All’interno dei più recenti data center del mondo, calcoli ad alto consumo energetico procedono 24 ore su 24, mentre chatbot e altri strumenti di intelligenza artificiale generativa svolgono compiti che spaziano dal frivolo al complesso: assemblare immagini per i social media, offrire consigli sulle relazioni, analizzare immagini mediche per diagnosticare il cancro, creare codice per gli sviluppatori o individuare frodi finanziarie per le banche.
Parallelamente all’impennata di popolarità degli strumenti di intelligenza artificiale negli ultimi anni, sono cresciuti anche i relativi costi ambientali. Secondo l’Agenzia internazionale dell’energia, i data center consumano attualmente 414 terawattora all’anno, pari a circa l’1,5% del consumo globale di elettricità: una quantità cresciuta del 12% all’anno per cinque anni, prima di aumentare del 17% nel 2025. Entro il 2030, l’Agenzia prevede che la domanda di elettricità dei data center sarà più che doppia rispetto a quella attuale. Gran parte di questa crescente domanda viene soddisfatta attraverso i combustibili fossili, mentre gli esperti esprimono preoccupazione anche per l’impiego delle risorse idriche locali necessarie a raffreddare i data center nelle regioni colpite dalla siccità.
L’utilizzo dell’intelligenza artificiale per generare testi o immagini rappresenta probabilmente soltanto una frazione minima dell’impronta ambientale complessiva di una persona. Gli esperti sottolineano inoltre che spetta alle aziende tecnologiche ridurre il consumo di risorse dell’IA, creando algoritmi più intelligenti ed efficienti dal punto di vista energetico e sviluppando hardware più performante. Tuttavia, esistono semplici azioni che le persone possono intraprendere per garantire che il loro utilizzo dell’IA abbia il minore impatto ambientale possibile: dalla valutazione attenta dei casi in cui l’IA è realmente necessaria alla formulazione di richieste capaci di ridurre al minimo la quantità di calcolo richiesta. «Le scelte individuali non sono prive di significato e alcune sono più influenti di quanto si pensi», afferma Ivana Drobnjak, informatica dell’University College London.
Robot assetati di energia
È notoriamente difficile stimare l’energia impiegata per elaborare una singola richiesta rivolta a un chatbot. Google, per esempio, stima che Gemini consumi circa 0,24 wattora per rispondere a una richiesta di testo di lunghezza media, l’equivalente dell’elettricità necessaria per guardare la televisione per meno di nove secondi. Ogni risposta utilizza inoltre circa 0,26 millilitri d’acqua ed emette l’equivalente di 0,03 grammi di anidride carbonica. Per fare un confronto, percorrere un miglio con un’automobile a benzina produce circa 400 grammi di CO₂. Sebbene presi singolarmente questi consumi siano molto piccoli, il loro impatto si accumula nel caso di persone e aziende che utilizzano frequentemente gli strumenti di intelligenza artificiale.
Il motivo per cui i modelli di intelligenza artificiale consumano tanta energia risiede in parte nei processori che li alimentano, come le unità di elaborazione grafica, o GPU, che consumano molta più energia rispetto alle unità centrali di elaborazione, o CPU, impiegate per attività più semplici come le ricerche sul web e la posta elettronica. Il consumo dipende anche dai modelli alla base degli strumenti di intelligenza artificiale generativa più diffusi, compresi i grandi modelli linguistici, o LLM, che alimentano chatbot e assistenti virtuali.
Questi modelli si basano su un particolare schema di progettazione chiamato architettura transformer. Questa architettura consente ai grandi modelli linguistici di addestrarsi su enormi quantità di testo, riconoscendone gli schemi linguistici e calcolando centinaia di miliardi, o persino migliaia di miliardi, di parametri. Questi parametri vengono poi utilizzati per generare nuove sequenze di testo, prevedendo quali parole abbiano maggiori probabilità di seguirne altre.
Un grande modello linguistico basato sull’architettura transformer richiede un’enorme capacità di calcolo perché, per ogni nuova parola generata in risposta alla richiesta di un utente, elabora nuovamente la richiesta e tutte le parole prodotte fino a quel momento, eseguendo ogni volta miliardi di calcoli.
Le aziende tecnologiche sottolineano come i grandi modelli linguistici siano diventati nel tempo più efficienti dal punto di vista energetico. Secondo i calcoli pubblicati da Google nel 2025, i 0,24 wattora consumati da Gemini per una richiesta di testo di lunghezza media rappresentano una riduzione di 33 volte rispetto al consumo energetico del modello dell’anno precedente.
Anche piccole quantità di energia, però, si accumulano rapidamente, considerando la diffusione dell’intelligenza artificiale. Sulla base dei dati forniti da OpenAI nel 2025, Drobnjak ha stimato che a maggio ChatGPT ricevesse circa 3,2 miliardi di richieste al giorno. Gli utenti chiedono agli strumenti di IA di elaborare e produrre enormi quantità di testi, immagini e video. Alcuni intrattengono lunghe conversazioni con i chatbot. Sempre più persone, inoltre, creano propri “agenti IA” che inviano a loro volta richieste ai chatbot.
Che cosa possono fare, dunque, gli utenti per ridurre al minimo le risorse impiegate nell’utilizzo dell’intelligenza artificiale? Gli esperti offrono alcuni suggerimenti.
Non rinunciare alla ricerca
Come prima e semplice misura per risparmiare energia, gli utenti dovrebbero valutare attentamente se abbiano davvero bisogno dell’intelligenza artificiale per una determinata attività. «Chiedere a ChatGPT “Che cosa dovrei indossare oggi?” oppure “Com’è il tempo?” è come prendere il Concorde per andare al supermercato», afferma Günter Klambauer, esperto di intelligenza artificiale presso l’Università Johannes Kepler in Austria. Lo stesso vale per i motori di ricerca che utilizzano l’intelligenza artificiale per generare automaticamente una risposta insieme ai risultati effettivi, come le panoramiche IA di Google o la ricerca Copilot di Bing. «Se si sta cercando soltanto un articolo specifico, disattivare questa funzione potrebbe consentire un notevole risparmio energetico», afferma Udit Gupta, esperto di ingegneria elettrica e informatica presso il Cornell Tech di New York. Selezionare l’opzione “Solo risultati web” oppure includere “-ai” nella ricerca può essere sufficiente.
I modelli più piccoli consumano meno energia
Le persone e le aziende che utilizzano frequentemente strumenti di intelligenza artificiale per attività specifiche, come la traduzione o la sintesi, potrebbero valutare il passaggio a modelli linguistici più piccoli e specializzati. Poiché questi modelli vengono addestrati in modo più mirato ed eseguono un numero inferiore di calcoli, consumano meno energia rispetto ai grandi modelli linguistici generalisti pur riuscendo a svolgere le medesime attività.
In uno studio del 2025 pubblicato dall’UNESCO, Drobnjak ha esaminato i vantaggi dell’utilizzo di modelli di piccole dimensioni, come opus-mt-en-es per le traduzioni dall’inglese allo spagnolo e altri modelli dedicati alla sintesi e alla risposta alle domande, utilizzandoli al posto di Llama 3.1, sviluppato da Meta. Sebbene questi modelli più piccoli siano spesso meno intuitivi rispetto agli strumenti di intelligenza artificiale più diffusi, sono disponibili gratuitamente sulla piattaforma Hugging Face. Lo studio ha rilevato che consumavano da 15 a 50 volte meno energia, producendo al tempo stesso risultati di qualità superiore nei compiti per i quali erano stati progettati.
L’abbandono dei modelli più grandi in favore di modelli più piccoli e specializzati ha determinato una riduzione complessiva del consumo energetico del 90%, risultando la strategia di risparmio energetico più efficace tra quelle testate da Drobnjak. Come afferma Gupta, «Non serve un modello con mille miliardi di parametri per modificare un’e-mail».
Chatbot meno loquaci
Poiché i modelli linguistici eseguono moltissimi calcoli per ogni parola che producono, è utile scegliere modelli capaci di generare meno testo. Mosharaf Chowdhury, esperto di sistemi di intelligenza artificiale presso l’Università del Michigan, che ha misurato il consumo di elettricità dei grandi modelli linguistici disponibili pubblicamente, ha scoperto che i modelli per loro natura più “loquaci” tendono a consumare più energia.
Una versione di Qwen, il modello sviluppato dalla società cinese Alibaba Cloud, consuma per esempio molta più energia quando opera in modalità di ragionamento per la risoluzione dei problemi, producendo circa dieci volte più parole rispetto alla normale modalità di conversazione. Alcuni esperti raccomandano quindi di utilizzare la modalità di ragionamento soltanto per le domande complesse e di ricorrere negli altri casi alla modalità standard del chatbot.
Anche il semplice fatto di chiedere ai chatbot di “essere brevi” o di imporre un limite di parole può far risparmiare energia. Nello studio pubblicato dall’UNESCO, Drobnjak e i suoi colleghi hanno scoperto di poter ridurre del 50% il consumo energetico di Llama chiedendo al modello di dimezzare la lunghezza della risposta. Al contrario, mantenere breve la richiesta iniziale ha prodotto un risparmio meno significativo: soltanto il 5% utilizzando un messaggio lungo la metà di quello originale.
«La lunghezza della risposta è il fattore che determina e influenza maggiormente il consumo energetico», afferma Drobnjak. La ricercatrice ha collaborato con la città di San Francisco per sviluppare suggerimenti per il risparmio energetico destinati agli utenti dell’intelligenza artificiale, tra cui formulare richieste il più possibile specifiche e aggiungere istruzioni come “massimo cinque punti elenco”.
Raccomandazioni simili valgono per la generazione di immagini e video, che può consumare diversi ordini di grandezza più energia rispetto alla produzione di testo. Queste operazioni richiedono infatti di elaborare ripetutamente milioni di pixel, processando ogni volta l’intera immagine da capo, spiega Drobnjak. Si tratta inoltre di strumenti molto diffusi: quasi il 40% degli adolescenti tra i 13 e i 17 anni intervistati in un recente studio del Pew Research Center utilizza l’intelligenza artificiale per creare o modificare immagini e video.
Drobnjak consiglia di generare immagini o video soltanto quando necessario e alla risoluzione effettivamente richiesta. «Un’opzione consiste nel cominciare a bassa risoluzione», afferma, «e, se l’algoritmo procede nella direzione giusta, aumentarla gradualmente». La ricercatrice sottolinea inoltre che modificare immagini esistenti richiede sempre una potenza di calcolo inferiore rispetto alla generazione di nuove immagini da zero. Quando si devono generare più immagini, è preferibile farlo in un’unica sessione o in un unico lotto, perché risulta più efficiente rispetto all’invio di numerose richieste separate.
Queste azioni possono sembrare una goccia nell’oceano e, sotto molti aspetti, lo sono, affermano gli esperti. Ma anche le piccole cose, sommate, fanno la differenza. In attesa che aziende tecnologiche, scienziati e decisori politici trovino il modo di ridurre l’impatto ambientale complessivo dell’intelligenza artificiale, il singolo individuo che sa scegliere lo strumento giusto può fare davvero la differenza», afferma Drobnjak. «L’IA consuma così tanta energia che dobbiamo analizzare il problema da ogni angolazione».
Questo articolo è apparso originariamente su Knowable Magazine , una pubblicazione senza scopo di lucro dedicata a rendere la conoscenza scientifica accessibile a tutti.
