L’intelligenza artificiale è spesso raccontata come una rivoluzione software. Si parla di modelli linguistici, agenti autonomi, copiloti, automazione dei processi e capacità predittive. Molto meno evidente, però, è ciò che realmente rende possibile tutto questo: una gigantesca infrastruttura fisica composta da data center, GPU, reti di trasmissione elettrica, sistemi di raffreddamento e impianti energetici. Ed è proprio su queste infrastrutture che in questo momento si gioca una delle sfide più importanti della trasformazione digitale.
Indice degli argomenti
AI e consumo elettrico: perché il tema è diventato strategico
La diffusione dell’AI generativa e, ancora di più, dei sistemi agentici fa crescere la domanda di capacità computazionale a un ritmo mai osservato prima. Ogni nuova applicazione, ogni chatbot aziendale, ogni motore di ricerca potenziato dall’intelligenza artificiale richiede enormi quantità di potenza di calcolo e, di conseguenza, di energia elettrica.
La questione, però, non riguarda soltanto il volume dei consumi. L’intelligenza artificiale ha ribaltato completamente il rapporto tra infrastrutture digitali ed energetiche. I data center non sono più semplici edifici che ospitano server, ma veri e propri energivori, ovvero grandi consumatori industriali di watt, capaci di modificare gli equilibri delle reti elettriche nazionali e influenzare la pianificazione energetica di interi territori.
Per questo motivo, il dibattito sull’AI si sta progressivamente spostando dall’innovazione tecnologica alla sostenibilità dell’intero ecosistema che la rende possibile.
L’AI non consuma solo dati ma anche megawatt
Ogni risposta generata da un modello linguistico, ogni immagine prodotta da un sistema generativo e ogni agente intelligente che esegue autonomamente processi aziendali attivano migliaia di operazioni distribuite tra CPU, GPU, memoria e sistemi di networking.
Rispetto alle tradizionali applicazioni cloud, i carichi AI presentano caratteristiche completamente differenti: sono continui; sono molto più densi; richiedono acceleratori hardware altamente energivori.
E, soprattutto, non possono essere gestiti semplicemente aggiungendo nuovi server quando aumenta la domanda. Entrano, infatti, in gioco altri fattori come disponibilità di energia, capacità della rete, sistemi di raffreddamento e tempi di realizzazione delle infrastrutture.
Cosa cambia per i CIO
La verità è che l’AI sta trasformando la gestione del data center, spostando il focus dalla gestione della capacità (computazionale, di rete e memorizzazione) a quella del comportamento dell’infrastruttura. La disponibilità di energia diventa, in quest’ottica, un vincolo progettuale tanto quanto GPU, storage o connettività.
Per i CIO questo rappresenta un cambio di prospettiva non banale. Le decisioni sull’adozione dell’intelligenza artificiale non possono più essere prese considerando esclusivamente costi del cloud, performance dei modelli o licenze software. Devono necessariamente includere disponibilità energetica, resilienza della rete e localizzazione delle infrastrutture.
Perché i data center sono diventati infrastrutture energetiche complesse
La crescita dei data center è ormai direttamente correlata all’evoluzione dell’intelligenza artificiale.
Un rapporto del WWF rilasciato pochi giorni fa evidenzia come l’esplosione dell’AI abbia introdotto una nuova componente della domanda elettrica mondiale, destinata a incidere in misura crescente sui consumi complessivi. In Italia, i data center hanno già assorbito circa 3,9 TWh nel 2024, pari a circa l’1,3% della domanda nazionale di elettricità, ma gli scenari al 2035 prevedono incrementi molto consistenti, soprattutto se l’adozione dell’AI continuerà ad accelerare.
Le strategie di localizzazione
La localizzazione dei nuovi campus digitali, inoltre, non dipende più soltanto dalla disponibilità di fibra ottica o dalla vicinanza agli utenti finali. Diventano determinanti fattori come la disponibilità immediata di potenza elettrica, la rapidità delle connessioni alla rete, la presenza di fonti rinnovabili, l’accesso ai sistemi di raffreddamento, la disponibilità di fonti idriche e la possibilità di recuperare il calore prodotto.
Il data center assume, così, caratteristiche molto simili a quelle di un grande impianto industriale.
Non è un caso che il report WWF suggerisca di pianificarne lo sviluppo attraverso una vera politica energetica nazionale, definendo criteri di localizzazione, requisiti ambientali e obblighi di approvvigionamento da fonti rinnovabili, piuttosto che lasciare che siano esclusivamente le dinamiche di mercato a orientare queste scelte strategiche.
Come l’intelligenza artificiale cambia il consumo di energia dei data center
Per comprendere l’impatto dell’AI sul sistema elettrico è necessario distinguere le due attività che assorbono la maggior parte della potenza computazionale: l’addestramento dei modelli e l’inferenza.
Per molti anni l’attenzione si è concentrata quasi esclusivamente sul training dei grandi modelli linguistici, operazione che richiede enormi cluster di GPU e settimane di elaborazione continua. In realtà, però, il vero motore della domanda energetica dei prossimi anni sarà l’inferenza, cioè tutte le risposte generate quotidianamente dai modelli durante il loro utilizzo da parte di milioni di utenti.
Secondo un recente studio di Capgemini, entro i prossimi tre-cinque anni il peso dell’AI passerà dall’assorbire circa un quarto dell’energia dei data center fino a rappresentarne circa il 60%, sostituendo progressivamente i tradizionali carichi IT. Questa trasformazione modifica radicalmente il profilo della domanda elettrica. Non si tratta più di picchi temporanei legati alla fase di addestramento, ma di un consumo costante, distribuito durante l’intero arco della giornata e sempre più difficile da prevedere.
Quanto aumenterà il consumo elettrico dell’AI nei prossimi anni
Prevedere con precisione quanta energia richiederà l’intelligenza artificiale nei prossimi dieci anni è estremamente complesso. La velocità con cui evolvono modelli, chip, sistemi di raffreddamento e architetture software rende rapidamente obsolete anche le stime più recenti. Tuttavia, tutti gli studi convergono su un punto: la domanda elettrica continuerà a crescere e i data center saranno tra i principali responsabili dell’aumento dei consumi globali.
Il tema non riguarda solo la quantità di elettricità necessaria, ma la capacità dei sistemi energetici di accompagnare questa crescita senza compromettere stabilità, sostenibilità e competitività economica.
Le previsioni globali
L’International Energy Agency stima che entro il 2030 il consumo elettrico mondiale dei data center raddoppierà mentre un report Deloitte prevede che negli Stati Uniti la potenza richiesta dai soli data center AI possa passare da circa 4 GW nel 2024 a oltre 120 GW nel 2035.
Questa crescita è trainata da tre fenomeni che si alimentano reciprocamente.
Il primo è l’esplosione dell’AI generativa, che richiede enormi cluster di GPU per addestrare modelli sempre più complessi.
Il secondo è la diffusione degli agenti AI, destinati a moltiplicare le richieste di inferenza continue durante tutta la giornata.
Il terzo è la crescente integrazione dell’intelligenza artificiale nei software aziendali, motori di ricerca, sistemi ERP, CRM e piattaforme collaborative.
In altre parole, mentre il training rimarrà molto energivoro, sarà soprattutto l’utilizzo quotidiano dell’AI da parte di miliardi di persone a determinare il vero salto dei consumi.
Lo scenario europeo
Anche l’Europa sta vivendo una profonda trasformazione.
I tradizionali hub FLAPD (Francoforte, Londra, Amsterdam, Parigi e Dublino) hanno raggiunto limiti sempre più evidenti a tutti in termini di disponibilità energetica. In Irlanda, ad esempio, i data center rappresentano già oltre un quinto dei consumi elettrici nazionali, mentre alcune aree urbane registrano percentuali ancora superiori.
Questa situazione favorisce la nascita di nuovi poli digitali in Paesi come Italia, Spagna, Portogallo, Grecia e Finlandia, trainati dalla disponibilità di nuove dorsali in fibra ottica, dalla maggiore capacità di rete e dai costi energetici più competitivi.
Il caso Italia
L’Italia parte da numeri ancora contenuti ma sta vivendo una crescita estremamente rapida.
Secondo il rapporto WWF, nel 2024 i data center hanno consumato circa 3,9 TWh, equivalenti a circa l’1,3% dell’intera domanda nazionale di elettricità. Le proiezioni elaborate dallo studio delineano tre scenari al 2030 e al 2035.
Lo scenario più prudente ipotizza un incremento della domanda di circa 9,7 TWh entro il 2030 e di 13 TWh entro il 2035.
Gli scenari più aggressivi arrivano invece fino a quasi 30 TWh aggiuntivi nel 2030 e addirittura 50 TWh nel 2035, qualora la diffusione dell’intelligenza artificiale dovesse accelerare oltre le aspettative.
Lo stesso WWF invita tuttavia alla prudenza, sottolineando come molte stime siano alimentate da annunci di investimento e richieste di connessione che probabilmente non verranno mai realizzate.
Perché il problema non è solo produrre più energia
Quando si parla di AI e consumo elettrico si tende a immaginare che il problema consista semplicemente nell’aumentare la produzione di energia.
In realtà la questione è molto più complessa.
Il vero limite non è rappresentato dalla quantità complessiva di elettricità disponibile, ma dalla possibilità di renderla disponibile nel luogo giusto, nel momento giusto e con la continuità richiesta dai grandi data center.
È questa la principale criticità evidenziata sia dagli operatori energetici sia dagli analisti del settore.
La rete elettrica è il vero collo di bottiglia
Il report Capgemini mostra come quasi l’80% delle utility ritenga che la domanda di energia diventerà sempre più volatile e difficile da prevedere.
Oltre i tre quarti degli operatori dichiarano, infatti, di non riuscire più a stimare con precisione l’evoluzione futura dei carichi elettrici generati dall’AI, mentre il 68% teme future carenze di capacità dovute alla velocità con cui stanno crescendo i data center rispetto ai tempi necessari per espandere la rete.
La conseguenza è un crescente rischio di investimenti sbagliati. Costruire nuove infrastrutture troppo presto significa immobilizzare capitali in asset inutilizzati. Aspettare troppo può, invece, rallentare la trasformazione digitale di interi territori.
Le richieste “fantasma” dei data center
Uno degli aspetti più interessanti emersi sia nel rapporto WWF sia nello studio Capgemini riguarda il fenomeno delle cosiddette richieste fantasma.
Molti sviluppatori presentano, infatti, richieste di connessione alla rete ben superiori rispetto ai progetti che verranno realmente costruiti.
Capgemini stima che circa il 19% delle richieste avanzate dai data center non si concretizzi mai, alterando le previsioni delle utility.
Il caso italiano è emblematico.
A marzo 2026 Terna aveva ricevuto 480 richieste di connessione per oltre 82 GW complessivi, una potenza enormemente superiore ai fabbisogni realistici previsti nel prossimo decennio.
Questo rende estremamente difficile pianificare gli investimenti sulla rete.
La concentrazione geografica degli hyperscaler
Un ulteriore problema riguarda, poi, la forte concentrazione territoriale.
Gli hyperscaler tendono, infatti, a localizzare i propri campus nelle stesse aree, dove sono presenti dorsali internazionali in fibra ottica, disponibilità di energia, personale specializzato e connessioni ad alta tensione.
Questa concentrazione genera colli di bottiglia locali che possono compromettere la stabilità delle reti regionali, anche quando a livello nazionale la produzione elettrica sarebbe teoricamente sufficiente.
Come ridurre il consumo energetico dell’AI
La buona notizia è che la crescita dei consumi non segue automaticamente quella della capacità di calcolo.
Negli ultimi anni l’efficienza dei data center è migliorata molto rapidamente.
L’obiettivo dell’industria è ottenere sempre più potenza computazionale consumando meno energia per singola operazione.
Data center sempre più efficienti
L’indicatore più utilizzato è la Power Usage Effectiveness (PUE). Negli ultimi anni il valore medio è passato da circa 2,5 a poco più di 1,5, mentre i nuovi hyperscaler puntano ormai a scendere sotto 1,2. Questo significa che una quota sempre maggiore dell’energia assorbita viene destinata direttamente al calcolo anziché ai sistemi ausiliari.
Il ruolo del raffreddamento
Il raffreddamento rappresenta circa un quarto dei consumi complessivi di un moderno data center. Per questo motivo stanno assumendo un ruolo centrale le strategie di raffreddamento a liquido, free cooling, la capacità di operare a temperature più elevate e di recuperare il calore generato dalle macchine.
Secondo il WWF il solo recupero del calore disperso potrebbe valorizzare fino a 10-12 TWh oggi inutilizzati.
Chip sempre più performanti
Anche i produttori di semiconduttori stanno migliorando rapidamente il rapporto tra prestazioni e consumi.
GPU più efficienti, nuove memorie ad alta banda e architetture dedicate all’inferenza consentono di eseguire un numero sempre maggiore di operazioni per ogni kWh consumato.
L’AI può ridurre i propri consumi?
Paradossalmente, sì.
Lo studio Capgemini evidenzia come l’intelligenza artificiale possa diventare uno degli strumenti più efficaci per ottimizzare la rete elettrica.
Le utility prevedono miglioramenti superiori al 10% nella prevenzione dei guasti, nella gestione dei flussi energetici, nella manutenzione predittiva e nella resilienza della rete grazie agli algoritmi di AI.
L’AI, quindi, è contemporaneamente causa dell’aumento della domanda e parte della soluzione.
AI, energia rinnovabile e sostenibilità
La crescita dei consumi rende inevitabile una domanda: come alimentare milioni di GPU senza compromettere gli obiettivi climatici?
La risposta non può essere una sola tecnologia.
Servirà una combinazione di fonti rinnovabili, sistemi di accumulo, maggiore efficienza e una pianificazione molto più intelligente delle infrastrutture.
Le implicazioni per CIO e imprese
La diffusione capillare dell’AI ha reso evidente una realtà spesso trascurata: la trasformazione digitale non è più soltanto una questione di software, dati e algoritmi. Ogni nuova applicazione AI poggia su un’infrastruttura fisica fatta di energia, reti, sistemi di raffreddamento e data center che devono scalare alla velocità dell’innovazione. E in un’economia sempre più AI-driven, la disponibilità di megawatt rischia di diventare preziosa quanto quella dei dati.
Per i CIO, la trasformazione in atto cambia radicalmente il modo di progettare l’adozione dell’intelligenza artificiale. La sfida non consiste semplicemente nel produrre più elettricità, ma nel costruire un ecosistema capace di coniugare prestazioni, sostenibilità e resilienza. Questo significa superare una logica emergenziale e pianificare congiuntamente e in modo sinergico sviluppo digitale e sviluppo energetico perché l’energia non sarà più soltanto una voce di costo operativo, ma una variabile strategica che influenzerà la scalabilità dei progetti di AI, le scelte architetturali e, in ultima analisi, la competitività delle organizzazioni.
I nuovi KPI da monitorare
Disponibilità di energia, capacità della rete, raffreddamento e localizzazione geografica influenzeranno sempre più le decisioni relative a cloud, Workload Placement e continuità operativa. Non sarà più sufficiente scegliere il modello migliore o il cloud provider più economico. Occorrerà valutare anche dove saranno eseguiti i workload, quale disponibilità energetica esiste nelle diverse regioni, quali costi comporterà la loro esecuzione nel lungo periodo e quale resilienza offriranno le infrastrutture sottostanti.
Tra le nuove metriche che le organizzazioni dovrebbero iniziare a monitorare in futuro, secondo lo studio Capgemini, emergono KPI quali l’intensità energetica dei workload AI; il costo energetico per inferenza; la disponibilità di capacità nelle diverse regioni cloud; la resilienza delle infrastrutture o l’impatto ambientale delle applicazioni AI.
Partecipa alla community