La frase compare spesso nei titoli: una richiesta a ChatGPT consumerebbe quanto una lampadina accesa per un certo numero di minuti, oppure una quantità precisa d’acqua. Il paragone è facile da ricordare e quasi sempre troppo sicuro di sé. Una domanda di cinque parole che riceve una risposta breve non richiede lo stesso lavoro di un’analisi su cento pagine; un modello compatto non usa le stesse risorse di uno più grande; un server pieno e ben sfruttato non si comporta come uno quasi vuoto. Chiedere “quanto consuma ChatGPT?” è un po’ come chiedere quanto carburante consuma un viaggio senza dire distanza, veicolo e traffico. L’inferenza è il momento in cui un modello già addestrato produce una risposta. Il consumo dipende dal numero di token — piccoli frammenti di testo elaborati dal sistema —, dall’architettura del modello, dalla precisione numerica, dall’hardware e dal numero di richieste raggruppate. Poi arrivano raffreddamento, rete, memoria e perdite dell’impianto. Il provider conosce questi dati molto meglio dell’utente, ma raramente pubblica un valore verificabile per ogni singola interazione. Per questo una cifra universale espressa in wattora dà un’illusione di precisione che i dati pubblici non possono sostenere.
Perché è importante
- I confronti basati su una singola domanda spesso nascondono differenze enormi tra modelli, risposte e infrastrutture.
- L'IEA stima che i data center abbiano consumato circa 415 TWh nel 2024 e possano arrivare a circa 945 TWh nel 2030.
- Il problema è soprattutto locale: connessioni alla rete, acqua, tempi autorizzativi e nuove centrali possono pesare molto su singoli territori.
Perché non esiste un consumo per “una domanda”
Questo non significa che il problema sia inventato. Significa che va misurato alla scala corretta. Il costo marginale di una sola domanda può essere piccolo; miliardi di domande, immagini, video e processi automatici diventano un carico industriale. È la stessa distinzione che facciamo tra una goccia e un acquedotto. I nuovi chip per l’inferenza cercano di ridurre consumi e latenza, ma l’efficienza di ogni operazione può migliorare mentre il consumo complessivo sale, perché l’AI viene usata più spesso e in più prodotti. L’Agenzia internazionale dell’energia, l’IEA, stima che nel 2024 i data center abbiano consumato circa 415 terawattora di elettricità, poco più dell’1,5 per cento del totale mondiale. Un terawattora equivale a un miliardo di kilowattora. Nello scenario di base dell’agenzia, il consumo globale dei data center potrebbe superare i 945 terawattora nel 2030. Non tutta questa energia serve all’intelligenza artificiale: negli stessi edifici funzionano cloud, streaming, database e servizi aziendali. L’AI è però indicata come il principale motore della crescita prevista.
Il numero mondiale è importante, ma può sembrare astratto. L’IEA avverte che l’impatto locale è molto più concentrato: un nuovo campus può richiedere in un solo punto la potenza di una grande industria e tempi di connessione alla rete di diversi anni. Secondo Reuters, in Europa i progetti di data center AI previsti tra il 2026 e il 2028 si stanno allontanando dai tradizionali poli urbani. La distanza media dalle grandi città citata nell’analisi è salita a circa 175 chilometri, contro 46 chilometri per i progetti del periodo 2022-2025. La ragione principale è semplice: trovare terreni serviti da energia disponibile e meno costosa. Anche dentro il data center il consumo non è distribuito allo stesso modo. Nei centri moderni i server rappresentano in media circa il 60 per cento dell’elettricità utilizzata, secondo l’IEA; il resto alimenta raffreddamento, sistemi di continuità, rete e altre infrastrutture. Il valore cambia con clima, progetto e carico. Ecco perché confrontare soltanto la potenza dichiarata di un chip racconta una parte della storia. Un sistema più veloce può finire il lavoro prima; un raffreddamento efficiente può ridurre gli sprechi; un centro alimentato in ore di abbondanza rinnovabile ha un profilo diverso da uno che forza la rete durante i picchi.
Energia pulita non significa energia infinita
I grandi operatori acquistano energia rinnovabile e finanziano nuovi impianti, ma un contratto “verde” non risolve automaticamente la disponibilità in ogni ora e in ogni luogo. Sole e vento variano; la rete deve bilanciare produzione e domanda; batterie e collegamenti hanno capacità limitata. Se un data center arriva prima delle nuove linee elettriche, può aumentare il ricorso a fonti programmabili o ritardare altri progetti. Il dato utile non è dunque soltanto quanta energia rinnovabile viene comprata su base annuale, ma quando e dove viene prodotta rispetto al consumo reale. L’Unione europea ha iniziato a rendere più trasparente questo settore. La direttiva sull’efficienza energetica richiede agli Stati membri di raccogliere e pubblicare informazioni sulle prestazioni dei data center sopra determinate soglie, includendo energia, temperatura, uso di acqua e recupero del calore. La rendicontazione non rende ogni impianto efficiente, ma consente confronti meno vaghi. Per cittadini e amministrazioni significa poter discutere nuovi progetti con numeri su rete, occupazione, acqua e benefici locali, invece di scegliere tra due slogan opposti: “innovazione a ogni costo” o “data center sempre dannosi”.
La geografia emergente pone anche una domanda politica. Portare infrastrutture in aree lontane dai grandi hub può distribuire investimenti e creare attività economica; può pure spostare su territori piccoli il peso di opere energivore che servono utenti altrove. Reuters segnala che la disponibilità di terreni alimentati sta guidando le scelte più del prestigio della città vicina. È una conseguenza concreta della crescita dell’AI: i servizi sembrano immateriali sullo schermo, ma dipendono da trasformatori, fibra, acqua, edifici e autorizzazioni che occupano spazio reale.
Cosa puoi farci concretamente
- Usare modelli più piccoli o funzioni locali quando il compito è semplice e la riservatezza conta.
- Evitare richieste ripetute e vaghe: un obiettivo chiaro riduce tentativi, tempo e calcolo sprecato.
- Per un servizio aziendale, chiedere al fornitore dati su regione, efficienza, rendicontazione e possibilità di scegliere il modello.
Quello che conta adesso
Spegnere una singola chat non cambierà la rete elettrica, e usare l’AI senza limiti perché “tanto una domanda consuma poco” è la conclusione opposta ma ugualmente debole. La scelta più sensata è proporzionare lo strumento al compito. Per correggere una frase non serve sempre il modello più potente; una domanda chiara evita cinque tentativi; un’elaborazione locale può essere utile quando il dispositivo è già acceso e i dati non devono uscire. I piccoli modelli eseguiti sul dispositivo non sostituiscono ogni servizio cloud, ma mostrano che l’AI può essere distribuita in modi differenti. Per un’impresa la questione è più concreta. Se un processo invia migliaia di richieste ogni giorno, conviene misurare token, tempi, errori e costo per risultato utile. Un modello più piccolo che completa bene il compito può ridurre spesa ed energia; una risposta sbagliata che richiede intervento umano spreca entrambe. Nei contratti cloud ha senso chiedere dove vengono elaborati i dati, quali report ambientali sono disponibili e se il sistema permette di cambiare modello. Non serve trasformare ogni acquisto in una ricerca accademica: bastano requisiti chiari e misure ripetibili.
La risposta finale alla domanda iniziale è meno spettacolare di un paragone con la lampadina, ma più onesta. Non esiste oggi un consumo pubblico, fisso e universale per una domanda a ChatGPT. Esistono stime, casi specifici e un sistema globale la cui domanda elettrica cresce rapidamente. Il punto non è sentirsi in colpa per ogni prompt; è pretendere più trasparenza dai fornitori e usare con criterio una tecnologia che sta diventando infrastruttura. Quando il consumo si misura bene, l’efficienza smette di essere una promessa e diventa una caratteristica su cui aziende e utenti possono scegliere.
Fonti
Documenti, comunicati e pubblicazioni consultati per ricostruire dati e contesto.
