Entro il 2030 i data center che fanno girare l’intelligenza artificiale consumeranno 9.300 miliardi di litri d’acqua all’anno. È il dato centrale del rapporto pubblicato a giugno dall’UNU-INWEH, l’istituto dell’Università delle Nazioni Unite dedicato ad acqua, ambiente e salute. Quella cifra equivale al fabbisogno idrico domestico annuo di tutti gli 1,3 miliardi di abitanti dell’Africa subsahariana.
Sul fronte energetico, la proiezione non è meno pesante. 945 terawattora di elettricità consumata ogni anno dai data center AI entro fine decennio: quasi il triplo del consumo combinato di Pakistan, Bangladesh e Nigeria, paesi che insieme ospitano oltre 650 milioni di persone. Nel 2025 i data center globali ne consumavano già 448 TWh — abbastanza da classificarli, se fossero uno stato, come undicesimo consumatore mondiale di elettricità, dietro la Francia e davanti all’Arabia Saudita. L’impronta territoriale dell’infrastruttura supererà i 14.500 chilometri quadrati, circa il doppio dell’area metropolitana di Giacarta.
Il rapporto individua un errore di fondo nel modo in cui si misura l’impatto ambientale dell’AI. Il dibattito pubblico si è concentrato quasi esclusivamente sulle emissioni di CO₂ legate all’addestramento dei modelli. Ma quella fase è secondaria rispetto all’inferenza — cioè all’uso quotidiano dei modelli per rispondere alle richieste degli utenti — che da sola rappresenta tra l’80 e il 90 per cento del consumo energetico totale. Addestrare GPT-4 ha richiesto fino a 70 gigawattora. Tenerlo in esecuzione come ChatGPT, con miliardi di prompt elaborati ogni giorno, consuma circa 383 GWh all’anno. Per ogni kilowattora speso, c’è anche un’impronta idrica — legata al raffreddamento dei server e alla produzione di energia — e un’impronta di suolo, legata all’infrastruttura e alle catene di fornitura.
Le conseguenze locali già si vedono. In Irlanda i data center hanno rappresentato il 21% dell’elettricità totale misurata nel 2023, superando tutti i consumi delle famiglie urbane del paese. Il gestore della rete nazionale ha sospeso nuove approvazioni nell’area di Dublino fino al 2028. In Messico, nello stato di Querétaro, l’espansione dell’infrastruttura AI preme sulle riserve idriche durante siccità prolungate. In Uruguay, nel 2023, un progetto di data center ad alta intensità idrica si è sovrapposto a una siccità che aveva reso non potabile l’acqua del rubinetto a Montevideo. Entro il 2030 l’infrastruttura AI potrebbe generare fino a 2,5 milioni di tonnellate di rifiuti elettronici ogni anno, in gran parte smaltiti in economie a basso reddito.
Il rapporto smonta anche l’argomento dell’efficienza come soluzione. Passare dal carbone alle bioenergie riduce l’impronta carbonica del 70%, ma moltiplica quella idrica di trenta volte e quella territoriale di cento. Il cosiddetto paradosso di Jevons fa il resto: quando i modelli diventano più efficienti e meno costosi, il loro uso cresce in misura tale da azzerare i guadagni. La concentrazione geografica dell’infrastruttura aggrava il quadro: solo 32 paesi ospitano data center specializzati in AI, e il 90% della capacità è nelle mani di due soli paesi, Stati Uniti e Cina. Più di 150 nazioni non hanno accesso a risorse di calcolo sovrane.
Il rapporto non chiede di fermare l’AI. Chiede che governi, investitori e aziende tecnologiche inizino a misurare acqua, suolo e carbonio insieme, non separatamente. Se la sostenibilità di un sistema si valuta solo sulle emissioni, si rischia di spostare il problema — non di risolverlo. La finestra per governare questa crescita è stretta, e diventa più stretta ogni trimestre in cui nuovi data center vengono approvati senza valutazioni ambientali complete.
