Come l'AI agentica sta togliendo l'unico freno che il sistema ha sempre avuto: un essere umano che decide quanto aprire il rubinetto.

Ciao e buon lunedì!

Pochi giorni fa, al COMPUTEX di Taipei, una delle più grandi fiere mondiali dell'elettronica, i dirigenti del settore energetico e dei data center hanno lanciato un avvertimento che fino a un paio d'anni fa nessuno avrebbe formulato in questi termini: lo spostamento dell'industria dall'addestramento dei modelli all'inferenza e all'AI agentica ha prodotto un'impennata della domanda di elettricità, e ha reso più stringenti i requisiti di affidabilità e fornitura locale di energia.

Due parole, in quella frase, meritano una traduzione. L'inferenza è il momento in cui un modello già addestrato risponde a una richiesta: non la fase in cui impara, ma quella in cui lavora. L'AI agentica è invece la generazione di sistemi che non si limitano a rispondere, ma agiscono: scompongono un compito, lanciano altri programmi, interrogano altri modelli, verificano i risultati e ripartono, in autonomia.

C'è un dettaglio, in quell'avvertimento di Taipei, che è passato quasi inosservato. La nuova domanda di energia non arriva da più persone che usano l'AI. Arriva dall'AI che usa sé stessa.

Partiamo dai numeri, perché su questo tema sono l'unica cosa che ci tiene con i piedi per terra.

Secondo le proiezioni aggiornate dell'Agenzia Internazionale dell'Energia (IEA) pubblicate ad aprile 2026, il consumo di elettricità dei data center è destinato a raddoppiare, passando da circa 485 TWh nel 2025 a circa 950 TWh nel 2030, arrivando a rappresentare intorno al 3% della domanda elettrica mondiale. Considera che, giusto per dare una proporzione, 950 TWh sono poco più di quanto consuma oggi l'intero Giappone. Dentro quel raddoppio, la quota legata specificamente all'AI cresce molto più in fretta del resto: sta triplicando. (Fonte: IEA, "Key Questions on Energy and AI", aprile 2026)

Negli Stati Uniti, dove si concentra la fetta maggiore della crescita, entro fine decennio i data center consumeranno più elettricità di quanta ne serva per produrre alluminio, acciaio, cemento, prodotti chimici e ogni altro bene a forte intensità energetica messi insieme. (Fonte: IEA, "Energy and AI", aprile 2025)

Questi numeri li trovi, con piccole variazioni, in qualunque articolo sul tema. Sono il livello superficiale del problema, e di solito è dove il discorso si ferma: l'AI consuma tanto, consumerà di più, bisogna renderla più efficiente.

Lo strato sottostante è meno conosciuto e, secondo me, cambia la natura della questione. Finora il consumo dovuto all’uso dell'AI ha avuto una struttura relativamente semplice da immaginare: una persona scrive un prompt, un modello lo elabora e, nel farlo, consuma energia. Per quanto opaca fosse la misura esatta di quel consumo, il meccanismo aveva un punto fermo: a monte c'era sempre un essere umano che premeva un pulsante. Il numero di richieste era, in ultima istanza, il numero di persone moltiplicato per la loro pazienza.

L'AI agentica rompe proprio questo schema: invece di un essere umano che effettua una richiesta, è l’AI stessa a scomporre un problema in diverse richieste diverse. Alcune richieste vanno al modello stesso, altre fanno chiamate ad altri strumenti, altre ancora causano passaggi di recupero dati e cicli di verifica. Una richiesta di partenza ne genera molte altre, autonome, che nessuno saprebbe prevedere a priori. (Fonte: dev/sustainability, "AI data center energy in 2026", 2026)

E qui si innesta il problema della misura dei consumi. L'inferenza agentica è complessa, distribuita, frammentata, difficile da tracciare. Diventa, cioè, più difficile da misurare e comporta una opacità crescente su un consumo energetico crescente: non è una congiunzione rassicurante.

Ad una prima analisi, verrebbe naturale pensare che la risposta al problema stia nel rendere l'AI più efficiente: modelli più piccoli, chip migliori, raffreddamento intelligente. Se ogni operazione costa meno energia, il problema si dovrebbe ridimensionare da solo.

Sembra ovvio, ma è quasi certamente la soluzione sbagliata.

Nel 1865 l'economista britannico William Stanley Jevons pubblicò "The Coal Question", in cui osservava un fenomeno che porta ancora il suo nome. Le macchine a vapore stavano diventando molto più efficienti nel consumo di carbone, e ci si aspettava che per questo motivo il consumo nazionale di carbone calasse. Accadde invece l'opposto: rendere il carbone più conveniente da usare lo rese utile in attività che prima non lo contemplavano, la domanda esplose, e il consumo totale aumentò. "È totalmente una confusione di idee", scrisse Jevons, supporre che un uso di combustibile a condizioni più economiche equivalga a una riduzione dei consumi.

Con l'AI è già successo. Quando, nel gennaio 2025, il laboratorio cinese DeepSeek ha rilasciato un modello di fascia alta a costi di inferenza inferiori di circa un ordine di grandezza rispetto a quelli correnti, il risultato è stato un utilizzo maggiore di prima, perché un'AI improvvisamente più economica si è infilata in usi che in precedenza non la giustificavano. (Fonte: arXiv, "Photons = Tokens: The Physics of AI and the Economics of Knowledge", 2026) Ogni guadagno di efficienza, finora, è stato più che riassorbito dalla crescita della domanda. L'efficienza non è la soluzione del problema bensì, spesso, ne è il suo acceleratore.

Di solito il ragionamento ambientale si chiude qui, su queste argomentazioni che sono in buona parte già note. Proviamo ora a fare un passo in più, shall we? 😉

Il paradosso di Jevons, per funzionare, ha bisogno di un essere umano, nel senso che finora è sempre stato l’uomo a scegliere di consumare di più (magari anche grazie ad un prezzo decrescente): comprava altre macchine a vapore, avviava nuovi impianti produttivi, lanciava dieci prompt al giorno invece di uno solo. La domanda cresceva, ma restava una domanda guidata da una necessità e da un’intezione di natura umana.

L'AI agentica toglie proprio quell’elemento umano dall’equazione. È una differenza che sembra sottile, ma non lo è affatto: nel mondo di Jevons il rubinetto lo apriva una mano in carne e ossa, nel mondo dell’AI agentica il rubinetto impara ad aprirsi da solo.

Nel 1954 il sociologo e filosofo francese Jacques Ellul pubblicò "La Technique ou l'Enjeu du siècle", tradotto in inglese nel 1964 come "The Technological Society". La sua tesi centrale era che la tecnica, intesa non come singola macchina ma come l'insieme dei mezzi orientati alla massima efficienza, avesse smesso di essere uno strumento nelle mani dell'uomo per diventare un sistema con una propria logica di sviluppo.

Ellul attribuiva alla tecnica alcune caratteristiche precise: l'automatismo, l'autoaccrescimento (cioè la capacità di crescere alimentando sé stessa) e l'autonomia. Ma ne individuava anche un'assenza decisiva. La tecnica, scriveva, manca di una caratteristica che ogni sistema organizzato possiede: la reazione. Non ha un meccanismo interno che la corregga, che le dica quando fermarsi, che chiuda il circuito.

Settant'anni dopo, scritta per il vapore e la burocrazia, quella diagnosi descrive con fastidiosa precisione lo scenario dell’AI agentica. Ogni tecnologia energivora che abbiamo costruito, fino a oggi, aveva una reazione incorporata, e quella reazione eravamo noi: un motore che gira perché qualcuno ha girato la chiave, una fabbrica che produce perché qualcuno ha acceso l’interruttore, un modello che risponde perché qualcuno ha scritto un prompt. L'essere umano non era solo l'utente. Era il freno. Era il punto in cui il sistema, per crescere, doveva chiedere permesso e aspettare un input.

Un'AI che orchestra altri agenti, sceglie i modelli, lancia processi e li verifica in autonomia è la prima tecnologia di massa che si avvicina a togliere quel freno. Non perché diventi cosciente o ribelle, niente di così romanzesco, ma per una ragione molto più banale e per questo più seria: il costo marginale di un'azione in più, per un agente, non è percepito da nessun umano nel momento in cui avviene.

Qui la questione diventa di governo, e il fact-check su questo numero ha restituito un dettaglio interessante… L'AI Act europeo, in vigore dall'agosto 2024, affronta l'impronta energetica dell'AI in un solo modo concreto: l'Allegato XI obbliga i fornitori di modelli di AI per finalità generali a documentare il consumo energetico noto o stimato del modello, all'interno della documentazione tecnica. (Fonte: EU AI Act, Allegato XI; White & Case, "Energy efficiency requirements under the EU AI Act", 2026) Il resto, gli obiettivi di efficienza, gli standard, le etichette energetiche, è affidato a codici di condotta volontari e a standard non ancora scritti, che secondo diverse analisi potrebbero non arrivare prima del 2028. Tanto che ad aprile 2026 la Commissione ha dovuto aprire una consultazione solo per definire come misurare il consumo dell'AI. (Fonte: Commissione Europea, consultazione "Measuring energy consumption and emissions of AI models and systems", aprile 2026)

Il punto non è che la regola sia debole (e, fammi dire, penso proprio che lo sia). Il punto è che è costruita su assunzioni sbagliate. Documentare il consumo stimato di un modello presuppone che il consumo sia attribuibile a quel modello e che sia misurabile a tavolino. È la fotografia di un mondo in cui a ogni richiesta corrisponde un'azione, e a ogni azione un responsabile. L'inferenza agentica, distribuita e difficile da tracciare, dissolve proprio questa premessa. Stiamo scrivendo le regole per contare gli effetti di un prompt, nel momento esatto in cui i prompt smettono di essere l'unità di misura del consumo.

Ritengo che il dibattito ambientale sull'AI stia guardando nel punto sbagliato, e che lo faccia sia perché il punto sbagliato è oggettivamente più facile da quantificare, sia perché il punto dove guardare continua a spostarsi più velocemente della nostra capacita di analizzare, comprendere e legiferare.

Misurare quanta acqua e quanta energia consuma un data center oggi è difficile ma fattibile, e tendenzialmente il risultato che ne emerge può essere un bel gancio per creare articoli sensazionalistici e click-bait (leggi: generano traffico e introiti). Chiedersi chi governerà quel consumo quando a generarlo non sarà più un essere umano è una domanda scomoda, perché non ha ancora una risposta, e una domanda senza risposta vende molto peggio di un articolo dal tono allarmante.

Eppure è quella la domanda. Non "quanto consuma l'AI", ma "chi deciderà quanto può consumare l'AI", una volta che la decisione non passa più per un dito umano su una tastiera. Sono aperto a essere smentito, ma fino a prova contraria non vedo, né nelle aziende, né nei regolatori, né nel dibattito pubblico, nessuno che la stia ponendo nei termini giusti. Si discute di efficienza, che è il modo di Jevons per consumare di più. Si discute di trasparenza, che è inutile se non sai più cosa contare. Non si discute dell'unica cosa che è davvero cambiata: stiamo per rimuovere il freno umano da un sistema che, per costituzione, non ne ha uno proprio e - anzi - sta andando nella direzione di essere sempre più autonomo.

Non lo dico in tono apocalittico, perché non credo all'apocalisse e diffido di chi la vende. Lo dico nel modo più asciutto possibile: abbiamo progettato una tecnologia che cresce alimentando sé stessa, le stiamo togliendo l'unico interruttore che avevamo, e stiamo scrivendo regole che fingono che l'interruttore sia ancora lì. Il problema non è l'energia. È che abbiamo smesso di tenere la mano sul rubinetto prima di esserci chiesti chi, o cosa, la terrà al posto nostro.

Quando deleghi un compito al tuo modello agentico preferito, sii consapevole che in quel preciso momento non saprai quante operazioni stai mettendo in moto.

Non è una colpa, e non è un invito a sentirti in colpa per le tue richieste: la frugalità individuale non sposta i terawattora. È un esercizio di consapevolezza su dove si è spostato il controllo. Finché eri tu a premere ogni pulsante, il costo, energetico e di ogni altro tipo, restava in qualche modo legato a una tua scelta. Nel momento in cui deleghi a un agente che ne attiva altri, quel legame si allenta, e con esso la possibilità stessa di governare ciò che hai messo in moto.

La competenza che conta, in questa fase, non è usare meno l'AI: è accorgersi di quando si passa dal chiederle qualcosa al lasciarla fare, perché è in quel passaggio, silenzioso e comodo, che si decide chi tiene davvero la mano sul rubinetto.

A lunedì prossimo.

Alberto

Fonti principali di questo numero: