I principali dubbi riguardano l’impronta di carbonio lungo l’intero ciclo di vita: dall’addestramento dei modelli, all’infrastruttura server, fino all’utilizzo quotidiano da parte di centinaia di milioni di utenti.
OpenAI non ha mai divulgato dati specifici sui server, i centri dati e le infrastrutture coinvolti — rendendo difficile calcolare con precisione le emissioni. La risposta del sistema, quando glielo si chiede direttamente, è emblematica.

“In quanto modello linguistico AI, ChatGPT di per sé non produce emissioni di gas serra né contribuisce direttamente al cambiamento climatico. Tuttavia, la tecnologia e l’infrastruttura che consentono il funzionamento di ChatGPT possono contribuire alle emissioni di gas serra, in particolare se si basano su fonti di energia non rinnovabili.”

Nessun dato concreto. Nessuna trasparenza quantitativa. Eppure i numeri esistono e vengono da fonti indipendenti.

Ogni strumento di apprendimento automatico richiede elettricità in due fasi distinte: l’addestramento iniziale del modello e l’operatività quotidiana. Entrambe sono ad alto consumo energetico.

Secondo la Banca Centrale Europea (2025), una singola risposta di un sistema AI generativo come ChatGPT consuma circa 10 volte più energia di una ricerca Google tradizionale.

Questa stima è però oggetto di revisione. Un’analisi condotta da Epoch AI (qui l’articolo su TechCrunch ) indica che una singola query su ChatGPT con il modello GPT-4o richiede circa 0,3 Wh di energia: le stime precedenti erano costruite su ipotesi ormai superate sull’efficienza dei chip. Rimane comunque un’approssimazione: OpenAI non pubblica i dati tecnici necessari per un calcolo preciso, e la cifra non include funzionalità ad alto consumo come la generazione di immagini o l’elaborazione di file lunghi.

Alcune fonte di dettaglio disponibili :

• L’addestramento di GPT-3 ha richiesto circa 1.287 MWh di elettricità — equivalente al consumo annuo di 120-130 abitazioni americane (Fonte: y7italy.com)
• Già nel 2019, uno studio dell’Università del Massachusetts stimava che l’addestramento di un singolo grande modello linguistico genera oltre 284 tonnellate di CO₂ — pari alle emissioni prodotte nel corso di vita di cinque automobili

La traiettoria futura è ancora più preoccupante. Secondo il rapporto speciale IEA “Energy and AI” (2025):

Secondo Goldman Sachs Research, l’AI potrebbe aumentare la domanda energetica dei data center del 160%, aggiungendo circa 200 TWh all’anno tra il 2023 e il 2030. Entro il 2028, il consumo AI potrebbe rappresentare fino al 19% del fabbisogno energetico totale dei data center mondiali.

Il paradosso delle Big Tech: Nonostante gli impegni pubblici di neutralità carbonica, le emissioni delle grandi aziende tecnologiche stanno aumentando. Google ha registrato un aumento delle proprie emissioni di quasi il 50% tra il 2019 e il 2023. Microsoft ha aumentato le proprie del 30% tra il 2020 e il 2023. In entrambi i casi, la crescita dell’infrastruttura AI è indicata come causa principale. (Fonte: Il Sole 24 Ore, 2024)

Il consumo energetico non è l’unica risorsa sotto pressione. I data center richiedono enormi quantità di acqua dolce per il raffreddamento dei server — una realtà quasi sempre assente dal dibattito pubblico.

Secondo lo studio Öko-Institute commissionato da Greenpeace (maggio 2025):

• I data center AI hanno consumato 175 miliardi di litri di acqua nel 2023
• Questa cifra è proiettata a triplicare entro il 2030, raggiungendo 664 miliardi di litri
• I data center AI richiedono il doppio dell’acqua rispetto a quelli tradizionali

Per dare una misura concreta: Greenpeace stima che entro il 2030 il consumo idrico dei data center AI sarà equivalente al consumo annuale di una città tre volte grande come Milano.

Secondo Mytton (2021, npj Clean Water), i soli data center statunitensi consumavano già 1,7 miliardi di litri di acqua al giorno.

C’è un terzo impatto che quasi nessuno considera: i rifiuti elettronici (e-waste) prodotti dall’obsolescenza accelerata dei chip AI.

Secondo Greenpeace/Öko-Institute (maggio 2025), entro il 2030 l’espansione dell’infrastruttura AI potrebbe generare fino a 5 milioni di tonnellate addizionali di rifiuti elettronici.

C’è inoltre un problema a monte, nella fase di produzione: i chip AI vengono fabbricati prevalentemente in paesi che dipendono ancora in larga parte da combustibili fossili. Greenpeace riporta le seguenti quote di energia fossile nel mix energetico dei principali paesi produttori di chip:

• Taiwan: 83,1% da fonti fossili
• Giappone: 68,6% da fonti fossili
• Corea del Sud: 58,5% da fonti fossili

Questo significa che anche un’azienda AI che alimentasse i propri data center al 100% con rinnovabili avrebbe comunque una carbon footprint significativa già incorporata nell’hardware.

1. L’AI può riprodurre e amplificare le disuguaglianze esistenti

I modelli linguistici vengono addestrati su contenuti recuperati dal web — contenuti che spesso riproducono le strutture di potere della società, le ingiustizie e le disuguaglianze esistenti nel mondo reale. I sistemi AI vengono quindi addestrati su dati già distorti, rischiando di perpetuare visioni parziali e ingiuste.

2. L’accesso all’AI non è equo a livello globale

Secondo l’Unione Internazionale delle Telecomunicazioni delle Nazioni Unite (ITU), nel 2022 ancora 2,7 miliardi di persone nel mondo non avevano accesso a Internet — principalmente nei paesi a basso reddito e nelle comunità rurali o marginalizzate.

Il World Economic Forum avverte che il divario digitale si sta ampliando, non restringendo: chi non ha accesso a strumenti di AI rischia di essere escluso dall’economia della conoscenza del prossimo decennio.

3. Il rischio di sostituzione lavorativa e concentrazione della ricchezza

L’integrazione dell’AI nelle attività umane rischia di attivare il processo noto come distruzione creativa, con la potenziale sostituzione di alcune professioni, in particolare i white collar jobs legati a comunicazione, vendita e analisi dati. Secondo Goldman Sachs (2023), l’AI generativa potrebbe automatizzare il 24% delle mansioni lavorative nell’Eurozona (25% negli USA, 18% a livello globale).

Gli economisti avvertono che, sebbene ChatGPT e altri modelli AI aumentino in un primo momento la produttività, potrebbero poi aggravare ulteriormente le disuguaglianze di ricchezza, concentrando i benefici in chi già possiede accesso e competenze digitali avanzate.

Nonostante i costi, esistono applicazioni concrete in cui l’AI porta benefici reali e misurati al settore della sostenibilità. Alcuni esempi documentati dall’IEA (2025):

• Monitoraggio metano via satellite: sostituendo le ispezioni periodiche con il monitoraggio AI continuo, si potrebbero evitare oltre 2 milioni di tonnellate di emissioni di metano all’anno
• Ottimizzazione reti elettriche: in Gran Bretagna, la British Grid ha sfruttato l’AI per sbloccare 600 megawatt aggiuntivi di capacità eolica offshore utilizzando le infrastrutture esistenti
• Parchi eolici con Google DeepMind (2018): riduzione dei costi operativi e aumento del 20% del valore dell’energia venduta in un anno
• Risparmio energetico industriale: l’IEA stima un potenziale risparmio di 8 exajoule di energia entro il 2035 grazie all’AI applicata all’industria — equivalente all’intero consumo energetico annuale del Messico

Tra i potenziali benefici più ampi: efficienza energetica nelle reti industriali, ottimizzazione dei processi agricoli (riduzione pesticidi), modelli climatici più accurati per decisori politici e aziendali, ottimizzazione della logistica con riduzione delle emissioni.

La condizione fondamentale è però sempre la stessa: che l’energia che alimenta l’AI provenga da fonti rinnovabili. Un’AI alimentata a carbone non può definirsi uno strumento per la sostenibilità.

Con i dati disponibili oggi, gli impatti negativi dell’AI sull’ambiente e sulla società sembrano ancora superiori ai benefici concreti realizzati, soprattutto in termini di domanda energetica crescente, emissioni in aumento nelle Big Tech, consumo idrico nascosto e e-waste in espansione.

Non vogliamo smorzare l’entusiasmo per ChatGPT e le altre applicazioni AI, ma è necessario analizzarne i limiti e sottolineare le responsabilità di chi le sviluppa. Gli utenti hanno il diritto e il dovere  di rimanere critici riguardo ai possibili impatti sociali e ambientali.

Il punto centrale rimane la trasparenza: senza dati, non c’è responsabilità. Senza responsabilità, non c’è sostenibilità.