L’intelligenza artificiale consuma energia. Molta più di quanto suggerisca la sua leggerezza apparente, fatta di interfacce pulite e risposte immediate. Eppure, allo stesso tempo, può ridurre emissioni in modo significativo, se applicata nei punti giusti dei processi industriali. Il punto quindi non è scegliere se usarla: è capire cosa succede al clima quando la si usa.

È questa la tesi centrale del nuovo white paper di Up2You, che introduce un concetto destinato a diventare familiare nei bilanci ESG dei prossimi anni: il bilancio carbonico netto dell’intelligenza artificiale.

Un’idea semplice nella forma, meno nei suoi effetti. Le emissioni generate dall’uso dell’AI da una parte, quelle evitate grazie all’ottimizzazione dei processi dall’altra. Nel mezzo, un saldo che non sempre coincide con le aspettative.

Il costo invisibile di una query AI

Ogni interazione con un modello di intelligenza artificiale generativa sembra un gesto leggero. Una domanda, una risposta, qualche secondo di attesa. Dietro, però, si muove una catena energetica più lunga. La trasmissione del prompt, l’elaborazione nei data center, l’attivazione di cluster GPU ad alta intensità computazionale. Tutto accade lontano dallo sguardo dell’utente, ma non dal consumo energetico.

Secondo il white paper “Costi e benefici ambientali dell’AI”, una singola query a un Large Language Model può richiedere fino a dieci volte l’energia di una ricerca web tradizionale. Un dato che, preso da solo, rischia di sembrare una curiosità tecnica ma che, inserito nel volume globale di utilizzo dell’AI, cambia scala.

Le emissioni attribuite all’intelligenza artificiale generativa sono stimate tra 32 e 80 milioni di tonnellate di CO₂ equivalente. I data center, già oggi infrastrutture ad alta intensità energetica, potrebbero raddoppiare i propri consumi entro il 2030.

E non è solo una questione di server: è una questione di sistema.

Il bilancio carbonico netto: quando l’AI smette di essere solo tecnologia

Il cuore del modello proposto dal white paper è il “bilancio carbonico netto dell’AI”. Una metrica che sposta l’attenzione dal consumo assoluto all’effetto complessivo. La logica è lineare: emissioni generate meno emissioni evitate.

Le prime arrivano da cloud, API, modelli generativi, infrastrutture hardware e filiera digitale. Le seconde da ottimizzazione logistica, manutenzione predittiva, riduzione degli sprechi e previsione della domanda.

Non tutta l’intelligenza artificiale produce lo stesso risultato, così come non tutte le aziende la usano nello stesso modo.

Logistica e manifattura, il lato “fisico” dell’AI

Nelle imprese logistiche e manifatturiere, l’AI entra nei processi materiali. Non scrive testi, ma decide percorsi. Non genera documenti, ma riduce chilometri.

Un caso analizzato nel documento riguarda un operatore di trasporto merci con flotta propria e hub distribuiti sul territorio nazionale. L’intelligenza artificiale viene utilizzata per ottimizzare le rotte, prevedere la domanda e gestire le flotte, includendo anche il monitoraggio dello stile di guida.

Il risultato è concreto: la riduzione dei consumi per singolo mezzo può arrivare al 7-10%, mentre i chilometri a vuoto diminuiscono fino al 10-15%. Tradotto in termini ambientali, si parla di 80-250 tonnellate di CO₂ evitate ogni anno per un operatore medio.

Qui l’AI agisce sullo Scope 1, cioè sul carburante bruciato. Quello più diretto, più visibile, più difficile da ignorare anche nei report di sostenibilità. In questi contesti, il bilancio carbonico tende a essere positivo, non tanto perché la tecnologia sia diversa, ma perché diverso è il punto su cui interviene.

Quando l’AI resta nella testa e il clima paga il conto

Il quadro cambia nel mondo dei servizi professionali, della consulenza e della finanza. Qui l’intelligenza artificiale lavora soprattutto su contenuti, analisi, documenti, customer service. È un’AI “cognitiva”, che sostituisce o accelera attività a basso impatto fisico ma ad alta frequenza digitale.

Il problema emerge nella somma. Molte interazioni leggere, ripetute migliaia di volte, producono un consumo energetico che non sempre viene compensato da benefici ambientali indiretti come la riduzione della carta o degli spostamenti.

Il risultato, in diversi casi, è un saldo negativo. Non per inefficienza, ma per disallineamento tra tipo di attività e tipo di tecnologia. Su questo il white paper usa un’espressione quasi ironica per descrivere questo fenomeno: “luxury carbon spend”. Un consumo invisibile, distribuito, difficile da percepire nel singolo gesto digitale.

Il nodo organizzativo: governance ancora incompleta

Accanto alla dimensione tecnica, emerge poi quella organizzativa. Secondo i dati riportati, il 64% delle aziende analizzate non dispone ancora di strumenti per monitorare i rischi ambientali legati all’AI, mentre solo il 50% ha avviato percorsi di formazione interna.

L’adozione della tecnologia procede quindi più velocemente della capacità di misurarla. Una discrepanza che, nel linguaggio dei bilanci, si traduce in un’area grigia sempre più ampia. Insomma, l’intelligenza artificiale entra nei processi aziendali, ma non sempre entra nei sistemi di controllo ambientale con la stessa rapidità.

Una distinzione semplice che cambia tutto

Il white paper insiste su un punto chiave: l’AI non è intrinsecamente sostenibile o insostenibile, è una tecnologia di accelerazione.

Quando viene applicata a processi fisici, il beneficio ambientale tende a superare il costo computazionale. Quando viene applicata a processi cognitivi, il rapporto può invertirsi.

Non è una differenza teorica. È una differenza operativa. E, soprattutto, è una differenza che non compare nelle interfacce.

Il rischio del debito carbonico digitale

Se la trasformazione digitale continua senza strumenti di misurazione adeguati, il rischio è la formazione di un “debito carbonico” non contabilizzato.

Un accumulo progressivo di emissioni indirette, distribuite tra cloud, modelli, infrastrutture e utilizzi aziendali, che diventa visibile solo a posteriori nei cicli di reporting.

Su questo tema, il documento propone una roadmap chiara nella sua impostazione. Misurazione prima della scalabilità, selezione degli use case a saldo positivo, governance del cloud in base al mix energetico, integrazione delle emissioni digitali negli Scope 2 e 3.

Insomma, non si tratta di ridurre l’intelligenza artificiale. Si tratta di orientarla.

Una tecnologia che non decide da sola da che parte stare

Nel quadro descritto da Up2You, l’AI non è un fattore neutro né un agente autonomo della decarbonizzazione. È, molto più semplicemente, uno strumento che amplifica ciò che trova. Può ridurre emissioni quando si inserisce nei processi giusti così come può aumentarle quando viene applicata senza criterio rispetto al suo impatto energetico.

Il punto, alla fine, è meno tecnologico di quanto sembri. Semmai è più organizzativo, quasi gestionale. E anche un po’ ironico, se si considera che la tecnologia più immateriale degli ultimi anni ha riportato al centro una variabile molto concreta: l’energia.

.

☞ Fai clic qui per accedere al white paper “Costi e benefici ambientali dell’AI”.