Entro il 2030 i data center che alimentano l’intelligenza artificiale potrebbero consumare 945 terawattora di elettricità l’anno, quasi il triplo del consumo elettrico combinato di Pakistan, Bangladesh e Nigeria, Paesi che insieme ospitano oltre 650 milioni di persone, mentre l’impronta idrica associata a questa infrastruttura potrebbe raggiungere 9.300 miliardi di litri d’acqua, una quantità equivalente al fabbisogno domestico annuale minimo di 1,3 miliardi di persone nell’Africa subsahariana, e l’impronta territoriale supererà i 14.500 km², un’area pari a oltre due volte l’estensione di Giacarta. Sono i numeri al centro del rapporto Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints, pubblicato dall’United Nations University Institute for Water, Environment and Health (UNU-INWEH), una delle analisi più complete finora realizzate sugli impatti ambientali dell’intelligenza artificiale, il cui messaggio di fondo è netto: il dibattito pubblico si è concentrato quasi esclusivamente sulle emissioni di CO2 legate all’addestramento dei modelli, trascurando una parte altrettanto rilevante del problema, che riguarda consumo d’acqua, uso del suolo, estrazione di materie prime critiche e rifiuti elettronici.
La crescita dell’AI sta spingendo la domanda globale di energia a un ritmo che preoccupa gli esperti: nel 2025 i data center mondiali hanno consumato circa 448 TWh di elettricità, e se fossero uno Stato a sé sarebbero stati l’undicesimo maggiore consumatore di energia elettrica al mondo, davanti all’Arabia Saudita, mentre le proiezioni dell’Università delle Nazioni Unite indicano che entro il 2030 questo consumo potrebbe superare i 945 TWh annui, arrivando a pesare per quasi il 3% della domanda elettrica globale, spinto soprattutto dall’espansione dei servizi di AI generativa, con un’impronta climatica che potrebbe raggiungere circa 399 milioni di tonnellate di CO2 equivalente, una quantità che richiederebbe l’assorbimento garantito da circa 6,7 miliardi di alberi coltivati per dieci anni per essere compensata. Uno dei dati più significativi del rapporto, però, ribalta una convinzione diffusa: il vero costo energetico dell’AI non deriva principalmente dall’addestramento dei modelli, ma dal loro utilizzo quotidiano, la cosiddetta “inference”, che rappresenta ormai tra l’80% e il 90% del consumo energetico totale dell’intelligenza artificiale; solo ChatGPT, che processa circa 2,5 miliardi di richieste al giorno, richiederebbe da sola circa 383 GWh di elettricità l’anno, per compensare le cui emissioni servirebbero oltre 2,6 milioni di alberi coltivati per un decennio, un dato che cambia la prospettiva sulla sostenibilità dell’AI perché, anche se i modelli diventano più efficienti, la crescita esponenziale di utenti e applicazioni rischia di annullare ogni beneficio ottenuto sul piano tecnologico. Non tutte le applicazioni pesano allo stesso modo: una semplice classificazione di testo rappresenta il livello base di consumo, una conversazione con un chatbot richiede circa 200 volte più energia, generare un’immagine arriva a consumarne circa 1.450 volte tanto, mentre il caso più estremo riguarda i video, dato che crearne uno breve con l’AI può richiedere tanta elettricità quanto 200.000 operazioni di filtraggio dello spam, l’equivalente di una lampadina LED da 10 watt accesa per circa 42 ore, contro i soli 17 minuti necessari per generare un’immagine.
Uno degli aspetti più originali del rapporto è l’attenzione riservata all’acqua, raramente al centro del dibattito pubblico sull’AI: i data center ne consumano enormi quantità sia per raffreddare i server sia per sostenere la produzione dell’energia necessaria al loro funzionamento, e la cifra stimata per il 2030, 9.300 miliardi di litri, basterebbe a coprire il fabbisogno domestico minimo di un’intera regione come l’Africa subsahariana. Lo studio cita casi concreti già in atto: nell’area messicana di Querétaro l’espansione dei data center aumenta la pressione su risorse idriche già colpite da siccità prolungate, in Uruguay nuove strutture ad alta intensità idrica si sono sovrapposte alla crisi che nel 2023 ha compromesso le riserve di Montevideo, e anche gli Stati Uniti non fanno eccezione, dato che il data center di Google a Mesa, in Arizona, dispone di autorizzazioni per utilizzare 5,5 milioni di metri cubi d’acqua l’anno, una quantità che coprirebbe il fabbisogno idrico minimo di oltre 750.000 persone. Uno dei messaggi più rilevanti del rapporto riguarda proprio i limiti di una valutazione basata solo sulle emissioni di carbonio: passare dal carbone alla bioenergia, ad esempio, può ridurre l’impronta carbonica dell’elettricità di circa il 70%, ma al tempo stesso aumentare di oltre trenta volte il consumo d’acqua e di circa cento volte l’uso del suolo, il che significa che definire una tecnologia “verde” guardando solo alla CO2 rischia di essere fuorviante, e che la sostenibilità dell’AI va valutata tenendo insieme carbonio, acqua e territorio, evitando di spostare semplicemente i costi ambientali da una risorsa all’altra.
L’infrastruttura dell’AI richiede inoltre enormi quantità di hardware avanzato, server, processori grafici, sistemi di archiviazione, che dipendono da minerali critici come litio, cobalto e terre rare, la cui estrazione comporta consumo d’acqua, degrado degli ecosistemi e pressione sulle comunità locali, spesso concentrate in Paesi del Sud globale che non beneficiano direttamente dello sviluppo economico generato dall’intelligenza artificiale; a valle della filiera si aggiunge poi il problema dei rifiuti elettronici, dato che entro il 2030 l’infrastruttura AI potrebbe generarne fino a 2,5 milioni di tonnellate l’anno, una parte consistente delle quali rischia di finire in Paesi con sistemi di gestione ambientale insufficienti. A tutto questo si somma una disuguaglianza strutturale che lo studio non manca di sottolineare: solo 32 Paesi ospitano oggi data center specializzati per l’AI, oltre il 90% della capacità di calcolo mondiale si concentra in due sole nazioni, Stati Uniti e Cina, e più di 150 Paesi non dispongono di alcuna infrastruttura nazionale significativa, uno squilibrio che per i ricercatori dell’ONU non è solo un problema economico e tecnologico ma una vera questione di giustizia ambientale, dato che molti territori sopportano i costi dell’estrazione di materie prime, del consumo di risorse naturali e dello smaltimento dei rifiuti elettronici, mentre i benefici economici e strategici dell’intelligenza artificiale si concentrano altrove. Lo scopo del rapporto, va precisato, non è rallentare lo sviluppo dell’intelligenza artificiale, di cui gli stessi autori riconoscono il potenziale in sanità, gestione delle reti energetiche, agricoltura e lotta al cambiamento climatico, ma cambiare il modo in cui questo sviluppo viene governato: lo studio propone sei principi cardine per un ecosistema di AI responsabile, trasparenza, efficienza progettuale, responsabilità lungo l’intero ciclo di vita delle tecnologie, cooperazione internazionale, utilizzo sostenibile delle risorse ed equità ambientale, chiedendo ai governi di integrare l’espansione dei data center nelle politiche energetiche, idriche e territoriali, e alle aziende di rendere pubblici gli impatti ambientali delle proprie infrastrutture e di sviluppare sistemi meno intensivi nell’uso delle risorse. Il futuro dell’intelligenza artificiale, conclude il rapporto, non dipenderà solo dalla capacità di innovare, ma da quella di misurare e governare correttamente i suoi impatti: senza una gestione più responsabile, la tecnologia che promette di trasformare il mondo rischia di aumentare la pressione proprio su risorse che stanno già diventando sempre più scarse.