumo di elettricità della Nigeria (sesta nazione al mondo per popolazione, con 224 milioni di abitanti).
Il consumo globale di elettricità dei data center potrebbe superare i 945 TWh entro il 2030, rappresentando quasi il 3% del consumo globale di elettricità previsto (raddoppiando il loro impatto attuale), una quantità sufficiente a fornire elettricità residenziale a tutti gli 1,3 miliardi di abitanti dell’Africa subsahariana per circa 5,5 anni.
Se considerato come un singolo Paese, con un consumo di 945 TWh i data center si collocherebbero al sesto posto al mondo tra i Paesi per consumo di elettricità. L’impronta idrica associata al consumo di elettricità previsto per il 2030 dei data center è di 9,3 trilioni di litri, una quantità sufficiente a soddisfare il fabbisogno idrico domestico minimo annuo di tutti gli 1,3 miliardi di abitanti dell’Africa subsahariana per un anno intero.
L’impronta territoriale associata al consumo di elettricità previsto per i data center nel 2030 supererebbe i 14.500 km², circa 10 volte la superficie di Città del Messico o circa il doppio dell’area metropolitana di Giacarta, che ospita oltre 32 milioni di persone.
Il ciclo di vita fisico dell’hardware per l’IA rappresenta una crisi crescente. Le infrastrutture per l’IA potrebbero generare fino a 2,5 milioni di tonnellate di rifiuti elettronici all’anno entro il 2030, l’equivalente di smaltire quasi 250 Torri Eiffel ogni anno.
Il paradosso di Jevons dice che l’aumento dell’efficienza dei chip non porta a una diminuzione dei consumi, poiché la crescita esponenziale delle richieste e dell’uso dell’IA aumenta la domanda globale di energia su scala massiccia.

Il calore recuperato: il modello finlandese

Nei Paesi freddi il calore dissipato dai data centers è parzialmente riutilizzato come energia per il riscaldamento.

In Finlandia i data center vengono usati per riscaldare case e città grazie al recupero del calore, riducendo consumi ed emissioni con reti di teleriscaldamento avanzate. Il processo inizia con l’acqua tiepida usata per raffreddare i server dei data center. Questa viene inviata a sistemi di pompe di calore, che ne estraggono l’energia termica e la portano a temperature adatte al riscaldamento delle abitazioni. Il risultato è un flusso costante di calore rinnovabile che può raggiungere anche oltre i 100°C e alimentare intere città durante gli inverni più rigidi.

Esportare questa soluzione non è semplice: i data center richiedono enormi quantità di energia elettrica e inoltre spesso queste strutture vengono costruite lontano dalle città, dove il terreno costa meno, mentre i sistemi di teleriscaldamento sono concentrati nei centri urbani. Ma qualche città del Nord-Italia, come Brescia o Milano, sta cercando di seguire questo modello.

La domanda che resta

Ma il problema è un altro: che cosa i gestori fanno per contrastare l’abuso e la dipendenza da IA?

Domande?

Quanta acqua consuma l’addestramento di un modello di IA?

Secondo il rapporto UNU-INWEH, l’addestramento di GPT-4 ha avuto un’impronta idrica di circa 600 milioni di litri, abbastanza da riempire 237 piscine olimpioniche. Per GPT-5 la stima sale a circa 1 miliardo di litri, sufficienti a coprire il fabbisogno idrico domestico annuo di oltre 135.000 persone nell’Africa subsahariana. Questa acqua serve soprattutto a raffreddare i server nei data center.

Quanta energia consuma l’addestramento di un modello di IA?

L’addestramento di GPT-4 ha probabilmente consumato dai 50 ai 70 GWh di elettricità in 100 giorni, circa 38-53 volte più di GPT-3 (circa 1,3 GWh in 34 giorni). Per un modello come GPT-5 si stima un fabbisogno di circa 100 GWh, pari al consumo annuo di elettricità residenziale di 770.000 persone nell’Africa subsahariana. L’addestramento di GPT-4 ha generato un’impronta di carbonio di 25.000 tonnellate di CO₂e.

I data center possono riscaldare le case?

Sì. In Finlandia il calore dissipato dai data center viene recuperato: l’acqua tiepida usata per raffreddare i server passa attraverso pompe di calore che ne estraggono l’energia termica, portandola a temperature anche oltre i 100°C per alimentare reti di teleriscaldamento di intere città. Esportare il modello è difficile perché i data center sorgono spesso lontano dai centri urbani dove il terreno costa meno, ma alcune città del Nord Italia come Brescia e Milano stanno provando a seguirlo.