Quanta acqua consuma l’intelligenza artificiale?

Devi organizzare un viaggio e chiedi all’AI di prepararti un itinerario. Oppure, per lavoro, potresti aver bisogno di tradurre un testo, riassumere un documento o analizzare un file contenente una grande quantità di dati. O ancora, vuoi creare un’immagine come l’hai immaginata. Scrivi una richiesta, premi invio e in pochi secondi arriva la risposta.

Sembra tutto semplice, immediato e soprattutto immateriale. Eppure, dietro quel breve scambio, si mette in moto una grande infrastruttura fisica fatta di server, data center, reti elettriche e sistemi di raffreddamento.

Per funzionare, infatti, l’intelligenza artificiale ha bisogno di energia. Ma non solo. Tra le risorse necessarie c’è anche qualcosa che forse associamo poco al mondo digitale: l’acqua.

I sistemi di intelligenza artificiale richiedono una grande capacità di calcolo. I server che svolgono queste operazioni utilizzano energia e producono calore, che deve essere continuamente rimosso per evitare il surriscaldamento delle apparecchiature.

Nei data center possono essere utilizzati diversi sistemi di raffreddamento e alcuni di questi prevedono l’impiego di acqua, anche attraverso processi di evaporazione.

Ma l’impronta idrica dell’AI non si limita all’acqua utilizzata direttamente per raffreddare i server. C’è anche un consumo indiretto, legato alla produzione dell’elettricità necessaria ad alimentarli. A questo si aggiunge, considerando l’intero ciclo di vita delle infrastrutture digitali, l’acqua impiegata nella produzione di chip e altri componenti hardware.

Per questo parlare di “quanta acqua consuma l’AI” è più complesso di quanto possa sembrare.

Secondo il rapporto “Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints”, pubblicato nel 2026 dall’Università delle Nazioni Unite, il consumo elettrico globale dei data center nel 2025 è stato stimato in circa 448 TWh, con un’impronta idrica associata di circa 4.500 miliardi di litri d’acqua.

E il dato potrebbe crescere rapidamente. Entro il 2030 il consumo elettrico globale dei data center potrebbe raggiungere circa 945 TWh all’anno, mentre l’impronta idrica associata potrebbe arrivare a 9.300 miliardi di litri.

L’intelligenza artificiale è uno dei principali fattori alla base di questa crescita, ma è importante precisare che questi numeri riguardano l’insieme dei data center, che ospitano anche numerosi altri servizi digitali, e non esclusivamente sistemi di AI.

Inoltre, non è soltanto l’addestramento dei modelli a richiedere grandi quantità di energia. Secondo il rapporto, una volta sviluppati, è soprattutto il loro utilizzo quotidiano – la cosiddetta “inferenza” – a incidere sui consumi: questa fase rappresenterebbe infatti circa l’80-90% del consumo energetico complessivo legato all’AI.

È probabilmente la domanda più curiosa, ma anche quella a cui è più difficile dare una risposta unica.

Uno degli studi più citati sull’impronta idrica dell’intelligenza artificiale ha stimato che, nelle condizioni analizzate e utilizzando il modello GPT-3, una conversazione di circa 10-50 risposte di media lunghezza potesse essere associata al consumo di circa mezzo litro d’acqua.

Si tratta però di una stima, non di un valore valido per ogni utilizzo dell’AI. Il consumo può cambiare sensibilmente a seconda del modello utilizzato, della complessità delle operazioni, del data center in cui avviene l’elaborazione, delle condizioni climatiche e delle fonti energetiche impiegate.

Per questo, più che cercare un numero valido per ogni singolo prompt, è utile osservare l’impatto complessivo legato alla crescente diffusione e all’utilizzo dei sistemi di intelligenza artificiale.

L’impatto idrico di un data center cambia anche in funzione del territorio in cui si trova.

Utilizzare una certa quantità d’acqua in una regione dove la risorsa è abbondante non ha infatti lo stesso impatto che utilizzarla in un’area soggetta a siccità o stress idrico.

Lo stesso vale per l’energia: fonti diverse presentano impronte differenti in termini di emissioni, acqua e occupazione del territorio. Una soluzione con basse emissioni di CO₂, ad esempio, non è automaticamente quella che utilizza meno acqua.

Per questo gli studiosi invitano a valutare l’impatto ambientale dell’intelligenza artificiale considerando contemporaneamente energia, emissioni, acqua e territorio.

L’obiettivo non è rinunciare all’intelligenza artificiale, ma rendere più sostenibili le infrastrutture che ne permettono il funzionamento. Data center più efficienti, sistemi di raffreddamento che riducono il consumo di acqua, utilizzo di acqua riciclata dove possibile, scelta attenta della localizzazione delle strutture e fonti energetiche a minore impatto possono contribuire a ridurne l’impronta ambientale.

Anche l’efficienza dei modelli conta: utilizzare strumenti adeguati alle reali necessità, evitare elaborazioni inutilmente complesse e sviluppare hardware e software più efficienti può contribuire a ridurre le risorse necessarie per svolgere le diverse attività.

Un altro elemento fondamentale è la trasparenza. Conoscere quanta energia e quanta acqua vengono utilizzate dai diversi sistemi permetterebbe di misurarne meglio l’impatto e di individuare le soluzioni più efficaci per ridurlo.

Non da ultimo, anche noi utenti possiamo fare la nostra parte, imparando a utilizzare l’intelligenza artificiale in modo più consapevole. Non tutte le richieste, infatti, hanno lo stesso impatto: generare immagini e, soprattutto, video può richiedere molta più energia rispetto a operazioni testuali più semplici. Anche le nostre modalità di utilizzo possono quindi fare la differenza, soprattutto quando ricorriamo frequentemente a elaborazioni più complesse per semplice curiosità o per contenuti destinati a un uso occasionale.

Usare l’AI in modo intelligente significa anche questo: scegliere lo strumento e il tipo di contenuto più adatti a ciò che vogliamo ottenere, evitando elaborazioni superflue.