L’Intelligenza Artificiale (IA) nel giro di pochi anni si è imposta come un’innovazione capace di trasformare radicalmente non solo la vita personale e professionale delle persone (spesso attraverso i LLM, Large Language Models, come ChatGPT), ma anche quella delle aziende che sempre più stanno trasformando le proprie piattaforme digitali e i loro processi di produzione e vendita. Senza contare l’impatto che l’IA sta producendo negli equilibri degli Stati entrando prepotentemente nelle agende politiche ed economiche di tutto il mondo.

Di particolare interesse il periodo storico in cui l’IA trova la sua evoluzione in quanto coincide con diversi programmi in tutte le Nazioni che attenzionano ambiente, uso consapevole e ottimizzato delle risorse, abbattimento dell’inquinamento e degli usi di suolo ed energia (come il Piano Transizione 5.0 e la sua attenzione alla sostenibilità ambientale). Tale percorso parallelo evidenzia quella che è una contraddizione intrinseca all’aumento dell’entusiamo globale per lo strumento IA e che si prefigura come un’immaturità tecnologica che col tempo verrà risolta (si pensi al caso DeepSeek che alcune settimane fa ha attirato l’attenzione per un consumo energetico minimo rispetto ai suoi competitors americani).

Impatto energetico e ambientale dell’IA

Uno studio del 2024 (svolto dalla startup Hugging Face in collaborazione con la Carnegie Mellon University) ha evidenziato come la generazione di una singola immagine attraverso modelli di IA avanzati richieda una quantità di energia paragonabile a quella necessaria per ricaricare uno smartphone. Oppure, paragonato a Google, una singola risposta di ChatGPT consuma circa dieci volte più energia elettrica del noto motore di ricerca (in media 0,3 wattora contro i 2,9 dell’IA). Considerando che tali sistemi vengono utilizzati miliardi di volte al giorno per compiti come la scrittura automatizzata, l’elaborazione delle e-mail e la creazione di immagini, il loro impatto energetico è tutt’altro che trascurabile tanto che si stima un utilizzo tra l’1% e il 2% dell’intera energia mondiale, con un possibile aumento del 160% entro il 2030 (altra data simbolicamente importante perché prevede, nel Goal 12 dell’Agenda 2030, l’ottimizzazione del consumo delle risorse).

Gran parte dell’impronta ecologica dell’IA è legata ai data center, enormi infrastrutture che ospitano i server necessari all’elaborazione delle informazioni. Queste strutture necessitano di quantità importanti di energia e generano calore richiedendo ulteriori risorse per il raffreddamento. Tale processo si stima arrivi a consumare 435 milioni di litri di acqua all’anno, pari al fabbisogno idrico giornaliero di un milione di persone, se solo il 10% degli impiegati americani utilizzasse ChatGPT o equipollenti per scrivere un’email alla settimana. Calcolando il consumo della singola mail, ipotizzandola di 100 parole, si stima sia più di mezzo litro d’acqua.

Il ciclo di vita dell’IA, dall’addestramento dei modelli alla loro implementazione, comporta inoltre significative emissioni di gas serra. Uno studio condotto dalla University of Massachusetts Amherst ha evidenziato che l’addestramento di un solo modello di IA può produrre fino a 284 tonnellate di CO₂, un quantitativo pari a cinque volte le emissioni medie generate da un’auto nell’arco della sua intera esistenza. Questo valore riguarda esclusivamente il processo di apprendimento del modello senza includere il dispendio energetico richiesto per il funzionamento continuo dei server che gestiscono l’IA. Google, attraverso la sua IA Gemini, nel rapporto del 2024 ha comunicato che le sue emissioni di gas serra sono aumentate del 48% rispetto al 2019 con un aumento su base annuale del 13%. L’equivalente di 38 centrali elettriche a gas.

Un necessario confronto con l’uomo

Uno degli aspetti da vagliare, inerente il consumo di risorse, riguarda però la comparazione tra il consumo energetico dell’IA e quello necessario a un essere umano per svolgere il medesimo compito. Nonostante non esistano vere e proprie tabelle di confronto alcune stime suggeriscono che per la produzione di contenuti complessi le emissioni dell’IA potrebbero essere nettamente inferiori a quelle di un individuo che svolge un’attività equivalente. Questo perché se da un lato è evidente che la creazione e l’addestramento di modelli IA comportino un dispendio energetico notevole, è anche vero che l’automazione di processi ripetitivi e ad alta intensità di dati potrebbe ridurre l’impiego di risorse per compiti che sarebbero altrimenti svolti manualmente.

Uno studio pubblicato su Scientific Reports (2024) evidenzia che, a parità di compito richiesto, l’IA potrebbe ridurre le emissioni di CO₂ tra 130 e 1.500 volte per la creazione di testi complessi e tra 310 e 2.900 volte per la generazione di immagini. Tale maggiore efficienza è determinata dalla velocità di esecuzione delle operazioni a tutto favore dell’IA e dall’assenza, per esempio, del consumo energetico diretto (computer, altri strumenti elettronici) e indiretto (ad esempio fabbisogno alimentare, riscaldamento degli ambienti).

Il caso DeepSeek

Come si è detto DeepSeek, startup cinese fondata nel 2023 da Liang Wenfeng, ha sviluppato un chatbot che ha scosso il settore dell’intelligenza artificiale grazie alla sua efficienza energetica e ai costi ridotti. Secondo i documenti pubblicati dall’azienda i loro server consumano tra il 50% e il 75% in meno di energia rispetto alle più recenti unità di elaborazione grafica (GPU) di Nvidia. Questo risultato è stato ottenuto utilizzando circa 2.000 chip per l’addestramento del modello V3, un numero significativamente inferiore rispetto ai supercomputer delle grandi aziende di IA che impiegano oltre 16.000 chip.

Tuttavia è fondamentale notare che, nonostante questi progressi, l’uso crescente dell’IA potrebbe comunque portare a un aumento della domanda energetica complessiva a causa del paradosso di Jevons. Questo prevede che una maggiore efficienza porti a un maggiore consumo a causa della diminuzione del costo unitario e del conseguente aumento della domanda, arrivando a una espansione del suo uso che supera il risparmio ottenuto dall’efficienza stessa.

IA e promozione della sostenibilità ambientale

L’applicazione dell’IA sta però anche emergendo come un valido supporto nella promozione della sostenibilità ambientale offrendo soluzioni mirate ed innovative. Dall’ottimizzazione dell’efficienza energetica alla gestione sostenibile delle risorse naturali, sono molti i settori che utilizzano e potrebbero potenzialmente giovarne.

In agricoltura, ad esempio, l’IA consente di monitorare e analizzare in tempo reale le condizioni delle colture attraverso l’uso di sensori e droni, ottimizzando l’uso di fertilizzanti, pesticidi e acqua e riducendo l’impatto ambientale con un sensibile miglioramento della produttività. Non a caso il Topic 3 del programma Digital Europe nel 2024 aveva come focus cloud, dati e intelligenza artificiale nel settore agricolo. Ad affermarlo è anche la pubblicazione Vision per l’agricoltura e l’alimentazione dell’Unione Europea: «Le tecnologie digitali avanzate, compresa l’intelligenza artificiale, in combinazione con i dati provenienti dall’internet delle cose e da altre fonti, possono migliorare in modo considerevole le operazioni, stimolare l’innovazione e rivoluzionare il nostro modo di produrre alimenti, avendo cura dell’ambiente, del clima e delle persone» (leggi link Acta Non Verba).

Anche nella gestione delle risorse idriche, punto critico di consumo dell‘IA, la sua applicazione si rivela essere efficace, tra le altre cose, nel monitoraggio delle reti idriche urbane rilevando perdite e inefficienze nella distribuzione.
In questa direzione oltre al Digital Europe anche il bando Horizon Water che promuove l’innovazione, la ricerca e l’imprenditorialità nel settore della sostenibilità ambientale contribuendo alla transizione verso un’economia più sostenibile e resiliente ai cambiamenti climatici.

Altri utilizzi virtuosi dell’IA sono quelli inerenti la previsione della domanda energetica e della gestione in modo efficiente della sua distribuzione bilanciando offerta e domanda e riducendo la dipendenza da fonti fossili. Oppure l’analisi di immagini satellitari e dati provenienti da sensori ambientali utili a monitorare la deforestazione, l’inquinamento atmosferico e altri indicatori ambientali critici.

IA, un delicato equilibrio tutto da scoprire

L’Europa ha recentemente annunciato un investimento di 200 miliardi per la crescita delle Gigafactory per l’IA nonostante alcune critiche da Gran Bretagna e Stati Uniti relative soprattutto alla legislazione (vedi link Acta Non Verba). In Italia l’84% della grandi aziende investe in innovazione digitale e sostenibilità nonostante solo un’azienda su tre utilizzi il digitale per la sostenibilità, e meno di un terzo delle PMI investe in uno dei due ambiti (vedi link Acta Non Verba).

Il Piano Transizione 5.0 enfatizza l’integrazione dell’IA per creare un ecosistema industriale più sostenibile e resiliente. L’IA può concretamente contribuire a migliorare l’efficienza dei processi produttivi, ridurre l’impatto ambientale e promuovere pratiche sostenibili arrivando, nell’equilibrio tra consumo ed efficienza della sua applicazione, a bypassare il succitato paradosso di Jevons trasformando questo strumento da possibile minaccia a ottimo alleato.