Il paradosso è tutto in quel 25% in più. Microsoft aveva annunciato nel 2020 uno degli obiettivi climatici più ambiziosi del settore tech: diventare «carbon negative» entro il 2030, rimuovendo più anidride carbonica di quanta ne emette. Invece, il suo ultimo rapporto sulla sostenibilità racconta una storia opposta: in un solo anno le emissioni sono cresciute di un quarto. La ragione ufficiale? La costruzione e l’operatività dei data center per l’intelligenza artificiale.

Il dato è peggiore di quanto sembri – e al tempo stesso molto più sincero. È peggiore perché mostra l’effetto immediato e massiccio dell’espansione dell’infrastruttura AI, che divora energia per alimentare GPU sempre più potenti e raffreddare sale zeppe di server. Ed è più onesto perché Microsoft sta contabilizzando in modo trasparente tutte le emissioni, comprese quelle della catena di fornitura (Scope 3), che spesso restano fuori dai bilanci climatici delle aziende. In pratica, l’AI sta mettendo a nudo la distanza tra retorica green e realtà industriale.

Perché l’AI sposta la traiettoria climatica

Dietro il balzo c’è la scelta strategica di Microsoft di integrare modelli di linguaggio di grandi dimensioni in ogni angolo del suo ecosistema: da Azure a Copilot, passando per la partnership con OpenAI. Per addestrare e servire questi LLM servono cluster di calcolo con migliaia di GPU, ognuna in grado di assorbire centinaia di watt. Un singolo training di un modello di frontiera può consumare elettricità pari al fabbisogno annuo di centinaia di abitazioni, e l’inference distribuita aggiunge un carico continuo che non si era mai visto prima.

Non è un incidente di percorso: è un cambio di regime. L’efficienza dei chip (come i Tensor Core di NVIDIA) migliora, ma la domanda di compute cresce più rapidamente dei guadagni energetici. È la versione aggiornata del paradosso di Jevons applicato all’AI: ogni watt risparmiato da un’architettura più efficiente viene rapidamente assorbito da modelli più grandi, contesti più lunghi e prompt più frequenti. La curva delle emissioni, anziché piegarsi, sale.

Chi vince e chi perde nella tensione fra AI e clima

Nel breve termine, i grandi fornitori di cloud si trovano schiacciati tra il dover inseguire la domanda di AI – che promette ricavi crescenti – e il dover difendere impegni climatici diventati quasi dei brand asset. Microsoft non arretra, ma il rapporto segnala che senza un intervento radicale la promessa del 2030 diventerà irraggiungibile. Per i clienti enterprise, sia quelli che usano il cloud sia quelli che valutano deployment on-premise, il messaggio è chiaro: l’AI ha un costo energetico reale, che presto o tardi finirà nei bilanci, nelle carbon tax e nella reputazione.

Strutturalmente, questa tensione può accelerare due tendenze. La prima è la corsa a hardware di inference sempre più efficiente: chip specializzati, quantization aggressiva (INT8, INT4), architetture sparse che riducano il flusso di dati tra memoria e unità di calcolo. La seconda è una spinta verso la sovranità energetica: se i data center concentrati assorbono troppa energia e generano emissioni imbarazzanti, imprese e governi potrebbero preferire deployment locali alimentati da rinnovabili, contabilizzando la CO₂ in modo granulare. Non è fantasia: nelle discussioni su TCO (Total Cost of Ownership) dell’AI on-premise, la componente energetica sta smettendo di essere una voce trascurabile.

Un campanello d’allarme per chi pianifica l’infrastruttura AI

Quello che il rapporto di Microsoft rende visibile è, in fondo, un conflitto di sistema che l’intero settore AI dovrà affrontare. Le metriche di performance – token al secondo, throughput, latenza – sono state finora le uniche bussole. Ora si affaccia un nuovo parametro: il costo ambientale per unità di lavoro cognitivo. E non è un accessorio da comunicazione: è già regolazione potenziale, pressione degli investitori e condizione per le licenze sociali.

Per chi lavora nello stack self-hosted, l’insegnamento è duplice. Da un lato, un controllo diretto sull’hardware permette di scegliere soluzioni energeticamente efficienti e di tracciare i consumi con precisione. Dall’altro, l’intero ecosistema on-premise non può permettersi di ignorare l’impronta energetica, perché il paragone con il cloud – spesso fatto solo sul prezzo per GPU-ora – incorporerà sempre più anche le emissioni. La storia di Microsoft è solo il primo capitolo di una narrazione che, presto, coinvolgerà ogni decisione di deployment.