Un singolo utente che usa intensivamente un agente AI come Claude Code di Anthropic può consumare tra 1,2 e 5,9 kWh al giorno. È il dato che emerge dalle misurazioni condotte da Zeke Hausfather, ricercatore climatico, sul proprio utilizzo quotidiano dello strumento. Numeri che, messi in fila, disegnano un quadro molto diverso da quello a cui si è abituati parlando di chatbot e query testuali.
La differenza tra chiedere qualcosa a un modello e affidare un compito a un agente è sostanziale sul piano energetico. Una singola query testuale consuma pochi wattora — cento domande al giorno hanno un’impronta di circa 30 Wh, trascurabile. Un agente che lavora per sei ore su compiti complessi può consumare 2,4 kWh, secondo le stime dell’Agenzia Internazionale per l’Energia. Il motivo è strutturale: un agente non risponde, agisce. Esegue cicli multipli di inferenza, chiama strumenti esterni, scrive e riscrive codice, naviga contesti lunghi. Ogni passaggio ha un costo.
OpenAI ha alimentato il dibattito quando il suo CEO Sam Altman ha dichiarato in un podcast che l’acqua necessaria per raccogliere una singola mandorla equivale a 38.000 query su ChatGPT — un’affermazione poi contestata, ma che ha attirato l’attenzione sul consumo idrico oltre che elettrico dei data center. Il tema non è solo retorico. I data center hanno consumato circa 415 TWh di elettricità nel 2024, pari all’1,5% della domanda globale. L’IEA stima che questa cifra raggiungerà 945 TWh entro il 2030, crescendo al ritmo del 15% annuo — quattro volte più veloce del resto dei consumi elettrici mondiali.
Gli Stati Uniti concentrano il 45% del consumo globale dei data center, seguiti da Cina e Europa. Solo negli USA, la domanda è destinata ad aumentare di 240 TWh entro fine decennio rispetto ai livelli del 2024. Goldman Sachs prevede che la domanda globale di energia proveniente dai data center aumenterà del 50% entro il 2027. Le proiezioni per il 2030 parlano di una quota tra il 2,3% e il 7,4% dell’elettricità americana assorbita da questa infrastruttura, a seconda dello scenario di crescita dell’IA.
Il problema della trasparenza aggrava quello del consumo. La maggior parte dei grandi fornitori di modelli proprietari non rende pubblici dati sufficienti a stimare il proprio impatto energetico complessivo. Google ha pubblicato nel 2025 una metodologia per misurare l’impronta dei prompt su Gemini, rivendicando un calo del 33 volte dell’energia per prompt nell’arco di dodici mesi. Ma si tratta di dichiarazioni unilaterali, non verificabili dall’esterno. Il confronto tra aziende resta impossibile.
L’efficienza hardware migliora — i TPU di nuova generazione di Google consumano trenta volte meno rispetto alla prima versione pubblica — ma la domanda cresce più in fretta dei guadagni di efficienza. È la dinamica classica del rimbalzo: si consuma meno per unità, ma il volume totale sale. Con l’adozione di massa degli agenti AI, questa tensione si fa più acuta. Il prossimo passaggio, probabilmente, sarà la pressione verso una rendicontazione obbligatoria dei consumi energetici per i modelli più utilizzati — una questione che i regolatori europei hanno già iniziato a mettere sul tavolo.
