Quanto costa davvero l’AI in termini energetici? Facciamo un punto concreto sull’utilizzo quotidiano

Negli ultimi mesi, il dibattito sul consumo energetico dell’intelligenza artificiale ha raggiunto quasi ogni angolo della rete. Articoli allarmistici, infografiche virali, numeri impressionanti. Eppure, gran parte di questo dibattito ruota attorno a cifre imprecise, confronti fuorvianti e, soprattutto, a una domanda mal posta. Perché la vera questione non è quanta energia consuma la tua singola query a ChatGPT, ma come si distribuisce il peso reale tra utente individuale e sistema complessivo, e chi alla fine paga il conto.

Proviamo a fare ordine con dati verificabili, partendo dall’esperienza quotidiana di chi usa questi strumenti ogni giorno.

I numeri che circolano (e perché spesso sono sbagliati)

La cifra più citata in rete è che una query a ChatGPT consuma circa 10 volte più energia di una ricerca Google. L’origine di questo dato risale a uno studio del 2023 del ricercatore Alex de Vries, che stimava circa 3 Wh per prompt AI contro 0,3 Wh per una ricerca tradizionale. Cifra ripresa poi in un report Goldman Sachs del 2024, e da lì diventata riferimento fisso nel discorso pubblico.

Il problema è che entrambi i valori di quel confronto sono nel frattempo diventati obsoleti. Epoch AI, uno dei laboratori di ricerca più autorevoli sull’analisi dei sistemi AI, ha stimato nel 2025 un consumo medio per prompt ChatGPT intorno a 0,3 Wh, circa dieci volte inferiore alle stime circolate negli anni precedenti. Un dato che Sam Altman ha confermato in un blog post, descrivendo un singolo prompt come equivalente all’energia consumata da un forno per poco più di un secondo. Allo stesso tempo, anche il consumo delle ricerche Google è cambiato: stime recenti (non ufficiali, dato che Google non pubblica dati aggiornati) indicano un valore attuale intorno a 0,04 Wh per query, quasi dieci volte inferiore a quanto riportato in un blog post aziendale del 2009 ancora molto citato.

Risultato: quando si aggiornano entrambi i valori con dati più recenti, il gap tra AI e ricerca tradizionale si riduce significativamente, anche se resta reale. Il punto non è negare un divario che esiste, ma ragionare su cifre corrette.

Cosa succede davvero quando scrivi un prompt

Per dare concretezza ai numeri, serve un punto di riferimento familiare. Una lampadina LED da 10 Watt, lasciata accesa per 12 minuti, consuma circa 2 Wh. Un singolo prompt AI di media complessità, secondo le stime più recenti, ne consuma tra 0,3 e 0,5 Wh. Detto in altri termini: inviare dieci richieste a un assistente AI nel corso di una giornata lavorativa pesa, per l’utente medio, circa quanto guardare la televisione per un minuto e mezzo.

Le cose cambiano con le richieste complesse. Un’analisi approfondita, una generazione di immagini ad alta risoluzione, una sessione di Deep Research che interroga decine di fonti: in questi casi il consumo per singola sessione può salire anche oltre i 20 Wh, secondo alcune stime di ricercatori del settore. La complessità del task, la lunghezza del contesto, il modello utilizzato: tutti questi fattori incidono in modo non banale sul consumo reale.

Per un professionista che usa l’AI in modo intensivo ogni giorno, il consumo aggregato personale resta comunque una frazione molto piccola del proprio impatto energetico complessivo. Surfshark Research ha calcolato che 26 query AI consumano all’incirca l’equivalente energetico di scaldare il pranzo nel microonde. Dati di questo tipo non assolvono il settore nel suo insieme, ma aiutano a calibrare correttamente il senso di responsabilità individuale.

Il problema vero non è la tua query

Se l’impatto individuale è contenuto, dove si trova allora la questione energetica dell’AI? Nel sistema, non nella singola interazione. E i dati a scala globale raccontano una storia molto diversa.

Secondo il report Energy and AI pubblicato dall’Agenzia Internazionale dell’Energia (IEA) nel 2025, i data center globali hanno consumato circa 415 TWh di elettricità nel 2024, pari a circa l’1,5% del consumo elettrico mondiale. Il dato in sé è già rilevante. Ma quello che lo rende urgente è la traiettoria: la domanda dai data center cresce a un ritmo del 12-15% annuo, più di quattro volte più veloce del tasso di crescita del consumo elettrico globale complessivo. Le proiezioni IEA indicano che entro il 2030 questo consumo raddoppierà, arrivando a circa 945 TWh, equivalente all’intera domanda elettrica attuale del Giappone.

Il 2025 ha già confermato questa accelerazione: secondo un aggiornamento IEA pubblicato ad aprile 2026, l’anno scorso la domanda dei data center è cresciuta del 17%, con i data center specializzati in AI che hanno corso ancora più veloce. Gli investimenti di cinque grandi aziende tecnologiche in infrastrutture hanno superato i 400 miliardi di dollari nel 2025 e sono attesi in crescita del 75% nel 2026. Numeri che rendono evidente la portata del cambiamento strutturale in atto.

L’efficienza migliora, ma la domanda sale più in fretta: il paradosso di Jevons nell’era dell’AI

C’è un fenomeno che gli economisti conoscono da oltre un secolo e che nell’AI trova una delle sue manifestazioni più nitide: il paradosso di Jevons. La tesi è questa: quando l’efficienza di una tecnologia migliora, il suo costo per unità scende, il che stimola un utilizzo così ampio da far crescere il consumo totale, anche se ogni singola operazione è diventata meno costosa.

Nel settore AI questo schema si sta verificando con precisione quasi didattica. L’IEA stessa riconosce che l’efficienza energetica per singolo task AI sta migliorando a un ritmo senza precedenti nella storia energetica. Ogni nuova generazione di chip, ogni ottimizzazione dei modelli, ogni miglioramento nelle architetture dei data center riduce il costo per query. Eppure il consumo totale sale. Perché nel frattempo crescono gli utenti, cresce la complessità media dei task, crescono le applicazioni aziendali che integrano l’AI in processi continuativi. Gli agenti AI, che lavorano in autonomia su sequenze di compiti senza richiedere input umani intermedi, rappresentano il prossimo fronte di questo aumento: sistemi progettati per girare 24 ore su 24, moltiplicando il volume di operazioni per ordini di grandezza.

Questo non significa che l’AI sia insostenibile per definizione. Ma significa che la narrativa del “ogni modello diventa più efficiente quindi il problema si risolve da solo” è semplicistica. L’efficienza tecnica è necessaria, ma non sufficiente. Serve anche una riflessione su come e quanto si usa, e soprattutto serve che le grandi aziende rendano conto dei propri impegni energetici con dati trasparenti e verificabili.

Come orientarsi: un uso consapevole dell’AI è possibile

Per chi usa l’AI ogni giorno in contesto professionale, la consapevolezza energetica non deve tradursi in rinuncia. Si tratta piuttosto di calibrare lo strumento rispetto al bisogno reale. Usare un modello leggero per compiti semplici, riservare i sistemi di ragionamento avanzato alle sfide che lo richiedono davvero, evitare sessioni di iterazione ridondante quando si potrebbe strutturare meglio la richiesta sin dal principio: queste abitudini riducono il consumo senza sacrificare i benefici.

A livello aziendale, la questione diventa ancora più rilevante. L’integrazione dell’AI nei processi produttivi, commerciali e organizzativi è una scelta strategica che porta con sé un impatto infrastrutturale non trascurabile. Walter Tripi, AI Manager e consulente aziendale specializzato nell’adozione dell’intelligenza artificiale in impresa, sottolinea come la governance dell’AI non possa prescindere oggi da una valutazione della sostenibilità delle scelte tecnologiche: non solo in termini di ROI operativo, ma anche di impatto sistemico. Selezionare i fornitori cloud in base alle loro politiche energetiche, scegliere architetture efficienti, adottare metriche interne di consumo computazionale: sono già pratiche adottate dalle organizzazioni più avanzate.

Conclusioni: la domanda giusta è quella sistemica

Il costo energetico dell’AI è reale, ma spesso viene raccontato con numeri sbagliati e con una messa a fuoco sul singolo utente che distoglie l’attenzione dal quadro complessivo. Una query quotidiana ha un peso individuale contenuto, paragonabile a tenere una luce accesa per qualche minuto. Il vero nodo è la traiettoria aggregata: un settore che raddoppia il proprio consumo in sei anni, trainato da una domanda in accelerazione costante.

Capire questa distinzione è il primo passo per partecipare al dibattito con cognizione di causa. E per chi usa l’AI come strumento di lavoro quotidiano, significa anche sviluppare una lettura critica delle proprie scelte tecnologiche: non con l’obiettivo di usare meno, ma di usare meglio.