IA e sostenibilità:
come trasformare l’intelligenza artificiale
da problema a leva per le imprese
L’intelligenza artificiale può aumentare consumi energetici, emissioni e pressione sulle infrastrutture digitali. Ma può anche rendere più efficienti processi, risorse e decisioni. La vera sfida per le aziende non è scegliere tra innovazione e sostenibilità: è imparare a progettare e utilizzare l’IA misurandone il valore e il costo ambientale. Ed è qui che può entrare in gioco un nuovo approccio alla trasformazione digitale.
Nel 2024 il dibattito era ancora concentrato soprattutto sulle potenzialità della tecnologia e sulle sue possibili conseguenze. Oggi, nel 2026, l’adozione dell’AI è diventata molto più concreta: modelli generativi, agenti, sistemi di automazione e strumenti di analisi vengono integrati quotidianamente nei processi aziendali.
Questo salto di scala rende però più urgente una domanda: quanto costa, in termini ambientali, utilizzare l’intelligenza artificiale?
E, soprattutto, una seconda domanda: il beneficio prodotto dall’AI è sufficientemente grande da giustificarne l’impatto?
È questo il punto in cui il concetto di sostenibilità dell’intelligenza artificiale deve evolvere, cioè capire quando l’AI produce effettivamente un beneficio ambientale, economico o sociale superiore alle risorse che richiede.
Il costo energetico dell’intelligenza artificiale cresce
L’AI non esiste nel vuoto, i modelli vengono addestrati ed eseguiti all’interno di data center che richiedono enormi quantità di elettricità.
Secondo l’International Energy Agency, nel 2024 i data center hanno consumato circa 415 TWh di elettricità, pari all’1,5% dei consumi elettrici globali. Nel suo scenario centrale, l’IEA prevede che il consumo elettrico dei data center possa raggiungere circa 945 TWh nel 2030, più che raddoppiando rispetto al 2024. L’AI è uno dei principali fattori di questa crescita.
La dinamica è ancora più significativa se si guarda ai sistemi AI più avanzati.
L’IEA rileva che nel 2025 il consumo elettrico dei data center è cresciuto del 17%, mentre quello dei data center focalizzati sull’AI è aumentato di circa il 50%. Allo stesso tempo, l’efficienza energetica delle singole operazioni AI sta migliorando rapidamente.
Questa apparente contraddizione è fondamentale.
L’AI può diventare contemporaneamente più efficiente e consumare più energia.
Il motivo è semplice: se il costo energetico di una singola operazione diminuisce, ma aumentano enormemente il numero di operazioni e la complessità dei modelli utilizzati, il consumo complessivo può comunque crescere.
La sostenibilità dell’AI, quindi, non può essere valutata guardando soltanto all’efficienza di un singolo modello, ma in relazione all’intero sistema.
Il problema non è soltanto l’elettricità
Il dibattito sull’impatto dell’intelligenza artificiale viene spesso ridotto alle emissioni di CO₂, ma ciò è riduttivo.
L’infrastruttura necessaria per l’AI, infatti, coinvolge anche acqua, semiconduttori, materie prime, infrastrutture fisiche, raffreddamento, reti elettriche e ciclo di vita dell’hardware.
Inoltre, gli impatti sono fortemente concentrati geograficamente.
L’IEA sottolinea che i data center rappresentano una quota relativamente contenuta della domanda elettrica globale, ma possono avere conseguenze molto più rilevanti sui sistemi energetici locali proprio perché sono concentrati in specifiche aree.
Questo significa che la domanda corretta non è soltanto:
“Quanta energia consuma l’AI?”
ma:
“Dove, come, perché e con quale beneficio viene consumata?”
Dall’AI che consuma all’AI che fa risparmiare
Ed è qui che emerge l’altra faccia della tecnologia.
La stessa AI che richiede potenza di calcolo può essere utilizzata per ridurre consumi e sprechi in altri processi.
L’IEA individua applicazioni dell’intelligenza artificiale nel settore energetico che possono migliorare l’efficienza, ridurre i costi, aumentare l’affidabilità degli impianti e contribuire alla riduzione delle emissioni. Tra gli esempi ci sono l’ottimizzazione delle reti elettriche, la previsione della produzione da fonti rinnovabili, il monitoraggio degli impianti e la ricerca di nuove tecnologie per lo stoccaggio dell’energia.
Lo stesso principio può essere applicato alle imprese.
L’AI può contribuire, ad esempio, a:
- ottimizzare consumi energetici e produzione;
- prevedere la domanda e ridurre sovrapproduzione e sprechi;
- ottimizzare la logistica;
- ridurre chilometri e tempi di trasporto;
- prevedere guasti e attivare manutenzione predittiva;
- migliorare l’utilizzo degli impianti;
- ridurre sprechi di materie prime;
- analizzare grandi quantità di dati ESG;
- individuare anomalie nei processi;
- migliorare la gestione degli edifici;
- ottimizzare climatizzazione e illuminazione;
- supportare decisioni legate alla gestione delle risorse.
In questi casi l’AI non è soltanto una tecnologia che ha un’impronta ambientale, ma diventa uno strumento per ridurre l’impronta ambientale dell’azienda.
Il nuovo principio: misurare il rapporto tra impatto e beneficio
Per le imprese questo porta a un cambio di paradigma.
Non ha molto senso chiedersi se utilizzare l’AI sia, in assoluto, “sostenibile” o “non sostenibile” ma è importante comprendere il rapporto tra risorse consumate e beneficio prodotto.
Un sistema AI che consuma energia ma permette di ridurre del 20% gli sprechi di una linea produttiva può avere un bilancio molto diverso da un sistema utilizzato per generare migliaia di contenuti senza un reale valore economico o ambientale.
La sostenibilità diventa quindi una questione di efficienza complessiva, ed è proprio verso questa direzione che anche il quadro europeo si sta muovendo.
L’Europa sta iniziando a chiedere maggiore trasparenza
La Commissione europea sta lavorando su metodologie per misurare consumo energetico ed emissioni dei modelli e dei sistemi AI. Nell’aprile 2026 ha inoltre avviato una consultazione specifica sull’energia e sulle emissioni dell’intelligenza artificiale, con l’obiettivo di contribuire a un quadro di misurazione e, potenzialmente, a un sistema di etichettatura energetica dell’AI.
Il quadro normativo europeo prevede inoltre obblighi di documentazione per i fornitori di modelli di AI general-purpose relativi al consumo energetico noto o stimato. La Commissione sta sviluppando metodologie più comparabili per queste misurazioni.
È un passaggio importante, perché significa che, progressivamente, il consumo di risorse dell’AI smetterà di essere una variabile completamente invisibile e, in funzione di ciò, le aziende dovranno imparare a governarla.
La vera sfida per le aziende: evitare l’AI “a consumo”
Molte aziende stanno introducendo l’intelligenza artificiale dal basso:
- Un dipendente utilizza un chatbot.
- Un altro genera immagini.
- Un reparto automatizza un’attività.
- Un altro acquista un servizio AI.
Il risultato può essere una proliferazione di strumenti non coordinati.
Questo modello presenta almeno tre problemi:
- Costi difficili da controllare
L’azienda non conosce necessariamente quanto sta spendendo complessivamente in servizi AI.
- Rischi di sicurezza e governance
Dati aziendali e informazioni riservate possono finire in sistemi diversi, con livelli di controllo differenti.
- Inefficienza
Non ogni attività richiede il modello più potente disponibile.
Utilizzare un modello estremamente complesso per un’attività semplice può significare consumare più risorse del necessario senza ottenere un beneficio proporzionato.
La sostenibilità dell’AI passa quindi anche dalla governance tecnologica.
Non tutto deve essere fatto con il modello più grande
Un principio semplice può cambiare radicalmente il modo in cui un’impresa utilizza l’AI:
usare il modello adeguato al problema, non il modello più potente disponibile.
Una classificazione semplice, un riassunto o un’attività ripetitiva potrebbero non richiedere lo stesso livello di capacità computazionale necessario per un sistema di ragionamento complesso o per la generazione video.
L’ottimizzazione può quindi avvenire a diversi livelli:
- scelta del modello;
- quantità di dati elaborati;
- frequenza delle richieste;
- lunghezza degli output;
- riutilizzo delle informazioni già elaborate;
- automazione dei processi;
- infrastruttura utilizzata;
- modalità di esecuzione;
- misurazione dei consumi.
Questa è una delle aree in cui l’efficienza AI diventa una competenza aziendale, non soltanto una questione tecnica.
Come Digiup può supportare questa transizione: dall’adozione dell’AI alla sua sostenibilità
L’obiettivo non dovrebbe essere semplicemente aiutare le aziende a “usare l’intelligenza artificiale” ma guidare le imprese a capire dove l’AI genera valore, dove genera spreco e come costruire un ecosistema AI più efficiente e responsabile.
Dalla digital transformation alla “AI sustainability transformation”
Per molti anni le aziende hanno parlato di digital transformation.
Oggi questa definizione non è più sufficiente.
La prossima fase potrebbe essere quella di una AI sustainability transformation: una trasformazione nella quale intelligenza artificiale, innovazione digitale e sostenibilità vengono progettate insieme.
Il principio è semplice:
non chiedersi soltanto cosa può fare l’AI, ma cosa vale la pena far fare all’AI.
Questa distinzione sarà sempre più importante.
Perché l’intelligenza artificiale continuerà a diventare più potente e, contemporaneamente, più presente nei processi aziendali.
Il punto non sarà quindi fermare l’AI per ridurne l’impatto.
Sarà sviluppare sistemi capaci di produrre più valore con meno risorse.
Una nuova opportunità competitiva
La sostenibilità dell’intelligenza artificiale non dovrebbe essere considerata soltanto come un vincolo normativo o reputazionale.
Può diventare un vantaggio competitivo.
Un’azienda che riesce a utilizzare l’AI in modo più efficiente può ottenere contemporaneamente:
- minori costi;
- maggiore produttività;
- minore consumo di risorse;
- maggiore controllo sui dati;
- maggiore resilienza;
- migliore capacità di rendicontazione;
- maggiore preparazione rispetto all’evoluzione normativa.
La domanda, dunque, non è più se l’intelligenza artificiale sia amica o nemica della sostenibilità.
Dipende da come viene progettata, utilizzata e governata.
L’AI può aumentare la pressione sulle risorse del pianeta.
Ma può anche aiutare le aziende a utilizzare quelle stesse risorse in modo più intelligente.
La differenza la farà la capacità di misurare entrambe le cose.
Ed è proprio qui che si apre uno spazio per aziende come Digiup: non vendere semplicemente l’AI alle imprese, ma aiutarle a trasformarla in una tecnologia più efficiente, misurabile e coerente con i propri obiettivi economici, ambientali e sociali.
Perché la vera innovazione responsabile non consiste nell’utilizzare meno tecnologia.
Consiste nell’utilizzare la tecnologia che serve, nel modo più efficace possibile, per generare il massimo valore con il minimo impatto.