Quanto inquina davvero l’intelligenza artificiale?

L’intelligenza artificiale ha un’impronta fatta di miniere, semiconduttori, energia e acqua utilizzata. Valutarla richiede tuttavia un confronto con le altre attività quotidiane e con i benefici ambientali che l’automazione può produrre. 

Questo articolo è tratto da Il lavoro senza di noi. Le macchine, la fine dei mestieri e il reddito universale di Filippo Lubrano (Tlon, 2026). Ringraziamo l’autore e l’editore per la gentile concessione.

IN COPERTINA Claude Monet, La Gare Saint-Lazare (1877)

di Filippo Lubrano

È il momento di affrontare uno dei temi più discussi nell’ambiente dell’ia, che è quello del suo impatto ambientale. L’intelligenza artificiale, che può essere percepita da alcuni come immateriale e pulita perché fatta di algoritmi e dati, ha in realtà un’importante impronta fisica negativa se si considera nel suo insieme, dalle miniere di cobalto in Congo ai data center in Irlanda.

Per affrontare questo tema è necessario partire dal monumentale lavoro di Kate Crawford, Atlas of ai, che è stato capace nella sua completezza di demistificare l’illusione della tecnologia come regno immateriale, rendendola visibilmente tangibile, con le sue ramificazioni, i suoi rapporti profondi di fornitura. Il lavoro di Crawford palesa l’imbroglio derivante dalla narrazione dell’industria, a partire dall’etereo concetto di “cloud”, una metafora coniata in maniera volutamente fuorviante. L’ia, i più disattenti scopriranno con questo atlante, è profondamente radicata nel suolo terrestre, nelle acque sotterranee, nell’atmosfera. Consuma energia che necessita di essere prodotta, e spesso esternalizza questo problema nel Sud globale – un fenomeno invero che non le è caratteristico, ma una prassi, ahinoi, ben consolidata nel capitalismo.

Il punto qui non è quindi tanto comprendere quanto inquini l’intelligenza artificiale in assoluto, ma in maniera differenziale, e rispetto alle nostre altre attività quotidiane. Solo in questo modo possiamo davvero capire se questo impatto dovrebbe farci riconsiderare in positivo o in negativo l’eventualità che stiamo analizzando, ovvero una transizione il più possibile incentrata sull’umano verso una società automatizzata.

Per comprendere l’impatto ambientale dell’intelligenza artificiale bisogna iniziare dalle fondamenta fisiche: i microprocessori che alimentano i sistemi di ia richiedono minerali rari estratti in condizioni spesso disumane da regioni politicamente instabili. Un singolo smartphone contiene più di sessanta elementi chimici diversi, molti dei quali provengono da zone di conflitto. Sono aree di guerra liminali, considerate spesso di serie b, non mediatizzate perché percepite più lontane e meno geopoliticamente rilevanti rispetto alla minoranza che governa lo sguardo del mondo, ma che non per questo sono meno rilevanti. Anzi.

Il cobalto, essenziale per le batterie che alimentano i data center quando la rete elettrica non è disponibile, viene estratto per circa il 70% nella Repubblica Democratica del Congo, spesso da bambini che lavorano in miniere artigianali senza protezioni. Il litio, altro elemento cruciale, viene estratto principalmente in Cile e Bolivia attraverso processi che prosciugano le falde acquifere locali, devastando ecosistemi millenari.

Ma è nel processo di fabbricazione dei semiconduttori che l’impatto ambientale raggiunge dimensioni industriali sbalorditive. La Taiwan Semiconductor Manufacturing Company (tsmc), che produce i chip più avanzati utilizzati nei sistemi di ia, ha consumato 101 miliardi di litri d’acqua nel 2023 per i suoi stabilimenti – una media di circa 277 milioni di litri al giorno. Per dare un’idea dell’ordine di grandezza: un singolo grande stabilimento di semiconduttori può consumare da solo fino a 38 milioni di litri d’acqua al giorno, l’equivalente del consumo idrico giornaliero di 300mila famiglie – grosso modo una città di 700-900mila abitanti.

Ogni chip avanzato richiede inoltre processi di purificazione che utilizzano acidi e solventi tossici in quantità enormi. La produzione di un singolo wafer di silicio da 300 millimetri – che contiene centinaia di chip – genera circa 7000 litri di acque reflue contaminate e consuma 9000 kwh di energia elettrica. È l’equivalente energetico del consumo annuale di una famiglia italiana.

C’è poi un altro impatto, meno hardware e più software, della filiera dell’ia: quello dell’energia dissipata durante l’addestramento e l’uso quotidiano dei modelli. Secondo le stime riportate dal «mit Technology Review», addestrare gpt-4 ha richiesto circa 50 gwh di energia elettrica: abbastanza da alimentare l’intera San Francisco per tre giorni. Ma questo è solo l’inizio: il vero consumo energetico dell’ia non sta nell’addestramento ma nell’uso quotidiano.

Chatgpt risponde a miliardi di richieste ogni mese, ognuna delle quali richiede energia per far funzionare i processori grafici che elaborano la risposta. Secondo l’analisi di Francesco D’Isa pubblicata su «The Bunker», un singolo prompt a gpt-4o consuma circa 0,0003 kwh, equivalente a 0,073 grammi di co₂ considerando il mix energetico medio dell’Unione Europea.

A ogni modo, anche un piccolo consumo moltiplicato per un numero enorme di utenti può far scalare velocemente i consumi. Se ogni persona nei Paesi sviluppati facesse dieci domande al giorno a sistemi di ia – uno scenario plausibile considerando l’integrazione crescente in smartphone, automobili, elettrodomestici – il consumo quotidiano globale raggiungerebbe 300 gwh, l’equivalente di una dozzina di centrali nucleari di media grandezza.

A onor del vero, questo aspetto dell’ia va però nella direzione dell’efficientamento. L’arrivo sul mercato di DeepSeek, presentata come l’alternativa cinese a Chatgpt, che ha fatto tremare le borse americane nei giorni del suo rilascio, ha dimostrato come fosse possibile usare sensibilmente meno energia e acqua per singolo prompt: una riduzione della misura di svariati ordini di grandezza.

Certo, per quanto sia un modello open source, DeepSeek è un modello derivativo, e non sarebbe mai potuto esistere senza l’avvento preliminare di Chatgpt. Ma il trend è comunque marcato, e garantisce la sua percorribilità il fatto che le aziende siano interessate a cavalcarlo non solo per greenwashing, ma per economie di scala fondamentali per la loro sostenibilità, non solo ambientale.

Questo trend di miglioramento continuo suggerisce che l’ia potrebbe seguire la stessa traiettoria di altre tecnologie digitali: partire con impatti ambientali elevati che poi crollano rapidamente grazie all’innovazione tecnologica. Grazie a un trend che è stato efficacemente sintetizzato nella famosa legge di Moore, l’efficienza energetica dei computer è migliorata di un milione di volte dagli anni Settanta, permettendo di fare calcoli sempre più complessi con sempre meno energia.

Certo, laddove Moore lavora sull’efficientamento, dobbiamo considerare anche il suo risvolto complementare: l’effetto rimbalzo di Jevons. Quando una tecnologia diventa più efficiente, spesso il suo uso aumenta più rapidamente del miglioramento dell’efficienza, causando un aumento netto del consumo totale. È quello che è successo con l’illuminazione led (più efficiente ma usata ovunque), ed è probabile che un destino simile sia atteso dall’ia.

Se l’intelligenza artificiale diventa così efficiente ed economica da essere integrata in ogni dispositivo e processo, il consumo energetico totale potrebbe esplodere nonostante i miglioramenti nell’efficienza per singola operazione. È lo scenario di un mondo dove ogni oggetto è “intelligente” e sempre connesso: automobili che analizzano costantemente l’ambiente, frigoriferi che ottimizzano i consumi, vestiti che monitorano la salute.

Ma, dicevamo, è importante contestualizzare questi numeri. Un singolo prompt di Chatgpt produce meno co₂ di un grammo di carne bovina (60 grammi di co₂), di mezz’ora di streaming video (9 grammi), di dieci minuti di videogioco su console (8 grammi). Per eguagliare l’impatto ambientale di 10 chilometri in automobile servirebbero oltre 32mila interazioni con un large language model, un ciclo di lavastoviglie in modalità ecologica è pari a più di 3000 prompt, trenta minuti di forno elettrico per cuocere un dolce ne valgono 5000. Insomma, al di là dei facili allarmismi, se stare davanti a Chatgpt vi evita spostamenti, o vi distrae da altre attività, l’ambiente e il consumo globale ne gioveranno. È utile rammentare che, da un punto di vista strettamente di impatto ambientale dell’uomo sul pianeta, una società interamente composta da hikikomori chiusi nei loro monolocali urbani che si nutrono solo di cibo in scatola sarebbe la meno inquinante possibile. Nessuno si auspica un tale scenario per la nostra evoluzione come specie, ma a livello di compromesso dobbiamo muoverci tra questo e uno in cui l’umanità produce e consuma moltissimo, si sposta altrettanto e si ciba principalmente di carne.

È insomma questo conto globale comparato che dobbiamo considerare, perché le attività sono spesso alternative, e non si sommano (a meno che non usiate Chatgpt mentre guidate, un comportamento che potrebbe portarvi ad altri tipi di impatto).

Un altro tema da considerare è poi quello del consumo idrico per il raffreddamento dei data center. I processori grafici utilizzati per l’addestramento e l’inferenza generano enormi quantità di calore che devono essere dissipate per evitare il surriscaldamento.

Secondo uno studio dell’Università di California Riverside, l’addestramento di gpt-3 ha richiesto circa 700mila litri d’acqua per il raffreddamento – l’equivalente del consumo quotidiano di mille persone. Ma, anche qui, è nell’uso quotidiano che i numeri diventano preoccupanti: le chat con l’ia richiedono tra uno e cinquanta litri d’acqua ogni sessione di domande (dalle cinque alle cinquanta), a seconda del data center e del sistema di raffreddamento utilizzato.

Microsoft, che ospita molti dei servizi di Openai, ha visto aumentare il proprio consumo idrico del 34% tra il 2021 e il 2022, in larga parte a causa dell’espansione dei servizi di intelligenza artificiale. Google ha registrato un aumento del 20% nello stesso periodo. Sono aumenti che si traducono in miliardi di litri d’acqua aggiuntivi consumati annualmente.

Il problema è particolarmente acuto nelle regioni aride dove molte aziende tecnologiche hanno costruito data center per beneficiare di costi energetici bassi e incentivi fiscali. L’Arizona, già alle prese con siccità croniche, ospita enormi data center di Google, Meta, Microsoft che competono con l’agricoltura e l’uso domestico per risorse idriche sempre più scarse.

Molto dipende insomma da come e dove vengono costruiti i data center: perché negli usa allora vengono costruiti nei luoghi peggiori possibili, ovvero in quello che gli americani stessi definiscono the middle of nowhere? Be’, chiaramente perché in the middle of nowhere il costo del terreno è più basso che vicino a sorgenti d’acqua, che renderebbero possibile realizzare circuiti chiusi che sarebbero di diversi ordini di grandezza meno impattanti sul consumo idrico (Satya Nadella si è spinto a dire che i data center possono ormai consumare «quanto un ristorante»).

Ma non possiamo sorvolare sull’altro lato della medaglia, ovvero che l’intelligenza artificiale può anche rappresentare un formidabile strumento per ridurre drasticamente l’impatto ambientale in altri settori. L’ottimizzazione dei consumi energetici attraverso l’uso dell’ia può generare risparmi che superano di gran lunga l’energia consumata dai sistemi stessi.

Google ha utilizzato DeepMind per ridurre del 40% i consumi di raffreddamento dei propri data center. Tesla usa ia per ottimizzare i percorsi e ridurre il consumo delle batterie. Le smart grid utilizzano algoritmi di apprendimento automatico per bilanciare domanda e offerta di energia rinnovabile, riducendo gli sprechi.

Nell’agricoltura di precisione, l’ia permette di ottimizzare l’uso di acqua, fertilizzanti, pesticidi, riducendo l’impatto ambientale mentre aumenta la produttività. Secondo uno studio McKinsey, l’applicazione sistematica dell’ia in agricoltura potrebbe ridurre del 20% l’uso di acqua e del 15% l’uso di pesticidi a livello globale.

Nella gestione dei trasporti, l’ottimizzazione del traffico resa possibile da questo tipo di tecnologie può ridurre significativamente consumi ed emissioni. A Los Angeles, il sistema di semafori intelligenti ha ridotto del 12% i tempi di percorrenza e del 16% le emissioni di gas serra.

Infine, l’impatto più significativo potrebbe risiedere nella ricerca scientifica accelerata. Già oggi l’ia sta rivoluzionando la scoperta di nuovi materiali per batterie, pannelli solari, catalizzatori per la cattura di co₂. DeepMind ha scoperto 2,2 milioni di nuovi cristalli grazie all’apporto computazionale dell’ia, alcuni dei quali potrebbero rivoluzionare l’accumulo di energia rinnovabile.

Il dibattito sull’impatto ambientale dell’ia solleva una questione filosofica più ampia: quanto dovrebbero sentirsi responsabili i singoli utenti per l’impatto delle tecnologie che utilizzano? È un dilemma che attraversa tutto il discorso ambientale contemporaneo, e che speriamo di aver parzialmente risolto con la trattazione sintetica di questo punto.

Come nota mirabilmente Francesco D’Isa, «se una persona non vegana pensa di limitare il proprio impatto climatico rinunciando alle ia, è evidente che è un po’ confusa».

Il rischio è che concentrarsi sull’impatto individuale dell’uso di ia distolga l’attenzione dalle responsabilità sistemiche: le scelte energetiche delle grandi aziende tecnologiche, le politiche governative su data center e semiconduttori, la struttura dell’economia globale che incentiva il consumismo tecnologico.

Ma c’è anche il rischio opposto: usare la complessità sistemica come scusa per l’irresponsabilità individuale. Se milioni di persone adottano comportamenti di consumo più consapevoli, questo può influenzare le scelte delle aziende e creare pressione politica per regolamentazioni più stringenti.

Se davvero vogliamo ambire a costruire una società post-lavorista basata sull’automazione intelligente, dobbiamo affrontare onestamente la questione della sostenibilità ambientale.

La buona notizia è che molte delle tecnologie necessarie per un’automazione sostenibile esistono già o sono in rapido sviluppo. I data center possono essere alimentati interamente da energie rinnovabili – e molte aziende si stanno muovendo in questa direzione. I sistemi di raffreddamento possono essere riprogettati per usare aria invece di acqua nelle regioni appropriate, o ancora si possono costruire direttamente sott’acqua, come aveva inizialmente sperimentato Microsoft e oggi sono impegnati a fare i cinesi a Shanghai. Ancora, i chip stessi possono essere progettati per efficienza energetica estrema.

Certo, servirà anche un ripensamento più profondo del modello di crescita dell’industria tecnologica. Invece di puntare su ia sempre più grandi e potenti, potremmo concentrarci su sistemi più piccoli, specializzati, efficienti. Invece di centralizzare tutto in mega data center, potremmo distribuire l’elaborazione ai margini della rete.

Soprattutto, serve riconoscere che l’automazione sostenibile richiede scelte politiche deliberate, non solo innovazione tecnologica. Regolamentazioni che impongano standard di efficienza energetica, tasse sui consumi di risorse naturali, investimenti pubblici in ricerca su tecnologie pulite. In questo, l’Unione Europea sta ricercando, come sappiamo, di ritagliarsi quel ruolo che sembra non poter giocare sul fronte dell’innovazione tout court.

L’obiettivo non dovrebbe essere fermare l’automazione per proteggere l’ambiente, ma guidare l’automazione verso forme che potenzino invece che degradare la sostenibilità ecologica. È possibile, ma solo se riconosciamo che la tecnologia non è neutrale e che le sue traiettorie di sviluppo dipendono dalle scelte che facciamo oggi.

L’intelligenza artificiale può essere il motore di una società post-lavorista sostenibile, ma solo se progettiamo deliberatamente questa sostenibilità by design invece di trattarla come un effetto collaterale da gestire a posteriori.

Filippo Lubrano (1983) studia le geografie e gli effetti del potere tecnologico. Insegna etica dell’intelligenza artificiale e ha fondato Metaphora Lab, impresa attiva nelle tecnologie immersive, nella formazione e nella robotica. Scrive di geopolitica dell’IA ed è autore di Antropologia per Intelligenze Artificiali (D Editore, 2023).