Lo sviluppo dell’intelligenza artificiale porta con sé diverse problematiche ambientali, ma l’applicazione dei suoi modelli può aiutare l’efficienza e il risparmio energetico. Ecco perché l’AI Continent dell’UE ha individuato nell’energia uno dei settori strategici.
Intelligenza artificiale e sostenibilità. Un tema che da anni anima un dibattito in cui gli algoritmi vengono da più parti additati come nemici dell’ambiente, a causa delle di emissioni di CO2 prodotte dagli enormi data center necessari allo sviluppo massivo della tecnologia.
Ma intelligenza artificiale non fa sempre rima con inquinamento, visto che i suoi impatti in materia di efficienza energetica sono sempre più rilevanti. Conseguenze talmente evidenti da convincere la Commissione Europea a inserire quello energetico tra i settori strategici dello sviluppo dell’intelligenza artificiale. L’AI Continent, la strategia dell’UE per trasformare l’Europa in un polo globale di innovazione, ha infatti individuato la sicurezza energetica, l’efficienza delle reti e la decarbonizzazione come le dimensioni in cui l’AI può giocare un ruolo rilevante.
Non a caso, secondo Yasaman Meshenchi, Energy Efficiency Specialist di FIRE, la Federazione italiana per l’uso razionale dell’energia, «l’intelligenza artificiale oggi è diventata una vera leva strategica nel settore energetico e per molte aziende è una condizione per rimanere competitive sul mercato».
Quali applicazioni in campo energetico?
Come in tanti altri settori, anche in quello energetico l’AI sta rivoluzionando diverse funzioni e applicazioni. Ad esplorarle in un recente studio è stata FIRE. Tra gli ambiti maggiormente attenzionati dal dossier della federazione c’è quello dell’energy management. «Nell’industria e nei servizi, l’AI viene utilizzata soprattutto per il monitoraggio dei consumi, l’ottimizzazione energetica e la manutenzione predittiva», sottolinea a Changes Yasaman Meshenchi. «Le aziende vedono benefici rapidi in termini di maggiore affidabilità, riduzione dei fermi impianto, risparmio di tempo e aumento dell’efficienza operativa».
Secondo lo studio, un altro campo di applicazione dell’AI è quello degli smart building. «Qui l’AI viene integrata nella gestione di HVAC (riscaldamento, ventilazione e condizionamento dell’aria, ndr), illuminazione e carichi energetici – spiega Meshenchi – sfruttando dati in tempo reale e di alta qualità. Considerando che gli edifici rappresentano circa il 30% del consumo energetico globale, anche piccoli miglioramenti nella gestione possono avere un impatto molto significativo».
La terza area riguarda le reti elettriche e i power systems, ovvero quelle infrastrutture complesse che gestiscono l’intera catena dell’energia elettrica dalla generazione alla distribuzione e vendita. In questo settore l’aspetto principale in cui intervengono i modelli di intelligenza artificiale è quello della «diagnosi e della manutenzione, con una penetrazione crescente delle rinnovabili e flussi bidirezionali. Qui entra in gioco anche il tema della flessibilità della rete: se prima la presenza delle rinnovabili era più limitata, oggi, diventa centrale gestire variabilità e integrazione».
Infine, c’è lo sviluppo delle smart grid, le reti intelligenti dove l’AI supporta «l’integrazione delle fonti rinnovabili, il bilanciamento dei carichi e il monitoraggio in tempo reale».
Il peso ambientale dell’AI e le sue conseguenze positive
Secondo i dati riportati dalla Banca Centrale Europea, una risposta a un prompt IA generativa consuma circa 10 volte più energia di una ricerca Google, mentre l’IEA nel 2025 ha sottolineato come i data center nel 2024 pesavano sui consumi elettrici mondiali per l’1,5%. A questi si aggiungono i consumi idrici connessi al raffreddamento dei data center. Tuttavia, come sottolineato anche nel report di FIRE, sono diversi i benefici dell’utilizzo dell’intelligenza artificiale nella gestione energetica.
«L’AI può migliorare l’efficienza, facilitare l’integrazione delle rinnovabili, aumentare la flessibilità della rete e contribuire indirettamente alla riduzione delle emissioni», rileva Yasaman Meshenchi. «Se implementata in modo consapevole, può accelerare concretamente la transizione energetica». In questo scenario lo studio offre un esempio concreto che riguarda l’Italia. «Nell’ambito del Piano Nazionale Integrato per l’Energia e il Clima 2030 il consumo legato all’AI dei data center è stimato in 9.8 TWh, mentre i Risparmi abilitati in 38.2 TWh, per un saldo netto positivo di 28.4 TWh».
Quanto stanno investendo le imprese italiane?
Nel nostro Paese l’uso dell’AI in campo energetico vive una fase iniziale di adozione. Come evidenzia sempre Yasaman Meshenchi di FIRE, «l’uso è ancora concentrato su applicazioni relativamente circoscritte: analisi dei dati, dispositivi abilitati al machine learning, strumenti di big data e, in misura crescente, piattaforme generative, come ad esempio ChatGPT, Claude e Gemini».
Alla base di questa fase ancora acerba di adozione vi sono sicuramente problemi di competenze e formazione, di costi da sostenere per investire in intelligenza artificiale e di paura connessa ai rischi di cybersecurity, oltre che al pregiudizio che il lavoro dell’intelligenza artificiale possa sostituire quello umano.
Quali sono i vantaggi e i rischi?
I rischi dell’utilizzo dei sistemi di AI in campo energetico ci sono e, come evidenzia sempre Yasaman Meshenchi di Fire, «non vanno sottovalutati». Questi riguardano innanzitutto la sicurezza informatica visto che, «più i sistemi energetici diventano digitalizzati e interconnessi, più aumenta la superficie di attacco». Un secondo livello riguarda la qualità dei dati che «se non sono strutturati, affidabili e aggiornati in tempo reale possono produrre risultati fuorvianti».
A livello energetico-ambientale, inoltre, l’AI può aumentare la domanda elettrica, con gravi ripercussioni «qualora la crescita dei data center non venga accompagnata da maggiore efficienza e uso di rinnovabili».
Non va poi trascurato il tema della privacy, in particolare, ma non solo, con l’intelligenza generativa. «Ecco perché le imprese devono individuare percorsi interni di adozione, spiegando bene i rischi connessi all’uso troppo arbitrario dei tool di AI, che può agevolare la condivisione con l’esterno delle organizzazioni di dati sensibili».
