L’impatto climatico dell’intelligenza artificiale: cosa possono fare le aziende

Da dove vengono le emissioni dell’intelligenza artificiale e quanto incidono sull’impronta climatica di un’azienda? La risposta dipende dall’uso dei modelli, dall’energia che alimenta i data center e dal peso dell’AI rispetto alle altre attività dell’organizzazione. Per questo, adottare nuovi strumenti richiede anche di misurarne l’impatto e valutare con attenzione le scelte tecnologiche e di acquisto.

L’articolo esamina le principali fonti di emissione, le ragioni per cui il loro peso può crescere e le azioni che le aziende possono intraprendere per usare l’AI in modo più consapevole.

Il 2 settembre 2026, l’UNEP (United Nations Environment Programme) ha pubblicato uno studio dove annuncia che, nonostante la comunità internazionale abbia compiuto alcuni progressi nel combattere il cambiamento climatico, questi non sono stati rapidi e significativi abbastanza da evitare il superamento di 1,5° di riscaldamento globale, rispetto ai livelli preindustriali nei prossimi anni.

Limitare il cambiamento della temperatura media entro 1,5° costituisce il contenuto degli accordi di Parigi dell’Assemblea Generale delle Nazioni Unite del 2015, sul clima: è l’obiettivo di sviluppo sostenibile numero 13 (Sustainable Development Goal). Inoltre, la Corte di Giustizia Internazionale si è espressa con il parere del 23 luglio 2025 stabilendo che l’agire per restare entro 1,5°C è un obbligo tassativo degli Stati.

Un grado e mezzo non è uno scenario sicuro: il livello del mare si alzerà più velocemente, alcuni ecosistemi cruciali andranno verso il collasso (come le barriere coralline), avremo ondate di caldo più frequenti, persistenti ed acute, la criosfera (calotte polari, ghiacciai, ghiacciai marini, permafrost, neve) subirà cambiamenti importanti, il che impatterà anche sulla disponibilità di acqua dolce.

Perché le aziende devono misurare l’impatto climatico dell’AI

Dal punto di vista delle strategie manageriali, tutto ciò implica che le aziende devono perseguire con priorità gli obiettivi di sostenibilità, traguardando sia piani di azione per la decarbonizzazione e transizione energetica (piani per la mitigazione), che piani di azione per l’adattamento ed il mantenimento della piena operatività negli scenari ora descritti (piani per l’adattamento).

Queste scelte strategiche, se correttamente implementate, daranno alle aziende la resilienza e la capacità di gestire il rischio sistemico necessarie per finanziare la crescita ed insieme contribuiranno ad un posizionamento competitivo ragionevolmente solido.

Le suddette strategie poggiano su capacità analitiche in grado di individuare gli elementi che maggiormente contribuiscono all’impatto climatico dell’azienda ed altrettanto di prevedere le loro dinamiche nel tempo.

Dal punto di vista della capacità analitica e della misurazione, l’impiego organizzativo crescente di strumenti di intelligenza artificiale generativa pone delle problematiche, complessivamente derivanti dalla novità e dalla rapidissima crescita di questo cluster tecnologico, ad uno con una peculiare concentrazione dei grandi operatori economici del settore.

Recentissime indagini di mercato (Watershed, 2026) rilevano che il 75% dei team di sostenibilità ad oggi non stima, né contabilizza ancora le emissioni della propria AI.

Si tratta di una lacuna importante che mina la solidità della reportistica non finanziaria e rende difficili le scelte future. La leadership aziendale acquisisce un nuovo mandato, che non è solo quello di guidare l’implementazione e l’uso dell’AI, ma anche di comprenderne l’impronta carbonica, guidare un’adozione responsabile, plasmare le logiche e le decisioni di acquisto.

Vediamo in maniera sintetica:

• Da dove provengono le emissioni dell’AI;
• Le forze sistemiche e le dinamiche che conformano l’impatto dell’AI;
• Le strategie di acquisto e le opzioni attualmente percorribili.

Da dove provengono le emissioni dell’intelligenza artificiale

Allo scopo di fugare possibili ambiguità, qui trattiamo “solo” dell’impatto climatico dell’intelligenza artificiale: che non coincide, ma è un sotto-insieme del più ampio concetto di impatto ambientale (che include, per esempio, l’uso dell’acqua, la qualità dell’aria, etc.).

L’impatto climatico si calcola in GWP Global Warming Potential (potenziale di riscaldamento globale), che consiste nella quantità di gas ad effetto serra attribuibile ad un processo e viene espresso in Kg (o tonnellate, etc.) di CO2 equivalenti (CO2e).

In sintesi, dunque:

• Da dove vengono le emissioni? Nel ciclo di vita dell’AI, il 90% delle emissioni viene dalle inferenze, ovvero: dall’uso. L’81% in particolare è causata dall’energia necessaria per l’uso, non dalla produzione dei computer.
• Mettiamo le grandezze in prospettiva: secondo Yong Chen, la generazione di un’immagine può comportare emissioni nell’intorno di 0,250Kg CO2e (paragonabile a tenere acceso un laptop per 20 ore), per Watershed invece, un utente avanzato che richiede 100 query/giorno emette circa 3Kg CO2e in un anno (quindi come mezzo chilo di carne).

L’incertezza è dovuta a:

• la difficoltà di reperire informazioni da parte degli operatori,
• la variabilità geografica, come per esempio le differenze nazionali nella suddivisione tra energia da fonti fossili ed energia da fonti rinnovabili,
• il rapido sviluppo tecnologico che modifica l’efficienza dei processi e quindi la loro intensità carbonica (impatto per output).

In ogni caso, l’impatto per operazione potrebbe sembrare poco rilevante. Invece l’AI comporta un rischio sistemico importante per il clima: ciò è dovuto al vertiginoso tasso di crescita nell’adozione della tecnologia. Si prevede che l’uso dell’AI triplichi entro i prossimi quattro anni e, allo stesso tempo, il consumo d'energia per alimentare i nuovi data center, che saranno necessari, passerà da 415 Terawatt-Hours (TWh) a 945 TWh a livello mondiale (Commissione Europea).

Come ridurre le emissioni dell’AI in azienda

Per prima cosa si potrebbero stabilire degli standard di efficienza e delle best practice. Per esempio, non usare modelli altamente specializzati ed energivori per lavori semplici come un sunto, oppure fare fuori dal modello (per esempio in motori di ricerca o sistemi RAG) quello che non è necessario e poi fornire ad AI dati già pre-lavorati.

Si potrebbe anche utilizzare la leva del procurement: scegliere un fornitore che viene da una zona del mondo con energia low-carbon può tagliare le emissioni tra il 30 e l’80%. Inoltre, si possono valutare i partner secondo le loro scelte di acquisizione dell’energia, la loro capacità e volontà di fornire report sulla sostenibilità, sui loro target di decarbonizzazione.

Abbiamo due casi d’uso per quanto riguarda l’importanza dell’intelligenza artificiale nell’impronta carbonica dell’azienda.

L’impatto dell’AI nelle aziende di produzione

Per le aziende di produzione in molti casi l’AI non è uno hotspot, ovvero uno dei processi a maggior impatto climatico. Nell’industria, sovente i materiali o la produzione sono più importanti. In questi casi la strategia dovrebbe essere quella di ottimizzare, in modo da sfruttare il potenziale di decarbonizzazione dell’AI ai fini del raggiungimento degli obiettivi aziendali. Inoltre, agendo consapevolmente, si può usare l’AI a beneficio della sostenibilità: per esempio per migliorare il tracciamento dei materiali o per supportare l’ecodesign.

L’impatto dell’AI nelle aziende di servizi

Per le aziende di servizi, soprattutto quelle high-tech, è più probabile che l’AI costituisca un hotspot. Bisogna quindi agire con priorità e velocemente. Perché la disponibilità di data center low-carbon sta crescendo, sì, ma molto più lentamente della richiesta complessiva di AI. Questo comporterà, nel prossimo futuro, dei colli di bottiglia che potrebbero portare il settore tra quelli hard to abate cioè molto costosi da decarbonizzare a livello industriale.

In conclusione, il 21 settembre scorso, la Commissione Europea ha proposto il sistema europeo di rating per i data center, basato sull’efficienza nell’uso dell’elettricità e dell’acqua. Ogni impianto riceverà due rating separati, ognuno su una scala da A a G. L’iter legislativo che porterà alla piena implementazione e all’obbligatorietà del rating potrebbe durare circa 12 mesi.

Corsi di Sostenibilità & ESG

Scopri tutti i corsi Cegos per integrare la sostenibilità in azienda.

FAQ - Frequently Asked Questions

Da dove provengono le emissioni dell’intelligenza artificiale?

Le emissioni derivano dalle diverse fasi del ciclo di vita dell’AI, dalla produzione delle infrastrutture all’addestramento e all’utilizzo dei modelli. Durante l’uso, chiamato inferenza, il loro peso dipende anche dall’energia necessaria per elaborare le richieste e dalle fonti che alimentano i data center.

Qual è la differenza tra impatto climatico e impatto ambientale dell’AI?

L’impatto climatico riguarda le emissioni di gas a effetto serra e il loro contributo al riscaldamento globale, espresso in CO₂ equivalente (CO2e). L’impatto ambientale comprende anche altri aspetti, come il consumo di acqua e gli effetti sulla qualità dell’aria.

Come possono le aziende ridurre le emissioni legate all’AI?

Le aziende possono scegliere modelli adeguati alla complessità delle attività, evitare elaborazioni non necessarie e definire standard interni di utilizzo efficiente. Anche la scelta dei fornitori e dei data center, considerando le fonti energetiche e la trasparenza sulle emissioni, contribuisce a un’adozione più responsabile.

Quali criteri di sostenibilità considerare nella scelta di un fornitore di AI?

È utile valutare le fonti energetiche dei data center utilizzati, gli obiettivi di decarbonizzazione del fornitore e la disponibilità di informazioni sull’impatto dei servizi. Conta anche la possibilità di scegliere dove vengono elaborate le richieste, poiché il mix energetico varia tra aree geografiche.

L’intelligenza artificiale ha lo stesso peso climatico in tutte le aziende?

No. Nelle aziende di produzione, materiali e processi industriali possono incidere maggiormente sull’impronta climatica complessiva. Nelle aziende di servizi, soprattutto quelle high-tech, l’AI può avere un peso più rilevante. Le priorità vanno quindi definite in relazione alle principali fonti di emissione dell’organizzazione.

Referenze:

• How much energy will AI really consume? The good, the bad and the unknown, Sophia Chen, Nature, 2026;
• Why scientists should lead the shift away from AI mega data centres, Cassidy K. Buhler, Fernando Pérez & Carl Boettiger, Nature, 2026;
• AI emissions guide, Watershed, 2026;
• Commission delegated regulation (EU), 21/09/2026: common rating scheme for Data Centers;
• TokenPowerBench: Benchmarking the Power Consumption of LLM Inference, Chenxu Niu, Wei Zhang, Jie Li, Yongjian Zhao, Tongyang Wang, Xi Wang, Yong Chen, 2025;
• The carbon emissions of writing and illustrating are lower for AI than for humans, Bill Tomlinson, Rebecca W. Black, Donald J. Patterson & Andrew W. Torrance, 2024;
• United Nations Environment Programme (2026). Limiting Overshoot: Navigating exceedance of 1.5°C and pathways towards return. Nairobi;
• International Court of Justice, Advisory Opinion of 23 July 2025, Obligations of States in respect of Climate Change;
• IPCC, 2023: Summary for Policymakers. In: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland;
• GHG Protocol Corporate Accounting and Reporting Standard, revised edition, 2015, GHG Institute and WRI World Resources Institute;
• SBTi Corporate net-zero standard, Version 1.3, 2025.
• Energy performance of data centres - Commissione Europea.

Hai trovato utile questo articolo?

Scritto da

Marco Guarna

Marco è consulente indipendente e docente universitario, specializzato in economia circolare industriale, innovazione e sostenibilità.Nel corso della sua carriera ha ricoperto ruoli di Managing Director e CEO in società di servizi professionali e consulenza, lavorando anche nel mondo delle startup e dei programmi di accelerazione.Oggi è professore a contratto di “Economia circolare e sistemi industriali” presso l’Università La Sapienza di Roma e direttore di Lympha, incubatore dedicato alle città sostenibili.Affianca aziende ed enti di ricerca nello sviluppo di strategie e progetti di economia circolare, innovazione e sostenibilità.

Scopri di più