Sono 945 i terawattora di elettricità che i data center di tutto il mondo, le grandi infrastrutture di calcolo che fanno funzionare l’intelligenza artificiale, sono destinati a consumare entro il 2030. Quasi il triplo del fabbisogno annuo combinato di Pakistan, Bangladesh e Nigeria, Paesi che insieme contano più di 650 milioni di abitanti. A calcolarlo è l’indagine dell’Istituto per l’acqua, l’ambiente e la salute dell’Università delle Nazioni Unite (UNU-INWEH), che per la prima volta misura l’impatto ambientale dell’intelligenza artificiale in tutte le sue dimensioni: non solo le emissioni di carbonio, ma anche il consumo di acqua e di suolo.
Consumi da undicesima potenza mondiale
Nel 2025 i data center di tutto il mondo hanno assorbito circa 448 terawattora di elettricità: se fossero una nazione, sarebbero l’undicesimo consumatore al mondo, dietro la Francia (468 terawattora) e davanti all’Arabia Saudita (422), ma è soprattutto la traiettoria a preoccupare gli scienziati dell’Onu. Nelle proiezioni per il 2030, i 945 terawattora di domanda elettrica (quasi il 3% dei consumi mondiali) porteranno con sé un’impronta di carbonio di 399 milioni di tonnellate di CO₂ equivalente, che per essere compensata richiederebbe 6,7 miliardi di alberi cresciuti per dieci anni, circa il doppio degli alberi presenti in tutto il Regno Unito. L’impronta idrica raggiungerà i 9.300 miliardi di litri, l’equivalente del fabbisogno idrico domestico di base di 1,3 miliardi di persone nell’Africa subsahariana per un anno intero. Quella di suolo supererà i 14.500 chilometri quadrati, più del doppio dell’area metropolitana di Giacarta, che ospita oltre 32 milioni di abitanti.
| Impronta | Quanto | Che cosa misura |
| Carbonio | 399 milioni di tonnellate di CO₂ equivalente | I gas serra emessi per produrre l’elettricità che alimenta i data center |
| Acqua | 9.300 miliardi di litri | L’acqua consumata per raffreddare i server e per generare quella stessa elettricità |
| Suolo | 14.500 chilometri quadrati | Il terreno occupato dagli impianti energetici, dai bacini idrici e dalle filiere di estrazione dei combustibili |
Non solo carbonio: la tripla impronta
Questi tre numeri raccontano anche un problema di metodo. Secondo il report, l‘impatto ambientale dell’intelligenza artificiale viene oggi sistematicamente misurato male, perché la maggior parte delle valutazioni si concentra sulle sole emissioni di CO₂. Ogni chilowattora consumato da un sistema di intelligenza artificiale, invece, porta con sé anche un’impronta idrica, legata al raffreddamento dei server e alla produzione di energia, e un’impronta di suolo, legata alle infrastrutture e alle catene di approvvigionamento. E le tre impronte non si muovono nella stessa direzione: passare dal carbone alla bioenergia, calcolano i ricercatori, taglia in media del 72% le emissioni di carbonio dell’elettricità, ma moltiplica per oltre trenta volte il consumo di acqua e per cento quello di suolo. In altre parole, “a basse emissioni” non significa automaticamente “a basso consumo idrico”: valutare la sostenibilità dell’intelligenza artificiale con una sola metrica rischia di nascondere i costi e di scaricarli sulle regioni già colpite da stress idrico.
È l’uso quotidiano che pesa di più
C’è un altro luogo comune che il report smonta: l’idea che a consumare energia sia soprattutto l’addestramento dei grandi modelli. Una volta che un modello è operativo, è l’inferenza — il funzionamento continuo del sistema per rispondere alle richieste degli utenti — ad assorbire tra l’80 e il 90% dell’energia totale. I numeri aiutano a capire: ChatGPT elabora circa 2,5 miliardi di richieste al giorno, che si traducono in circa 383 gigawattora di elettricità l’anno per un singolo prodotto. E non tutte le richieste sono uguali. Per confrontarle, i ricercatori partono dal compito più elementare che si possa chiedere a un software dotato di un algoritmo: leggere un’email e decidere se è posta indesiderata oppure no. Rispetto a quel gesto minimo, una domanda posta a ChatGPT consuma circa 200 volte più energia, e far generare un’immagine circa 1.450 volte. Tradotto in acqua: un’immagine costa circa due cucchiai (29 millilitri), un video complesso arriva a 4,1 litri, quasi il fabbisogno di acqua da bere di una persona per due giorni.
A questo punto verrebbe da pensare che sarà il progresso tecnologico a risolvere il problema: chip più efficienti, modelli più leggeri, consumi in calo per ogni singola richiesta. Il report invita alla cautela, e lo fa richiamando una teoria economica nota come paradosso di Jevons, secondo cui i miglioramenti tecnologici che aumentano l’efficienza nell’uso di una risorsa finiscono per farne crescere il consumo totale, anziché ridurlo. Il meccanismo è a catena. Se una tecnologia consuma meno costa anche meno, se costa meno si diffonde, e più si diffonde più risorse assorbe nel complesso. A dare il nome al paradosso è stato l’economista inglese William Stanley Jevons, che nell’Ottocento osservò come gli usi più efficienti del carbone non ne avessero ridotto il consumo britannico, ma allargato l’impiego. Applicato all’intelligenza artificiale, il paradosso significa che ogni richiesta costerà sempre meno energia, ma le richieste saranno sempre di più. Per questo il report chiede limiti espliciti — sulla lunghezza delle risposte, sulla risoluzione predefinita di immagini e video — senza i quali i guadagni di efficienza verranno assorbiti dalla crescita dei volumi.
Costi locali, benefici lontani
I consumi dei data center non si distribuiscono in modo uniforme sul pianeta, e nemmeno i loro benefici. In Irlanda, nel 2023, i data center hanno assorbito il 21% di tutta l’elettricità misurata del Paese, contro il 5% del 2015, superando i consumi di tutte le famiglie urbane messe insieme: il gestore della rete nazionale EirGrid ha sospeso fino al 2028 le nuove autorizzazioni di allacciamento nell’area di Dublino. A Querétaro, in Messico, l’espansione delle infrastrutture di calcolo attinge alle riserve idriche nel mezzo di siccità prolungate, mentre in Uruguay il progetto di un data center ad alto consumo d’acqua ha coinciso con la siccità che nel 2023 ha reso non potabile l’acqua del rubinetto a Montevideo. L’asimmetria è anche geopolitica: solo 32 Paesi, appena il 16% delle nazioni del mondo, ospitano data center specializzati per l’intelligenza artificiale, e oltre il 90% di queste strutture è concentrato in due soli Stati, Usa e Cina, mentre più di 150 Paesi non hanno alcuna infrastruttura di calcolo propria. Molti di questi ultimi, però, i costi li pagano comunque: dall’estrazione dei minerali critici fino ai rifiuti elettronici, che secondo il report raggiungeranno i 2,5 milioni di tonnellate l’anno entro il 2030.
Il lavoro invisibile dietro gli algoritmi
La stessa geografia asimmetrica vale per il lavoro umano che rende possibile l’intelligenza artificiale. Già nel 2021 il celebre studio sui “pappagalli stocastici” — l’espressione con cui le autrici descrivevano modelli capaci di ricombinare il linguaggio senza comprenderlo — avvertiva che i costi dei grandi modelli linguistici, ambientali e sociali, ricadono per primi sulle comunità più fragili. In che modo? Attraverso il lavoro, spesso privo di tutele, che addestra i sistemi che usiamo ogni giorno.
Perché un algoritmo impari a riconoscere un semaforo in una fotografia, infatti, occorre che qualcuno gliene abbia mostrati migliaia, indicandoli uno per uno. Questa è l’etichettatura dei dati, in inglese labeling: il gesto ripetitivo con cui una persona in carne e ossa scrive che cosa contiene un’immagine, verifica la trascrizione di un audio o stabilisce se un video vada rimosso perché violento. Sono le operazioni su cui si regge l’apprendimento delle macchine, e nello stesso 2021 l’Organizzazione internazionale del lavoro le descriveva come compiti affidati a lavoratori “invisibili”. Invisibili due volte. Perché si tende a credere che a svolgere questi compiti sia l’intelligenza artificiale stessa, e perché i contratti che li regolano quasi mai riconoscono un rapporto di lavoro dipendente, lasciando fuori dalle tutele ordinarie chi li firma. Sulle piattaforme di microlavoro che distribuiscono gli incarichi, rileva l’indagine dell’Ilo su circa 12mila lavoratori in cento Paesi, la retribuzione media si ferma a 3,3 dollari l’ora e la maggioranza non ha alcuna copertura previdenziale.
Qualcosa, però, si muove là dove questo lavoro si concentra. Il Kenya è diventato un hub globale dell’annotazione dei dati e della moderazione dei contenuti, e il suo Ministero per l’informazione, le comunicazioni e l’economia digitale ha messo in consultazione pubblica, una bozza di politica nazionale sull’intelligenza artificiale che introduce standard retributivi trasparenti per la filiera, tutele contro l’esposizione a contenuti dannosi, accesso al supporto psicologico e meccanismi di reclamo accessibili. Sarebbe uno dei primi quadri di tutela al mondo pensato specificamente per chi lavora dietro gli algoritmi di addestramento dell’AI.
Il costo ambientale dell’AI: la risposta di Etica Sgr tra selezione e stewardship
La prima risposta di Etica Sgr ai rischi ambientali, anche in ambito intelligenza artificiale, è nella selezione dei titoli. Con la metodologia proprietaria ESG EticApproach®, ogni emittente che entra nell’Universo Investibile dei fondi è sottoposto a un doppio screening: criteri negativi che escludono a monte determinati settori o attività, e criteri positivi costruiti su centinaia di indicatori ambientali, sociali e di governance. La metodologia dei fondi del Sistema Etica utilizza indicatori dedicati, ad esempio, al consumo energetico e alla percentuale di energia rinnovabile utilizzata dalle infrastrutture. Sul fronte idrico — che il report ONU indica come uno degli aspetti più trascurati dell’impatto dell’AI — l’analisi ESG considera come ciascuna azienda gestisce l’approvvigionamento, i consumi, l’efficienza e le eventuali controversie legate alle risorse idriche, insieme agli obiettivi di riduzione dell’uso di acqua dolce e ai piani d’azione per raggiungerli. Per quanto riguarda suolo, la metodologia di Etica Sgr esclude gli emittenti coinvolti in gravi controversie relative alla biodiversità o all’inquinamento del suolo e delle risorse idriche.
Per Etica Sgr, tuttavia, la gestione dei rischi e degli impatti dell’intelligenza artificiale non si esaurisce nella selezione dei titoli. Si tratta anche di un tema di stewardship, tanto dal punto di vista ambientale quanto da quello sociale ed etico.
L’impatto ambientale dell’AI rappresenta un tema di engagement di crescente importanza. Nel 2026 Etica Sgr ha intensificato il confronto con le aziende maggiormente esposte allo sviluppo di intelligenza artificiale e infrastrutture digitali, sollecitando maggiore trasparenza, obiettivi misurabili e strategie credibili in materia di approvvigionamento da fonti rinnovabili, efficienza energetica e idrica dei data center, gestione dei rischi legati allo stress idrico e tutela della biodiversità. L’attività di stewardship consente di estendere l’analisi ESG oltre la fase di selezione, accompagnando le imprese nel miglioramento delle proprie pratiche ambientali. Al centro del dialogo con le imprese ci sono i tre ambiti evidenziati dal report ONU: energia, acqua e suolo, e le loro ricadute sulle comunità locali (ad esempio, la domanda di elettricità di un data center può far salire il costo dell’energia per il territorio circostante, sottrarre risorse ad altri usi e rendere più instabile la rete). L’attenzione si concentra su obiettivi misurabili: riduzione dei consumi, miglioramento dell’efficienza produttiva e gestione più sostenibile delle risorse lungo l’intera filiera. Per Etica Sgr, inserire nei programmi di sviluppo aziendale obiettivi di controllo dei consumi energetici e idrici è un dovere, oltre che un contributo concreto allo sviluppo sostenibile.
Sul piano etico e dei diritti umani, nel 2024 Etica Sgr ha aderito alla Collective Impact Coalition (CIC) for Ethical Artificial Intelligence, promossa dalla World Benchmarking Alliance, sottoscrivendo l’Investor Statement sull’intelligenza artificiale etica. La Coalizione sollecita le aziende a rendere pubblici i principi etici che guidano lo sviluppo e l’utilizzo di tecnologie AI, a rafforzare i sistemi di governance e supervisione lungo l’intera catena del valore, e ad adottare processi di valutazione degli impatti con particolare attenzione alla tutela dei diritti umani.
Per Etica, la questione non è se l’intelligenza artificiale continuerà a crescere, ma come. governance, trasparenza e gestione degli impatti ambientali e sociali saranno elementi sempre più decisivi per orientarne lo sviluppo.
Questa è una comunicazione di marketing. I dati e le informazioni contenute nella presente comunicazione sono forniti esclusivamente a scopo informativo e non costituiscono raccomandazioni di investimento. La presente comunicazione non è e non può essere considerata come documento informativo necessario ai sensi della normativa vigente e il suo contenuto non è sufficiente a fondare una decisione di investimento. La presente comunicazione non tiene in alcun modo in considerazione le caratteristiche di qualsiasi soggetto che dovesse venirne a conoscenza, in particolare, non tiene conto di obiettivi di investimento, conoscenza ed esperienza in materia di investimenti, propensione al rischio e/o qualsiasi altra caratteristica, ivi incluso il regime fiscale applicabile. I rendimenti passati non sono indicativi di quelli futuri e l’investimento in fondi è soggetto ai rischi relativi ai sottostanti che influenzano l’andamento del valore delle relative partecipazioni. Etica SGR non offre alcuna garanzia di rendimento e non assicura il rimborso del capitale investito. La SGR declina qualsiasi responsabilità per eventuali perdite che potrebbero derivare dall’utilizzo delle informazioni fornite nella presente comunicazione. Al fine di adottare una scelta di investimento consapevole, prima di prendere una decisione finale di investimento, è necessario consultare il documento contenente le informazioni chiave per gli investitori (KID) e il Prospetto informativo dei fondi sul sito www.eticasgr.com.
