"Un singolo prompt dell'IA consuma una bottiglia d'acqua" e "Il consumo idrico dell'IA è praticamente nullo" sono affermazioni che probabilmente avrete già sentito quest'anno. Nessuna delle due, però, è presentata con un contesto sufficiente per essere utile. Questo articolo mette a confronto i dati effettivi per ogni singola query con i dati globali aggregati, in modo che entrambe le affermazioni possano essere vere contemporaneamente senza contraddirsi a vicenda, e mostra perché la vera preoccupazione non è il vostro singolo prompt, ma i trilioni di prompt che avvengono ogni anno su una base di data center in rapida crescita.
Le due scale che vengono confuse
Quasi tutta la confusione su questo argomento deriva dalla confondenza di due unità di misura molto diverse:
impatto per query — quanta acqua o energia consuma un singolo prompt dell'IA. Questa cifra è davvero irrisoria.
Impatto globale complessivo — quanta acqua ed energia consuma l'intero settore dell'IA per miliardi di query e infrastrutture di data center in continua espansione. Questa cifra è elevata e in rapida crescita.
Entrambi i numeri sono corretti. Semplicemente, rispondono a domande diverse. Confonderli è ciò che genera titoli che sembrano contraddirsi a vicenda.
Consumo di acqua per query: il piccolo numero
Fonte / Stima | Acqua per query |
La cifra dichiarata dal CEO di OpenAI, Sam Altman | ~0.000085 galloni (circa 0.32 ml, circa 1/15 di cucchiaino) |
Google Gemini, query di testo mediana | ~0.26 ml (circa cinque gocce) |
Gamma di query più ampia per la classe ChatGPT. | 0.05-0.5 ml a seconda del metodo di raffreddamento e delle dimensioni del modello |
Stima più prudente | 500 ml per 20-50 interrogazioni (circa 10-25 ml per interrogazione) |
Anche la stima più elevata rappresenta una piccola frazione di un singolo sorso d'acqua. Per fare un confronto:
Attività quotidiane | Acqua utilizzata |
Uno scarico del water | ~3 galloni |
Una doccia | ~17 galloni |
Un carico di biancheria | ~30 galloni |
Una tazza di caffè (coltivazione dei chicchi inclusa) | ~37 galloni |
Un paio di jeans (produzione completa) | ~2,000 galloni |
Un anno intero di utilizzo dell'IA da parte di un utente esperto (~25,000 messaggi) | Da 2 a 100 galloni, a seconda della stima utilizzata — all'incirca l'equivalente di due o sei docce |
Secondo questo parametro, un anno intero di utilizzo intensivo dell'intelligenza artificiale a livello personale consuma meno acqua di poche docce. Questa è la statistica su cui si basano le argomentazioni secondo cui "il consumo idrico dell'IA è praticamente nullo", e a livello individuale, è corretta.
Consumo energetico per query: anch'esso ridotto, ma più variabile
Metrico | figura |
Energia per query di classe ChatGPT | ~0.3 a 3 Wh |
Confronto con una ricerca standard su Google | Circa 3-10 volte più energia di una singola query di ricerca |
Spiegazione della piattaforma | Dipende fortemente dalle dimensioni del modello, dal fatto che la query richieda o meno passaggi di ragionamento e dall'efficienza del data center. |
Il paragone con una ricerca su Google è un utile punto di riferimento: una singola query basata sull'intelligenza artificiale consuma molta più energia di una ricerca, ma "molta più di una ricerca" è comunque un numero molto piccolo in termini assoluti: una tipica lampadina a LED consuma più energia per pochi minuti di quanta ne consumi una singola query basata sull'intelligenza artificiale.
Dove i numeri smettono di essere piccoli: l'utilizzo globale aggregato
È qui che le due fazioni del dibattito si connettono effettivamente, e dove la preoccupazione diventa legittima, sebbene ogni singola questione sia di poco conto.
Metrico | Figura 2025-2026 |
Consumo idrico globale dei data center per l'intelligenza artificiale, 2025 | Circa 264 miliardi di galloni (quasi 1 trilione di litri) |
Equivalente giornaliero | Circa 550 milioni di galloni al giorno |
Confronto | Equivalente al fabbisogno idrico domestico annuo di base di tutti gli 1.3 miliardi di abitanti dell'Africa subsahariana. |
Domanda globale di energia elettrica per i data center, 2025 | ~460-490 TWh |
Crescita prevista entro il 2030 | All'incirca il doppio |
Un numero che sembra trascurabile, moltiplicato per miliardi di query giornaliere che transitano attraverso data center che necessitano di un costante raffreddamento ad acqua, si traduce in un consumo di risorse su scala industriale davvero ingente. Moltiplicando un piccolo numero per un numero enorme, si arriva a constatare che sia "praticamente nulla per utilizzo" sia "un serio problema ambientale su larga scala" risultano essere vere.
Le proiezioni per il 2030: dove ci porterà tutto questo?
Un rapporto dell'Università delle Nazioni Unite (UNU-INWEH), intitolato "Costo ambientale del consumo energetico dell'IA", ha elaborato un modello per prevedere l'evoluzione delle tendenze attuali entro il 2030, qualora la crescita dovesse proseguire al ritmo attuale.
Metrico | 2030 proiezione |
consumo idrico del data center AI | 9.3 trilioni di litri all'anno |
Confronto | Equivalente al fabbisogno idrico domestico di base di 1.3 miliardi di persone |
consumo di elettricità del data center AI | 945 TWh all'anno |
Confronto | Quasi il triplo del consumo di elettricità combinato di Pakistan, Bangladesh e Nigeria. |
Quota prevista dell'intelligenza artificiale nel consumo energetico globale dei data center | 40% |
Emissioni di CO2 dai data center, previste | 399 milioni di tonnellate |
crescita dell'occupazione del suolo da parte dei data center | Da circa 6,900 km quadrati a oltre 14,500 km quadrati |
Produzione annua prevista di rifiuti elettronici provenienti dai data center. | ~2.5 milioni di tonnellate metriche |
Se queste proiezioni si avverassero, entro il 2030 l'intelligenza artificiale diventerebbe uno dei maggiori consumatori di energia elettrica al mondo, superata solo da una manciata di interi Paesi. Questo è il dato che i confronti per singola query, per quanto accurati di per sé, non riescono a cogliere.
Perché questo si collega direttamente al ciclo di notizie sull'IA
Non si tratta di un dibattito ambientale astratto che si svolge separatamente dalle notizie sul settore dell'IA trattate altrove. È direttamente collegato ad esso. Il nuovo servizio cloud "Meta Compute" di Meta, il raddoppio della potenza di calcolo totale entro il 2027 e il data center da 10 miliardi di dollari e 1 gigawatt in Alberta rappresentano esattamente il tipo di sviluppo infrastrutturale che fa aumentare questi numeri complessivi. Lo stesso vale per la revisione di Google Search basata su Gemini 3.5, che ora serve oltre un miliardo di utenti in modalità AI, e per tutti gli altri laboratori che si affrettano ad aggiungere agenti always-on ai propri prodotti. Ciascuno di questi annunci rappresenta, dal punto di vista delle risorse, un impegno per un maggior numero di data center, più acqua di raffreddamento e un maggiore consumo di energia elettrica, anche se nessuna delle notizie di lancio lo inquadra in questi termini.
Perché le due interpretazioni continuano a scontrarsi nel dibattito pubblico
Le aziende di IA sottolineano il numero per query perché è vero, difendibile e rassicurante: paragonare un singolo suggerimento a un cucchiaino d'acqua non è manipolativo, è semplicemente un quadro incompleto di per sé.
I ricercatori ambientali sottolineano i numeri aggregati e previsti perché è a questa scala che vengono effettivamente prese le decisioni reali in materia di infrastrutture: nuovi data center, diritti idrici, pressione sulla rete elettrica.
Nessuna delle due parti sta mentendoma ciascuna risponde a una domanda diversa, ed è per questo che lo stesso settore di base può essere descritto, nella stessa settimana, da fonti diverse, come "che non utilizza quasi acqua per interazione" e "sulla buona strada per mettere a dura prova i sistemi idrici che servono oltre un miliardo di persone", senza che nessuna delle due affermazioni sia fattualmente errata.
Conclusione
Entrambe le parti del dibattito sull'IA, l'acqua e l'energia sono fattualmente corrette, e la confusione nasce interamente dal considerarle come la stessa affermazione. Una singola query di IA consuma effettivamente pochissima acqua ed energia: meno dell'impronta idrica di una tazza di caffè, meno di quanto la maggior parte delle persone immagini. Ma questo piccolo numero, moltiplicato per una base di utenti globale che invia miliardi di query al giorno attraverso data center costruiti appositamente per supportare questa crescita, si traduce in un'impronta di risorse industriale reale e in rapida crescita: secondo le proiezioni dei ricercatori delle Nazioni Unite, entro il 2030 si potrebbero raggiungere 9.3 miliardi di litri d'acqua e 945 terawattora di elettricità all'anno. La conclusione onesta non è che le persone debbano sentirsi in colpa per aver posto una domanda a un chatbot. È che le decisioni infrastrutturali prese in questo momento dalle stesse aziende che annunciano modelli e data center più grandi sono ciò che vale davvero la pena monitorare, non una singola query.
Domande frequenti
Le stime più attendibili collocano una singola query ChatGPT tra 0.05 ml e 25 ml di acqua, a seconda del data center e del metodo di raffreddamento utilizzato. Si tratta di una piccola frazione di una bottiglia d'acqua standard, non di una bottiglia intera come affermato da alcuni titoli.
Le query basate sull'intelligenza artificiale richiedono una potenza di calcolo significativamente maggiore rispetto a una normale ricerca sul web, con stime che suggeriscono un consumo energetico per query da 3 a 10 volte superiore. Tuttavia, in termini assoluti, entrambi i valori rimangono relativamente bassi rispetto al consumo medio giornaliero di elettricità di una famiglia.
Sì, nonostante i miglioramenti nell'efficienza per singola query, si prevede che il consumo idrico totale del settore continuerà a crescere in modo sostanziale, poiché la costruzione di nuovi data center procede a un ritmo più rapido di quanto i miglioramenti in termini di efficienza possano compensare tale crescita. I ricercatori delle Nazioni Unite stimano che il consumo idrico legato all'intelligenza artificiale potrebbe raggiungere i 9.3 trilioni di litri all'anno entro il 2030.
I fattori principali sono il tipo di tecnologia di raffreddamento impiegata, la posizione geografica della struttura e le condizioni climatiche locali. Si tratta di decisioni infrastrutturali prese dalle aziende che costruiscono i data center, non di variabili influenzate dai singoli utenti.
Sì, il mix energetico della rete elettrica che alimenta un data center è uno dei fattori più importanti per ridurre l'impronta di carbonio dell'IA, poiché l'energia prodotta da combustibili fossili amplifica il costo ambientale derivante da un elevato consumo energetico. Le aziende che scelgono di localizzare i data center in prossimità di fonti di energia rinnovabile possono ridurre significativamente l'impatto ambientale complessivo delle proprie attività legate all'IA.
