Le emissioni di carbonio nascoste dell'AI sfuggono alla rendicontazione climatica aziendale

Google News ha fatto emergere un'indagine del Sierra Club con un conflitto sorprendente: le maggiori emissioni di carbonio dell'AI potrebbero trovarsi al di fuori dei numeri comunicati dalle aziende tecnologiche.

Il rapporto del 31 agosto esamina le “emissioni abilitate”, ovvero l'inquinamento aggiuntivo creato quando l'AI rende più produttive l'estrazione, la raffinazione o la generazione di energia da combustibili fossili. Queste emissioni differiscono dall'elettricità utilizzata dai data center. Derivano da ciò che i clienti realizzano con l'AI dopo la sua implementazione.

Questa distinzione amplia considerevolmente il dibattito climatico. Microsoft, Google, Amazon e Meta pubblicano dati operativi e della catena di fornitura, sebbene i confini della loro rendicontazione varino. Tali divulgazioni raramente attribuiscono i cambiamenti nella produzione globale a specifici servizi di AI.

Uno studio sottoposto a revisione paritaria pubblicato ad agosto stima che la produttività assistita dall'AI nell'intera economia energetica aumenti le emissioni annuali di anidride carbonica in ogni scenario di adozione equilibrata esaminato. L'aumento modellato raggiunge da 0,47 a 1,8 gigatonnellate.

Il risultato non dimostra che ogni applicazione di AI aumenti le emissioni. Mostra perché misurare soltanto i server può non cogliere un effetto economico più ampio. L'AI può ottimizzare i parchi eolici aiutando al contempo i produttori di petrolio a individuare riserve, gestire pozzi e ridurre i costi di estrazione.

Il conflitto principale, dunque, non è tra calcolo efficiente e calcolo inefficiente. È tra la rendicontazione climatica aziendale e le attività nel mondo reale che i prodotti di AI rendono più semplici.

Cosa aggiunge il rapporto del Sierra Club a Google News

Il rapporto sposta l'attenzione dalle macchine che eseguono l'AI alla produzione industriale che tali macchine possono espandere.

Gran parte della copertura ambientale sull'AI parte dai data center. È un'attenzione sensata, perché le strutture di calcolo consumano elettricità, richiedono acqua e contengono apparecchiature ad alta intensità di carbonio. Alcune strutture dipendono inoltre da turbine a gas o generatori diesel.

L'indagine del Sierra Club sostiene che questa impronta ormai nota sia incompleta. Punta alle emissioni derivanti dalla produzione di combustibili fossili assistita dall'AI, che di norma ricadono al di fuori degli inventari dichiarati dalle aziende tecnologiche.

Questo secondo livello è più difficile da osservare. Un fornitore cloud può stimare l'elettricità consumata da un carico di lavoro. Può anche attribuire a un cliente una parte dell'impronta di produzione di un server.

Di norma, il fornitore non può stabilire quanto petrolio aggiuntivo sia arrivato sul mercato perché il suo sistema ha migliorato l'esplorazione o le prestazioni di una raffineria. Anche quando tale relazione è nota, i bilanci del carbonio consolidati non prevedono uno spazio standard per registrarla.

Lo studio alla base definisce questo effetto emissioni abilitate. Il termine descrive i gas serra aggiuntivi derivanti dai guadagni di produttività che l'AI apporta a industrie ad alta intensità di carbonio.

Le emissioni abilitate non coincidono con le emissioni Scope 3. Lo Scope 3 copre l'inquinamento indiretto della catena del valore, comprese attrezzature acquistate, materiali da costruzione, viaggi d'affari e determinati usi dei prodotti venduti.

L'inventario Scope 3 di un'azienda tecnologica può includere la produzione dei server senza includere ogni conseguenza economica a valle del suo software. Il confine contabile segue relazioni aziendali definite, non ogni risposta del mercato.

Questa differenza spiega perché la storia abbia attirato attenzione tramite Google News. Mette in discussione i numeri usati negli annunci aziendali di sostenibilità senza sostenere che tali numeri siano necessariamente falsi.

Un'azienda può rispettare le attuali regole contabili e presentare comunque un quadro incompleto delle conseguenze climatiche della sua tecnologia. Conformità e completezza sono questioni distinte.

La storia arriva inoltre in un momento in cui l'opposizione ai data center si è estesa oltre le organizzazioni ambientaliste. Utility, autorità di regolazione, residenti e associazioni di utenti chiedono sempre più spesso chi fornirà nuova elettricità e chi pagherà gli adeguamenti della rete.

Eppure l'energia operativa resta solo una parte del problema. Se l'AI rende anche più economica la produzione di combustibili fossili, i suoi effetti proseguono ben oltre la struttura che serve il modello.

Questa riformulazione è importante perché i rapporti climatici aziendali separano spesso le applicazioni per i clienti considerate benefiche da quelle dannose. Le aziende evidenziano l'ottimizzazione della rete, le previsioni sulle rinnovabili e l'efficienza energetica come emissioni evitate.

Raramente pubblicano una stima equivalente per l'AI utilizzata nella perforazione, nella raffinazione, nella produzione petrolchimica o nella generazione da combustibili fossili. Lo squilibrio può rendere visibili i benefici, lasciando i danni fuori dall'inquadratura.

Il rapporto del Sierra Club trasforma questa omissione nell'evento centrale della notizia. Chiede ai lettori di valutare l'AI attraverso le conseguenze economiche, non soltanto attraverso i contatori elettrici.

Il bilancio del carbonio si ferma al data center

La rendicontazione attuale può contare l'elettricità di un server ignorando la produzione aggiuntiva generata dal software che vi gira sopra.

Gli inventari dei gas serra dividono le emissioni in tre grandi ambiti. Lo Scope 1 copre le emissioni dirette da fonti controllate da un'azienda. Lo Scope 2 copre le emissioni associate all'elettricità acquistata e a fonti energetiche simili.

Lo Scope 3 raccoglie altre emissioni indirette lungo la catena del valore. Può includere la costruzione dei data center, la produzione dell'hardware, i trasporti, i servizi acquistati e l'uso finale dei prodotti venduti.

Per i fornitori di AI, ogni categoria comporta misurazioni difficili. L'elettricità può provenire da più reti, mentre gli acquisti contrattuali di energia rinnovabile possono produrre totali diversi rispetto ai calcoli basati sulla localizzazione.

L'hardware pone un'altra sfida. Gli acceleratori avanzati richiedono una fabbricazione di semiconduttori ad alta intensità energetica, memoria specializzata, apparecchiature di rete, sistemi di raffreddamento, acciaio, cemento e frequenti sostituzioni delle apparecchiature.

L'International Telecommunication Union definisce le emissioni incorporate come l'inquinamento del ciclo di vita derivante dall'acquisizione dei materiali, dalla produzione e dal trattamento di fine vita. Le sue linee guida per la valutazione dell'AI raccomandano di rendicontare separatamente addestramento e inferenza.

Queste linee guida migliorano i confronti, ma dipendono comunque dai confini del sistema. Una valutazione del ciclo di vita può ampliare tali confini, sebbene debba infine decidere quali conseguenze appartengano al prodotto.

Google Cloud ora descrive il carbonio incorporato nell'hardware all'interno della metodologia relativa all'impronta dei clienti. La metodologia sul carbonio dell'azienda include estrazione dei materiali, trasporto e produzione delle apparecchiature.

Anche AWS include le emissioni incorporate dell'hardware e di alcuni edifici nel proprio confine di rendicontazione per i clienti. Si tratta di miglioramenti significativi, perché i clienti hanno bisogno di più delle sole stime sull'elettricità.

Nessuno dei due approcci cattura automaticamente le emissioni abilitate su scala di mercato. Un'azienda petrolifera potrebbe utilizzare più fornitori cloud, sistemi interni e modelli di terze parti nell'ambito di un unico programma produttivo.

Gli analisti avrebbero quindi bisogno di un controfattuale credibile. Devono stimare quanta produzione si sarebbe verificata senza l'AI e come i mercati energetici avrebbero reagito all'offerta aggiuntiva.

Il compito non è impossibile, ma differisce dall'attribuzione convenzionale. Richiede modellazione economica, informazioni sull'uso da parte dei clienti e ipotesi su prezzi, sostituzione, domanda e politiche.

Il divario nella rendicontazione si amplia quando i fornitori descrivono l'AI come un servizio di uso generale. Un servizio generale può supportare le previsioni sulle rinnovabili in un account e la modellazione dei giacimenti in un altro.

I fornitori cloud possono inoltre non avere una visibilità completa sui carichi di lavoro dei clienti. Le protezioni della privacy, i confini contrattuali e i servizi software stratificati possono oscurare l'applicazione finale.

Questo crea un autentico problema di misurazione, non un semplice fallimento nella divulgazione. Le aziende non possono comunicare un numero in modo affidabile quando standard, dati e regole di attribuzione restano incerti.

Tuttavia, l'incertezza non giustifica il trattamento dell'effetto come pari a zero. Questa è la pressione fondamentale generata dalla storia del Sierra Club.

I rapporti aziendali possono riconoscere la categoria, divulgare i rapporti noti con il settore fossile e pubblicare scenari. Possono anche separare le emissioni misurate dalle conseguenze modellate.

Senza queste aggiunte, i lettori potrebbero scambiare un'impronta operativa calcolata con precisione per il completo impatto climatico dell'AI. La precisione entro un confine ristretto non rende quel confine esaustivo.

Le emissioni abilitate ribaltano la consueta narrazione climatica sull'AI

Il bilancio climatico dell'AI cambia quando la produttività dei combustibili fossili e quella delle rinnovabili entrano nello stesso modello economico.

Il modello climatico sottoposto a revisione paritaria è stato pubblicato su npj Climate Action il 4 agosto 2026. I suoi autori modellano l'AI come un amplificatore di produttività lungo percorsi energetici in competizione.

Lo studio applica guadagni di produttività all'estrazione, alla raffinazione e alla generazione da combustibili fossili, all'elettricità rinnovabile, alle infrastrutture di rete e a selezionate attività sul lato della domanda. Stima poi le risposte dell'intera economia.

Negli scenari di adozione parallela, il modello produce un aumento netto annuo da 0,47 a 1,8 gigatonnellate di anidride carbonica. Ciò equivale dall'1,2 al 4,8 per cento delle emissioni energetiche del 2024.

I ricercatori stimano emissioni abilitate isolate da 0,6 a 2,4 gigatonnellate all'anno. Confrontano questo intervallo con 0,18 gigatonnellate provenienti dai data center nella stima di riferimento del 2025.

Su questa base, gli effetti modellati del settore fossile raggiungono da 3,3 a 13,3 volte le emissioni citate dei data center. Il confronto fornisce una scala, ma le due stime non dovrebbero essere semplicemente sommate.

Lo studio tratta esplicitamente la cifra dei data center come riferimento esterno. Il suo modello dell'intera economia affronta effetti produttivi di secondo ordine, mentre il riferimento copre le emissioni operative dirette.

Il risultato più importante riguarda l'asimmetria. La produttività delle rinnovabili deve migliorare da quattro a cinque volte più rapidamente di quella dei combustibili fossili prima che le emissioni nette modellate raggiungano l'equilibrio.

Ciò accade perché i guadagni di produttività operano all'interno di un sistema energetico ancora dominato dai combustibili fossili. Rendere più efficiente una catena di fornitura consolidata e ad alta intensità di carbonio può espandere rapidamente la produzione.

L'AI può aiutare a interpretare dati sismici, individuare siti di perforazione, automatizzare il monitoraggio delle apparecchiature e migliorare la pianificazione delle raffinerie. Ogni applicazione può ridurre i costi o diminuire le interruzioni operative.

Alcuni di questi miglioramenti possono ridurre le emissioni per barile. Tuttavia, costi di produzione più bassi possono anche aumentare l'offerta totale, prolungare la vita degli asset e rendere economicamente sfruttabili ulteriori riserve.

Si tratta di un effetto rimbalzo, che si verifica quando l'efficienza riduce i costi abbastanza da aumentare il consumo o la produzione complessivi. Un'unità più pulita non garantisce un'impronta totale più piccola.

Anche i sistemi rinnovabili beneficiano dell'AI. Le previsioni possono migliorare l'integrazione nella rete, la manutenzione predittiva può ridurre i tempi di inattività e una pianificazione migliore può sostenere l'implementazione dello stoccaggio.

Il modello non nega questi benefici. Li testa invece insieme alle applicazioni dell'AI nei combustibili fossili, anziché presentarli separatamente.

Secondo le ipotesi dello studio, i miglioramenti della rete e dell'efficienza selezionata riducono le emissioni annuali di circa 0,1 gigatonnellate nello scenario più forte e neutrale rispetto alle fonti energetiche. Non ribaltano il risultato dal lato dell'offerta.

Questo ribaltamento mette in discussione una narrazione aziendale comune. Le aziende tecnologiche spesso descrivono la domanda di elettricità dell'AI come un costo di breve periodo che future applicazioni climatiche potranno compensare.

Lo studio non rileva alcun rimborso automatico. L’esito dipende da dove si verificano i guadagni di produttività, da quali settori li adottano e dal fatto che le politiche limitino o meno l’espansione ad alta intensità di carbonio.

Questa conclusione rimane un risultato modellizzato, non una misurazione diretta di ogni sistema implementato. Il suo intervallo riflette ipotesi su adozione, produttività, mercati e risposte economiche.

Ciononostante, il meccanismo è sufficientemente credibile da richiedere attenzione. I guadagni di produttività influenzano produzione, prezzi, investimenti e consumi nell’intero mercato energetico interconnesso.

Le emissioni di carbonio dell’AI non possono quindi essere comprese soltanto attraverso l’efficienza dei chip. Un modello più efficiente può comunque aumentare l’inquinamento totale se accelera un’attività ad alte emissioni.

Big Tech affronta il banco di prova tra promesse e realtà

Le aziende tecnologiche devono ora conciliare gli impegni climatici con la vendita di AI a settori che espandono l’offerta di combustibili fossili.

Le quattro maggiori aziende cloud e di piattaforme hanno assunto importanti impegni climatici. Hanno inoltre investito massicciamente in strutture di calcolo, acceleratori, contratti energetici e servizi AI rivolti ai clienti.

Queste strategie stanno entrando in conflitto. La domanda di AI aumenta l’uso di elettricità e le emissioni legate alla costruzione, aprendo al contempo nuove opportunità commerciali nell’energia, nella manifattura, nei trasporti e nell’estrazione di risorse.

Microsoft ha dichiarato l’obiettivo di diventare carbon negative entro il 2030. Google ha perseguito operazioni e catene del valore net-zero, mentre Amazon e Meta mantengono i propri obiettivi climatici.

Le informative aziendali mostrano già che la rapida crescita delle infrastrutture complica questi obiettivi. Materiali da costruzione, hardware acquistato ed elettricità possono aumentare più rapidamente di quanto le misure di efficienza riducano le emissioni altrove.

Google ha riferito che le sue emissioni totali di gas serra sono aumentate del 48 percento tra il 2019 e il 2023. Ha collegato l’aumento in parte all’energia dei data center e alle emissioni della catena di fornitura.

Microsoft aveva in precedenza riferito che le proprie emissioni erano aumentate rispetto alla base di riferimento del 2020, con l’espansione della costruzione di data center. Acciaio, cemento, chip ed elettricità hanno tutti contribuito alla pressione.

Queste cifre riguardano inventari aziendali riconosciuti. Le emissioni abilitate creano una seconda verifica perché collegano le vendite di AI alle decisioni produttive dei clienti.

L’industria petrolifera e del gas utilizza analisi avanzate da decenni. Il moderno machine learning amplia scala, velocità e accessibilità dell’analisi geologica, della manutenzione predittiva e dell’ottimizzazione dei processi.

I fornitori possono ragionevolmente sostenere che gli strumenti digitali migliorino la sicurezza e riducano le perdite di metano. Un monitoraggio migliore può individuare guasti alle apparecchiature e favorire operazioni più efficienti.

I rappresentanti del settore respingono inoltre l’ipotesi che una maggiore produzione di energia e minori emissioni siano intrinsecamente incompatibili. Sottolineano efficienza, gestione del carbonio e crescita della domanda globale.

Questa risposta affronta l’intensità delle emissioni, che misura l’inquinamento per unità di produzione. La nuova ricerca enfatizza invece le emissioni totali dopo che i cambiamenti di produttività incidono su offerta e domanda.

Entrambe le misure sono importanti, ma rispondono a domande diverse. Un produttore può ridurre le emissioni per unità aumentando al contempo l’inquinamento aggregato attraverso una produzione più elevata.

La pressione sulle Big Tech riguarda la governance tanto quanto la misurazione. I fornitori decidono quali clienti ricevano team specializzati, modelli personalizzati, supporto infrastrutturale e casi di studio pubblici.

Stabiliscono inoltre politiche per utilizzi ad alto rischio nella sicurezza, nella sorveglianza e nelle armi. Le applicazioni ad alta intensità climatica raramente ricevono un esame comparabile.

Una risposta credibile richiederebbe più di un altro chip efficiente. Le aziende dovrebbero classificare le applicazioni downstream, descrivere gli impegni nel settore fossile e stabilire regole di valutazione coerenti.

Tali politiche comporterebbero costi commerciali. Rifiutare o limitare determinati progetti potrebbe cedere ricavi a concorrenti con impegni climatici più deboli.

Questa tensione spiega perché la divulgazione volontaria potrebbe procedere lentamente. Le aziende che affrontano la questione contabile beneficiano finanziariamente anche delle attività sottoposte a valutazione.

La regolamentazione potrebbe infine standardizzare la rendicontazione, ma l’attribuzione rimane difficile. I decisori politici avrebbero bisogno di confini comparabili, verificabili e resistenti al doppio conteggio.

Le aziende tecnologiche non dovrebbero ereditare automaticamente ogni emissione generata da ciascun cliente. Allo stesso tempo, le emissioni evitate rivendicate da un fornitore richiedono un trattamento simmetrico dell’inquinamento abilitato.

Lo standard centrale dovrebbe essere la coerenza. Se un’azienda attribuisce all’AI il merito di aver aiutato un cliente a evitare emissioni, dovrebbe esaminare prove comparabili quando l’AI espande una produzione ad alta intensità di carbonio.

Qualsiasi cosa di meno crea un registro a senso unico. I benefici entrano nel calcolo, mentre i danni restano responsabilità di qualcun altro.

Ciò che i numeri non possono ancora dimostrare

La stima delle emissioni abilitate rivela un rischio trascurato, ma i suoi limiti superiore e inferiore sono scenari anziché totali osservati.

Lo studio utilizza un modello di equilibrio economico generale computabile, che rappresenta il modo in cui settori, consumatori, prezzi e commercio rispondono ai cambiamenti economici. Questo approccio coglie interazioni che calcoli più semplici non rilevano.

Dipende tuttavia da ipotesi. I ricercatori devono scegliere l’entità degli shock di produttività indotti dall’AI, i tassi di adozione, le elasticità di mercato, la domanda energetica di base e le condizioni politiche.

Piccoli cambiamenti possono propagarsi in un modello globale. Ecco perché l’intervallo risultante da 0,47 a 1,8 gigatonnellate è ampio.

Il modello non collega ogni contratto cloud a uno specifico giacimento petrolifero. Non può dimostrare che l’implementazione di un modello abbia causato un volume preciso di produzione aggiuntiva.

Stima invece conseguenze plausibili a livello di sistema quando l’AI migliora la produttività in settori definiti. I lettori dovrebbero considerare i risultati come evidenza basata su scenari, non come una fattura delle emissioni aziendali.

Gli autori hanno anche un legame con l’attivismo. Diversi sono affiliati all’Enabled Emissions Campaign, un’organizzazione non profit focalizzata sulle conseguenze climatiche dell’AI e sulla governance tecnologica.

Dichiarano tale affiliazione come interesse concorrente non finanziario. La peer review rafforza il lavoro, ma non elimina l’incertezza né risolve ogni questione relativa ai confini.

Il trattamento dell’innovazione nel modello presenta un’altra limitazione. Le capacità dell’AI, le tecnologie energetiche e i modelli di adozione possono cambiare più rapidamente delle basi economiche.

Le applicazioni nelle energie rinnovabili potrebbero superare le ipotesi attuali. Le applicazioni nei combustibili fossili potrebbero incontrare regolamentazione, vincoli fisici, bassa adozione o domanda in calo.

È possibile anche il contrario. Un’implementazione più rapida nell’esplorazione, nella raffinazione e nella generazione potrebbe rendere prudenti le ipotesi intermedie dello studio.

La tariffazione del carbonio riduce lo squilibrio modellizzato, ma non lo elimina ai livelli testati. Tale risultato dipende da come produttori e consumatori rispondono ai prezzi.

Un’ulteriore questione riguarda la causalità. Le compagnie petrolifere perseguono già automazione e miglioramenti di produttività. Gli analisti devono distinguere i miglioramenti abilitati specificamente dall’AI dal normale progresso tecnico.

Devono inoltre scegliere un controfattuale. La produzione senza un sistema AI potrebbe procedere tramite un altro fornitore, software convenzionale o lavoro aggiuntivo.

Questi problemi rendono le emissioni abilitate più difficili da verificare rispetto al consumo di elettricità. Non rendono però la categoria irrilevante.

La contabilità ambientale si basa già sul ragionamento controfattuale per emissioni evitate, compensazioni, progetti rinnovabili e valutazione delle politiche. La sfida consiste nell’applicare un rigore comparabile agli esiti dannosi.

Un altro rischio è il doppio conteggio. Lo stesso combustibile aggiuntivo può comparire nella catena del valore di un produttore, nelle emissioni da combustione di un consumatore e nell’influenza modellizzata di un fornitore tecnologico.

Un quadro responsabile deve etichettare chiaramente queste cifre. Le emissioni abilitate dovrebbero integrare gli inventari consolidati anziché essere aggiunte silenziosamente a essi.

La ricerca non dovrebbe inoltre cancellare le utili applicazioni dell’AI. I sistemi che rilevano perdite di metano, ottimizzano le reti o migliorano le previsioni sulle rinnovabili possono offrire benefici misurabili.

La questione è se tali benefici superino l’inquinamento aggiuntivo incoraggiato altrove. La risposta dello studio è negativa nei suoi scenari di adozione equilibrata.

Le prove future possono rafforzare o indebolire questa conclusione. Dati migliori a livello di cliente, casi di studio verificati in modo indipendente e misurazioni trasparenti della produttività ridurrebbero l’incertezza.

Per ora, la risposta corretta non è né il rigetto né l’accettazione acritica. Lo studio identifica un rischio rilevante che gli attuali rapporti aziendali non verificano adeguatamente.

Cosa dovrebbero osservare ora i lettori di Google News

Tre segnali mostreranno se le emissioni abilitate diventeranno un vero standard di responsabilità o rimarranno un risultato di ricerca scomodo.

Il primo segnale è la divulgazione da parte dei principali fornitori cloud. I loro prossimi rapporti ambientali dovrebbero spiegare se le applicazioni AI downstream rientrano in qualche valutazione climatica.

Una divulgazione significativa identificherebbe le categorie di applicazioni, descriverebbe i confini della valutazione e distinguerebbe i dati osservati dagli effetti modellizzati. Una dichiarazione generica sull’AI benefica non risponderebbe alla critica.

Google, Microsoft, Amazon e Meta dovrebbero inoltre divulgare come trattano il lavoro specializzato per i clienti del settore dei combustibili fossili. La domanda rilevante riguarda gli effetti sulla produzione, non soltanto i nomi dei clienti.

Se un fornitore pubblicherà una metodologia replicabile, aumenterà la pressione sui concorrenti. Un metodo condiviso rafforzerebbe l’argomento centrale dello studio secondo cui l’omissione può essere affrontata.

Il silenzio continuato non confuterebbe le emissioni abilitate. Mostrerebbe che la contabilità aziendale resta focalizzata su asset ed energia acquistata, anziché sugli esiti economici downstream.

Il secondo segnale è la replica indipendente. I ricercatori devono verificare il risultato con modelli economici, ipotesi, dati regionali e casi di studio settoriali diversi.

L’intervallo da 0,47 a 1,8 gigatonnellate è abbastanza ampio da influenzare la politica climatica. Un’affermazione di tale portata merita un esame costante da parte di economisti, esperti del ciclo di vita e analisti dell’energia.

I ricercatori dovrebbero inoltre separare esplorazione, estrazione, raffinazione, trasporto e generazione. L’AI potrebbe influenzare ogni fase in modo diverso, e le normative regionali possono modificare il risultato.

Gli studi di caso diretti sarebbero particolarmente preziosi. Uno studio potrebbe confrontare operazioni simili con e senza AI, controllando prezzi, geologia, attrezzature e politiche.

Una replica vicina all’intervallo pubblicato rafforzerebbe l’argomento a favore di standard formali di rendicontazione. Risultati molto più bassi restringerebbero la preoccupazione politica senza cancellare il meccanismo sottostante.

Il terzo segnale è la regolamentazione o la politica di approvvigionamento. I governi e i grandi acquirenti aziendali possono richiedere valutazioni del ciclo di vita che includano i rischi delle applicazioni downstream.

La metodologia ITU enfatizza già confini trasparenti, emissioni incorporate, qualità dei dati e revisione indipendente. Le regole specifiche per l’AI possono basarsi su tale fondamento.

Gli standard di approvvigionamento potrebbero avanzare prima della regolamentazione nazionale. I grandi acquirenti possono richiedere ai fornitori stime a livello di carico di lavoro su elettricità, hardware, acqua e impatto delle applicazioni.

Le autorità di regolamentazione finanziaria potrebbero inoltre richiedere una discussione più chiara dei rischi della transizione climatica. Le partnership AI che prolungano la vita degli asset fossili potrebbero creare un’esposizione che va oltre i totali annuali delle emissioni.

Queste politiche devono evitare una falsa precisione. Un intervallo trasparente con ipotesi dichiarate è più credibile di un singolo numero costruito su scelte nascoste.

Per sviluppatori e acquirenti aziendali, la lezione immediata è pratica. L’efficienza dei modelli è importante, ma la progettazione delle applicazioni può superare i guadagni di efficienza.

I team dovrebbero chiedersi quali comportamenti il loro sistema modifica, quali attività aumenta e se costi inferiori incrementano il consumo complessivo. Queste domande devono affiancare le metriche di latenza e accuratezza.

Anche i knowledge worker dovrebbero leggere con attenzione le dichiarazioni ambientali. “AI for climate” descrive una categoria di applicazioni, non l’impatto netto di un intero portafoglio commerciale.

La più recente copertura di Google News rende difficile ignorare questa distinzione. Il carbonio all’interno di un data center è misurabile, visibile e sempre più spesso oggetto di report.

Il carbonio abilitato al di fuori di esso resta controverso, dipendente dai modelli e in gran parte assente dai registri aziendali. Proprio questa incertezza rende essenziale un’indagine trasparente.

Il prossimo rapporto climatico di un importante fornitore di AI dovrebbe rispondere a una domanda diretta: l’azienda conta solo l’infrastruttura che gestisce, oppure anche la produzione resa possibile dalla sua tecnologia?

Finché questa domanda non riceverà una risposta misurabile, le emissioni di carbonio dell’AI pubblicate resteranno un resoconto parziale di un sistema molto più ampio.