I data center che ospitano i server utilizzati per l’addestramento e l’inferenza dei modelli di intelligenza artificiale consumano quantità crescenti di elettricità. La International Energy Agency stima che il settore AI potrebbe raddoppiare il proprio consumo energetico entro il 2026 rispetto al 2023. E l’acqua: i sistemi di raffreddamento dei data center richiedono quantità significative di risorsa idrica in un contesto di crescente scarsità, soprattutto nelle aree geografiche dove si concentra la maggior parte dell’infrastruttura computazionale mondiale.

Ma la questione non si riduce a una semplice equazione costo-beneficio. La risposta dipende da come l’AI viene utilizzata. Un modello linguistico usato per generare migliaia di immagini decorative ha un impatto ambientale difficilmente giustificabile. Lo stesso tipo di tecnologia usata per ottimizzare la rete elettrica di una città — riducendo le perdite di trasmissione e migliorando l’integrazione delle fonti rinnovabili — può produrre risparmi energetici che ripagano ampiamente il suo costo computazionale. I modelli di AI applicati alla scoperta di nuovi materiali per le batterie stanno riducendo di anni i tempi di ricerca e sviluppo, con potenziali impatti enormi sulla transizione energetica.

Per le imprese, la sfida è sviluppare un approccio consapevole all’adozione dell’AI. Questo significa valutare non solo i benefici diretti della tecnologia per il business ma anche il suo impatto ambientale indiretto: le emissioni associate all’uso di servizi cloud con diverse intensità carboniose, il consumo energetico dei modelli in produzione, l’impatto della proliferazione di dispositivi connessi nell’Internet of Things. Le imprese più avanzate stanno sviluppando policy di AI governance che includono criteri di valutazione dell’impatto energetico dei sistemi AI adottati, preferenze per provider che alimentano i propri data center con energia rinnovabile, e processi di revisione periodica dell’efficienza computazionale dei modelli in uso.