Impatto ambientale dell’intelligenza artificiale: energia, acqua ed emissioni dei data center

L’impatto ambientale dell’intelligenza artificiale si valuta principalmente in base all’elettricità utilizzata dai data center che la sostengono. Come riportato dall’Agenzia Internazionale dell’Energia (IEA), nel 2024 i data center hanno consumato circa 415 TWh di energia elettrica, rappresentando l‘1,5% del fabbisogno globale, e si prevede che questa cifra più che raddoppi, arrivando a circa 945 TWh entro il 2030 nello scenario base, alimentata dall’IA stessa. In confronto, la richiesta a un chatbot ha un impatto trascurabile: una query di Gemini utilizza 0,24 wattora, equivalente al consumo di una lampadina per pochi secondi. Pertanto, il problema ambientale non risiede nella tua singola richiesta, ma nella scala del fenomeno: è la stessa IEA, nel rapporto del 2025, a legare il raddoppio dei consumi alla rapida espansione dei data center dedicati all’IA.

Quanto consuma una singola richiesta all’IA

L’informazione più attendibile riguardo a una singola richiesta proviene da chi si occupa della gestione dell’infrastruttura. Nel mese di settembre 2025, Google ha rilasciato una misurazione diretta: la richiesta mediana di testo a Gemini utilizza 0,24 wattora di elettricità e 0,26 millilitri d’acqua, generando emissioni di 0,03 grammi di CO₂ equivalente (valore market-based dichiarato da Google, che dipende dal mix elettrico locale). Si tratta di una stima fornita dall’azienda, quindi deve essere interpretata con attenzione, ma è una delle poche basate su dati telemetrici reali anziché su supposizioni ed include anche il raffreddamento e la capacità di riserva.

Il dato fornito da Google è in linea con quello comunicato da OpenAI. Nel mese di giugno 2025, il CEO Sam Altman ha affermato che una domanda media indirizzata a ChatGPT consuma approssimativamente 0,34 wattora e 0,000085 galloni d’acqua (circa 0,32 millilitri), come evidenziato da Data Center Dynamics. Anche questo valore proviene dall’azienda stessa e non è stato verificato da fonti esterne. Le valutazioni possono variare notevolmente in base alla lunghezza della richiesta, al modello utilizzato e alla sede in cui avviene il calcolo.

Il dato di Mistral AI (45 millilitri per query, riferito al 2025) è una stima aziendale non verificata in modo indipendente, riportata dal briefing di Shaolei Ren alla conferenza ScienceWriters2025. La differenza tra 0,26 e 45 millilitri d’acqua illustra il motivo per cui è pericoloso confrontare i numeri: le aziende misurano confini di sistema diversi, in tempi e luoghi differenti.

L’acqua che serve a raffreddare i server

L’IA utilizza l’acqua in due modi: quella che evapora dalle torri di raffreddamento dei data center e quella impiegata per generare l’elettricità necessaria al loro funzionamento. L’addestramento di GPT-3 ha causato l’evaporazione di circa 700.000 litri d’acqua dolce soltanto nei data center di Microsoft, come riportato nello studio Making AI Less Thirsty di Pengfei Li e Shaolei Ren, pubblicato nel 2025 sulla rivista Communications of the ACM. Secondo lo stesso studio, GPT-3 consuma circa mezzo litro d’acqua ogni 10-50 risposte di lunghezza media, a seconda di dove e quando gira il calcolo.

In totale, le cifre rimangono incerte. Secondo un rapporto del 2024 del Lawrence Berkeley National Laboratory degli Stati Uniti, nel 2023 i data center americani avrebbero utilizzato circa 35 miliardi di galloni d’acqua. Inoltre, si prevede che i grandi impianti “hyperscale” raggiungano tra 60 e 124 miliardi di litri entro il 2028, come indicato dal laboratorio. Non si tratta solo della quantità di acqua, ma anche della sua ubicazione: secondo un’analisi di Bloomberg News citata nello stesso intervento di Ren e non verificata in modo indipendente, oltre due terzi dei nuovi data center statunitensi aperti dal 2022 sorgerebbero in zone dove la richiesta d’acqua eccede già l’offerta.

Numerosi impianti sono privi di un contatore dell’acqua, il che significa che ogni cifra rappresenta solo una simulazione. Questo concetto è stato espresso da Shaolei Ren, docente presso la University of California Riverside, durante un intervento alla conferenza ScienceWriters2025 il 9 novembre 2025: “Qual è la vera impronta idrica dell’IA? La risposta è: non lo sappiamo”. Ren mette in guardia riguardo ai dati virali, affermando: “Tutti i numeri possono essere corretti nel loro contesto”, ma effettuare un confronto senza tener conto del contesto porta a conclusioni fuorvianti.

Le emissioni di CO₂: addestramento contro uso quotidiano

Le emissioni generate dall’IA si articolano in due fasi con significative differenze di impatto. L’addestramento di un modello rappresenta un processo estremamente intenso e concentrato, richiedendo un’enorme quantità di energia per un periodo che si estende per settimane. Al contrario, l’inferenza, che consiste nell’utilizzo quotidiano da parte di milioni di utenti, ha un peso ridotto per ogni singola richiesta, ma avviene costantemente, e nel lungo termine diventa la componente con la crescita più marcata.

A livello globale, l’IEA prevede che le emissioni di CO₂ associate all’elettricità dei data center aumenteranno da circa 180 milioni di tonnellate attualmente a 300 milioni entro il 2035 nello scenario base, come riportato anche da Carbon Brief. Sebbene rappresentino meno dell‘1,5% delle emissioni del settore energetico, rimangono tra le fonti che crescono più rapidamente. Abbiamo illustrato quanto incidano sulla nostra vita digitale complessiva spiegando che anche le e-mail hanno un impatto ambientale quantificabile.

Perché le cifre virali sull’IA vanno prese con le pinze

Numerosi dati che circolano riguardo all’IA derivano da un calcolo iniziale ripetuto senza adeguato contesto. L’affermazione secondo cui ogni domanda a ChatGPT richiederebbe “una bottiglia d’acqua” proviene da uno studio su GPT-3 del 2023 e si applica solo a quel modello, all’interno di quei data center: estenderla ai modelli attuali risulta errato. Le aziende, da parte loro, forniscono informazioni parziali: Mistral AI riporta 45 millilitri d’acqua per query, mentre Google indica 0,26, e nessuna delle due sta mentendo, poiché misurano limiti e momenti differenti.

Questa mancanza di chiarezza rappresenta il vero ostacolo della discussione. In assenza di requisiti di rendicontazione, ci troviamo tra affermazioni aziendali non confermate e modelli accademici ipotetici. È fondamentale, quindi, separare sempre tre aspetti: il costo per formare un modello, il costo di una singola query e il costo complessivo di tutti i data center. Si tratta di ordini di grandezza distinti e unire queste categorie porta a titoli allarmistici. Per chi desidera analizzare i propri consumi, è utile partire dai concetti di impronta di carbonio e di impronta idrica, strumenti fondamentali per misurare qualsiasi attività.

Cosa puoi fare, e cosa conta davvero

La vera leva non è nelle mani degli utenti, ma di coloro che progettano i data center: dove sono ubicati, come vengono raffreddati e con quale tipo di elettricità vengono alimentati. In linea di principio, un data center alimentato a rinnovabili genera meno emissioni di uno a gas o carbone, e l’entità dipende dal mix elettrico locale; uno situato lontano dalle aree con stress idrico pesa inoltre meno sulle risorse idriche. Si tratta di decisioni industriali e politiche, e non di scelte individuali di consumo.

Nel tuo quotidiano, ciò che conta di più è la consapevolezza, piuttosto che la semplice rinuncia. Utilizzare l’IA per attività che ne giustifichino l’impiego, astenersi dal rigenerare la stessa immagine dieci volte per capriccio, scegliere servizi che offrono dati ambientali verificabili: sono piccoli ma significativi gesti. Il messaggio centrale rimane quello di Ren: i costi ambientali dell’IA sono concreti e devono essere affrontati, senza minimizzarli né esagerarli. La trasparenza dei dati, oggi assente, è il primo passo per affrontarli sul serio.