L’impronta idrica dell’AI: il costo invisibile dei data center
Dietro l’efficienza immateriale degli agenti intelligenti si nasconde un consumo insostenibile di risorse naturali, con proiezioni di 9,3 mila miliardi di litri d’acqua all’anno entro il 2030 per raffreddare i supercomputer.
La transizione verso flussi di lavoro automatizzati e l’adozione diffusa dell’intelligenza artificiale generativa vengono spesso presentate come soluzioni prive di attrito fisico. Tuttavia, l’infrastruttura computazionale globale richiede un tributo ecologico devastante in termini di risorse idriche ed energetiche. Il recente report delle Nazioni Unite svela l’impatto reale di questa accelerazione tecnologica sui territori e sulle comunità locali.
Il costo ecologico delle query e degli agenti autonomi
Ogni volta che deleghiamo un compito a un modello linguistico, tendiamo a visualizzare l’operazione come un puro scambio di bit. La realtà è molto più bagnata e calda. Una singola query testuale standard inviata a ChatGPT consuma circa 3 millilitri d’acqua (Offset AI, Aprile 2026). Se decidiamo di passare alla generazione di contenuti multimediali, la richiesta di risorse impenna: produrre una singola immagine comporta un costo ecologico esatto di 28,6 millilitri d’acqua (UNU-INWEH, 3 giugno 2026).
Il vero problema sorge quando usciamo dal paradigma dell’interazione diretta uomo-macchina. Come abbiamo analizzato nel nostro approfondimento sugli AI Agent, il mercato si sta muovendo rapidamente verso sistemi autonomi che operano in background. Questi agenti non aspettano il nostro clic: girano in loop continui, interrogano API, correggono i propri errori e generano report intermedi. Un singolo processo di automazione aziendale lasciato attivo senza supervisione può generare migliaia di micro-operazioni all’ora. Moltiplicate quei singoli millilitri per flussi di lavoro costanti attivi ventiquattr’ore su ventisette, e vi renderete conto di come l’adozione indiscriminata di agenti intelligenti stia creando un’idrovora silenziosa ma inarrestabile.
La crisi idrica globale e l’impatto locale da Austin a Milano
Su scala globale, la somma di queste micro-operazioni sta spingendo l’infrastruttura fisica verso il punto di rottura. Le stime ufficiali indicano che il raffreddamento dei data center dedicati all’intelligenza artificiale richiederà ben 9,3 mila miliardi di litri d’acqua all’anno entro il 2030 (UNU-INWEH, 3 giugno 2026). Per dare una proporzione concreta, parliamo di un volume equivalente al fabbisogno domestico annuo di oltre un miliardo di persone.
Questo consumo teorico si traduce in conflitti territoriali estremamente reali. Negli Stati Uniti, ad esempio, le comunità locali stanno iniziando a ribellarsi all’installazione di nuovi impianti. A Sulphur Springs, in Texas, il consiglio comunale ha dovuto stanziare d’urgenza ingenti fondi pubblici solo per coprire le spese legali derivanti dalle cause dei cittadini contrari alla costruzione di un mega data center.
L’Italia non è affatto immune da questa dinamica. Nel nostro Paese la pressione infrastrutturale è fortemente squilibrata: il 63% dei data center italiani si concentra nella sola Regione Lombardia (CGIL Lombardia, 28 maggio 2026). Questa densità insostenibile sul territorio ha spinto le istituzioni locali a correre ai ripari, portando all’approvazione della Legge Regionale n. 11 del 3 giugno 2026, un provvedimento d’urgenza mirato a frenare l’impatto ambientale e il consumo di suolo causato da queste cattedrali di silicio.
La trappola dell’efficienza e il paradosso di Jevons
I vendor tecnologici amano difendersi sbandierando i costanti miglioramenti nell’efficienza dei loro chip e dei sistemi di condizionamento. Tuttavia, si tratta di una narrazione parziale che si scontra con le leggi dell’economia. Il Prof. Kaveh Madani (UNU, 3 giugno 2026) ha lanciato un avvertimento chiaro: l’efficienza tecnologica non riduce i consumi complessivi, ma produce l’effetto opposto, abbassando i costi marginali e aumentando a dismisura i volumi totali d’uso.
Siamo di fronte al classico paradosso di Jevons. Più i modelli diventano veloci ed economici da far girare, più le aziende ne inventano nuovi utilizzi, annullando qualsiasi risparmio di risorsa idrica ed energetica ottenuto con l’ottimizzazione dell’hardware. Questa spirale spinge i consumi energetici globali dei data center verso una proiezione di 945 Terawattora (TWh) entro il 2030 (UNU-INWEH, 3 giugno 2026).
L’illusione del Closed-Loop e i costi scaricati sulla collettività
Per ripulirsi l’immagine, molti gestori di infrastrutture promuovono l’adozione di sistemi di raffreddamento a circuito chiuso (closed-loop), presentandoli come la soluzione definitiva all’impatto idrico. Aziende come Skybox Datacenters spingono forte su questa retorica. È un trucco contabile.
I sistemi a circuito chiuso riducono drasticamente il consumo d’acqua in loco (il cosiddetto Scope 1), ma spostano semplicemente il problema lungo la catena del valore. Ignorano infatti l’impronta idrica indiretta legata allo Scope 2 e allo Scope 3: l’immensa quantità d’acqua consumata a monte per generare l’elettricità necessaria ad alimentare i server e quella utilizzata nei processi industriali di fabbricazione dei microchip.
Mentre i giganti del tech registrano profitti record vendendo automazioni immateriali, i costi tangibili di questa espansione vengono sistematicamente scaricati sulla collettività. I territori che ospitano i data center si ritrovano con falde acquifere impoverite e bilanci comunali prosciugati dalle spese legali per gestire le controversie, ricevendo in cambio pochissimi posti di lavoro stabili a causa dell’altissima automazione di questi impianti.
In sintesi
Per mitigare questo impatto invisibile, gli utenti e le imprese devono acquisire consapevolezza utilizzando strumenti di monitoraggio come l’estensione Offset AI o la piattaforma ClimateSeed. È necessario ripensare l’adozione indiscriminata dell’AI agentica, limitando i loop computazionali non necessari per preservare le risorse idriche locali. Non possiamo permetterci di rendere efficienti i nostri flussi di lavoro digitali al prezzo di prosciugare le riserve idriche reali delle nostre comunità.
