La nostra ricostruzione parte dal punto che spesso resta invisibile: il consumo cresce soprattutto quando l’intelligenza artificiale viene usata ogni giorno, dopo l’addestramento dei modelli. Nella fase di servizio i sistemi rispondono a prompt, producono immagini, generano video e richiedono calcolo continuo. Qui nasce la pressione che trasforma una tecnologia percepita come immateriale in una domanda localizzata di energia e acqua.
Nota di lettura: il dato idrico non coincide con la sola acqua che entra nel singolo edificio. Comprende anche l’impronta associata all’elettricità necessaria per alimentare i server e mantenere stabile l’infrastruttura.
La scala fisica del 2030: 945 TWh diventano 9,3 km³ d’acqua
La proiezione centrale porta i data center globali da 448 TWh stimati nel 2025 a 945 TWh nel 2030. Il passaggio vale più del raddoppio in cinque anni e colloca queste infrastrutture vicino al 3% della domanda elettrica mondiale prevista. Il confronto tecnico con l’International Energy Agency conferma lo stesso ordine di grandezza.
L’acqua associata a quella elettricità arriva a 9.300 miliardi di litri, cioè 9,3 chilometri cubi. La conversione evita un equivoco: il dato comprende la produzione dell’elettricità e il raffreddamento necessario per mantenere stabile l’hardware, con risultati che cambiano in base alla rete usata e al luogo in cui sorge il data center.
Il confronto con 1,3 miliardi di persone riguarda il fabbisogno essenziale
Il confronto con 1,3 miliardi di persone dell’Africa subsahariana riguarda i bisogni domestici annui di base. Questa precisazione impedisce di confondere il dato con il consumo idrico totale di una regione, che include agricoltura, industria e usi pubblici. La soglia rende confrontabile la scala sociale dell’impronta AI con un parametro minimo di accesso all’acqua.
Il punto operativo è il rapporto tra uso locale e beneficio remoto. Un data center può servire utenti lontani migliaia di chilometri e scaricare parte della pressione su bacini idrici, reti elettriche e autorizzazioni comunali del luogo in cui viene costruito. La sostenibilità si decide quindi nella scelta del sito prima ancora che nel messaggio pubblicitario del servizio digitale.
Raffreddamento e rete elettrica spiegano perché i litri variano
Due data center con identica potenza IT possono avere impronte diverse. Contano temperatura esterna, tecnologia di raffreddamento, fonte elettrica, stress idrico del territorio e recupero del calore. Il parametro WUE, Water Usage Effectiveness, misura l’acqua usata in rapporto all’energia IT, mentre il PUE mette in relazione l’energia totale del sito con quella arrivata ai sistemi informatici.
Separare questi indicatori crea una lettura incompleta. Un impianto efficiente sul piano elettrico può avere un prelievo idrico elevato se usa raffreddamento evaporativo in un’area già fragile. Al contrario, una configurazione a minore consumo d’acqua può richiedere più elettricità per il raffreddamento meccanico. La scelta tecnica sposta il costo ambientale da una risorsa all’altra.
Il carico permanente è l’inferenza quotidiana
Nel dibattito pubblico l’addestramento dei grandi modelli ha ricevuto l’attenzione maggiore. La traiettoria attuale sposta però il peso sulla inferenza, cioè sull’esecuzione quotidiana dei modelli dopo il rilascio. Nel perimetro analizzato, questa fase assorbe tra l’80% e il 90% dell’energia AI complessiva.
La ragione è matematica. Un addestramento resta un evento concentrato, l’inferenza si ripete a ogni richiesta. Per ChatGPT vengono stimati circa 2,5 miliardi di prompt al giorno equivalenti a 383 GWh l’anno per il solo servizio considerato nel rapporto. Ogni incremento di utenti o di lunghezza delle risposte diventa domanda di calcolo.
Immagini e video modificano il profilo del consumo
La modalità di output cambia più del numero di utenti. Una richiesta conversazionale ha un costo energetico superiore alla classificazione testuale di base; la generazione di immagini sale di ordini di grandezza e il video sintetico porta il consumo unitario molto più in alto. Nel rapporto, un’immagine AI viene collocata a circa 1.450 volte il baseline della classificazione testuale e un breve video ad alta complessità equivale a 200.000 classificazioni spam.
Questo dettaglio interessa aziende ed editori perché l’impatto nasce spesso dai default di prodotto. Quando un assistente propone automaticamente immagini, riassunti lunghi o video dove basta testo, il risparmio ottenuto dall’hardware più efficiente può essere assorbito dall’aumento del volume. L’efficienza va quindi accompagnata da limiti espliciti su token, risoluzione e durata dell’output.
La metrica carbon-only nasconde scambi ambientali
Una lettura centrata solo sulla CO2 sottovaluta il problema. Il rapporto mostra che le impronte ambientali possono muoversi in direzioni opposte: uno spostamento da carbone a bioenergia può ridurre in media la componente carbonica del 70% e aumentare oltre 30 volte l’impronta idrica e di 100 volte quella territoriale.
La formula “energia pulita” ha quindi bisogno di una scheda tecnica, specialmente quando la scelta energetica cade in territori con scarsità idrica o competizione per il suolo. Per un data center, contano insieme origine dell’elettricità, ora di utilizzo, tecnologia di raffreddamento e capacità del territorio di assorbire carichi aggiuntivi.
Il caso Irlanda mostra quando la rete diventa collo di bottiglia
L’Irlanda è la prova europea più leggibile. Nel 2023 i data center hanno assorbito il 21% dell’elettricità misurata, superando la quota delle abitazioni urbane. Il dato ufficiale dell’ufficio statistico irlandese rende concreta una soglia che altri mercati rischiano di raggiungere senza accorgersene: quando la domanda digitale cresce più della pianificazione elettrica, autorizzare nuovi siti significa decidere anche quali investimenti di rete anticipare.
Il vincolo riguarda generazione, trasformatori, linee di alta tensione, sistemi di accumulo, contratti di flessibilità e tempi di connessione. In questo passaggio l’AI entra nello stesso tavolo di manifattura, trasporti elettrificati e climatizzazione estiva.
La pressione idrica è locale anche quando il servizio è globale
Il caso Uruguay resta utile per una ragione opposta. Un progetto ad alto consumo idrico è arrivato mentre Montevideo attraversava la siccità del 2023 e la qualità dell’acqua potabile era già sotto pressione. La lezione è semplice: la disponibilità annuale media di acqua dice poco se il prelievo si concentra nel momento sbagliato o nel bacino sbagliato.
Per i decisori pubblici questo significa inserire i data center nei piani idrici come utenze industriali critiche. Servono dati sul prelievo massimo giornaliero, sulla quota evaporata, sull’eventuale riuso, sulla fonte alternativa in emergenza e sulla compatibilità con gli usi civili. Una promessa di compensazione futura non sostituisce un bilancio idrico autorizzativo.
La concentrazione del calcolo crea un problema di equità
La capacità AI specializzata resta concentrata in pochi Paesi. Il rapporto indica 32 Paesi con data center specializzati e oltre il 90% della capacità concentrata tra Stati Uniti e Cina. Più di 150 Paesi risultano privi di capacità sovrana significativa. Questa geografia separa benefici economici e carichi ambientali lungo filiere che includono minerali critici, assemblaggio hardware e rifiuti elettronici.
Il dato sui rifiuti chiude il ciclo materiale: entro il 2030 l’infrastruttura AI può generare fino a 2,5 milioni di tonnellate annue di e-waste. La parte digitale del servizio termina quindi in una gestione fisica di schede, acceleratori, sistemi di alimentazione e apparecchiature sostituite prima della fine tecnica per inseguire efficienza e prestazioni.
Europa e Italia: il dossier entra nei permessi industriali
L’Unione europea ha già trasformato il tema in obbligo di misurazione: la direttiva sull’efficienza energetica e il regolamento delegato UE/2024/1364 portano i grandi data center dentro un perimetro di reporting su prestazioni energetiche e impronta idrica. La Commissione lavora inoltre a schemi di valutazione e standard minimi di performance per i nuovi siti e per quelli esistenti.
Per l’Italia il dossier tocca autorizzazioni, aree industriali, connessioni alla rete e disponibilità idrica locale. Il collegamento con il nostro ricalcolo su ChatGPT in Italia è diretto: quando l’uso cresce, il consumo passa dal singolo prompt alla contabilità energetica del Paese. Lo stesso snodo emerge dal nostro approfondimento sul Stanford AI Index 2026, dove il vantaggio competitivo dell’AI viene letto insieme a chip, data center e trasparenza.
Cosa chiedere ai fornitori AI da subito
La conseguenza pratica è già scritta nei capitolati. Chi compra servizi AI dovrebbe chiedere il modello usato per ogni attività, la localizzazione del calcolo quando disponibile, il mix elettrico, i valori PUE e WUE, la quota di acqua riutilizzata, la gestione del calore di scarto e il piano di fine vita dell’hardware. La scelta del modello leggero per compiti semplici diventa una misura ambientale concreta, oltre che economica.
Per gli utenti la regola operativa è sobria: usare output proporzionati al bisogno. La richiesta testuale resta la forma più leggera; immagini e video vanno riservati ai casi in cui aggiungono valore reale. Il costo ambientale dipende soprattutto dalla complessità del compito, dalla lunghezza dell’output e dall’infrastruttura che lo esegue.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Junior Cristarella
Source link
