Il digitale si è affermato accompagnandosi spesso all'idea di essere un mondo sostanzialmente immateriale. Idea comprensibile: rispetto ai supporti fisici che ha progressivamente sostituito - libri, lettere, CD, DVD, archivi cartacei -sembrava sufficiente un computer e una connessione per accedere a quantità pressoché infinite di informazioni e servizi.
Naturalmente non è mai stato davvero così. Internet, il cloud e i servizi digitali hanno sempre richiesto infrastrutture, reti, server, energia e materie prime. Ma questa dimensione materiale è rimasta a lungo nascosta agli occhi della maggior parte degli utenti.
Con l'intelligenza artificiale sta accadendo qualcosa di simile. Anche in questo caso l'esperienza quotidiana restituisce un'impressione di leggerezza: si scrive un prompt, si attende qualche secondo e si ottiene una risposta, un'immagine, un codice o un video. Eppure, dietro quella semplicità, operano infrastrutture industriali tra le più complesse e intensive mai realizzate.
Negli ultimi mesi sono stati pubblicati alcuni rapporti che aiutano a misurare con maggiore precisione questa dimensione nascosta. Tra i più importanti c'è The Environmental Costs of Artificial Intelligence, realizzato nel 2026 dall'United Nations University - Institute for Water, Environment and Health (UNU-INWEH), affiancato dal rapporto Energy and AI dell'International Energy Agency (IEA) e da precedenti lavori dell'OCSE dedicati alla misurazione dell'impatto ambientale dell'intelligenza artificiale.
Pur con metodologie diverse, questi studi convergono su un punto fondamentale: l'IA non è soltanto una tecnologia ad alta intensità energetica. È un sistema che consuma contemporaneamente elettricità, acqua, suolo, materie prime e hardware, producendo impatti ambientali che vanno ben oltre le sole emissioni di gas serra.
Non è il solo cambio di prospettiva rilevante. Per anni la discussione si è concentrata infatti sull'addestramento dei grandi modelli linguistici, cercando di capire quanta energia fosse necessaria per svilupparli. Oggi sappiamo che questa è solo una parte della storia. L'impatto dell'intelligenza artificiale dipende anche dal modo in cui viene utilizzata ogni giorno da centinaia di milioni di persone, dal tipo di contenuti che genera e dalle infrastrutture che ne rendono possibile il funzionamento.
Comprendere questi impatti significa dotarsi degli strumenti necessari per utilizzare l'IA in modo più consapevole. Perché, come ogni altra tecnologia che ha trasformato la società, anche l'IA può produrre grandi benefici, ma richiede risorse reali. E conoscere il costo di quelle risorse è il primo passo per immaginare come ridurlo e, almeno in parte, contribuire a rigenerare gli ecosistemi da cui continua a dipendere.
Uno dei principali meriti del rapporto pubblicato dall'United Nations University è quello di allargare il campo dell'analisi. Gli autori propongono infatti di osservare l'intelligenza artificiale come un sistema che mobilita contemporaneamente diverse risorse naturali e che, di conseguenza, produce impatti ambientali di natura differente.
La prima dimensione è quella climatica. Ogni modello di intelligenza artificiale richiede energia elettrica per essere addestrato e utilizzato. A seconda del mix energetico che alimenta i data center, questa energia può tradursi in emissioni più o meno elevate di gas serra.
La seconda è quella idrica. I grandi data center producono enormi quantità di calore e devono essere costantemente raffreddati. In molti casi questo avviene attraverso sistemi che consumano ingenti volumi d'acqua, sia direttamente, sia indirettamente lungo l'intera filiera di produzione dell'energia elettrica.
La terza riguarda il territorio. I data center occupano superfici sempre più estese, alle quali si aggiungono gli spazi necessari per produrre energia, realizzare infrastrutture di rete ed estrarre le materie prime indispensabili alla costruzione dell'hardware.
A queste tre dimensioni si sommano altri impatti spesso meno visibili ma non meno rilevanti: l'estrazione di rame, litio, cobalto e terre rare necessarie ai semiconduttori, il consumo di materiali ad alta intensità energetica come il silicio ultrapuro e la crescente quantità di rifiuti elettronici generata dal rapido ricambio delle apparecchiature informatiche.
Non è un caso che anche l'OCSE, già nel 2022, avesse invitato a superare una valutazione limitata alle sole emissioni di carbonio, proponendo invece un approccio basato sull'intero ciclo di vita delle infrastrutture digitali. L'intelligenza artificiale, in questa prospettiva, non è soltanto un software: è una filiera industriale globale che inizia nelle miniere, attraversa fabbriche, reti elettriche e data center, e termina con la dismissione di server e componenti elettronici.
Ogni chilowattora richiesto dall'IA porta con sé anche un consumo d'acqua, un'occupazione di territorio e un utilizzo di materiali. È questa la vera impronta ambientale dell'intelligenza artificiale: non una singola misura, ma la somma di risorse diverse che vengono sottratte agli ecosistemi per rendere possibile un servizio apparentemente immateriale.
È probabilmente l'aspetto che ha attirato maggiore attenzione negli ultimi anni. Ogni volta che viene presentato un nuovo modello linguistico, una delle prime domande riguarda la quantità di energia necessaria per addestrarlo.
Il rapporto dell'United Nations University prova a rispondere anche a questa domanda, chiarendo però un limite importante: le principali aziende che sviluppano modelli di frontiera pubblicano ancora pochissimi dati sui consumi effettivi delle proprie infrastrutture. Le stime presentate nel rapporto sono quindi il risultato di modelli di calcolo che combinano informazioni sull'hardware utilizzato, sulle ore di elaborazione e sulle caratteristiche energetiche dei sistemi disponibili. Non sono misurazioni dirette, ma rappresentano oggi una delle ricostruzioni più solide disponibili in letteratura.
Secondo queste stime, l'addestramento di GPT-4 avrebbe richiesto tra 50 e 70 GWh di elettricità, generando circa 25.000 tonnellate di CO₂ equivalente, consumando 600 milioni di litri d'acqua e determinando un'impronta territoriale di circa 0,9 km².
Per GPT-5 gli autori ipotizzano una crescita ulteriore: 100 GWh di energia, 42.000 tonnellate di CO₂ equivalente, un miliardo di litri d'acqua e circa 1,5 km² di land footprint.
Sono numeri enormi, ma anche difficili da visualizzare.
Per questo il rapporto propone alcune equivalenze che hanno una funzione puramente divulgativa. Tra queste, quella che riguarda gli alberi è probabilmente la più intuitiva. Secondo gli autori, per assorbire nel corso della loro crescita una quantità di carbonio equivalente alle emissioni associate all'addestramento di GPT-4 sarebbero necessari circa 420.000 alberi; per GPT-5 si arriverebbe a circa 700.000 alberi.
Vale la pena soffermarsi un momento su questo dato, perché è facile fraintenderlo.
Il rapporto non sostiene che piantare 420.000 alberi "compensi" l'addestramento di un modello linguistico. Gli alberi vengono utilizzati come unità di misura narrativa, una scelta comunicativa degli stessi autori per trasformare tonnellate di anidride carbonica in un'immagine comprensibile anche ai non addetti ai lavori.
È una distinzione importante. Gli ecosistemi non funzionano come un foglio Excel, dove una colonna annulla automaticamente l'altra. Piantare alberi non cancella l'impatto dell'intelligenza artificiale. Può però contribuire a rigenerare una parte dei processi ecologici che quello stesso impatto mette sotto pressione: assorbimento del carbonio atmosferico, conservazione del suolo, regolazione del ciclo dell'acqua, tutela della biodiversità e maggiore resilienza dei territori.
Ed è proprio questa idea di rigenerazione, più che quella di compensazione, che tornerà utile quando, nelle ultime pagine di questo articolo, proveremo a chiederci quale possa essere il contributo concreto di ciascuno di noi nell'era dell'intelligenza artificiale.
Se per molto tempo il dibattito sull'impatto ambientale dell'intelligenza artificiale si è concentrato quasi esclusivamente sull'addestramento dei grandi modelli linguistici, secondo gli autori del rapporto dell'United Nations University, oggi questa è soltanto una parte minoritaria del problema.
Una volta completato l'addestramento, infatti, il modello entra nella fase che gli specialisti chiamano inference: il momento in cui risponde alle richieste degli utenti. È ciò che accade ogni volta che chiediamo di tradurre un testo, correggere un documento, scrivere un programma, generare un'immagine o creare un video.
È questa attività quotidiana, ripetuta miliardi di volte, a rappresentare ormai tra l'80 e il 90% del consumo energetico complessivo dell'intelligenza artificiale.
È un dato che modifica radicalmente il modo in cui dovremmo guardare all'IA. Per anni ci siamo chiesti quanto costasse costruire questi modelli. Oggi dovremmo iniziare a chiederci anche quanto costa usarli.
Perché, se la stima del rapporto è corretta, una parte consistente dell'impronta ambientale dell'intelligenza artificiale non dipende soltanto dalle aziende che sviluppano questi sistemi. Dipende anche da come li utilizziamo noi, ogni giorno.
🔴 Miliardi di domande, miliardi di decisioni
Gli autori stimano che ChatGPT elabori oggi circa 2,5 miliardi di prompt al giorno.
Può sembrare un numero difficile da interpretare. Per renderlo più concreto, il rapporto assume un consumo medio di 0,42 Wh per richiesta. Moltiplicando questo valore per il numero di interazioni giornaliere, si arriva a un consumo annuo di circa 383 GWh di elettricità soltanto per le risposte fornite agli utenti di ChatGPT.
Naturalmente anche questo è un valore stimato. Il consumo reale varia in funzione del modello utilizzato, della complessità della richiesta, del tipo di hardware e del data center che elabora il prompt. Ma il messaggio non cambia: l'utilizzo quotidiano dell'intelligenza artificiale è diventato, di per sé, un fenomeno energetico di scala globale.
🔴 Non tutte le richieste hanno lo stesso peso
Una delle analisi più originali contenute nel rapporto riguarda proprio il diverso fabbisogno energetico delle varie attività affidate all'IA. Gli autori costruiscono una sorta di gerarchia dei consumi, prendendo come riferimento un'operazione molto semplice - la classificazione di un testo, come il riconoscimento di un messaggio di spam - e confrontandola con applicazioni via via più complesse.
➡️ Una risposta testuale generata da un modello linguistico può richiedere circa 200 volte l'energia necessaria per una semplice classificazione (classificare un contenuto significa scegliere tra poche opzioni - ad esempio stabilire se un'immagine raffigura un cane o un gatto -, mentre generare un testo richiede di calcolare e produrre una parola dopo l'altra, ripetendo milioni di operazioni fino a completare la risposta).
➡️ La generazione di un'immagine arriva a consumare circa 1.450 volte di più.
➡️ La produzione di un video rappresenta oggi uno dei casi più estremi: secondo gli autori, può richiedere un'energia paragonabile a quella necessaria per eseguire 200.000 operazioni di classificazione.
La domanda da porsi è dunque: quale intelligenza artificiale stiamo usando? E per fare cosa?
Questa distinzione è destinata a diventare sempre più importante. Così come oggi sappiamo che una lampadina LED consuma meno di una lampadina a incandescenza, o che un elettrodomestico in classe A è più efficiente di uno in classe G, nei prossimi anni impareremo probabilmente a distinguere anche tra usi dell'intelligenza artificiale con impatti molto diversi tra loro.
In fondo, ogni rivoluzione tecnologica ha richiesto un cambiamento culturale prima ancora che tecnico. Abbiamo imparato a ridurre gli sprechi d'acqua, a migliorare l'efficienza energetica delle nostre case, a differenziare i rifiuti, a scegliere elettrodomestici meno energivori. È possibile che nei prossimi anni impariamo anche a porci domande nuove davanti a un'interfaccia di intelligenza artificiale: mi serve davvero generare cento immagini? Un testo sarebbe sufficiente? Ho bisogno del modello più potente disponibile o posso ottenere lo stesso risultato con uno più leggero?
Ogni richiesta inviata a un sistema di intelligenza artificiale viene elaborata all'interno di un data center. È qui che migliaia di processori lavorano contemporaneamente, elaborando miliardi di operazioni al secondo e trasformando una semplice domanda in una risposta che, dal punto di vista dell'utente, arriva quasi istantaneamente.
Per anni queste infrastrutture sono rimaste relativamente invisibili al dibattito pubblico. Oggi non è più possibile ignorarne il ruolo.
La diffusione dell'intelligenza artificiale sta infatti modificando profondamente la geografia dell'economia digitale. In tutto il mondo vengono progettati nuovi data center, aumentano gli investimenti nelle reti elettriche e cresce la domanda di chip specializzati, con conseguenze che riguardano non soltanto il settore tecnologico ma anche la pianificazione energetica, la gestione delle risorse idriche e l'uso del territorio.
È in questa prospettiva che acquistano significato i numeri raccolti dal rapporto dell'United Nations University.
Secondo le stime degli autori, nel 2025 i data center consumeranno circa 448 TWh di elettricità. Per avere un termine di paragone, se costituissero uno Stato indipendente sarebbero già oggi l'undicesimo consumatore di energia elettrica al mondo. A questo fabbisogno energetico si associano circa 189 milioni di tonnellate di CO₂ equivalente, 4,5 trilioni di litri d'acqua utilizzati lungo il ciclo energetico e di raffreddamento e un'occupazione indiretta del territorio stimata in circa 6.900 km².
Ma è soprattutto la traiettoria futura a richiamare l'attenzione.
Il rapporto Energy and AI dell'International Energy Agency, pubblicato nel 2025, arriva a una conclusione molto simile a quella della United Nations University: entro il 2030 la domanda di elettricità dei data center potrebbe superare i 945 TWh, arrivando a rappresentare circa il 3% dell'intera domanda mondiale di energia elettrica. È una convergenza significativa, perché nasce da metodologie differenti e rafforza la credibilità delle proiezioni.
Nello stesso scenario, il rapporto ONU stima che il consumo idrico possa raggiungere 9,3 trilioni di litri, l'impronta territoriale superare i 14.500 km² e la produzione annuale di rifiuti elettronici arrivare fino a 2,5 milioni di tonnellate.
Sono numeri che raccontano una trasformazione profonda.
Per comprenderne la portata, gli autori propongono ancora una volta un'equivalenza facilmente visualizzabile: per assorbire, nel corso della loro crescita, una quantità di carbonio equivalente alle emissioni associate ai data center nello scenario 2030 sarebbero necessari circa 6,7 miliardi di alberi. Anche in questo caso si tratta di una rappresentazione divulgativa, non della proposta di una compensazione diretta.
Dietro ogni risposta prodotta dall'intelligenza artificiale esiste una rete di infrastrutture che occupa spazio, richiede materiali, consuma acqua e domanda energia. Più l'IA entra nella vita quotidiana, più questa infrastruttura è destinata a crescere.
▶️ Ed è qui che torna utile il concetto di ecologia dell'uso.
Per molti anni abbiamo pensato alla sostenibilità soprattutto come a un problema di produzione: automobili più efficienti, elettrodomestici meno energivori, edifici meglio isolati. L'intelligenza artificiale ci ricorda che esiste anche una sostenibilità dell'utilizzo.
Ogni volta che scegliamo come usare una tecnologia contribuiamo, in misura infinitesimale ma reale, a determinarne la domanda complessiva di energia, infrastrutture e risorse naturali.
È un principio che conosciamo già in molti altri ambiti. Nessuno pensa che chiudere il rubinetto mentre si lavano i denti risolva da solo il problema della scarsità idrica. Eppure sappiamo che quel gesto ha un senso perché milioni di comportamenti individuali, sommati tra loro, modificano la pressione esercitata sulle risorse comuni.
Con l'intelligenza artificiale sta iniziando ad accadere qualcosa di simile. Usarla con maggiore consapevolezza significa riconoscere che anche il digitale, come qualsiasi altra attività umana, si inserisce dentro limiti fisici che riguardano energia, acqua, territorio e materie prime.
È probabilmente questa la sfida culturale più importante posta dall'intelligenza artificiale: imparare a valutarne i benefici senza dimenticare il costo delle risorse che li rendono possibili.
L'intelligenza artificiale continuerà a crescere. È difficile immaginare uno scenario diverso.
I modelli diventeranno più potenti, entreranno in un numero crescente di professioni, saranno sempre più integrati nei motori di ricerca, negli strumenti di produttività, nella progettazione, nella ricerca scientifica e, probabilmente, nella maggior parte delle attività digitali quotidiane.
La domanda, quindi, non è se utilizzare l'intelligenza artificiale. La domanda è come farlo.
La nostra responsabilità non si esaurisce nel ridurre gli sprechi. Significa anche contribuire a rafforzare quegli ecosistemi da cui la stessa infrastruttura digitale continua a dipendere.
Gli alberi non sono una scorciatoia per cancellare l'impatto dell'intelligenza artificiale. Sarebbe una semplificazione che né la letteratura scientifica né questo articolo vogliono sostenere. Gli stessi autori del rapporto dell'United Nations University utilizzano le equivalenze in alberi soltanto come strumento divulgativo per rendere comprensibili ordini di grandezza altrimenti difficili da immaginare.
Ma gli alberi fanno qualcosa di reale. Assorbono carbonio atmosferico durante la loro crescita. Migliorano la fertilità del suolo. Favoriscono l'infiltrazione e la regolazione dell'acqua. Contribuiscono alla biodiversità. Rendono più resilienti gli ecosistemi e le comunità che da essi dipendono.
Se l'Intelligenza Artificiale genera, gli alberi ri-generano. Ed è forse proprio questo il verbo più adatto per accompagnare l'era dell'intelligenza artificiale.
Se l'IA è destinata a diventare una presenza quotidiana nelle nostre vite, allora anche la ri-generazione dovrebbe diventare un'abitudine quotidiana. Non un gesto simbolico compiuto una volta per sentirsi assolti, ma un impegno costante, capace di crescere nel tempo insieme alle tecnologie che utilizziamo.
Per questo, più che il singolo albero acquistato occasionalmente, ha senso immaginare un contributo ricorrente. Un modo per accompagnare, mese dopo mese, l'innovazione con un'azione concreta a favore degli ecosistemi.
È la logica su cui si basa anche gli abbonamenti di Treedom: non la promessa di "compensare" l'intelligenza artificiale, ma la possibilità di sostenere nel tempo progetti agroforestali che contribuiscono ad assorbire carbonio, proteggere il suolo, favorire il ciclo dell'acqua e rafforzare la biodiversità, seguendo la stessa continuità con cui l'intelligenza artificiale entra, giorno dopo giorno, nelle nostre abitudini. Gli abbonamenti, infatti, nascono proprio con l'idea di trasformare un gesto occasionale in un impegno continuativo. Ed in fondo, è questa la lezione che l'intelligenza artificiale ci consegna.
Per anni abbiamo pensato al digitale come a qualcosa di immateriale. Oggi sappiamo che non è così. Ogni risposta generata da un algoritmo ha alle spalle energia, acqua, territorio, infrastrutture e persone.
L'innovazione non smette di avere un peso solo perché non lo vediamo.
E proprio per questo, ogni innovazione che voglia durare nel tempo dovrà imparare a fare qualcosa che la natura conosce da sempre: non soltanto consumare risorse, ma contribuire, per quanto possibile, a rigenerarle.
Bibliografia
United Nations University - Institute for Water, Environment and Health (UNU-INWEH) - Aczel, M., Chamanara, S., Matin, M., Farsi, A., Marwala, T., Madani, K. (2026). Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints. UNU-INWEH - Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints
OECD - OECD (2022). Measuring the Environmental Impacts of Artificial Intelligence Compute and Applications: The AI Footprint. OECD Digital Economy Papers, No. 341. OECD - The AI Footprint
International Energy Agency (IEA) - International Energy Agency (2025). Energy and AI. IEA - Energy and AI
International Energy Agency (IEA) - International Energy Agency (2024). Electricity 2024 - Analysis and Forecast to 2026. IEA - Electricity 2024
Intergovernmental Panel on Climate Change (IPCC) - IPCC (2022). Climate Change 2022: Mitigation of Climate Change (WG III). IPCC Sixth Assessment Report - Mitigation of Climate Change
International Resource Panel (UNEP) - International Resource Panel (2024). Global Resources Outlook 2024. UNEP - Global Resources Outlook 2024
. United Nations Environment Programme (UNEP) - UNEP - Digital Transformation and Environmental Sustainability UNEP - Digital Transformation
Nota sulle stime. Le equivalenze riportate nell'articolo (ad esempio quelle espresse in numero di alberi necessari ad assorbire una determinata quantità di CO₂) sono elaborate dagli autori del rapporto dell'United Nations University a fini divulgativi e servono a rendere comprensibili ordini di grandezza molto elevati. Non rappresentano una misura di compensazione diretta né implicano che la piantagione di alberi possa annullare l'impatto ambientale dell'intelligenza artificiale. Gli alberi contribuiscono invece alla rigenerazione degli ecosistemi attraverso molteplici servizi ecosistemici - assorbimento del carbonio, tutela del suolo, regolazione del ciclo dell'acqua e sostegno alla biodiversità - che vanno ben oltre il solo bilancio emissivo.