Etica e governance

IA e cambiamento climatico: l’algoritmo a doppio taglio di fronte al problema più grande del pianeta

Secondo il rapporto 2026 di Google, le emissioni operative sono diminuite del 2%, mentre quelle della catena di fornitura sono aumentate del 25% e la domanda di elettricità del 37%. Le emissioni complessive di Microsoft sono cresciute di un

AI.info Team · 2026-08-26

Un bilancio, non un verdetto

Ogni dibattito sull’intelligenza artificiale e il cambiamento climatico finisce per ridursi a uno slogan: l’IA è un disastro ambientale oppure una salvezza per il clima. Nessuno dei due slogan regge alla prova dei numeri. A reggere è un bilancio: in una colonna, costi energetici e idrici misurati, dichiarati e in crescita; nell’altra, benefici per il clima reali, ma diffusi e realizzati in modo disomogeneo. Letto con onestà, sulla base delle dichiarazioni delle stesse aziende e dei modelli dell’Agenzia internazionale dell’energia, quel bilancio non torna.

Per il resto di questo decennio, seguendo la traiettoria pubblicata dal settore stesso, l’IA contribuisce al problema climatico più di quanto non contribuisca a risolverlo. Non è un’esagerazione retorica: a sostenerlo sono i dati che Google, Microsoft e l’Agenzia internazionale dell’energia pubblicano nei propri rapporti. Questa conclusione sul saldo netto è una lettura del bilancio; l’Agenzia internazionale dell’energia lascia aperta la questione.

I consumi sono già in forte crescita

Partiamo dall’impronta fisica, perché è la parte del bilancio che non è più ipotetica. L’Agenzia internazionale dell’energia ha stimato che nel 2024 i data center di tutto il mondo abbiano consumato circa 415 terawattora di elettricità, pari a circa l’1,5% del consumo mondiale. Era già questa la situazione di partenza, prima che l’attuale espansione dell’IA entrasse nel vivo.

Nel suo aggiornamento del 2025, l’Agenzia ha rilevato una nuova impennata dei consumi elettrici dei data center: circa il 17% in più rispetto all’anno precedente. All’interno di quel totale, le sole strutture ottimizzate per l’IA hanno registrato un balzo del 50%, mentre la domanda mondiale complessiva di elettricità è cresciuta soltanto del 3% circa. Lo scenario di base dell’Agenzia, pubblicato nel rapporto «Energy and AI», prevede che la domanda elettrica dei data center raggiunga circa 945 TWh entro il 2030 — più dell’intero consumo elettrico attuale del Giappone — e salga verso i 1.200 TWh circa entro il 2035, richiedendo circa 1.300 TWh di produzione elettrica per soddisfarla.

Nello specifico, lo scenario di base prevede che i consumi elettrici dei server accelerati per l’IA crescano di circa il 30% l’anno, contro circa il 9% dei server convenzionali. È la prova più chiara disponibile che a trainare l’aumento al margine sia l’IA, non il cloud computing in generale.

Per quella domanda conta tanto la composizione delle fonti energetiche quanto il volume. Secondo l’Agenzia, i combustibili fossili forniscono attualmente quasi il 60% dell’elettricità che alimenta i data center nel mondo. Il solo carbone rappresenta circa il 30% del totale: è la singola fonte più importante, con una quota spinta verso l’alto in regioni come la Cina. Oggi le rinnovabili soddisfano circa il 27% della domanda dei data center e il nucleare un altro 15%.

L’Agenzia prevede che entro il 2035 questa composizione si ribalti, passando a circa il 60% di energia pulita e il 40% di combustibili fossili, grazie a oltre 450 TWh di nuova produzione da fonti rinnovabili destinata a soddisfare questa specifica domanda. Ma è una previsione che si realizzerà nell’arco di un decennio, non un dato di fatto attuale, e dipende dall’ampliamento delle reti di trasmissione e dai tempi delle autorizzazioni, che storicamente non hanno tenuto il passo con quelli di costruzione dei data center.

Nel frattempo, l’Agenzia prevede che le emissioni legate ai data center salgano da circa 180 milioni di tonnellate di CO2 oggi a circa 300 milioni di tonnellate entro il 2035. Resterebbero una piccola parte delle emissioni totali del settore energetico — meno dell’1,5%, secondo i calcoli della stessa Agenzia — ma una delle poche a crescere così rapidamente in un settore che, per il resto, cerca di ridurle.

Che cosa confessano davvero i rapporti sulla sostenibilità

I dati più utili, qui, non arrivano dai critici dell’IA, ma dalle aziende che più di tutte la sviluppano, in comunicazioni che non erano tenute a formulare con tanta franchezza. L’undicesimo rapporto ambientale annuale di Google, pubblicato il 30 giugno 2026, quantifica in circa 14,5 milioni di tonnellate metriche di CO2 equivalente l’impronta di carbonio «basata sugli obiettivi» dell’azienda nel 2025, il parametro con cui misura i progressi verso il proprio obiettivo climatico (circa 18,8 milioni su una base completa conforme al GHG Protocol). È il 18% in più rispetto al 2024 e l’81% in più rispetto al valore di riferimento del 2019 adottato da Google.

La ripartizione di quel totale merita una seconda lettura. Le emissioni operative — Scope 1 più Scope 2 calcolate con il metodo basato sul mercato, circa 2,9 milioni di tonnellate — sono diminuite del 2%, segnando un miglioramento per il secondo anno consecutivo. Le emissioni della catena di fornitura sono aumentate del 25% e rappresentano ormai circa l’80% dell’impronta: beni acquistati, materiali da costruzione e produzione di chip, in larga parte su reti elettriche asiatiche che dipendono ancora molto da carbone e gas. Google sta diventando più pulita nel gestire i data center e meno pulita nel costruirli.

La domanda di elettricità dell’azienda è cresciuta di circa il 37%, il maggiore aumento annuo mai registrato. Google attribuisce agli interventi per l’efficienza e l’energia pulita il merito di aver contenuto l’impatto, stimando che, altrimenti, la sua impronta nel 2025 sarebbe stata cinque volte maggiore. Il rapporto definisce comunque il suo ambizioso obiettivo climatico «sempre più difficile da raggiungere», citando i ritardi delle reti elettriche e le strozzature nella catena di fornitura.

Anche se il percorso verso il raggiungimento dei nostri obiettivi climatici non sarà lineare — dato che attualmente la realizzazione delle nostre infrastrutture per l’IA sta accelerando più rapidamente di quanto la rete elettrica si stia decarbonizzando … — Kate Brandt, responsabile della sostenibilità, Google

Le comunicazioni di Microsoft raccontano la stessa storia, con numeri diversi. Il suo rapporto sulla sostenibilità ambientale del 2026, pubblicato il 9 luglio 2026, registra un aumento del 25% delle emissioni totali nei tre ambiti Scope per l’esercizio 2025. Lo attribuisce all’espansione dei data center e alla decisione deliberata di smettere di acquistare certificati di energia rinnovabile separati dalla fornitura e non addizionali, privilegiando investimenti che aggiungono direttamente alle reti nuova energia a zero emissioni di carbonio. Il cambiamento contabile è visibile nella ripartizione: in un solo anno, la quota dello Scope 2 nell’impronta dell’azienda è balzata da circa il 2% al 13%.

È una strategia difendibile nel lungo periodo, ma nel breve significa che il dato che conta — le emissioni dichiarate — è andato nella direzione sbagliata, mentre l’azienda procede verso l’impegno a diventare carbon negative entro il 2030, misurato rispetto a un valore di riferimento del 2020 che ora supera di gran lunga. Brad Smith e Melanie Nakagawa, firmatari dell’introduzione al rapporto, esprimono chiaramente la tensione: «Mentre le infrastrutture per l’IA fanno crescere la domanda di energia, acqua, suolo e materiali, le soluzioni per la sostenibilità non si stanno diffondendo abbastanza rapidamente da soddisfarla».

Non è servita alcuna verifica esterna ostile per far emergere tutto questo. È ciò che le due aziende alla guida dello sviluppo commerciale dell’IA stanno dicendo ai propri azionisti.

L’acqua è l’impatto che le aziende dichiarano più malvolentieri

L’elettricità conquista i titoli, ma l’acqua racconta una storia più disomogenea, soprattutto perché i dati divulgati sono meno completi. Stime indipendenti dell’addestramento di GPT-3 — ampiamente citate nella letteratura scientifica sottoposta a revisione paritaria sui costi ambientali degli LLM — ne quantificano il consumo elettrico in circa 1.287 megawattora e l’uso diretto d’acqua per il raffreddamento sul posto in circa 700.000 litri. L’impronta idrica totale, che comprende l’acqua impiegata per produrre l’elettricità, è stimata intorno ai 5,4 milioni di litri.

Secondo notizie basate sui registri del servizio idrico, il complesso di data center di Microsoft in Iowa — che ha ospitato gli addestramenti di GPT-4 di OpenAI — ha consumato circa 11,5 milioni di galloni d’acqua nel luglio 2022 e 13,4 milioni di galloni nell’agosto 2022, i due mesi coincidenti con il picco di intensità dell’addestramento. Per l’intera azienda, Microsoft ha dichiarato un aumento del consumo d’acqua del 34% tra l’esercizio 2021 e l’esercizio 2022; Google ha dichiarato un aumento del 20% nello stesso periodo.

Più di recente, secondo quanto riportato, il solo data center di Google a Council Bluffs, in Iowa, ha consumato circa 1 miliardo di galloni d’acqua nel 2024, con un consumo giornaliero dichiarato di circa 2,7 milioni di galloni: una quantità paragonabile al consumo quotidiano d’acqua di una città di circa 25.000 abitanti.

Una rassegna del 2025 dell’University of Toronto su sei grandi operatori di data center — Amazon, Google, Microsoft, Meta, Digital Realty ed Equinix — ha rilevato che nessuno pubblicava dati sull’acqua relativi ai singoli siti in un formato pienamente coerente e confrontabile. Anche questo fa parte della storia: la rendicontazione dell’acqua nel settore è molto indietro rispetto a quella dell’energia, proprio mentre la scarsità d’acqua si aggrava in molte delle regioni in cui vengono collocati nuovi data center.

Il rapporto 2026 di Google mostra che la lacuna persiste anche quando un’azienda divulga volentieri i dati: dichiara di aver reintegrato circa 7,7 miliardi di galloni d’acqua nel 2025, pari a circa il 78% dell’acqua dolce consumata. È un rapporto calcolato per l’intera azienda, non un dato sui prelievi dei singoli siti.

L’altra faccia del bilancio è reale — e davvero utile

Questo non significa che l’IA non abbia nulla da offrire alla lotta contro il cambiamento climatico. Ha molto da offrire, e negarlo sarebbe un’altra forma di disonestà.

Il sistema di raffreddamento dei data center di DeepMind è l’esempio più antico e meglio documentato: una rete neurale addestrata su migliaia di rilevazioni dei sensori all’interno delle strutture di Google ha ridotto di circa il 40% l’energia usata per il raffreddamento, traducendosi in una riduzione di circa il 15% del consumo aggiuntivo misurato dall’indicatore di efficacia dell’uso dell’energia (PUE). È un guadagno di efficienza davvero notevole in un settore in cui di norma si considerano significativi anche miglioramenti inferiori al 10%.

Le previsioni meteorologiche sono l’ambito in cui le applicazioni climatiche dell’IA hanno fatto i progressi più rapidi. GraphCast, il modello di DeepMind presentato su Science nel 2023, ha prodotto previsioni globali a 10 giorni in meno di un minuto su una sola Cloud TPU e ha superato il sistema operativo HRES del Centro europeo per le previsioni meteorologiche a medio termine per circa il 90% delle migliaia di variabili e degli orizzonti temporali testati. Da allora è stato superato due volte: WeatherNext 2 è arrivato nel novembre 2025, generando previsioni otto volte più velocemente, con una risoluzione fino a un’ora e un orizzonte fino a 15 giorni; WeatherNext 3 è stato lanciato nel settembre 2026 e apprende direttamente dalle immagini grezze dei satelliti geostazionari, aggiorna le previsioni ogni ora e rappresenta temperatura e umidità in superficie su una griglia di 5 chilometri.

La terza generazione punta direttamente alla transizione energetica. Prevede la velocità del vento a 100 metri — all’incirca l’altezza del mozzo di una turbina — insieme alla copertura nuvolosa e alla radiazione solare in arrivo: le tre variabili di cui un gestore della rete ha bisogno per sapere quanta energia rinnovabile aspettarsi il giorno successivo.

GNoME, il sistema di DeepMind per la scoperta di materiali descritto in un articolo pubblicato su Nature nel 2023, ha esaminato composti candidati e identificato 2,2 milioni di nuove strutture cristalline, delle quali circa 380.000 erano previste come stabili. Di queste, circa 736 sono state successivamente sintetizzate in modo indipendente da laboratori esterni. Il lavoro — condotto in collaborazione con Materials Project del Berkeley Lab — ha contribuito ad aumentare di circa dieci volte il numero dei materiali stabili conosciuti, un progresso con plausibili applicazioni future nella chimica delle batterie e nei superconduttori rilevanti per la transizione energetica.

Sul versante della rete elettrica, DeepMind e Google hanno applicato il machine learning a circa 700 megawatt di capacità eolica negli Stati Uniti centrali, usando previsioni della produzione con 36 ore di anticipo per consentire agli operatori di assumere impegni più saldi sulle consegne del giorno successivo. Secondo quanto riportato da Google, questo ha aumentato di circa il 20% il valore effettivo di quell’energia eolica, perché per i gestori della rete una produzione rinnovabile prevedibile vale più di una produzione intermittente di pari volume.

E i sistemi satellitari assistiti dall’IA — come Tanager-1 di Carbon Mapper, lanciato nell’agosto 2024 in collaborazione con il Jet Propulsion Laboratory della NASA e Planet Labs — possono ora attribuire le emissioni di metano a uno specifico impianto entro un raggio di circa 50 metri. L’obiettivo è monitorare fino al 90% delle fonti ad alte emissioni a livello globale con una frequenza quasi giornaliera: il metano è un gas il cui potenziale di riscaldamento nel breve periodo rende particolarmente preziosa una rilevazione rapida.

Quella costellazione sta finalmente crescendo. Planet ha spedito Tanager-2 alla Vandenberg Space Force Base alla fine di agosto 2026 per un lancio condiviso a bordo di SpaceX Transporter-18: è uno strumento di acquisizione di immagini iperspettrali che rileva 426 bande contigue con una risoluzione al suolo di 30 metri. L’azienda afferma che seguiranno almeno altri tre satelliti Tanager.

Lo stesso esempio aiuta anche a non sopravvalutare questa faccia del bilancio: MethaneSAT, un satellite complementare per il monitoraggio del metano sostenuto dall’Environmental Defense Fund, ha perso i contatti con il controllo a terra nel giugno 2025 ed è stato dichiarato irrecuperabile il mese successivo, dopo appena quindici mesi in orbita. Gli strumenti che combinano clima e IA sono reali, ma sono anche giovani, finanziati in modo diseguale e ancora vulnerabili al tipo di guasto di un singolo componente che un sistema maturo, collaudato per un decennio, non sarebbe.

Perché i conti continuano a non tornare

Se si valutano onestamente le due colonne, lo squilibrio è strutturale, non soltanto una questione di dimensioni attuali.

La voce dei consumi è diretta, immediata e, soprattutto, già determinata dalle infrastrutture fisiche in costruzione. I data center oggi in costruzione assorbiranno energia per un decennio o più, indipendentemente da quanto diventerà efficiente un singolo modello. I benefici, invece, sono indiretti e subordinati a condizioni in quasi ogni passaggio: un materiale previsto da GNoME deve ancora essere sintetizzato, testato e prodotto su scala industriale prima di contribuire in qualsiasi modo alla transizione energetica; le previsioni di WeatherNext servono solo se un gestore della rete o un sistema di risposta alle emergenze agisce di conseguenza; una nube di metano rilevata da un Tanager richiede comunque che un’autorità di regolamentazione o un operatore fermi la perdita.

Ciascuno di questi benefici richiede anni di ulteriori interventi umani, industriali e politici prima di evitare una quantità comparabile di emissioni. I consumi, invece, compaiono già quest’anno nei rapporti depositati.

C’è una seconda ragione, più strutturale, per dubitare che i conti possano riequilibrarsi da soli grazie ai soli aumenti di efficienza, e ha un nome: paradosso di Jevons. Un’analisi del 2025 sottoposta a revisione paritaria e presentata alla ACM Conference on Fairness, Accountability, and Transparency ha esaminato proprio questa dinamica nell’IA. Ha rilevato che i miglioramenti dell’efficienza — come la riduzione del 40% dei consumi per il raffreddamento ottenuta da DeepMind, o il ben documentato calo annuo di un ordine di grandezza del costo energetico per ogni operazione di inferenza dell’IA, monitorato dalla stessa IEA — tendono a ridurre il costo delle capacità dell’IA. Questo, a sua volta, ne aumenta l’utilizzo, la diffusione e l’integrazione in nuovi prodotti.

Storicamente, il risultato netto è che il consumo totale continua a crescere anche quando ogni unità di calcolo diventa, in misura verificabile, meno inquinante. Il rapporto di Google del 2026 ne offre l’esempio più chiaro finora: un’efficienza sufficiente a ridurre le emissioni operative del 2% mentre il fabbisogno di elettricità cresceva del 37%, ma un’impronta calcolata in base agli obiettivi comunque aumentata del 18%, perché la costruzione delle macchine procedeva più in fretta della loro decarbonizzazione.

La prova più chiara che i conti non tornano non viene dalle organizzazioni ambientaliste, ma dalle aziende che avrebbero il maggiore interesse ad affermare il contrario. Google e Microsoft sono al tempo stesso tra i principali beneficiari commerciali dell’espansione dell’IA e tra le aziende i cui impegni climatici sono più visibili. Se i benefici climatici dei loro sistemi di IA compensassero gli effetti negativi, questo emergerebbe dai loro stessi bilanci delle emissioni.

Invece, l’ultima comunicazione di Microsoft mostra che le emissioni totali sono aumentate di un quarto in un esercizio fiscale, mentre Google registra un’impronta cresciuta del 18% sulla scia di un aumento del 25% delle emissioni della catena di fornitura. L’unico dato positivo, la riduzione del 2% delle emissioni operative di Google, è il più piccolo dei tre. Entrambe attribuiscono questa tendenza alle infrastrutture per l’IA ed entrambe ora usano formule più caute quando parlano degli obiettivi fissati prima dell’inizio dell’attuale espansione. Non è questo l’aspetto di un bilancio che si riequilibra da sé.

Che cosa potrebbe davvero invertire il bilancio

Lo squilibrio non è permanente e le proiezioni di lungo periodo della stessa IEA indicano le condizioni che potrebbero cambiarlo: un mix elettrico dei data center che passi da una prevalenza di fonti fossili a una prevalenza di fonti pulite entro la metà degli anni 2030, a condizione che lo sviluppo delle rinnovabili e le autorizzazioni per le reti di trasmissione tengano il passo con la costruzione dei data center, anziché restare indietro come hanno fatto finora.

Per arrivarci più rapidamente servirebbero tre cose che il settore ha tardato a realizzare volontariamente: dati standardizzati sui consumi di energia e acqua per ciascun sito — la lacuna segnalata dai ricercatori della University of Toronto presso sei grandi operatori —, obblighi di rendicontazione applicabili all’impronta delle singole sessioni di addestramento e delle operazioni di inferenza, anziché il mosaico di stime indipendenti su cui oggi si basano i ricercatori, e un impiego più diffuso in ambito industriale e normativo, sostenuto da finanziamenti continuativi, di strumenti come GNoME, i modelli WeatherNext e il monitoraggio satellitare del metano.

Il rapporto di Google del 2026 mostra che aspetto abbia un progresso parziale: con capitali sufficienti e contratti per l’energia pulita, si possono ridurre le emissioni operative, mentre nessuno è ancora riuscito a ridurre quelle della catena di fornitura, che rappresentano i quattro quinti del problema. Finché non accadrà, una lettura onesta dei conti è che l’IA sta aggravando il problema climatico più in fretta di quanto stia aiutando a risolverlo. E le aziende che la sviluppano sono le prime ad ammettere, con le loro stesse parole, che al momento l’aritmetica non è dalla loro parte.