L’intelligenza artificiale ha sete. Non vive soltanto nel cloud e non si esaurisce nell’apparente leggerezza di una risposta generata da un chatbot, di un’immagine creata in pochi secondi o di un video prodotto da un prompt. Dietro l’IA c’è una macchina fisica fatta di data center, chip, reti elettriche, sistemi di raffreddamento, consumo di suolo, minerali critici e rifiuti elettronici. Un’infrastruttura che cresce a una velocità tale da trasformare l’innovazione digitale in una nuova questione ambientale globale, alimentando una domanda sempre più alta non solo di energia, ma anche di acqua.
A lanciare l’allarme è il rapporto dello United Nations University Institute for Water, Environment and Health, “Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints“, pubblicato il 3 giugno 2026. Secondo lo studio, misurare l’impatto dell’IA soltanto attraverso le emissioni di Co2 non basta più. Ogni chilowattora necessario ad addestrare o far funzionare un modello porta con sé anche un’impronta idrica e territoriale.
“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 dichiarato il professor Kaveh Madani, direttore dell’Agenzia Onu Unu-Inweh e alla guida del gruppo di ricerca. “È un appello a usarla in modo responsabile e ad affrontare in anticipo i suoi impatti indesiderati, per renderla sostenibile ed equa. Abbiamo una finestra stretta per garantire che la spina dorsale della rivoluzione tecnologica della nostra era si sviluppi entro i limiti planetari, e che le comunità che forniscono i minerali critici per far avanzare l’IA e quelle che ospitano le sue infrastrutture e i suoi rifiuti elettronici siano anche tra quelle che ne beneficiano”.
Il boom dei data center diventa un caso ambientale
Entro il 2030, i data center globali che alimentano l’intelligenza artificiale potrebbero arrivare a consumare 945 terawattora di elettricità l’anno. È quasi il triplo dei consumi elettrici annuali complessivi di Pakistan, Bangladesh e Nigeria, Paesi che insieme contano oltre 650 milioni di abitanti.
Il dato sull’acqua è ancora più impressionante. L’impronta idrica associata a questi consumi potrebbe raggiungere 9,3 trilioni di litri, una quantità pari ai bisogni domestici annui di base di 1,3 miliardi di persone nell’Africa subsahariana. E anche il suolo entra nel conto. L’impronta territoriale supererebbe i 14.500 chilometri quadrati, circa il doppio dell’area metropolitana di Jakarta.
Nel 2025, i data center globali consumavano già circa 448 terawattora di elettricità. Se fossero stati uno Stato, sarebbero risultati l’undicesimo consumatore elettrico al mondo, dietro la Francia e davanti all’Arabia Saudita. Il salto previsto nei prossimi anni mostra quanto rapidamente la nuova infrastruttura digitale stia assumendo dimensioni da grande economia nazionale.
Il rapporto dell’Onu insiste su un punto: l’impatto ambientale dell’IA viene spesso misurato male. L’attenzione pubblica e regolatoria si è concentrata soprattutto sulle emissioni di carbonio legate all’addestramento dei grandi modelli. Ma il funzionamento quotidiano dell’intelligenza artificiale richiede elettricità, raffreddamento, impianti, reti, filiere minerarie e nuova capacità infrastrutturale.
Il problema è che carbonio, acqua e suolo non si muovono sempre nella stessa direzione. Una fonte energetica può ridurre le emissioni, ma aumentare il consumo idrico o l’uso del territorio. Il rapporto cita il passaggio dal carbone alla bioenergia come esempio: può tagliare in media del 70% l’impronta carbonica dell’elettricità, ma far crescere di oltre trenta volte quella idrica e di cento volte quella territoriale.
Per questo l’etichetta “low carbon” rischia di raccontare solo una parte della storia. Un’IA meno emissiva non è automaticamente un’IA meno assetata o meno ingombrante. La sostenibilità della tecnologia dipende da dove si costruiscono i data center, da quale rete elettrica li alimenta, da quanta acqua viene prelevata e da quali comunità sopportano i costi locali.
L’uso quotidiano pesa più dell’addestramento
Finora il dibattito si è concentrato soprattutto sull’energia necessaria ad addestrare i grandi modelli. Il rapporto sostiene però che questa visione è ormai superata. Una volta messi in funzione, i sistemi di IA consumano soprattutto attraverso l’inference, cioè l’esecuzione continua dei modelli per rispondere alle richieste degli utenti. Questa fase rappresenterebbe oggi tra l’80% e il 90% del consumo energetico totale dell’IA. Solo ChatGPT, secondo le stime riportate, elaborerebbe circa 2,5 miliardi di prompt al giorno, con un consumo annuo di circa 383 gigawattora per un singolo prodotto.
Anche il tipo di richiesta cambia radicalmente il peso ambientale. Una normale query conversazionale può richiedere circa 200 volte l’energia di una classificazione testuale di base. Un’immagine generata dall’IA può arrivare a 1.450 volte quel valore. Un breve video generato artificialmente può consumare quanto 200mila classificazioni di spam.
Il rapporto traduce questi numeri in esempi più immediati. L’energia necessaria per produrre una tipica immagine con l’IA basterebbe ad alimentare una lampadina Led da 10 watt per 17 minuti, mentre un video complesso potrebbe farla funzionare per 42 ore. Anche l’acqua cresce con la complessità dell’output: circa due cucchiai per una singola immagine, fino a 4,1 litri per un video complesso.
Il paradosso dell’efficienza
La tecnologia migliora, i modelli diventano più efficienti e il costo per singola operazione può scendere. Ma questo non significa automaticamente che l’impatto complessivo diminuisca. Il rapporto richiama il paradosso di Jevons: quando una tecnologia diventa più efficiente e accessibile, il suo uso tende ad aumentare, fino a compensare o superare i risparmi ottenuti.
“Molte persone pensano che l’impronta ambientale dell’AI si riduca man mano che la tecnologia migliora e i processi diventano più efficienti. Ma questa è solo una parte del quadro complessivo. AI ed energia più efficienti e accessibili significano più consumo di AI, rendendo l’impronta complessiva molto più grande di quanto risparmiamo attraverso i guadagni di efficienza” ha commentato Kaveh Madani, direttore dell’Agenzia Onu Unu-Inweh e alla guida del gruppo di ricerca.
Il nodo, quindi, non è soltanto rendere i sistemi più performanti. Serve anche governare la domanda, limitare gli sprechi, intervenire sui default dei prodotti, sulla lunghezza degli output, sulla risoluzione delle immagini e dei video, sulla scelta dei modelli da usare per ogni compito. In altre parole, anche l’esperienza utente diventa una decisione ambientale.
Costi locali, benefici globali
L’espansione dell’IA non distribuisce costi e benefici in modo uniforme. I servizi vengono usati ovunque, ma le pressioni su reti elettriche, acqua e territori si concentrano dove sorgono i data center.
In Irlanda, nel 2023, i data center hanno rappresentato il 21% dell’elettricità misurata, superando i consumi di tutte le famiglie urbane. In Messico, nello Stato di Querétaro, l’espansione delle infrastrutture di calcolo sta incidendo su risorse idriche già sotto pressione per la siccità. In Uruguay, un progetto di data center ad alto consumo idrico si è sovrapposto alla crisi del 2023, quando la siccità prosciugò le riserve di acqua dolce di Montevideo rendendo l’acqua del rubinetto non sicura da bere.
A monte e a valle della filiera si aggiungono altre pressioni. L’hardware richiede minerali critici, spesso estratti in Paesi con controlli ambientali più deboli. A fine ciclo, invece, l’infrastruttura dell’IA potrebbe generare fino a 2,5 milioni di tonnellate di rifiuti elettronici l’anno entro il 2030.
C’è poi una frattura geopolitica. Solo 32 Paesi ospitano data center specializzati per l’intelligenza artificiale e oltre il 90% della capacità è concentrato in due Paesi, Stati Uniti e Cina. Più di 150 Paesi dispongono oggi di poca o nessuna capacità sovrana di calcolo IA. Il rischio è che alcune aree del mondo sostengano costi ambientali e materiali, mentre altre raccolgano i vantaggi economici, tecnologici e strategici.
La sfida di una governance globale
Il rapporto non si presenta come un atto d’accusa contro l’intelligenza artificiale. Come ha ben specificato Madani, ricordando che “questo rapporto non è un’accusa contro l’IA”, il punto è piuttosto costruire uno sviluppo dell’infrastruttura tecnologica capace di restare entro i limiti planetari e di garantire benefici anche alle comunità che forniscono minerali critici, ospitano data center o gestiscono i rifiuti elettronici della filiera.
La proposta dell’Onu è costruire un ecosistema di IA responsabile fondato su trasparenza, efficienza by design, equità e giustizia ambientale, responsabilità lungo l’intero ciclo di vita, cooperazione globale e uso sostenibile. I governi dovrebbero inserire i data center nella pianificazione energetica, idrica e territoriale. Le aziende dovrebbero considerare la scelta dei modelli, i formati di output e le impostazioni predefinite come fattori di impronta ambientale. Gli investitori dovrebbero trattare elettricità, carbonio, acqua e suolo come rischi materiali nei portafogli infrastrutturali.
La rivoluzione dell’intelligenza artificiale, insomma, non è immateriale. Ha bisogno di server, elettricità, acqua, territorio e minerali. Può generare valore, efficienza e innovazione, ma senza regole rischia di scaricare una parte crescente dei propri costi sulle comunità meno attrezzate per sostenerli. La sfida non è fermare l’IA, ma impedirle di crescere come se le risorse naturali fossero infinite.
