Intelligenza artificiale tra consumi e clima, tra rischio energetico e leva per tagliare le emissioni

L’intelligenza artificiale è al centro di un evidente paradosso. Da un lato è considerata la tecnologia più dirompente degli ultimi decenni; dall’altro è sempre più sotto osservazione per il suo impatto energetico. L’addestramento dei grandi modelli linguistici può generare centinaia di tonnellate di CO₂, come evidenziato dallo studio pubblicato da Association for Computing Machinery. Secondo Nature, il settore ICT potrebbe arrivare a incidere fino al 14% delle emissioni globali entro il 2040, mentre l’International Energy Agency prevede un possibile raddoppio dei consumi dei data center legati all’AI già nel breve periodo, in assenza di correttivi.

Ma questa è solo metà della storia. Secondo Federico Pozzi Chiesa, AD di Italmondo e Fondatore di Supernova Hub, che scrive in un post sul Sole24Ore che se impiegata in modo strategico, l’AI può ridurre sprechi, ottimizzare trasporti, migliorare la gestione delle scorte e abbattere le inefficienze industriali. Nel porto di Porto di Rotterdam, piattaforme digitali ottimizzano il traffico navale riducendo i consumi di carburante. Gruppi siderurgici come Tata Steel utilizzano algoritmi e sensori per contenere emissioni e sprechi. Nella logistica, operatori come UPS migliorano l’efficienza dei percorsi con benefici ambientali ed economici.

Anche la stessa AI può diventare più sostenibile: progetti come SPROUT, sviluppato dal Massachusetts Institute of Technology, puntano a ridurre le emissioni dei modelli modulando l’uso delle risorse in base alla disponibilità di energia più pulita.

Il punto non è dunque “usare o non usare” l’intelligenza artificiale, ma come farlo. L’AI generica e sovradimensionata rischia di aumentare i consumi senza creare valore reale. L’AI mirata, invece, interviene nei nodi critici — documentazione, manutenzione predittiva, gestione delle eccezioni — dove il margine di ottimizzazione è più alto.

La sostenibilità dell’AI si gioca nel bilancio tra energia consumata ed emissioni evitate. Hardware più efficienti, algoritmi ottimizzati, standard ambientali condivisi e applicazioni focalizzate sui processi ad alto impatto possono trasformare una tecnologia energivora in un acceleratore di efficienza industriale.

Il vero “paradosso verde” non è nella macchina, ma nelle scelte: ogni modello addestrato, ogni processo automatizzato, ogni decisione algoritmica può essere un costo climatico oppure un investimento in riduzione delle emissioni. Sta alle imprese decidere da che parte far pendere l’ago della bilancia.

Per restare sempre aggiornati sulle principali notizie sulla Liguria seguiteci sul canale Telenord, su Whatsapp, su Instagram, su Youtube e su Facebook.