L’impronta invisibile dell’intelligenza artificiale

Il 5 giugno 2026 la United Nations University, per il tramite del suo Istituto per l’acqua, l’ambiente e la salute (UNU-INWEH) – il «think tank dell’ONU sull’acqua», ha pubblicato il rapporto Environmental Cost of AI’s Energy Use. Carbon, Water and Land Footprints, ossia «Costo ambientale del consumo energetico dell’IA: impronte di carbonio, acqua e suolo»: una delle più complete valutazioni sinora disponibili dell’impatto ambientale dell’intelligenza artificiale . Il rapporto ha un merito di metodo che va sottolineato: supera la lente esclusivamente «carbonica» che domina il dibattito, misurando accanto alle emissioni anche le impronte idrica e di suolo, e mostrando che «a basso carbonio» non significa automaticamente «a basso consumo d’acqua». La sua tesi di fondo è semplice: l’intelligenza artificiale non è soltanto codice, ma anche cemento, rame, silicio, litio, acqua, suolo e carbonio. Dietro l’apparente immaterialità di ogni conversazione con un chatbot vi è una rete fisica di data center, reti di trasmissione e catene di fornitura che consuma risorse scarse, e le consuma in luoghi determinati, spesso lontani da coloro che ne raccolgono i benefici.

I dati più appariscenti riguardano anzitutto il consumo elettrico. Nel 2025 i data center mondiali hanno consumato, secondo le stime del rapporto, 448 TWh di elettricità: se fossero un Paese, si collocherebbero all’undicesimo posto al mondo, subito dietro la Francia e davanti all’Arabia Saudita. Secondo le traiettorie attuali, la domanda potrebbe quasi raddoppiare entro il 2030, superando i 945 TWh: quasi il 3% dell’elettricità globale prevista, il triplo del consumo combinato di Pakistan, Bangladesh e Nigeria, che insieme contano oltre 650 milioni di abitanti.

All’interno di questo aggregato, la quota imputabile ai soli carichi di lavoro dell’intelligenza artificiale è stimata intorno al 20% nel 2025 ed è destinata, secondo le proiezioni, a salire al 40% entro il 2030: a quel punto la sola IA assorbirebbe oltre nove volte il consumo elettrico della Nigeria, sesto Paese al mondo per popolazione, ossia quanto basterebbe a coprire per più di due anni il fabbisogno elettrico residenziale dell’intero miliardo e trecento milioni di abitanti dell’Africa subsahariana .

Impressiona anche il costo della costruzione dei modelli: l’addestramento di GPT-4 avrebbe richiesto tra 50 e 70 GWh in cento giorni, da quaranta a cinquantacinque volte più del suo predecessore GPT-3; per i modelli di generazione successiva il rapporto stima un fabbisogno nell’ordine dei 100 GWh, pari al consumo elettrico residenziale annuo di circa 770.000 persone nell’Africa subsahariana.

Ma l’addestramento, avverte il Rapporto, è soltanto la punta dell’iceberg: l’80-90% del consumo energetico dell’IA deriva dalla fase di inferenza, cioè dal funzionamento quotidiano dei modelli. ChatGPT elabora da solo circa 2,5 miliardi di richieste al giorno; anche assumendo un valore prudenziale di 0,42 wattora per singola richiesta testuale, ne risultano circa 383 GWh all’anno, sufficienti al fabbisogno elettrico domestico annuo di quasi tre milioni di persone nell’Africa subsahariana . È la moltiplicazione dell’infinitamente piccolo per l’infinitamente numeroso: costi unitari trascurabili che, su scala planetaria, divengono carichi infrastrutturali.

Ancora più eloquente è l’impronta idrica, alla quale l’Istituto dedica un’attenzione che la discussione pubblica ha finora omesso. L’elettricità consumata dai data center nel 2025 ha comportato un’impronta idrica di 4,5 trilioni di litri d’acqua: quanto basterebbe a riempire 1,8 milioni di piscine olimpioniche, o a soddisfare il fabbisogno minimo annuo di acqua domestica di oltre 600 milioni di persone nell’Africa subsahariana. Al 2030, l’impronta idrica associata al consumo elettrico previsto dei data center salirebbe a 9,3 trilioni di litri: l’equivalente del fabbisogno idrico annuo di base dell’intera popolazione subsahariana, 1,3 miliardi di persone.

Il rapporto scende poi alla scala del gesto quotidiano, ed è forse qui che i numeri parlano con maggiore forza. L’addestramento di GPT-4 ha assorbito circa 600 milioni di litri d’acqua, pari a 237 piscine olimpioniche. La generazione di una singola immagine con l’IA comporta un’impronta idrica di circa 29 millilitri – due cucchiai – ma quella di un video complesso sale a 4,1 litri, quasi il fabbisogno di acqua potabile di una persona per due giorni; un singolo breve video generato dall’IA può consumare tanta elettricità quanto 200.000 classificazioni antispam. E i prelievi non sono distribuiti uniformemente: il data center di Google a Mesa, in Arizona, dispone di un’autorizzazione a utilizzare 5,5 milioni di metri cubi d’acqua all’anno – circa 2.200 piscine olimpioniche – in una regione già segnata dallo stress idrico; e l’Irlanda, dove i data center sono passati dal 5% al 21% del consumo elettrico nazionale in meno di un decennio, ha dovuto sospendere fino al 2028 le nuove connessioni nella regione di Dublino.

Tre considerazioni, dal punto di vista di chi ha a cuore il diritto civile e la tutela delle persone, mi paiono imporsi.

La prima riguarda l’illusione dell’efficienza. Il rapporto dedica un riquadro al paradosso di Jevons: i guadagni di efficienza, riducendo i costi, tendono ad accrescere – non a ridurre – il consumo complessivo di risorse. È un ammonimento che il giurista conosce bene sotto altro nome: nessun progresso tecnico si autoregola. Confidare che l’innovazione risolva da sé i problemi che genera significa abdicare alla funzione propria del diritto, che è porre misura e imputare conseguenze. Servono, come il rapporto stesso indica, presidi di governance dal lato della domanda – «budget di risorse» misurati in token, ore-GPU o chilowattora – e non soltanto ottimizzazioni dal lato dell’offerta.

La seconda riguarda la trasparenza. Il rapporto osserva che solo poche schede dei modelli forniscono i dati necessari a stimarne l’impronta energetica e idrica, e che utenti e istituzioni non dispongono oggi delle informazioni necessarie a decisioni ambientalmente informate: la trasparenza è definita testualmente «prerequisito dell’uso responsabile dell’IA» . È una conclusione che converge con quanto andiamo sostenendo da tempo: la trasparenza dei sistemi di intelligenza artificiale – che la legge n. 132 del 2025 ha posto tra i propri principi – non è mera comunicazione, ma condizione di controllabilità e, dunque, di contestabilità. Ciò vale per le decisioni algoritmiche che incidono sui diritti come per le impronte ambientali: senza una rendicontazione standardizzata, verificabile e comparabile – che il rapporto invoca come primo dovere di governi e sviluppatori – non vi è scrutinio pubblico, non vi è concorrenza virtuosa, e non vi è, ciò che più conta per il civilista, possibilità di allegare e provare il danno, presupposto di ogni responsabilità.

La terza riguarda la giustizia distributiva, che il rapporto compendia in una formula efficace: costi locali, benefici distanti. I Paesi e le comunità che ospitano le infrastrutture di calcolo sopportano oneri ambientali concentrati – stress idrico, pressione sul suolo, emissioni – mentre i vantaggi strategici dell’IA fluiscono altrove.

Al 2025 soltanto 32 Paesi ospitavano data center specializzati per l’IA, e oltre il 90% di quella capacità era concentrato in due soli Stati. L’acqua consumata per generare una risposta prolissa o un video ad alta fedeltà è acqua che può mancare a chi non dispone né di elettricità affidabile né di acqua pulita. Non è retorica: è la fotografia di un’esternalità globale che il diritto – attraverso responsabilità lungo il ciclo di vita, valutazioni di impatto, obblighi di consultazione delle comunità interessate e, direi, adeguati presidi assicurativi – è chiamato a internalizzare.

Come sempre, di fronte all’intelligenza artificiale, si fronteggiano apocalittici e integrati: chi vorrebbe fermare la macchina e chi ne celebra acriticamente le magnifiche sorti. Il rapporto delle Nazioni Unite indica una terza via, che è poi la via del diritto e della ragione pratica: riconoscere le sfide, vi si legge, non equivale a rifiutare il progresso, ma è la precondizione di decisioni sagge.

I sei principi che il rapporto propone – trasparenza, efficienza fin dalla progettazione, equità e giustizia ambientale, responsabilità lungo il ciclo di vita, cooperazione globale, uso sostenibile – disegnano un’etica della misura che l’ordinamento può e deve tradurre in regole.

Vi è infine una responsabilità che riguarda ciascuno di noi, avvocati compresi, quali utenti di questi strumenti: il rapporto la chiama uso «adatto allo scopo» – scegliere il modello più leggero e il formato meno energivoro sufficiente al compito, riservando le funzioni ad alto costo ai casi in cui servono davvero. È una sobrietà digitale che non è pauperismo tecnologico, ma esercizio di quella prudenza che dovrebbe presiedere a ogni uso della tecnica: la consapevolezza che la potenza senza misura non è progresso, e che la custodia delle risorse comuni – l’acqua anzitutto, che di questo rapporto è la protagonista silenziosa – è parte integrante di qualunque umanesimo degno di questo nome.

Il rapporto si chiude con una formula che merita di essere fatta propria: l’IA responsabile è possibile quando capacità e custodia crescono insieme, entro i limiti del pianeta.

La professione forense, che della misura ha fatto la propria arte, ha titolo per contribuire a questo cammino: pretendendo trasparenza verificabile, promuovendo regole di responsabilità effettive e ricordando, contro ogni riduzione della ragione a puro strumento, che anche l’intelligenza artificiale deve rendere conto – al diritto, e al mondo che consuma.

__________

*Avv. Alberto Del Noce, Presidente dell’Unione Nazionale Camere Civili