Il costo nascosto della convenienza: perché l’impatto ambientale dell’IA deve essere visibile

Ci affidiamo regolarmente all’IA per aiuto, sia per riassumere questo, generare quello o risolvere questo. È veloce, facile e sempre più integrato nel nostro modo di lavorare. Ma nella nostra fretta di semplificare le cose, abbiamo trascurato una parte fondamentale della storia: il costo ambientale dietro la convenienza digitale.

Ogni interazione con l’IA si basa su qualcosa che non vediamo e raramente consideriamo: data center, chip, reti elettriche, sistemi di raffreddamento e reti logistiche globali. Questa “infrastruttura invisibile” fa sembrare l’IA senza peso. Ma l’impatto ambientale è tutt’altro che irrilevante.

È giunto il momento di rendere visibile quel costo. Man mano che l’IA diventa più centrale nelle operazioni aziendali, anche il suo impatto sull’energia, sull’acqua e sulle emissioni aumenta. La domanda non è solo quanto potente sarà il prossimo modello, ma anche se siamo pronti ad assumerci la responsabilità di ciò che serve per farlo funzionare.

L’IA ha un problema di ottica. A differenza del fumo di una fabbrica o del traffico su una autostrada, le emissioni dell’addestramento o dell’interrogazione di un modello avvengono dietro porte chiuse in sale server climatizzate. Ciò non le rende meno reali.

Eseguire modelli avanzati richiede una quantità significativa di elettricità. Ad esempio, l’addestramento di GPT-3 consuma quanto energia utilizzata da 130 abitazioni statunitensi annualmente. E non si ferma lì. L’inferenza, il processo di generazione di risposte, riassunti o immagini, utilizza una notevole quantità di potenza. Una singola query di ChatGPT utilizza circa cinque volte più elettricità di una normale ricerca web, e la generazione di un’immagine AI può consumare quanto energia necessaria per caricare completamente un telefono cellulare.

Il consumo di acqua è una parte significativa del quadro, anche. Ogni volta che ChatGPT genera un breve messaggio di posta elettronica di 100 parole utilizzando il modello GPT-4, consuma circa il volume di una normale bottiglia d’acqua. Quell’acqua viene utilizzata per raffreddare i server nei data center, che generano un calore intenso durante il funzionamento. Se si scala questo consumo a un solo utilizzo settimanale da parte del 10% degli americani che lavorano, il consumo di acqua annuale sarebbe equivalente al consumo quotidiano di ogni famiglia del Rhode Island, per un giorno e mezzo.

Man mano che i carichi di lavoro dell’IA si espandono, anche le richieste di potenza dei data center aumentano. La Banca Mondiale stima che la più ampia categoria delle tecnologie dell’informazione e della comunicazione (ICT), compresa l’IA, attualmente rappresenta almeno l’1,7% delle emissioni di gas serra a livello globale. Sebbene questo numero possa sembrare modesto, riflette solo i livelli di adozione attuali. Con la continua crescita dell’IA – insieme all’aumento dell’accesso a Internet a livello globale, all’espansione dell’archiviazione cloud, ai dispositivi IoT e persino alle tecnologie blockchain – l’impatto collettivo potrebbe aumentare notevolmente, anche se si ottengono alcune efficienze.

Quella disconnessione tra quanto sia facile utilizzare l’IA e quanto sia intensivo in termini di risorse il suo funzionamento rende facile ignorare il problema.

Ma indica anche la soluzione. Non dobbiamo rallentare l’innovazione. Dobbiamo essere più consapevoli di come progettiamo e distribuiamo l’IA. Ciò significa porre domande migliori, tenere i fornitori responsabili e incorporare la sostenibilità in ogni decisione sull’IA.

Questi sistemi stanno diventando sempre più potenti. Se vogliamo che ci aiutino a risolvere le sfide climatiche, dobbiamo assicurarci che non stiano silenziosamente aggravando la situazione.

Dall’infrastruttura alla responsabilità

L’impatto ambientale dell’IA non si limita al momento in cui l’utente preme “invio”. C’è una catena di approvvigionamento dietro di esso: estrazione, fabbricazione di chip, spedizione di attrezzature e costruzione di data center. Questa realtà crea una nuova sfida di responsabilità per le aziende. A differenza delle fonti di emissioni tradizionali, dove l’impatto può essere legato al carburante bruciato o ai chilometri percorsi, il costo dell’IA è distribuito tra sistemi e fornitori. È facile pensare che la responsabilità spetti al “cloud” o al “fornitore”.

Ma se si utilizza l’IA attraverso una piattaforma SaaS, un fornitore cloud o strumenti interni, allora le emissioni e il consumo di energia fanno parte del proprio footprint operativo. Ciò è particolarmente vero quando si guarda alle emissioni di scope 3, che includono quelle generate in tutta la catena del valore.

La buona notizia è che la responsabilità non è una questione di colpa. Si tratta di consapevolezza, trasparenza e migliori decisioni.

Renderizzare visibile l’invisibile

Come possiamo portare alla luce il costo ambientale nascosto dell’IA? Inizia con il rivedere come valutiamo gli strumenti che utilizziamo.

I team di approvvigionamento dovrebbero chiedere informazioni sulla funzionalità, sulle fonti di energia, sull’efficienza dei data center e sulla segnalazione delle emissioni. Se un fornitore non può dire quanto energia consumino i propri strumenti IA o se si affidino a energia rinnovabile, è un campanello d’allarme.

I team di prodotto e ingegneria possono prendere decisioni di progettazione che riducono l’impatto senza sacrificare i risultati. Ciò include l’utilizzo di modelli più piccoli e ottimizzati quando possibile e l’evitare complessità non necessarie. Un modello più efficiente non è solo più veloce, è anche più verde.

I dipendenti possono anche contribuire. Formare i team per scrivere prompt chiari e mirati riduce il numero di query necessarie e minimizza il tempo di calcolo. Una richiesta ben costruita potrebbe produrre il risultato corretto immediatamente, mentre diverse richieste vaghe potrebbero sprecare energia con ogni iterazione.

La dirigenza può collegare i punti tra innovazione e sostenibilità. L’adozione dell’IA dovrebbe essere allineata con gli obiettivi climatici, non trattata come una strategia separata. I piccoli cambiamenti iniziano ad aggiungersi quando le organizzazioni rendono l’impatto ambientale parte della conversazione a ogni livello.

Perché la norma ISO 42001 offre una roadmap utile

La norma ISO 42001, la nuova norma internazionale per i sistemi di gestione dell’IA, introduce un focus chiave: incoraggia le organizzazioni a considerare non solo come i sistemi IA si eseguono, ma anche come influiscono sulle persone e sul pianeta. Non tratta il clima come un pensiero posteriore; lo tratta come un rischio degno di essere gestito fin dall’inizio.

Per le aziende già impegnate a lavorare verso la norma ISO 14001 (per la gestione ambientale) o gli obiettivi di zero emissioni nette, la norma ISO 42001 offre un ponte. Aiuta ad allineare la governance dell’IA con strategie di sostenibilità più ampie, dalle emissioni di tracciamento alle partnership di fornitura responsabili.

Cosa può restituire l’IA

È facile concentrarsi sui negativi, ma l’IA porta anche un potenziale reale per aiutarci a risolvere problemi ambientali.

Già, l’IA sta aiutando le aziende di servizi pubblici a prevedere la domanda e ad aggiustare l’uso dell’energia in tempo reale per integrare meglio le fonti rinnovabili come il vento e il sole. Nell’agricoltura, viene utilizzata per monitorare l’umidità del suolo e le condizioni meteorologiche per guidare gli orari di irrigazione e minimizzare il deflusso di fertilizzanti. Le aziende di logistica stanno utilizzando l’IA per pianificare percorsi di consegna più efficienti, riducendo il consumo di carburante e il tempo di inattività. E forse più significativamente, l’IA sta accelerando il tracciamento delle emissioni analizzando i dati di approvvigionamento e di fornitura, aiutando le aziende a calcolare le emissioni di scope 3 difficili da misurare e a identificare dove sono possibili riduzioni.

Se distribuita con cura, l’IA può agire non solo come consumatrice di risorse, ma anche come motore di soluzioni climatiche più intelligenti.

È il momento di dare un’occhiata più da vicino

L’IA non rallenterà, e non dovrebbe. Tuttavia, dobbiamo iniziare a rendere più visibile e gestibile la sua impronta ambientale.

Ciò significa:

• Scegliere partner che segnalano e riducono le emissioni.
• Formare i team per utilizzare l’IA in modo efficiente e intenzionale.
• Trattare l’impatto ambientale come parte dell’equazione del valore, non come un compromesso.

Siamo abituati a pensare all’IA come invisibile. Ma si tratta di un problema di percezione, non di natura fisica. I server sono reali, le emissioni sono misurabili e l’acqua è finita.

Ora è il momento di costruire abitudini di responsabilità in modo che i sistemi su cui facciamo affidamento non minino silenziosamente il futuro che stiamo tutti cercando di proteggere.