Chiedete ad un chatbot la descrizione di un olio extravergine, poi un’immagine per il lancio della nuova linea di cosmetici, poi rigenerate finché il risultato vi convince. Pochi minuti, nessuna fatica visibile. Dall’altra parte dello schermo, però, c’è un data center che assorbe elettricità e consuma acqua per raffreddare i server.
Quanto? Dipende da chi misura e da cosa sceglie di contare: Google parla di cinque gocce d’acqua per prompt, Mistral di 45 millilitri, e le ricerche indipendenti registrano per le immagini consumi decine di volte superiori a quelli del testo.
In questo articolo mettiamo in fila i dati verificabili, separiamo le misure dai comunicati stampa e vi diamo i criteri per usare l’AI con la testa, soprattutto se la vostra è un’ azienda vive di filiera etica e trasparenza.
Dove finisce l’energia quando premete invio?
Ogni risposta di un chatbot nasce in un data center: capannoni di server accesi giorno e notte, che vanno raffreddati. Secondo l’Agenzia internazionale dell’energia (IEA), nel 2024 queste strutture hanno assorbito fino all’1,5% dell’elettricità mondiale.
Il rapporto “Energy and AI” prevede che entro il 2030 il consumo dei data center sia destinato a più che raddoppiare, fino a circa 945 TWh, un valore poco superiore ai consumi elettrici attuali del Giappone; per i data center ottimizzati per l’AI, invece, la domanda è destinata a più che quadruplicare.
La stessa IEA invita alla proporzione: i data center spiegano circa un decimo della crescita della domanda elettrica mondiale fino al 2030, meno di motori industriali, condizionatori e veicoli elettrici. Il peso cambia da paese a paese e negli Stati Uniti sfiora la metà dell’aumento dei consumi.
Quanto pesa un singolo prompt? La forbice dei numeri
Qui le cifre divergono parecchio. Nel 2025 Google ha pubblicato una metodologia secondo cui un prompt testuale mediano di Gemini usa 0,24 Wh di energia, emette 0,03 grammi di CO2 equivalente e consuma 0,26 millilitri d’acqua, circa cinque gocce. Sam Altman ha affermato che una query media di ChatGPT richiede 0,34 Wh; le stime precedenti arrivavano a quasi 7 Wh e 50 millilitri d’acqua per prompt.
Poi c’è Mistral, che insieme alla società di consulenza Carbone 4 e all’agenzia francese per la transizione ecologica (ADEME) ha condotto quella che definisce “la prima analisi completa del ciclo di vita di un modello di AI”, rivista da altre due società di consulenza, Resilio e Hubblo. Per una risposta di 400 token del suo assistente Le Chat la stima è di 1,14 grammi di CO2 equivalente e 45 millilitri d’acqua. Per il modello Large 2, dopo circa diciotto mesi tra addestramento e uso, il bilancio complessivo sale a 20,4 kilotonnellate di CO2 equivalente e 281.000 metri cubi d’acqua.
Tra gli 0,26 millilitri di Google e i 45 di Mistral corre un rapporto di oltre cento a uno. La distanza nasce anche da ciò che ciascuno decide di contare: il calcolo di Google esclude addestramento, rete e dispositivi degli utenti, e gli esperti hanno notato che lascia fuori l’acqua usata per produrre l’elettricità dei data center. Google stessa chiede metodi omogenei per tutto il settore, Mistral definisce la propria analisi una prima approssimazione.
Un prompt, preso da solo, pesa pochissimo, il conto arriva moltiplicando per miliardi di richieste e aggiungendo il resto della filiera; Google riporta che in dodici mesi l’energia del prompt mediano è scesa di 33 volte. Lo stesso gruppo riporta però per il 2024 emissioni complessive in crescita dell’11%, mentre quelle energetiche dei data center calavano del 12%: pesano la produzione dell’hardware e la costruzione delle strutture.
Immagini e video: il conto sale in fretta
Il testo è la parte leggera. Lo studio “Power Hungry Processing”, firmato da Sasha Luccioni e Yacine Jernite (Hugging Face) ed Emma Strubell (Carnegie Mellon), ha misurato il costo di mille richieste per diversi tipi di attività: in media la generazione di testo ha richiesto 0,047 kWh ogni mille richieste, la generazione di immagini 2,9 kWh; oltre sessanta volte tanto.
Stable Diffusion XL, il modello meno efficiente tra quelli di immagini testati, ha superato gli 11 kWh per mille immagini ed emesso 1.594 grammi di CO2 equivalente, quanto un’auto a benzina media percorrendo circa 6,6 chilometri.
Serve prudenza sui valori assoluti: lo stesso modello, misurato dal progetto AI Energy Score con dimensioni dell’immagine fissate, si ferma a circa 1,64 kWh per mille generazioni; lo studio originale usava le impostazioni predefinite, che producevano immagini molto più grandi, e anche l’hardware incide. Ogni cifra va letta insieme alle condizioni in cui è stata misurata. Lo stesso studio indica poi che i sistemi generativi multiuso consumano ordini di grandezza in più rispetto ai sistemi pensati per un compito singolo, a parità di parametri.
Con il video si cambia scala. Le misure di MIT Technology Review su un modello open source, CogVideoX, indicano circa 3,4 milioni di joule per un clip di cinque secondi, poco meno di 1 kWh: l’energia di un forno a microonde acceso per oltre un’ora e più di 700 volte quella di un’immagine di alta qualità. Uno studio del 2025 di Hugging Face sui modelli open di video mostra che il calcolo cresce in modo quadratico con risoluzione e durata: raddoppiando la durata, ne servono circa quattro volte tanto. Per i servizi commerciali a codice chiuso i consumi restano in gran parte opachi.
L’acqua: il conto che nessuno vi presenta
I server si scaldano e per raffreddarli si usa acqua, spesso evaporata. Ricercatori dell’Università della California a Riverside e dell’Università del Texas ad Arlington hanno stimato che addestrare GPT-3 nei data center statunitensi di Microsoft possa evaporare direttamente 700.000 litri di acqua dolce, con consumi che sarebbero triplicati in strutture asiatiche. Per il 2027 la stessa ricerca stima che la domanda globale di AI comporti prelievi tra 4,2 e 6,6 miliardi di metri cubi d’acqua, più di quanto prelevano ogni anno quattro-sei Danimarche.
Sono stime, come ogni numero di un settore che non pubblica i propri dati; chi lavora la terra, però, sa quanto vale un metro cubo d’acqua in un’estate siccitosa e sa che la risorsa ha sempre un territorio preciso: dipende da dove sorge il data center.
In Italia l’Osservatorio Data Center del Politecnico di Milano registra una crescita del 67% della potenza installata tra il 2021 e il 2024, con la Lombardia come epicentro. La maggior parte degli impianti usa ancora il raffreddamento ad aria e, quando serve l’acqua, sono frequenti i circuiti chiusi che ne riducono il consumo; sui consumi reali di elettricità e acqua, però, i dati scarseggiano.
Uso consapevole e uso indiscriminato: dove passa il confine
Chi usa l’AI per sistemare una bozza o riordinare una tabella sta nella fascia leggera, chi, invece, genera cinquanta varianti di un’immagine per un post che vivrà un giorno sta nella fascia pesante. I dati suggeriscono quattro criteri pratici.
Primo: partire dal testo, che costa poco, e chiedersi se immagine o video servano davvero. Una fotografia scattata in campo o in laboratorio racconta una filiera meglio di qualunque rendering.
Secondo: scegliere lo strumento in proporzione al compito. Un modello generalista che svolge un lavoro semplice consuma più di uno strumento specifico, come mostra lo studio di Luccioni.
Terzo: contare i tentativi. Se un’immagine ha un costo, dieci rigenerazioni costano dieci volte tanto.
Quarto: chiedere i dati ai fornitori. Chi pubblica metodologie e cifre, come hanno fatto Google e Mistral, si espone a verifiche e correzioni. Chi tace sulle proprie misure merita la diffidenza che riservereste a un ingrediente senza scheda tecnica.
Perché Penny Black Agency non stampa siti con l’AI
Esistono servizi che promettono un sito completo in pochi minuti, generato da un prompt; noi di Penny Black Agency scegliamo di non usarli, per tre motivi che parlano la lingua di chi lavora con certificazioni e disciplinari.
Il primo riguarda la filiera. Un marchio biologico o a filiera etica certificata risponde a un ente terzo: ogni passaggio documentato, ogni fornitore tracciabile. Affidare il sito a uno strumento generativo aggiunge un anello di cui, per i modelli chiusi, non si conosce l’impronta. L’AI Act europeo prevede che i fornitori dei grandi modelli documentino il consumo energetico, ma quella documentazione è pensata per essere messa a disposizione, su richiesta, dell’AI Office e delle autorità nazionali. Il pubblico resta fuori: un’etichetta che nessuno può leggere.
Il secondo riguarda la proporzione. Un sito su misura si costruisce una volta, con competenze umane e strumenti ordinari, senza chiedere a un modello generalista di rifare da capo ogni passaggio. La ricerca di Luccioni mostra quanto pesi la generalità: a parità di compito, i sistemi multiuso costano ordini di grandezza in più di quelli specifici; il risultato dura anni e si aggiorna con interventi mirati.
Il terzo riguarda l’identità. Come abbiamo visto parlando di bias culturali nel design digitale, i modelli addestrati su dataset a maggioranza occidentale riproducono gli stessi default e li esportano ovunque. Un sito generato rischia di somigliare a tutti gli altri siti generati: stessi layout, stessi testi levigati, nessuna voce. Per un’azienda agricola che vende la propria unicità, vuol dire presentarsi al mondo con la faccia di un ristorante o di un ingegnere meccanico.
Una comunicazione digitale sostenibile all’altezza della vostra filiera
I dati ci dicono che un singolo prompt pesa poco, che le abitudini, moltiplicate per miliardi di richieste, pesano parecchio, e che l’etichetta del settore è ancora in gran parte da scrivere.
Se siete a capo di un’azienda agricola biologica o biodinamica, o un brand di cosmetica o alimentare con filiera etica certificata, la coerenza tra ciò che producete ed il modo in cui lo comunicate conta quanto il disciplinare che seguite.
Noi partiamo dalle esigenze reali del progetto, scegliamo lo strumento in proporzione e, quando la risposta giusta è “a mano”, lo diciamo con fierezza.
Scriveteci per una consulenza gratuita, senza obblighi e senza promesse da televendita: un confronto diretto con professionisti e professioniste che parlano chiaro.
Fonti per la realizzazione dell’articolo
- International Telecommunication Union (ITU) – Internet use, Facts and Figures 2025
- Statista – Distribution of worldwide internet users by region, 2025
- zeroheight – How We Document Report, 2023
- Patrick McKenzie – Falsehoods Programmers Believe About Names, Kalzumeus.com, 2010
- The Register / ABC News – copertura della revisione della “real name policy” di Facebook, dicembre 2015
- Dori Tunstall – Decolonizing Design: A Cultural Justice Guidebook
- Ricerca di Abeba Birhane su bias culturali nei dataset per l’IA
- Geert Hofstede – modello delle dimensioni culturali, applicazioni recenti in letteratura UX/UI accademica (Springer, Universal Access in the Information Society, 2026)
- Fonti multiple e concordanti su simbolismo cromatico interculturale e significato dei gesti (pollice in su, segno “OK”) in contesti non occidentali
