L’intelligenza artificiale è ormai parte integrante della vita quotidiana: da ChatGPT che aiuta a scrivere email, ai sistemi di visione che monitorano le colture, fino ai robot che supportano la fabbrica del futuro. Ma dietro le quinte c’è un prezzo meno visibile, legato a energia e acqua, e un impatto che si ripercuote sul lavoro, sulla scuola e persino sui dibattiti a livello istituzionale. Il principe Carlo d’Inghilterra, da tempo attivo sui temi ambientali, ha recentemente chiesto “rassicurazioni” sull’uso dell’AI, sollevando la domanda che tutti noi dovremmo porsi: l’AI può crescere senza gravare sul pianeta e sulla società?
Il consumo energetico dell’AI: numeri e contesto
Il training di grandi modelli linguistici richiede potenze computazionali enormi. Secondo un rapporto del 2022 di OpenAI, l’addestramento di GPT‑3 ha consumato circa 1.3 milioni di kWh, pari a circa 120 tonnellate di CO₂, equivalenti a un volo di andata e ritorno tra Londra e New York per 25 passeggeri. Modelli più recenti, sebbene ottimizzati, mantengono consumi dell’ordine di centinaia di migliaia di kWh per un singolo ciclo di training.
Il consumo non si ferma al training: l’inferenza – cioè l’utilizzo del modello per generare risposte – richiede server attivi 24/7. Stime dell’IA Global Impact Report 2023 indicano che i data center dedicati all’AI rappresentano circa il 3 % del consumo energetico globale dei data center, tradotto in circa 200 TWh all’anno, pari al fabbisogno annuale dell’Irlanda.
Alcune aziende stanno già adottando strategie per mitigare l’impatto:
- Uso di hardware più efficiente: i chip TPU di Google consumano fino al 30 % in meno rispetto alle GPU tradizionali per operazioni di inferenza.
- Riciclo del calore: data center in Finlandia utilizzano il calore prodotto per riscaldare abitazioni, riducendo le emissioni di CO₂.
- Energia rinnovabile: Amazon Web Services ha dichiarato che il 50 % delle sue strutture sarà alimentato al 100 % da energia rinnovabile entro il 2025.
Acqua e raffreddamento: un bisogno spesso trascurato
Il raffreddamento dei server è una delle principali fonti di consumo idrico. Molti data center impiegano sistemi di raffreddamento a circuito chiuso, che riciclano l’acqua, ma in regioni con scarsità idrica il problema si fa più pressante. Un rapporto del World Bank del 2021 stima che i data center consumano circa 200 milioni di metri cubi d’acqua all’anno, pari al consumo di una piccola città come Reykjavik.
Le soluzioni più promettenti includono:
- Raffreddamento ad aria secca: in climi aridi, come il Nevada, i data center utilizzano l’aria esterna filtrata, riducendo il consumo d’acqua di oltre il 90 %.
- Raffreddamento a immersione: server immersi in un liquido dielettrico non conduttivo, che assorbe calore senza evaporazione.
- Recupero dell’acqua di condensa: sistemi che raccolgono la condensa prodotta dal raffreddamento e la riutilizzano per irrigazione o servizi igienici.
AI al lavoro: opportunità e sfide per le imprese
Le imprese stanno integrando l’AI per ottimizzare processi, ridurre errori e creare nuovi prodotti. Ecco alcuni esempi concreti:
- Manifattura predittiva: un produttore di componenti aeronautici in Italia ha ridotto i tempi di inattività del 30 % grazie a modelli che prevedono guasti meccanici.
- Customer service automatizzato: chatbot multilingue hanno diminuito i tempi di risposta del 45 % per un’azienda di e‑commerce europea.
- Design generativo: architetti e ingegneri usano AI per esplorare soluzioni strutturali più leggere, riducendo il consumo di materiale.
Tuttavia, l’automazione porta anche a una ristrutturazione dei ruoli. Secondo l’OCSE, entro il 2030 il 14 % dei posti di lavoro nei paesi membri sarà “significativamente trasformato” dall’AI, con una crescita di professioni legate a data science, etica dei dati e manutenzione di sistemi intelligenti.
Le imprese devono quindi investire in:
- Formazione continua: programmi di upskilling per dipendenti, con focus su competenze trasversali (pensiero critico, gestione del cambiamento).
- Governance dei dati: politiche chiare su privacy, bias e trasparenza, per evitare rischi legali e reputazionali.
- Sostenibilità operativa: monitorare l’impronta energetica dei modelli AI e scegliere provider con impegni ambientali concreti.
AI nella scuola: dalla didattica al curriculum
Le scuole stanno sperimentando l’AI per personalizzare l’apprendimento. Piattaforme come “Khanmigo” o “Duolingo Max” adattano il ritmo e i contenuti in base alle risposte dello studente, migliorando il tasso di completamento di fino al 20 % rispetto ai corsi tradizionali.
Le sfide educative includono:
- Equità di accesso: le famiglie con connessioni lente o dispositivi obsoleti rischiano di rimanere indietro.