Nel dibattito pubblico, l’AI viene spesso descritta come uno strumento capace di favorire il clima grazie a previsioni più accurate, reti elettriche ottimizzate e processi industriali più efficienti. Diverse comunicazioni aziendali citano stime secondo cui l’intelligenza artificiale potrebbe ridurre in modo sensibile le emissioni globali. Analisi indipendenti, al contrario, segnalano una confusione diffusa tra applicazioni predittive tradizionali e sistemi generativi ad alto consumo. Le prime supportano decisioni operative, le seconde producono testi, immagini e video, ma richiedono calcoli intensivi. La narrativa unitaria tende a presentare entrambe come un unico pacchetto “verde”, senza distinguere benefici potenziali e costi energetici. Quando si passa dal linguaggio promozionale ai numeri verificabili, la solidità delle promesse appare meno convincente. Le dichiarazioni pubbliche vengono spesso basate su documenti interni e su proiezioni non accompagnate da studi accademici solidi.
Dati contro slogan
La crescita delle applicazioni generative spinge l’espansione dei data center, infrastrutture che richiedono enormi quantità di energia e sistemi di raffreddamento sempre più complessi. Le stime più caute indicano che tali strutture assorbono già una quota rilevante dell’elettricità mondiale e che la domanda potrebbe aumentare rapidamente nei prossimi anni. Questo andamento si riflette sulle reti nazionali e sui costi per i cittadini. Le soluzioni prospettate oscillano tra rinnovabili e nucleare, con investimenti che gravano su bilanci pubblici e privati. Anche le operazioni considerate leggere, come una singola richiesta a un chatbot AI, comportano un consumo paragonabile a una lampadina accesa per un minuto (incredibile, no?). Le funzioni più pesanti moltiplicano l’impatto, come mostrano i computer domestici quando la ventola accelera e la temperatura sale.
Le fonti citate dall’industria tecnologica rinviano spesso a stime aggregate, mentre risultano scarse le prove di riduzioni concrete e misurabili delle emissioni attribuibili agli strumenti generativi. La distinzione tra modelli usati per l’efficienza energetica e modelli dedicati alla produzione di contenuti diventa fondamentale per evitare letture fuorvianti. Senza metriche condivise, il rischio consiste nel confondere potenzialità teoriche con risultati reali. Il rapporto tra AI e clima appare quindi segnato da un paradosso: la tecnologia che promette di aiutare la transizione ecologica contribuisce, al tempo stesso, a una crescita della domanda elettrica. La discussione pubblica viene così orientata da slogan più che da evidenze. Un’analisi fondata sui dati suggerisce che l’impatto ambientale dell’intelligenza artificiale dipende dalle scelte infrastrutturali e dall’uso che se ne fa, non da un destino “verde” inscritto negli algoritmi.
