Abstract

Moltissime aziende hanno oramai integrato analisi sulla sostenibilità effettuate tramite modelli di intelligenza artificiale, tipicamente modelli di analisi basati sistemi sui Large Language Model (“LLM”).

Ma ci sono domande che in pochi si fanno:

• Aumentare la sostenibilità di prodotto tramite analisi effettuate con l’intelligenza artificiale ci sta rendendo effettivamente più sostenibili o stiamo solo spostando il fattore di inquinamento ambientale?
• L’utilizzo dell’intelligenza artificiale ha degli impatti sociali?

IA e consumi energetici: quanto costa realmente?

Se, da un lato, l’utilizzo di modelli predettivi, può far ridurre i consumi all’interno dell’industria e degli edifici di diversi punti percentuali (si parla di risparmi fino a 40TWh per il solo mercato italiano), dall’altro lato allenare i modelli di intelligenza artificiale e rispondere alle nostre domande aumenta i consumi di energia.

Eppure, mentre leggi questo, i data center che alimentano questi modelli stanno consumando sempre più energia. Uno studio pubblicato sulla MIT Technology review stima che entro il 2028 i consumi energetici dei data center destinati all’intelligenza artificiale sarà pari al 22% del fabbisogno energetico delle famiglie statunitensi.

Ad oggi non abbiamo dati sufficienti per fare queste analisi. Quando inizieremo a salvare questi dati e a misurare l’effetto netto dello spostamento di emissioni da fattori produttivi a fattori di utilizzo di energia, scopriremo se l’AI genera un risparmio reale o solo uno spostamento del problema. Inoltre, se da questi dati dovesse emergere un probabile aumento di energia, come la potremmo produrre? Aumentando i pannelli solari e le pale eoliche? Anche in questo caso, dovremmo capire e calcolare quanti minerali sarebbero necessari per creare i suddetti strumenti.

La domanda diventa: dove finisce il risparmio e dove inizia il nuovo costo?

Consumo idrico dell’IA: l’acqua che nessuno calcola.

Anche in questo caso il ruolo dell’intelligenza artificiale è dicotomico. Da un lato l’utilizzo di modelli predittivi può anticipare i guasti della rete idrica e salvare grandissime quantità d’acqua che ad oggi vanno perse.

Dall’altro lato, il consumo d’acqua dolce per il raffreddamento dei data center si stima possa raggiungere i 6 miliardi di metri cubi d’acqua all’anno entro il 2030. Acqua dolce. Potabile. 

Cosa possiamo fare? Ad oggi sono possibili due soluzioni:

1. L’utilizzo della stessa intelligenza artificiale per ottimizzare il raffreddamento dei data center
2. L’utilizzo di acqua riciclata al posto di acqua dolce e potabile.

È fondamentale iniziare a monitorare e calcolare i consumi di acqua nei data-center.

Intelligenza artificiale e impatti sociali: occupazione e dipendenza cognitiva

Da un lato l’intelligenza artificiale sta creando e creerà opportunità per la risoluzione di problemi prima irrisolvibili, una maggior produttività, strumenti di analisi medica molto più avanzati e rapidi, istruzione personalizzata, ecc.

Dall’altro lato l’introduzione dell’intelligenza artificiale comporta nuovi rischi come quello di una maggiore disoccupazione nei settori in cui è preponderante l’attività intellettuale, di una dipendenza cognitiva dall’AI, in quanto un utilizzo eccessivo senza apprendimento dell’AI può ridurre l’autonomia decisionale umana, ecc.

Diventa quindi essenziale analizzare, monitorare e misurare gli effetti che l’IA produce sull’occupazione e sulle competenze cognitive delle persone. Perché l’innovazione senza consapevolezza rischia di creare più problemi di quanti ne risolva.

Il futuro della sostenibilità: misurare per gestire

Il futuro del pianeta e delle persone dipenderà dall’approccio che sceglieremo di misurare e di considerare come misura importante, perché “Ciò che viene misurato viene gestito” 

Il punto non è se l’IA sia buona o cattiva per la sostenibilità. Il punto è: stai misurando l’impatto reale nella tua azienda?

Perché quando inizierai a misurare con gli shadow price , ovvero assegnando un valore economico anche a ciò che non ha ancora un prezzo di mercato, noterai come tutto cambia.

Quando integreremo questi dati nel bilancio aziendale come 4° modello di lettura (in aggiunta a stato patrimoniale, conto economico, flussi di cassa): impatto reale e non solo bilancio di sostenibilità separato, potremo gestire in maniera efficace l’impatto reale nei numeri che contano.

Un Fractional Sustainability Manager può fare la differenza

In momenti di trasformazione, affidarsi a figure esperte è la chiave. La practice Sustainability di YOURgroup mette a disposizione manager esperti, operativi da subito, con un approccio modulare e flessibile.

Un Fractional Sustainability Manager è la risposta perfetta per le PMI che vogliono evolvere la propria sostenibilità verso un modello orientato alla metodologia, alla misurazione quali-quantitativa e alla prevedibilità, senza appesantire la struttura interna.

📩 Contattaci a info@yourgroup.it e scopri come possiamo affiancarti nel trasformare l’approccio alla sostenibilità in un motore di crescita sostenibile e profittevole.

---

⁴Citazione della frase di Peter Drucker: “What get measured get managed” che viene ormai citati in tutti i corsi di gestione aziendale
⁵Gli Shadow price sono dei prezzi utilizzate per stimare il costo di qualcosa che non ha o non ha ancora un prezzo di mercato (come lo sono i costi
degli impatti discussi nel presente articolo)