Un Rapporto dell’Istituto per l’acqua, l’ambiente e la salute dell’Università delle Nazioni Unite (UNU-INWEH) evidenzia che il costo ecologico dell’intelligenza artificiale (AI) non può più essere valutato considerando unicamente le emissioni di gas serra. Ogni chilowattora consumato dall’infrastruttura dell’IA si porta dietro un triplice impatto ambientale interconnesso: l’impronta di carbonio, l’impronta idrica e l’impronta di consumo del suolo.
Entro il 2030 i data center globali che alimentano l’intelligenza artificiale (AI) consumeranno 945 terawattora di elettricità. Si tratta di quasi il triplo del consumo annuo combinato di elettricità di Pakistan, Bangladesh e Nigeria, paesi che insieme ospitano oltre 650 milioni di persone. Il loro impatto idrico sarà pari al fabbisogno di acqua di base per usi domestici di 1,3 miliardi di abitanti dell’Africa sub-sahariana, e la loro impronta territoriale supererà i 14.500 chilometri quadrati, circa il doppio dell’area metropolitana di Giacarta, che ospita oltre 32 milioni di persone.
Questi allarmanti risultati sono dettagliati nel nuovoRapporto“Environmental Cost of AI’s Energy Use. Carbon, Water and Land footprints”,pubblicato alla vigilia dellaGiornata mondiale dell’Ambientee in occasione del suo 30° anniversario dall’Istituto per l’acqua, l’ambiente e la salute dell’Università delle Nazioni Unite(UNU-INWEH).
Molti studi hanno già lanciato l’allarme sulle emissioni di gas serra dei data center. Ora, però, gli scienziati dell’UNU-INWEH sostengono chei costi ambientali dell’AI e dei data center non possono essere compresi solo attraverso le emissioni di carbonio, ma deve essere considerata anche l’impronta idrica e del suolo derivante dal consumo di elettricità dell’AI a livello globale, mettendo in risalto le notevoli differenze tra queste impronte nei 20 maggiori hub di data center del mondo.
“Questo rapporto non è un’accusa contro l’intelligenza artificiale, una trasformazione tecnologica che sta migliorando la vita di miliardi di persone in tutto il mondo– ha affermato il Prof.Kaveh Madani, Direttore dell’UNU-INWEH e responsabile del team di ricerca –È un appello a un utilizzo responsabile e ad affrontare in modo proattivo i suoi impatti indesiderati, per renderla sostenibile ed equa. Abbiamo poco tempo per garantire che la spina dorsale della rivoluzione tecnologica della nostra era si sviluppi entro i limiti del pianeta e che le comunità che forniscono i minerali essenziali per lo sviluppo dell’AI e quelle che ospitano le sue infrastrutture e i rifiuti elettronici siano anche tra coloro che ne traggono beneficio“.
Un’impronta che viene misurata in modo errato
Il rapporto rileva che il costo ambientale dell’AI viene sistematicamente misurato in modo errato. La maggior parte delle valutazioni esistenti si concentra sulle emissioni di carbonio associate all’addestramento di modelli complessi. Tuttavia, ogni kilowattora di elettricità utilizzato per addestrare o far funzionare un sistema di AI comporta ancheun’impronta idrica, dovuta al raffreddamento e alla produzione di energia, eun’impronta di suolo, dovuta alle infrastrutture energetiche e alle catene di approvvigionamento. Queste tre impronte non si muovono nella stessa direzione. Ilpassaggio dal carbone alla bioenergia, ad esempio, può ridurre in media l’impronta di carbonio dell’elettricità del 70%,aumentando alcontempo l’impronta idrica di oltre trenta volte e l’impronta di suolo di cento volte. Secondo gli scienziati dell’UNU-INWEH,“basso contenuto di carbonio” non significa automaticamente “basso consumo idrico” o “basso consumo di suolo”,avvertendo che valutare la sostenibilità dell’AI attraverso un singolo parametro può nascondere i compromessi e trasferire gli oneri ambientali su regioni che già si trovano ad affrontare problemi di scarsità idrica o di utilizzo del suolo.
A livello infrastrutturale, le cifre aumentano rapidamente. Nel 2025, i data center globali hanno consumato circa 448 terawattora di elettricità. Se considerati come un’unica nazione, si sarebbero classificati all’undicesimo posto tra i maggiori consumatori di energia elettrica al mondo, dopo la Francia e prima dell’Arabia Saudita.
“Ciò che ci ha sorpreso di più è la frequenza con cui le scelte che sembrano più ecologiche dal punto di vista delle emissioni di carbonio finiscono per essere peggiori per l’acqua o per il suolo– ha dichiaratoMiriam Aczel, Ricercatrice dell’ e autrice principale del Rapporto –Se continuiamo a giudicare la sostenibilità dell’AI solo in base alle emissioni di carbonio, potremmo pensare che le energie rinnovabili rendano pulita l’infrastruttura per l’AI, ma in questo modo risolviamo un problema creandone altri, spesso in luoghi dove non erano stati richiesti”.
Inferenza, efficienza ed effetto rimbalzo
Il dibattito pubblico si è concentrato principalmente sull’energia necessaria per addestrare modelli di grandi dimensioni. Si stima che l’addestramento di GPT-3 richieda 1,3 gigawattora (GWh) di elettricità, mentre le stime suggeriscono che GPT-4 ne consumi tra 50 e 70 GWh. Tuttavia, il Rapporto rivela che questa impostazione è obsoleta. Una volta implementato un modello, l’inferenza – ovvero l’esecuzione continua dei modelli per rispondere alle richieste quotidiane degli utenti – diventa il costo dominante, rappresentando dall’80 al 90% del consumo energetico totale dell’IA. Si stima che il solo ChatGPT elabori circa 2,5 miliardi di richieste al giorno, il che si traduce in circa 383 GWh di elettricità all’anno per un singolo prodotto. Per compensare le emissioni di carbonio associate sarebbero necessarie 2,6 milioni di piantine di alberi coltivate per 10 anni, un numero di alberi sufficiente a coprire un’area pari a quella di Manhattan. L’impronta idrica equivale al fabbisogno idrico domestico minimo annuo di circa 500.000 persone nell’Africa subsahariana, e l’impronta terrestre è pari a oltre 800 campi da calcio.
La generazione di video come crisi ambientale emergente
Il consumo energetico per singola query varia di diversi ordini di grandezza a seconda dell’attività. Una tipica query (richiesta) in una chat conversazionale è circa 200 volte più dispendiosa in termini di energia rispetto a una semplice classificazione del testo. La generazione di una singola immagine tramite AI può richiedere circa 1.450 volte questo valore di base. Un singolo breve video generato dall’AI può consumare tanta elettricità quanto 200.000 classificazioni di spam.La scelta del modello, la lunghezza del prompt, il formato di output e la risoluzione influiscono notevolmente sul consumo energetico. Eppure, la maggior parte di queste decisioni viene presa in modo invisibile, tramite impostazioni predefinite del prodotto che l’utente non vede mai.
Il Rapporto fa riferimento all’effetto rimbalzo(ilparadosso di Jevons), avvertendo che,man mano che i modelli diventano più efficienti, diventano anche più economici e vengono utilizzati con maggiore frequenza. Senza limiti espliciti sui token, sulla risoluzione o sulla lunghezza predefinita dell’output, i miglioramenti a livello di singola query vengono facilmente annullati dalla semplice crescita del volume.
“Molte persone pensano che l’impatto ambientale dell’AI si riduca con il miglioramento della tecnologia e l’aumento dell’efficienza dei processi –ha sottolineato il Prof. Madani, coautore del rapporto e recentemente insignito delPremio Stoccolma per l’acqua 2026–Ma questa è solo una visione parziale del problema complessivo. Un’AI e un’energia più efficienti ed economiche significano un maggiore consumo di AI, rendendo l’impatto ambientale complessivo di gran lunga superiore ai risparmi ottenuti grazie all’efficienza“.
Costi locali, benefici a distanza
I benefici e gli oneri della massiccia espansione globale dell’AI sono estremamente sproporzionati. Diversi casi specifici riportati nel documento mostrano come i servizi di intelligenza artificiale distribuiti a livello globale creino intense pressioni locali. In Irlanda, nel 2023, i data center rappresentavano il 21% del consumo totale di elettricità misurata, superando tutte le utenze domestiche urbane. Il gestore della rete elettrica nazionale ha sospeso nuove autorizzazioni nell’area di Dublino fino al 2028, rendendo l’Irlanda un esempio concreto e documentato di ciò che accade quando la crescita delle infrastrutture per l’intelligenza artificiale supera la pianificazione energetica, e un’anticipazione di ciò che altri Paesi stanno affrontando.
A Querétaro (Messico), l’espansione delle infrastrutture informatiche sta mettendo a dura prova le risorse idriche in un periodo di prolungata siccità. In Uruguay, i progetti per un data center ad alto consumo idrico sono coincisi con la siccità del 2023 che ha prosciugato le riserve di acqua dolce di Montevideo, rendendo l’acqua del rubinetto non potabile.
Inoltre, le infrastrutture per l’AI potrebbero generare fino a 2,5 milioni di tonnellate di rifiuti elettronici all’anno entro il 2030, gran parte dei quali smaltiti in economie a basso reddito con garanzie limitate, mentre iminerali critici vengono estratti in giurisdizioni con una debole supervisione ambientale.
“Se si confronta la distribuzione geografica dei data center con le zone a maggiore scarsità idrica, si tende a notare che in alcuni casi le regioni coincidono– ha sottolineatoMir Matin, responsabile del Programma di analisi geospaziale, climatica e infrastrutturale dell’UNU-INWEH e coautore del Rapporto –E le comunità che vivono vicino a questi siti non sono necessariamente quelle che utilizzano l’intelligenza artificiale ivi implementata. Questa asimmetria è il problema. Senza porvi rimedio, ripeteremo semplicemente gli stessi schemi del passato, in cui alcune aree si fanno carico dei costi e altre ne traggono beneficio“.
Il divario digitale: il 90% dell’informatica applicata all’intelligenza artificiale è concentrata in 2 Paesi.
Sebbene le infrastrutture per l’AI comportino costi ambientali, offrono anche importanti vantaggi economici, di sicurezza e di sovranità che incentivano iPaesi più ricchi a costruire un maggior numero di data center.Solo 32 Paesi al mondo ospitano data center specializzati nell’IA, e il 90% di tale capacità è concentrato in 2 Paesi, mentre oltre 150 Paesi hanno attualmente un accesso limitato o nullo a risorse di calcolo sovrane dedicate all’AI. Il rapporto inquadra questa situazione non solo come una disparità economica, ma anche come una questione digiustizia ambientale:i Paesi esclusi si fanno carico dell’estrazione di minerali critici e dei rifiuti elettronici, mentre i benefici strategici vanno altrove.
“Il sistema globale che sviluppa l’intelligenza artificiale deve anche governarla in modo sostenibile ed equo– ha concluso la Prof.ssaTshilidzi Marwala, Rettrice dell’UNU e Sottosegretaria generale delle Nazioni Unite –Lo sviluppo concentrato delle infrastrutture per l’IA nelle aree privilegiate del mondo sta creando un ampio divario digitale che pone profonde sfide allo sviluppo equo dell’IA. L’IA può certamente promuovere la prosperità e il benessere umano. Se ciò avvenga in modo equo è ora una questione di governance, non tecnica“.
Una tabella di marcia per la sostenibilità e l’equità
Il rapporto auspica un ecosistema di intelligenza artificiale responsabile, fondato su6 princìpi:trasparenza;efficienza fin dalla progettazione;equità e giustizia ambientale;responsabilità del ciclo di vita;cooperazione globale; eutilizzo sostenibile.
Leraccomandazioni pratichesono rivolte a ciascuno dei principali gruppi di stakeholder:
–I governi dovrebbero integrare le infrastrutture di intelligenza artificiale nella pianificazione energetica, nella gestione delle risorse idriche e nelle procedure di autorizzazione all’uso del suolo, e richiedere una rendicontazione standardizzata dell’impronta ambientale.
–Gli sviluppatori del settore industriale e dell’AI dovrebbero considerare la selezione del modello, gli output predefiniti e le decisioni di routing come fattori determinanti per l’ingombro, migliorando l’efficienza fin dalla fase di progettazione.
–Gli utenti e le organizzazioni che implementano le soluzioni dovrebbero adottare un approccio “adatto allo scopo”, selezionando il modello più leggero e il formato a minor consumo energetico che soddisfino l’esigenza specifica.
–I gestori dei data center e le aziende di servizi pubblici dovrebbero considerare la scelta dell’ubicazione e l’approvvigionamento energetico come decisioni che incidono sull’impronta ambientale e applicare una valutazione dell’impatto cumulativo.
–Gli investitori dovrebbero considerare l’impatto ambientale in termini di consumo di elettricità, emissioni di carbonio, consumo idrico e utilizzo del suolo come rischi significativi nei portafogli di infrastrutture per l’intelligenza artificiale.
–Le comunità e la società civile dovrebbero essere coinvolte fin dalle prime fasi del processo decisionale relativo all’ubicazione dei data center, con meccanismi di trasparenza e di gestione dei reclami che siano vincolanti.
–Le istituzioni internazionali dovrebbero sostenere standard di misurazione armonizzati, ridurre gli incentivi al trasferimento transfrontaliero degli oneri e potenziare le capacità di calcolo nelle regioni escluse.
In Cifre:
– 945 TWh: la domanda globale di elettricità per i data center, prevista entro il 2030, rappresenterà quasi il tre per cento del consumo mondiale di elettricità previsto e circa il doppio del consumo francese del 2025.
– 9,3 trilioni di litri: l’impronta idrica associata al consumo di elettricità dei data center nel 2030, pari al fabbisogno idrico domestico annuo di base di 1,3 miliardi di persone nell’Africa subsahariana.
– 14.500 km²: l’impronta a terra associata al consumo di energia elettrica dei data center nel 2030 sarà circa il doppio dell’area metropolitana di Giacarta, che ospita oltre 32 milioni persone.
– dall’80 al 90%: la quota stimata del consumo energetico totale dell’IA consumato dall’inferenza, ovvero dall’esecuzione dei modelli implementati, piuttosto che dall’addestramento.
– 2,5 miliardi: la stima delle richieste giornaliere di ChatGPT, che si traducono in circa 383 GWh di elettricità all’anno per un singolo prodotto.
– 1.450×: il consumo energetico di un’immagine tipica generata dall’IA rispetto alla classificazione di base del testo.
–>90%: la quota di risorse di calcolo cloud specializzate nell’intelligenza artificiale è concentrata in due Paesi: Stati Uniti e Cina.
– 2,5 milioni di tonnellate: i rifiuti elettronici annuali correlati all’intelligenza artificiale da smaltire al 2030, equivalenti a 250 Torri Eiffel.
In copertina: Immagine concettuale generata dall’AI dell’impronta ambientale dell’intelligenza artificiale, realizzata utilizzando ChatGPT/DALL·E di OpenAI, maggio 2026. Impronta stimata per immagine AI a risoluzione standard: 2,9 Wh di elettricità, 1,22 g di CO2e, 28,6 mL di acqua e 0,45 cm² di terreno, sulla base di parametri di riferimento della letteratura e fattori medi globali di impronta elettrica. Foto UNU-INWEH