Sustainable Era

I limiti fisici dell’intelligenza artificiale

L’intelligenza artificiale (AI) ha limiti fisici reali. Per comprendere lo scenario che si sta configurando, partiamo da un luogo apparentemente lontano dalla Silicon Valley: la Danimarca.

Nel 2026 il governo danese ha presentato un disegno di legge per modificare le regole di accesso alla rete elettrica, superando il principio secondo cui chi presenta per primo la richiesta viene servito per primo. La nuova disciplina consentirebbe di dare priorità ai servizi essenziali, alle esigenze delle famiglie e ai progetti legati all’elettrificazione e alla transizione energetica, mentre alcuni grandi consumatori di elettricità, tra cui i centri dati più grandi e meno flessibili, verrebbero collocati più in basso nella graduatoria.[1] La decisione nasce da un problema ormai concreto: in diverse aree del paese la capacità disponibile della rete si sta riducendo e le richieste di collegamento crescono più rapidamente dei tempi necessari per ampliarla.

Dietro una decisione apparentemente tecnica se ne nasconde una molto più profonda. Se la capacità della rete elettrica non è infinita, a chi dare la precedenza? A un nuovo centro dati per l’intelligenza artificiale, a una fabbrica, a un ospedale o a una famiglia? L’AI ci appare immateriale, ma dietro un programma, un assistente virtuale o una risposta che compare in pochi secondi sullo schermo esiste una lunga catena fisica fatta di semiconduttori, server, centri dati, sistemi di raffreddamento, elettricità, trasformatori, cavi, reti e impianti di generazione.

La rivoluzione digitale necessita dunque di un’enorme infrastruttura industriale. Secondo l’Agenzia internazionale dell’energia (IEA), gli investimenti in infrastrutture e attrezzature delle maggiori società tecnologiche hanno superato i 400 miliardi di dollari nel 2025 e potrebbero aumentare di un ulteriore 75% nel 2026. A titolo di confronto, gli investimenti di cinque società Big Tech superano ormai quanto viene investito a livello mondiale nella produzione di petrolio e gas naturale.[2]

La domanda centrale è dunque se le infrastrutture fisiche - energia, reti elettriche, centri dati, semiconduttori, sistemi di raffreddamento e materie prime - riusciranno a sostenere la velocità della rivoluzione digitale.

Una tecnologia che si diffonde a macchia d’olio

L’intelligenza artificiale non è più una tecnologia confinata ai laboratori di ricerca o alle imprese del settore: la sua diffusione nell’economia reale sta procedendo a una velocità straordinaria.

Secondo lo Stanford Artificial Intelligence Index Report 2026, nel 2025 l’88% delle organizzazioni intervistate dichiarava di utilizzare l’AI. Il 79% utilizzava già regolarmente l’intelligenza artificiale generativa in almeno una funzione aziendale, cioè quella forma di AI capace di creare nuovi contenuti - testi, immagini, video o programmi informatici - a partire dalle informazioni e dalle istruzioni ricevute.[3]

Ancora più significativa è la velocità della sua diffusione. L’AI generativa ha raggiunto un tasso di adozione di circa il 53% tra la popolazione adulta considerata dallo studio, nell’arco di tre anni: più rapidamente di quanto fecero, nelle rispettive fasi iniziali, il personal computer e Internet.[4]

Alla diffusione della tecnologia si accompagna una crescita altrettanto rapida dei capitali investiti. Nel 2025 gli investimenti societari globali legati all’AI hanno raggiunto 581,7 miliardi di dollari, il 130% in più rispetto all’anno precedente. [5]

Gli investimenti privati hanno raggiunto 344,7 miliardi di dollari, con una forte concentrazione negli Stati Uniti: 285,9 miliardi, contro 12,4 miliardi in Cina.[6] Il divario va tuttavia interpretato con cautela. Stanford sottolinea infatti che i dati relativi agli investimenti privati tendono probabilmente a sottostimare il ruolo cinese, dove una parte importante dei capitali destinati all’AI viene mobilitata attraverso fondi sostenuti o promossi dallo Stato.[7]

Numeri di questa portata mostrano quanto rapidamente l’intelligenza artificiale stia penetrando nell’economia e quanto capitale stia attirando. Ma perché investimenti di queste dimensioni possano tradursi in crescita duratura devono produrre risultati economici concreti. Ed è qui che si gioca l’intera scommessa sull’intelligenza artificiale: sulla produttività.

La promessa della produttività

La grande opportunità economica dell’intelligenza artificiale risiede nell’aumento della produttività, cioè nella possibilità di produrre di più con la stessa quantità di lavoro e risorse, oppure di ottenere lo stesso risultato in meno tempo.

I primi studi mostrano risultati significativi in diversi ambiti. Secondo le ricerche raccolte dallo Stanford Artificial Intelligence Index Report 2026, nell’assistenza ai clienti gli operatori che utilizzavano l’AI hanno risolto il 14-15% di problemi in più ogni ora; nella programmazione, gli sviluppatori che utilizzavano l’AI hanno completato il 26% di lavoro in più; in un esperimento nel marketing, l’utilizzo dell’AI ha aumentato del 50% la quantità di contenuti prodotti per lavoratore.[8]

I benefici, tuttavia, non sono uniformi. Tendono a essere maggiori nelle attività con compiti ben definiti e facilmente misurabili, mentre diventano più contenuti - e in alcuni casi possono persino essere negativi - quando il lavoro richiede maggiore capacità di giudizio o forme di ragionamento più complesse.[9]

L’International AI Safety Report 2026 giunge a conclusioni analoghe: una recente analisi degli studi sulla produttività a livello di singoli compiti rileva aumenti generalmente compresi tra il 20% e il 60% negli studi condotti in condizioni controllate e tra il 15% e il 30% nella maggior parte degli esperimenti realizzati in contesti di lavoro reali.[10]

Sono risultati importanti, ma vanno interpretati con cautela. Se un programmatore riesce a completare un’attività il 25% più rapidamente, non significa che il PIL aumenterà nella stessa misura. Perché il miglioramento della produttività di un singolo compito si trasferisca all’intera economia, le imprese devono riorganizzare i processi, formare il personale, ripensare le mansioni e integrare realmente la nuova tecnologia nella propria attività.

È già accaduto con l’elettricità e con l’informatica: le grandi innovazioni possono richiedere anni prima che i guadagni di efficienza prodotti a livello delle singole attività si traducano pienamente in maggiore produttività per l’intera economia. Anche lo Stanford AI Index segnala che, a livello macroeconomico, questi effetti non emergono necessariamente nell’immediato.[11]

La vera incognita è quanto rapidamente i guadagni di produttività resi possibili dall’intelligenza artificiale riusciranno a trasformarsi in crescita economica.

Quanto può crescere l’economia grazie all’AI?

A questa domanda cerca di rispondere lo studio del Fondo Monetario Internazionale The Global Impact of AI: Mind the Gap. Gli autori non formulano una previsione, ma costruiscono diversi scenari per stimare in quale misura i guadagni di produttività legati all’intelligenza artificiale potrebbero incidere sull’economia mondiale.[12]

Nello scenario più prudente, dopo dieci anni il livello del PIL mondiale risulterebbe superiore dell’1,3% rispetto allo scenario di riferimento. Nello scenario più favorevole, l’incremento arriverebbe a quasi il 4%.[13]

Questo non significa che il PIL mondiale crescerà del 4% grazie all’intelligenza artificiale. Si tratta della differenza rispetto al livello che il PIL raggiungerebbe nello scenario di riferimento. Il risultato dipenderà quindi dalla capacità delle diverse economie di trasformare il progresso tecnologico in maggiore produttività.

Ed è proprio su questo terreno che emergono differenze importanti tra i paesi. Nello scenario più favorevole, dopo dieci anni il livello del PIL risulterebbe superiore del 5,4% negli Stati Uniti, del 4,7% nelle altre economie avanzate - tra cui Giappone, Regno Unito, Canada, Australia, Norvegia e Israele -, del 4,4% nell’Unione europea e in Svizzera, del 3,5% in Cina e del 2,7% nei Paesi a basso reddito.[14]

L’intelligenza artificiale potrebbe dunque rendere l’economia mondiale complessivamente più ricca e, nello stesso tempo, ampliare il divario tra paesi. Le economie avanzate appaiono infatti nelle condizioni di beneficiare maggiormente della nuova tecnologia, mentre quelle a basso reddito rischiano di ottenere guadagni significativamente inferiori.

A determinare queste differenze sono soprattutto tre fattori: il grado di esposizione all’AI, cioè la presenza di attività e professioni che possono beneficiare della nuova tecnologia; la capacità di integrarla nell’economia, che dipende anche dalle infrastrutture digitali, dalle competenze e dalla qualità delle istituzioni; e l’accesso alle tecnologie necessarie, compresi dati e capacità di calcolo.[15]

Non basta quindi adottare l’intelligenza artificiale. Per trasformarne il potenziale in crescita economica servono infrastrutture, competenze, capitale e accesso alla tecnologia.

Una nuova geografia del potere tecnologico

Le risorse necessarie allo sviluppo dell’intelligenza artificiale sono fortemente concentrate a livello geografico e in un numero ristretto di imprese. Gli Stati Uniti ospitano 5.427 centri dati, più di dieci volte quelli presenti in qualsiasi altra nazione. Ma è soprattutto la produzione dei semiconduttori più avanzati a mostrare quanto questa concentrazione possa rendere vulnerabile la catena globale dell’AI: secondo lo Stanford AI Index, la taiwanese TSMC (Taiwan Semiconductor Manufacturing Company) fabbrica quasi tutti i chip più avanzati per l’intelligenza artificiale.[16]

Si sta così delineando una nuova geografia del potere tecnologico. Gli Stati Uniti concentrano la maggior parte degli investimenti privati nell’AI e mantengono una posizione dominante nello sviluppo dei modelli più avanzati; Taiwan occupa un ruolo centrale nella produzione dei semiconduttori. La Cina rimane il principale concorrente tecnologico degli Stati Uniti, ma il divario si è fortemente ridotto: a marzo 2026, secondo Stanford, il migliore modello statunitense superava quello cinese di appena il 2,7% nel punteggio considerato dal rapporto.[17]

La prima fase della rivoluzione dell’AI - dominata dalla corsa alla capacità di calcolo - ha avuto tra i suoi protagonisti la statunitense NVIDIA, leader nei processori utilizzati per l’AI; la taiwanese TSMC, centrale nella produzione dei semiconduttori più avanzati; l’olandese ASML, che fornisce le apparecchiature litografiche necessarie alla fabbricazione dei semiconduttori più avanzati; e le statunitensi Broadcom e Cadence Design Systems, attive rispettivamente nei semiconduttori e nelle tecnologie per la progettazione dei chip.

Ma la capacità di calcolo, da sola, non basta. I chip devono essere installati nei centri dati, alimentati continuamente da grandi quantità di elettricità e raffreddati attraverso sistemi dedicati. La rivoluzione digitale incontra così i suoi limiti fisici. Il primo è l’energia.

L’intelligenza artificiale scopre di avere un corpo

Nel 2025 i centri dati di tutto il mondo hanno consumato circa 485 terawattora di elettricità. Per avere un ordine di grandezza, un terawattora equivale a un miliardo di chilowattora. Secondo l’IEA, entro il 2030 questo consumo potrebbe raggiungere circa 950 terawattora, quasi il doppio in soli cinque anni e circa il 3% della domanda mondiale di elettricità. Nello stesso periodo, il consumo elettrico dei centri dati dedicati principalmente all’intelligenza artificiale potrebbe triplicare.[18]

Quel 3% può sembrare una quota contenuta, ma il dato globale non racconta tutto. I centri dati sono grandi infrastrutture concentrate in determinate aree e il loro sviluppo può richiedere nuovi investimenti nella produzione di energia e nelle reti elettriche locali.[19] La pressione aumenta anche all’interno degli stessi centri dati. I server vengono raggruppati in strutture chiamate rack, che permettono di concentrare numerose apparecchiature informatiche in uno spazio ridotto. Entro il 2027, secondo l’IEA, un singolo rack in un centro dati avanzato potrebbe raggiungere, nei momenti di massimo utilizzo, una potenza elettrica equivalente a quella richiesta contemporaneamente da circa 65 abitazioni. Tra il 2020 e il 2025, inoltre, la densità di potenza dei server destinati all’AI è aumentata di undici volte e potrebbe quadruplicare nuovamente entro il 2027.[20]

Questa evoluzione mette quindi sotto pressione anche le catene di fornitura delle tecnologie necessarie al sistema elettrico. Diventano strategici componenti molto meno appariscenti dei microchip. L’IEA richiama in particolare l’elettronica di potenza e i trasformatori e sottolinea la crescente importanza dei sistemi di accumulo per garantire un’alimentazione elettrica affidabile ai centri dati.[21]

L’intelligenza artificiale rivela così la sua dimensione più concreta: dietro software e algoritmi cresce un’enorme infrastruttura fisica. La rivoluzione digitale incontra la vecchia economia industriale.

La seconda fase: dal semiconduttore alla rete elettrica

La prima fase della rivoluzione dell’intelligenza artificiale poteva essere sintetizzata in una catena relativamente breve:

AI → semiconduttori → server → servizi informatici.

Ora a questa se ne affianca una molto più lunga:

AI → centri dati → raffreddamento → elettricità → trasformatori → cavi → reti → produzione di energia.

È lungo questa nuova catena che entrano in gioco attività e infrastrutture che, fino a pochi anni fa, difficilmente avremmo associato all’intelligenza artificiale. La crescita dei centri dati aumenta infatti la domanda di sistemi per l’alimentazione e il raffreddamento, trasformatori, cavi e apparecchiature per la distribuzione dell’elettricità.[22]

Ma la trasformazione si estende ben oltre il perimetro del centro dati. L’aumento della domanda elettrica richiede investimenti nelle reti di trasmissione e distribuzione, nuove interconnessioni e, in alcuni casi, nuova capacità di generazione. La catena industriale dell’AI si allunga così progressivamente dal semiconduttore all’intero sistema elettrico.[23]

Questa crescente domanda di elettricità sta anche favorendo la ricerca di nuove soluzioni per produrre, accumulare e gestire l’energia. Accanto alle fonti rinnovabili e ai sistemi di accumulo, cresce l’interesse per microreti e produzione direttamente sul sito e, su orizzonti temporali differenti, per tecnologie come la geotermia avanzata e i piccoli reattori nucleari modulari (SMR).[24]

Questa seconda fase è meno visibile della corsa ai semiconduttori, ma potrebbe rivelarsi altrettanto importante. Lo sviluppo dell’AI non dipenderà soltanto dalla disponibilità di processori sempre più potenti, ma anche dalla capacità di alimentarli, raffreddarli e collegarli a reti in grado di sostenerne la domanda.

La capacità di calcolo incontra così un limite molto concreto: non basta produrre semiconduttori sempre più potenti se le infrastrutture necessarie ad alimentarli e raffreddarli non crescono con la stessa velocità.

Una rivoluzione davvero sostenibile?

Di fronte a una trasformazione tecnologica di queste dimensioni, la sostenibilità non può essere valutata soltanto attraverso il consumo di energia. La questione è se lo sviluppo dell’intelligenza artificiale possa proseguire nel tempo senza generare nuovi squilibri ambientali, economici e sociali.

Da una parte, i progressi nell’hardware e nel software stanno rendendo l’AI sempre più efficiente: secondo l’IEA, negli ultimi anni l’energia necessaria per svolgere una singola attività di AI è diminuita di almeno dieci volte ogni anno. Dall’altra, la tecnologia si sta diffondendo rapidamente e vengono sviluppate applicazioni che richiedono molta più energia, come la generazione di video e alcuni sistemi avanzati di ragionamento. Una maggiore efficienza per singola attività non comporta quindi necessariamente una riduzione del consumo complessivo: l’AI può ridurre l’energia necessaria per svolgere determinate attività, ma se il suo utilizzo cresce rapidamente, l’aumento complessivo della domanda può annullare questi risparmi.[25]

L’IEA sottolinea inoltre che la crescente domanda dei centri dati solleva questioni che vanno oltre la quantità di elettricità necessaria. Riguardano la sicurezza degli approvvigionamenti, la capacità delle reti, i costi dell’energia e la disponibilità delle apparecchiature necessarie a sostenere questa espansione.[26]

Ma a determinare l’impatto ambientale dell’AI non sarà soltanto la quantità di energia richiesta: conterà anche il modo in cui questa energia verrà prodotta. La crescita dei centri dati può accelerare gli investimenti nelle fonti a basse emissioni e nelle nuove tecnologie energetiche, ma la necessità di disporre rapidamente di una produzione elettrica continua sta favorendo anche nuovi progetti alimentati da fonti fossili, in particolare gas naturale, soprattutto negli Stati Uniti. [27]

Paradossalmente, l’intelligenza artificiale può contribuire anche a migliorare l’efficienza delle reti: viene già utilizzata per monitorare trasformatori e altre apparecchiature, individuare in anticipo possibili guasti, ridurre il rischio di interruzioni e sfruttare meglio le infrastrutture esistenti. L’IEA stima che l’impiego dell’AI nel settore energetico potrebbe consentire risparmi superiori a 13 exajoule entro il 2035, equivalenti a circa il 3% dei consumi finali mondiali di energia, se saranno superati gli ostacoli che oggi ne limitano la diffusione.[28]

La relazione tra intelligenza artificiale e sostenibilità è dunque ambivalente: l’AI può aumentare la pressione sul sistema energetico e, nello stesso tempo, offrire strumenti per renderlo più efficiente. A questa dimensione energetica se ne aggiungono altre. I centri dati devono dissipare continuamente il calore prodotto dalle apparecchiature e alcuni sistemi di raffreddamento richiedono anche acqua. La costruzione delle infrastrutture digitali ed elettriche richiede inoltre componenti e materie prime, alcune delle quali provengono da catene di fornitura fortemente concentrate.[29]

Energia, risorse e infrastrutture mostrano quindi come la crescita dell’intelligenza artificiale sollevi questioni che vanno ben oltre la tecnologia. La sua sostenibilità va quindi valutata in una prospettiva più ampia, che ne considera gli aspetti ambientali, economici e sociali.

È ambientale, perché lo sviluppo dell’AI richiede energia, infrastrutture e materie prime e, in alcuni casi, comporta anche un consumo diretto di acqua. È economica, perché investimenti di queste dimensioni devono generare incrementi di produttività e ritorni sufficienti a sostenerne i costi. Ed è sociale, perché l’intelligenza artificiale può trasformare profondamente il mercato del lavoro, modificando professioni e competenze richieste e sostituendo alcune attività oggi svolte dalle persone. A questo si aggiunge una questione distributiva: chi sosterrà i costi della trasformazione e chi ne raccoglierà i benefici?

Anche il capitale può diventare un limite

Lo sviluppo dell’intelligenza artificiale richiede investimenti di dimensioni sempre maggiori. La capacità di finanziarli può quindi diventare un ulteriore limite alla sua espansione.

Secondo l’IEA, tra il 2026 e il 2030 gli investimenti complessivi nei centri dati potrebbero raggiungere 3.900 miliardi di dollari. Una cifra di questa portata difficilmente potrà essere sostenuta soltanto dai bilanci delle grandi società AI e richiederà un crescente ricorso al debito e al capitale azionario.[30]

Il ritmo degli investimenti dipenderà quindi anche dalle aspettative dei mercati sui ritorni economici dell’AI e dalle condizioni di finanziamento. Se i ritorni dovessero rivelarsi inferiori alle attese, oppure se le condizioni finanziarie diventassero meno favorevoli, la crescita degli investimenti nei centri dati potrebbe rallentare, con conseguenze lungo la catena di infrastrutture e tecnologie che ne sostiene lo sviluppo.[31]

Il lavoro: una questione che resta aperta

L’impatto dell’intelligenza artificiale non riguarda soltanto capitale, energia e infrastrutture. Riguarda inevitabilmente anche il lavoro.

Secondo l’International AI Safety Report 2026, uno studio stima che circa il 60% delle occupazioni nelle economie avanzate e il 40% in quelle emergenti siano fortemente esposte all’intelligenza artificiale. Questo non significa che siano destinate a scomparire, ma che una parte delle attività che le compongono potrebbe essere automatizzata oppure svolta con il supporto dell’intelligenza artificiale. [32]

Le conseguenze sull’occupazione sono ancora difficili da valutare e le evidenze disponibili mostrano finora effetti contrastanti. Studi recenti condotti negli Stati Uniti e in Danimarca non hanno rilevato effetti sull’occupazione complessiva, mentre altre ricerche segnalano una diminuzione dell’occupazione o delle opportunità per i lavoratori all’inizio della carriera nelle professioni maggiormente esposte all’AI.[33]

Resta quindi aperta una questione fondamentale: in quale misura l’AI sostituirà attività oggi svolte dalle persone e in quale misura, invece, aumenterà la produttività del lavoro, modificando professioni e competenze richieste?

Investire nella nuova economia dell’AI

Per un investitore, la trasformazione descritta finora suggerisce di guardare oltre le società che sviluppano direttamente l’intelligenza artificiale. La crescita dell’AI coinvolge ormai una catena industriale molto più ampia, che parte dalla capacità di calcolo e arriva alle infrastrutture fisiche ed energetiche necessarie per sostenerla. McKinsey sottolinea come l’espansione dei centri dati stia generando una crescente domanda di infrastrutture elettriche, termiche e meccaniche.[34]

La prima parte della catena rimane quella della capacità di calcolo, già incontrata nella prima fase della rivoluzione dell’AI. Per un investitore comprende diversi segmenti complementari: dai processori e dagli acceleratori di NVIDIA e Broadcom alla fabbricazione dei semiconduttori più avanzati di TSMC, fino alle apparecchiature di ASML e alle tecnologie di Cadence Design Systems per la progettazione e la verifica dei chip.

Ma con la crescita dei centri dati, la trasformazione si estende progressivamente all’intera infrastruttura fisica necessaria al loro funzionamento: semiconduttori, centri dati, alimentazione e raffreddamento, trasformatori e cavi, reti elettriche, produzione e accumulo di energia.

In questa seconda parte della catena, Schneider Electric e Vertiv forniscono tecnologie per l’alimentazione e il raffreddamento dei centri dati, mentre ABB opera nelle infrastrutture e nella distribuzione elettrica e Comfort Systems USA realizza impianti meccanici ed elettrici. Prysmian occupa una posizione particolare perché opera sia nelle infrastrutture elettriche sia nelle connessioni digitali necessarie ai centri dati. La crescente densità di potenza dei sistemi destinati all’AI sta infatti aumentando la domanda di trasformatori, sistemi di distribuzione, raffreddamento ed elettronica di potenza e potrebbe modificare la stessa architettura elettrica dei centri dati. [35]

L’evoluzione dell’intelligenza artificiale sta però aprendo anche una nuova frontiera energetica. La necessità di disporre di grandi quantità di elettricità in tempi relativamente brevi sta aumentando l’interesse per nuova capacità di generazione, sistemi di accumulo, microreti e produzione direttamente collegata ai centri dati. Accanto alle fonti rinnovabili già mature, stanno attirando crescente interesse anche tecnologie capaci di fornire energia in modo continuo, come la geotermia avanzata e il nucleare di nuova generazione, sebbene con livelli di maturità e orizzonti temporali molto diversi.[36]

Alcuni gruppi quotati permettono già di osservare questa convergenza tra infrastruttura digitale ed energia. NextEra Energy è coinvolta nello sviluppo di nuova capacità di generazione destinata anche ad alimentare grandi progetti di centri dati, mentre RWE combina produzione e fornitura di energia con lo sviluppo di siti dotati delle necessarie connessioni alla rete. Bloom Energy fornisce sistemi di generazione distribuita che possono alimentare direttamente i centri dati, consentendo loro di disporre di nuova capacità elettrica senza dipendere esclusivamente dai tempi di espansione della rete. La geotermia avanzata apre invece un fronte più recente: Fervo Energy, quotata dal 2026, rappresenta uno dei casi più significativi del passaggio di questa tecnologia verso una scala industriale.[37]

Accanto ai gruppi quotati sta inoltre emergendo una nuova generazione di imprese specializzate nei colli di bottiglia creati da questa trasformazione: Emerald AI sviluppa sistemi che consentono ai centri dati di adattare parte della propria domanda elettrica alle condizioni della rete; Amperesand sta portando verso la commercializzazione trasformatori a stato solido destinati anche ai centri dati AI; VEIR sperimenta sistemi superconduttivi capaci di trasferire grandi quantità di elettricità in spazi ridotti; Phaidra utilizza invece l’intelligenza artificiale per gestire e ottimizzare i sistemi di raffreddamento dei centri dati.[38]

Si tratta di imprese private e di tecnologie in differenti fasi di maturazione. Ma il loro sviluppo mostra un fenomeno più generale: i limiti fisici dell’intelligenza artificiale stanno diventando essi stessi un terreno di innovazione. Trasformatori, reti, sistemi di raffreddamento, accumulo e gestione intelligente dell’elettricità - tecnologie rimaste a lungo lontane dal centro dell’attenzione rivolta all’AI - stanno acquisendo una nuova rilevanza.

Dalla crescita al progresso

I dati raccolti fin qui mostrano la portata della trasformazione in corso. L’88% delle organizzazioni intervistate utilizza già l’intelligenza artificiale, gli investimenti societari globali nell’AI hanno raggiunto 581,7 miliardi di dollari nel 2025, mentre i centri dati potrebbero arrivare a consumare circa 950 terawattora di elettricità nel 2030. Secondo lo studio del Fondo monetario internazionale già citato, nei diversi scenari considerati l’AI potrebbe portare, nell’arco di dieci anni, il livello del PIL mondiale tra l’1,3% e quasi il 4% al di sopra dello scenario di riferimento.

Energia, capitale e infrastrutture determineranno la velocità e la portata di questa trasformazione. Ma resta aperta una questione più profonda, di natura esistenziale: se e in quale misura saremo capaci di trasformare le opportunità offerte dall’intelligenza artificiale in progresso umano.

Nella prospettiva dell’economista Amartya Sen, lo sviluppo non può essere valutato soltanto attraverso la crescita del reddito o della ricchezza, ma va considerato anche attraverso l’ampliamento delle capacità di ogni persona, affinché disponga delle possibilità reali per realizzarsi, ovvero vivere una vita a cui attribuisce valore. [39] Questa prospettiva pone una domanda fondamentale anche di fronte all’intelligenza artificiale: la rivoluzione dell’AI contribuirà davvero a migliorare la vita delle persone, attraverso servizi migliori, nuove conoscenze, maggiore innovazione e nuove opportunità, oppure i suoi benefici resteranno concentrati nelle mani di pochi?

La questione non riguarda quindi soltanto i risultati economici di questa trasformazione, ma le possibilità concrete che saprà aprire e a chi saranno accessibili. L’intelligenza artificiale può contribuire ad ampliare queste possibilità, ma non può decidere quali fini debbano essere perseguiti, né quale direzione debba prendere il progresso che contribuirà ad accelerare. Sono scelte alle quali sarà chiamata l’intera umanità e che diventeranno tanto più importanti quanto maggiore sarà la capacità dell’AI di incidere sull’evoluzione delle nostre società. Trasformare questa nuova potenza economica e tecnologica in un progresso realmente condiviso sarà una delle grandi responsabilità dell’uomo.

V.C.M

Bibliografia

Bengio, Y. et al., International AI Safety Report 2026, Department for Science, Innovation and Technology, DSIT 2026/001, 2026.

Cerutti, E. M., Garcia Pascual, A. I., Kido, Y., Li, L., Melina, G., Mendes Tavares, M., Wingender, P., The Global Impact of AI: Mind the Gap, IMF Working Paper No. 2025/076, International Monetary Fund, aprile 2025.

Cleantech Group, 2026 Cleantech Outlook: Sovereignty, Decentralization, and the “Pressure Cooker” Effect, 2026.

Cleantech Group, 2026 Global Cleantech 100 Trend Watch, 2026.

DeOrsey, A., Fervo's IPO Establishes Enhanced Geothermal Baselines, Presents New Competition to Fission, and Adds a New LDES Class, Cleantech Group, 19 maggio 2026.

Folketinget, L 23 – Forslag til lov om ændring af lov om elforsyning og lov om fremme af vedvarende energi (Proposta di modifica della legge sull’approvvigionamento elettrico e della legge sulla promozione delle energie rinnovabili), presentata il 20 agosto 2026.

Gilani, Z., Bending the Limits for Compute: Optimizing Flexibility for Data Centers, Cleantech Group, 2 settembre 2026.

Goodpaster, M., Patel, M., Sachdeva, P., Huang, S.-Y., The $7 Trillion Data Center Build-Out: How Industrials Can Capture Their Share, McKinsey & Company, 27 marzo 2026.

Governo della Danimarca, Bred politisk opbakning til akutplan for elnettet, Klima-, Energi- og Forsyningsministeriet, 1° luglio 2026.

Hernandez Diaz, D., Tai, H., Noffsinger, J., Data Centers: Catalyzing Innovation in Energy, McKinsey & Company, 26 giugno 2026.

International Energy Agency (IEA), Key Questions on Energy and AI, Paris, 2026.

McKinsey & Company, Powering AI: How Real Is the Risk of Overbuilding?, 31 luglio 2026.

Pflugmann, F., Bauer, H., Gigliotti, L. et al., Charging Ahead: Electrification Equipment Trends to Watch in 2026, McKinsey & Company, 5 marzo 2026.

Sen, A., Development as Freedom, Alfred A. Knopf, New York, 1999.

Shehabi, A. et al., 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory, 2024.

Stanford Institute for Human-Centered Artificial Intelligence (HAI), The 2026 AI Index Report, Stanford University, 2026.

Zegeye, A., Lee, D., Goodpaster, M., Sachdeva, P., Huang, S.-Y. et al., The Shift to 800-Volt DC at Data Centers: Implications for Providers, McKinsey & Company, 30 luglio 2026.