Oltre la narrativa del Green Deal
Il gesto è diventato quasi automatico: un click sul tasto “Invio” e, in pochi secondi, un’intelligenza artificiale generativa produce un saggio, un’immagine o un video.
È il trionfo dell’immateriale, la smaterializzazione del lavoro che sembra non gravare sul mondo fisico. Eppure, ogni volta che interroghiamo un Large Language Model (LLM), muoviamo una complessa catena di silicio e rame che consuma energia in modo vorace e rilascia nell’atmosfera una quantità di gas serra che non può più essere ignorata.
Mentre l’Europa impone calendari serrati per la transizione energetica delle abitazioni, un paradosso si consuma nei server farm: la rivoluzione digitale, spesso presentata come “pulita”, sta spingendo la domanda di elettricità a livelli che rischiano di rendere inarrivabili, e alquanto ridicoli, gli obiettivi di decarbonizzazione.
La fisica dietro il bit: comparazioni reali
Per comprendere la portata del fenomeno, dobbiamo tradurre i “bit” in unità di misura comprensibili ai più.
Confrontando l’uso dell’IA con i consumi domestici tradizionali, i numeri rivelano una realtà sorprendente:
• La lampadina LED (10W): consuma 0,01 kWh ogni ora. Produce circa 2,5g di CO2 (stima su mix energetico medio).
• La lampadina incandescente (60W): consuma 0,06 kWh ogni ora, emettendo circa 15g di CO2.
• Query IA di testo: generare una risposta complessa consuma mediamente 0,003 kWh. Significa che circa 3 prompt equivalgono a un’ora di luce LED.
• Generazione di immagini (modelli potenti): qui il consumo sale a 0,05 kWh per singola generazione. Creare un’immagine con l’IA richiede la stessa energia necessaria per ricaricare completamente uno smartphone per tre volte o per tenere accesa una lampadina LED per 5 ore.
Se moltiplichiamo queste cifre per i miliardi di richieste inviate ogni giorno, appare chiaro che l’IA non è un’impalpabile, inconsistente “nuvola”, ma “elettricità solida” estratta da reti che dipendono ancora pesantemente dai combustibili fossili.
La narrativa del Green Deal e il fondamentalismo ecologico
Il Green Deal europeo poggia su una narrazione che vede la tecnologia come il risolutore definitivo. Si postula che l’elettrificazione totale risolverà la crisi climatica.
Tuttavia, questa visione soffre di un approccio spesso dogmatico, che ignora il “Paradosso di Jevons”: l’aumento dell’efficienza di una risorsa non porta a una diminuzione del consumo bensì a un uso più massiccio.
Il sostenitore oltranzista del Green Deal tende a colpevolizzare il consumo individuale domestico (la caldaia, l’auto vecchia, gli infissi storici), ma tace sull’impatto della nuova infrastruttura digitale globale.
1. L’illusione della neutralità climatica
Si punta il dito contro il cittadino, ma si ignora che i data center mondiali hanno consumato circa 460 TWh nel 2022. L’Agenzia Internazionale dell’Energia (IEA) prevede che questa cifra raddoppierà entro il 2026, raggiungendo i 1.000 TWh, pari al consumo totale del Giappone.
La transizione è presentata come un percorso lineare verso il “net-zero”, ma la realtà mostra una fame di energia che le fonti rinnovabili, intermittenti per natura, non possono soddisfare senza il supporto di carichi di base costanti (gas o nucleare).
2. Il costo dell’addestramento
Se l’uso quotidiano è energivoro, l’addestramento dei modelli è titanico. Addestrare GPT-3 ha emesso oltre 500 tonnellate di CO2, pari alle emissioni di 120 auto a benzina guidate ininterrottamente per un anno. Nonostante ciò, la digitalizzazione viene venduta mediaticamente come intrinsecamente “verde”.
Pensiero critico contro narrazione mainstream
Sia chiaro: l’IA non è il “nemico”, ma uno strumento che va compreso. Esiste, però, una palese asimmetria informativa. La comunicazione perpetrata dai media tende a polarizzare il dibattito: da una parte i negazionisti, dall’altra i fedeli acritici della transizione. Questa dicotomia è letale per l’analisi oggettiva.
Essere consapevoli significa capire che ogni azione digitale ha un’impronta ecologica.
• Documentarsi: un data center alimentato a carbone in Mongolia certamente non è meno inquinante di una vecchia stufa di un appartamento dell’hinterland milanese.
• Uso consapevole: l’IA è straordinaria per la ricerca medica o l’ottimizzazione climatica, ma il suo uso ludico e massivo (generare centinaia di varianti di un gatto spaziale) ha un costo ambientale reale che nessuno ci presenta nella nostra bolletta mensile.
Documentarsi è un dovere
L’invito alla consapevolezza non è un richiamo nostalgico ad una qualche forma di neoluddismo. È imperativo che il cittadino sviluppi un pensiero critico che vada oltre lo slogan.
Non è coerente cambiare le lampadine di casa se poi si ignora l’impatto di un sistema economico che richiede una crescita infinita di calcolo in un pianeta dalle risorse limitate.
La vera sostenibilità risiede nel dubbio e nella comprensione, fra l’altro, che la “nuvola” è fatta di silicio, cemento, milioni di litri d’acqua per il raffreddamento e necessita di gigawatt di energia.
È bene realizzare al più presto che non esiste “energia pulita” a costo zero. Sebbene l’IA possa ottimizzare le rotte dei trasporti o ridurre gli sprechi industriali, il suo costo intrinseco di produzione e mantenimento è una variabile che la narrazione politica del Green Deal tende a sottostimare per non frenare la competitività tecnologica.
La consapevolezza del cittadino deve passare da qui: sapere che ogni video generato per noia o per vanità, ogni prompt ridondante contribuisce ad ingrassare una bolletta climatica globale che non viene pagata dai colossi del tech, ma dalla collettività in termini di reali obiettivi climatici mancati.
Essere consapevoli non significa rifiutare l’intelligenza artificiale o tornare alle candele. Significa comprendere che ogni azione digitale ha un’impronta ecologica reale.
Prima di credere ciecamente a ciò che viene raccontato, fermiamoci a riflettere: ogni clic ha un peso. La luce che spegniamo in casa è solo una parte della storia; l’altra è scritta in server farm che non dormono mai, consumando il futuro per generare il presente.
Fonti
• International Energy Agency (IEA) (2024): Electricity 2024. Analysis and forecast to 2026.
• Luccioni, A. S. (2023): Power hungry processing: Watts driving the cost of AI determinations?
• Strubell, E. (2019): Energy and Policy Considerations for Deep Learning in NLP. Università del Massachusetts Amherst.
• Google Environmental Report (2024).
• Dhar, P. (2020): The carbon footprint of artificial intelligence. Pubblicato su Nature Machine Intelligence.
• Parlamento Europeo – Servizio Ricerca (EPRS) (2021): The European Green Deal.
Autore
-
Mariarosaria Murmura abita comunicazione e formazione come ponti verso l'essenziale, promuovendo una consapevolezza che attinge alle radici dell'umano. Autore di narrativa e saggi, dedica la sua ricerca alle Tradizioni e alle Vie iniziatiche, temi che approfondisce in seminari e conferenze.
