Un nuovo rapporto shock dell’ONU svela i costi occulti della rivoluzione digitale: la corsa ai data center non minaccia solo il clima con le emissioni di CO2, ma sta prosciugando le riserve idriche e consumando la terra. E un singolo video generato dall’AI può consumare l’equivalente di due giorni di acqua da bere.

(Ti Lancio dagli Stati Uniti) New York 8 giugno 2026 – Dietro ogni immagine iperrealistica creata con un prompt, dietro ogni riga di codice generata da un chatbot e dietro ogni interazione quotidiana con i modelli di Intelligenza Artificiale (AI) si nasconde un costo ambientale tangibile, drammatico e finora ampiamente sottostimato. A lanciare l’allarme è l’UNU-INWEH (l’Istituto per l’Acqua, l’Ambiente e la Salute dell’Università delle Nazioni Unite) nel suo ultimo rapporto intitolato “Environmental Cost of Artificial Intelligence: Carbon, Water and Land Footprints”.

Il dato centrale emerso dallo studio è impressionante: entro il 2030, l’impronta idrica globale legata al consumo elettrico e al raffreddamento dei data center dedicati all’AI raggiungerà i 9,3 mila miliardi di litri d’acqua. Una quantità colossale, pari al fabbisogno domestico annuo di base di circa 1,3 miliardi di persone (l’equivalente dell’intera popolazione dell’Africa subsahariana).

Fino ad oggi il dibattito pubblico e i report di sostenibilità delle grandi aziende tecnologiche (Big Tech) si sono concentrati quasi esclusivamente sull’impronta di carbonio (le emissioni di CO2). Tuttavia, gli scienziati dell’ONU avvertono che focalizzarsi su un unico parametro è un errore macroscopico che rischia di creare disastri ecologici altrove.

Ogni kilowattora (kWh) utilizzato dall’AI porta con sé non solo emissioni, ma anche un’impronta idrica e di consumo del suolo. Il paradosso evidenziato dal rapporto è che le tre impronte viaggiano spesso in direzioni opposte. Ad esempio, la transizione dal carbone alle bioenergie per alimentare i server può abbattere le emissioni di carbonio del 70%, ma rischia di moltiplicare per 30 il consumo di acqua e di 100 volte quello del suolo. Allo stesso modo, l’energia solare o eolica richiede vasti spazi di terra, e i data center situati in zone aride affidati a sistemi di raffreddamento evaporativo rischiano di prosciugare le falde acquifere locali.

Contrariamente a quanto si pensa, non è la fase di addestramento (training) dei modelli a consumare la fetta maggiore di risorse, bensì la fase di utilizzo quotidiano (inference). Una volta che un software come ChatGPT viene distribuito, i miliardi di richieste giornaliere degli utenti pesano per l’80-90% del consumo energetico totale della tecnologia. Per dare una dimensione del fenomeno, si stima che il solo ChatGPT elabori ormai circa 2,5 miliardi di prompt al giorno.

Il costo ambientale varia drasticamente a seconda dell’operazione richiesta. Chat standard: una semplice domanda a un chatbot consuma circa 200 volte l’energia di una classificazione di testo base. Immagine AI: generare una singola immagine a risoluzione standard richiede circa 2,9 Wh di elettricità, traducendosi in 1,22 grammi di CO2, 0,45 cm² di suolo e 28,6 millilitri di acqua. Video AI: la creazione di un singolo video breve generato dall’AI ad alta complessità richiede un’energia tale da comportare un’impronta idrica di ben 4,1 litri d’acqua, l’equivalente del fabbisogno d’acqua potabile di una persona per due giorni.Il rapporto solleva anche una profonda questione di giustizia climatica e sociale. I data center stanno diventando consumatori di elettricità a livello statale: il consumo globale passerà dai 448 Terawattora (TWh) del 2025 ai 945 TWh previsti per il 2030 (circa il 3% dell’elettricità mondiale, con emissioni pari a quelle dell’intero Regno Unito).

Tuttavia, i benefici economici di questa rivoluzione sono concentrati nelle mani di pochissimi. Solo il 16% dei Paesi del mondo possiede infrastrutture avanzate per l’AI, e appena due nazioni – Stati Uniti e Cina – controllano il 90% della capacità totale installata. Al contrario, i costi ambientali (estrazione di minerali critici, consumo d’acqua locale, erosione del suolo e lo smaltimento dei rifiuti elettronici) gravano spesso sulle comunità e sui Paesi a basso reddito, che non hanno alcun accesso ai profitti generati da questi algoritmi.

Migliorare l’efficienza dei chip e dei sistemi di raffreddamento non basterà. L’ONU cita il cosiddetto “effetto rimbalzo” (Rebound Effect o Paradosso di Jevons): rendendo l’AI più efficiente e accessibile, i costi calano, la domanda esplode e il consumo totale di risorse finisce per aumentare anziché diminuire.

Per evitare una crisi ecologica globale, gli scienziati dell’UNU-INWEH indicano una tabella di marcia basata su una reale trasparenza aziendale e su una governance globale. Governi e pianificatori aziendali devono integrare i data center nei piani idrici ed energetici nazionali. È necessario che le Big Tech dichiarino pubblicamente non solo la CO2, ma i litri di acqua consumati per ogni query. Al contempo, anche gli utenti finali e i programmatori devono essere educati a un consumo responsabile: la scelta del modello da utilizzare, la lunghezza dell’output e la limitazione dell’uso superfluo di contenuti multimediali pesanti (come i video AI) rappresentano leve di cambiamento fondamentali per mantenere l’Intelligenza Artificiale entro i limiti planetari.