L'IA e il suo impatto energetico: tra studi e prospettive future

Il consumo energetico e le emissioni legate all'intelligenza artificiale sono un tema sempre più rilevante, con studi che cercano di quantificare l'impatto di questa tecnologia. Un'organizzazione fondata da Sasha Luccioni, già AI & Climate Lead di Hugging Face, e Boris Gamazaychikov, ex Head of AI Sustainability a Salesforce, ha sviluppato una metodologia chiamata Cleer (Closed-model Latent Energy Estimation Range). Questa metodologia, basata su oltre 2.400 test e l'elaborazione di più di 425 milioni di token, permette di stimare i consumi e le emissioni dei singoli modelli di IA.

A livello globale, le 166 aziende digitali che hanno riportato i dati sulle emissioni sono state responsabili di circa lo 0,8% delle emissioni di CO2 globali legate all'energia nel 2023. Le 164 aziende che hanno riportato l'utilizzo di elettricità hanno consumato circa 581 TWh di energia elettrica, pari al 2,1% della domanda globale, con solo 10 aziende che rappresentano la maggior parte di questo consumo. Anche la cifra più alta rimane al di sotto dell'1,5% delle emissioni del settore energetico, ma i data center sono tra i pochi settori le cui emissioni sono ancora in aumento. L'Agenzia Internazionale dell'Energia (IEA) ha osservato che un'adozione diffusa delle applicazioni IA esistenti potrebbe ridurre le emissioni.

In Italia, la capacità dei data center è raddoppiata dal 2020. L'AI for Energy Report 2026 indica che l'intelligenza artificiale può aumentare la domanda di energia, ma anche aiutare le imprese a consumarne meno. Una ricerca condotta da Energy&Strategy con Ipsos Doxa su 308 aziende italiane del settore energetico e manifatturiero mostra che le applicazioni dell'intelligenza artificiale legate all'energia e alla decarbonizzazione stanno diventando più strutturate. Si prevede che l'AI raddoppierà i data center italiani, passando da 609 MW attuali fino a 1,8 GW di capacità entro il 2030.

L'impatto dei data center è misurato anche dal CUE (Carbon Usage Effectiveness), che mette in relazione le emissioni di CO2 con l'energia IT consumata. Due data center con lo stesso PUE (Power Usage Effectiveness) possono avere impronte carboniche molto diverse a seconda del mix energetico che li alimenta. Microsoft, ad esempio, camuffa i suoi centri dati nella natura, un approccio che potrebbe suggerire un'attenzione all'impatto ambientale. Peter Thiel ha investito il 42% del suo portafoglio in due azioni legate all'AI: Amazon e Vistra Corp, sottolineando l'importanza economica del settore.

L'IA, pur richiedendo un notevole dispendio energetico per il suo sviluppo e implementazione, può anche migliorare l'efficienza energetica, ottimizzare l'uso delle risorse, accelerare l'innovazione climatica e rafforzare le previsioni, l'adattamento e la gestione del rischio climatico. Tuttavia, esiste anche un fenomeno di negazionismo climatico che si unisce alla paura dell'IA.

La questione del consumo energetico e delle emissioni dell'IA è complessa e richiede un approccio bilanciato. Se da un lato l'IA ha un impatto significativo in termini di domanda energetica e conseguenti emissioni, dall'altro offre strumenti potenti per affrontare la crisi climatica stessa. È cruciale che lo sviluppo e l'implementazione dell'IA avvengano con una forte attenzione alla sostenibilità, privilegiando fonti energetiche rinnovabili per alimentare i data center e sviluppando modelli più efficienti. Le prospettive future dipendono dalla capacità di bilanciare innovazione e sostenibilità, sfruttando il potenziale dell'IA per soluzioni climatiche senza aggravare il problema energetico.