Il paradosso dell'AI: più efficienza, più energia
Algoritmi e infrastrutture diventano più efficienti, ma la diffusione dell'AI moltiplica le applicazioni e accresce la domanda di energia, soprattutto nei data center
Date:
20 November 2026
C'è una contraddizione che sta emergendo con sempre maggiore evidenza nel mondo dell'energia: mentre l'intelligenza artificiale diventa progressivamente più efficiente, la domanda di elettricità necessaria per alimentarla continua a crescere. Una contraddizione solo apparente, che pone una domanda destinata a diventare centrale nel dibattito sulla transizione energetica: è possibile che una tecnologia, proprio perché diventa più efficiente, finisca per consumare complessivamente più energia?
Una notizia pubblicata da Reuters il 10 novembre 2026 offre un'interessante chiave di lettura: secondo le ultime previsioni della U.S. Energy Information Administration (EIA), l'agenzia statistica del Dipartimento dell'Energia statunitense, il consumo di elettricità negli Stati Uniti raggiungerà nuovi livelli record nel 2026 e nel 2027. La domanda dovrebbe passare dai 4.216 miliardi di kWh del 2025 a 4.306 miliardi nel 2026, fino a raggiungere 4.370 miliardi nel 2027. Se le previsioni saranno confermate, si tratterà del terzo record annuale consecutivo.
Tra i principali fattori che alimentano questa crescita figurano i data center dedicati all'intelligenza artificiale, infrastrutture che richiedono enormi quantità di elettricità per alimentare i processori, elaborare informazioni e mantenere sotto controllo le temperature dei sistemi. A questo si aggiunge la progressiva elettrificazione dei consumi domestici, commerciali e industriali.
Non si tratta soltanto di una maggiore diffusione di computer e dispositivi digitali. Dietro la crescita dell'IA si sta sviluppando una nuova infrastruttura energetica, fatta di grandi centri di elaborazione, server ad alte prestazioni, reti di trasmissione e sistemi di raffreddamento. Una trasformazione che sta modificando anche le prospettive della domanda elettrica e le esigenze di investimento nelle infrastrutture energetiche.
Eppure, proprio mentre queste infrastrutture richiedono sempre più energia, la tecnologia sta compiendo progressi significativi sul fronte dell'efficienza. I modelli e i prototipi diventano più piccoli, gli algoritmi vengono ottimizzati, i processori migliorano le proprie prestazioni e una singola elaborazione può richiedere molta meno energia rispetto al passato.
L'International Energy Agency, nel rapporto del 2026 Key Questions on Energy and AI, evidenzia proprio questa dinamica: il consumo energetico necessario per alcune attività di IA è diminuito rapidamente, mentre la diffusione di nuove applicazioni, dalla generazione di immagini e video ai sistemi capaci di svolgere ragionamenti complessi e attività autonome, amplia continuamente il fabbisogno di capacità di calcolo.
È questo il punto sul quale vale la pena soffermarsi: Il progresso tecnologico consente di ottenere prestazioni maggiori utilizzando meno risorse per ogni singola attività, ma contemporaneamente rende economicamente conveniente estendere l'utilizzo della tecnologia a un numero crescente di applicazioni. La domanda, allora, non riguarda più soltanto quanto sia efficiente una tecnologia, ma cosa accade quando quella maggiore efficienza modifica il costo, la disponibilità e le modalità di utilizzo del servizio che offre.
In questo senso, esiste la possibiità che il risparmio ottenuto attraverso l'efficienza finisca per alimentare una nuova domanda, compensando almeno in parte i benefici iniziali? È una questione che oggi emerge con particolare evidenza nel settore dell'intelligenza artificiale, ma che ha radici molto più lontane. Per comprenderla bisogna tornare indietro di oltre un secolo, quando un economista inglese osservò un fenomeno destinato a diventare uno dei concetti più interessanti dell'economia dell'energia.
Per comprendere questa apparente contraddizione bisogna tornare alla seconda metà dell'Ottocento, quando la rivoluzione industriale stava trasformando profondamente il sistema produttivo europeo. Nel 1865 l'economista inglese William Stanley Jevons pubblicò The Coal Question, un'opera nella quale analizzava il ruolo del carbone nello sviluppo industriale britannico. La sua osservazione riguardava una questione destinata a diventare centrale nell'economia dell'energia: il miglioramento dell'efficienza delle macchine a vapore, che consentiva di ottenere la stessa quantità di lavoro utilizzando meno carbone, non stava necessariamente riducendo il consumo complessivo di questa risorsa. Al contrario, contribuiva ad ampliarne l'impiego.
Il ragionamento era meno paradossale di quanto potesse sembrare. Macchine più efficienti rendevano l'energia meno costosa per unità di lavoro prodotto. Questo vantaggio favoriva la diffusione delle tecnologie a vapore, rendeva economicamente convenienti nuove applicazioni industriali e stimolava l'espansione delle attività produttive. Il carbone risparmiato in una singola lavorazione poteva quindi essere assorbito dall'aumento della produzione e dall'apertura di nuovi settori di utilizzo.
Jevons aveva individuato un meccanismo fondamentale: il miglioramento dell'efficienza non modifica soltanto la quantità di risorse necessarie per ottenere un determinato risultato, ma può modificare anche la dimensione della domanda di quel risultato.
Da questa intuizione deriva quello che oggi conosciamo come paradosso di Jevons.
Nella letteratura economica ed energetica contemporanea questo fenomeno viene generalmente ricondotto al cosiddetto rebound effect, o effetto rimbalzo. Il meccanismo può essere spiegato attraverso un esempio semplice. Immaginiamo un'automobile che percorra 15 chilometri con un litro di carburante. La sostituiamo con un modello più efficiente, capace di percorrere 25 chilometri con lo stesso litro. A parità di distanza percorsa, il consumo di carburante diminuisce sensibilmente. Ma il costo per chilometro si riduce e il proprietario potrebbe decidere di utilizzare maggiormente l'automobile, percorrendo distanze più lunghe o effettuando spostamenti che prima avrebbe evitato: il risparmio teorico viene così parzialmente compensato dall'aumento dell'utilizzo.
Lo stesso meccanismo può verificarsi in un'abitazione meglio isolata, in un impianto di climatizzazione più efficiente o in un processo industriale che richiede meno energia per unità di prodotto.
Il fenomeno può assumere forme differenti, che è utile distinguere:
- Rebound diretto: si utilizza maggiormente proprio il servizio diventato più efficiente. Una casa che costa meno da riscaldare viene mantenuta a una temperatura più elevata o riscaldata per più ore.
- Rebound indiretto: il risparmio economico ottenuto viene destinato ad altri beni e servizi che richiedono energia. Una famiglia che risparmia sulla bolletta potrebbe utilizzare una parte delle risorse disponibili per acquistare nuovi apparecchi elettrici o viaggiare maggiormente.
- Rebound macroeconomico: i miglioramenti di efficienza contribuiscono ad aumentare la produttività, ridurre i costi e stimolare la crescita economica, generando una domanda aggiuntiva di energia nell'intero sistema.
La distinzione è importante perché il risparmio energetico non viene necessariamente riassorbito attraverso un singolo comportamento. Può essere il risultato di una serie di reazioni che coinvolgono consumatori, imprese, mercati e organizzazione della produzione.
Non tutti gli effetti rebound hanno la stessa intensità. In molti casi una parte del risparmio teorico viene semplicemente ridotta, ma rimane comunque una diminuzione dei consumi effettivi. Per comprendere meglio la differenza, immaginiamo un intervento di efficienza energetica che dovrebbe ridurre il consumo di un'abitazione da 1.000 a 700 kWh. Il risparmio teorico è di 300 kWh, pari al 30%.
Se, in seguito al miglioramento dell'efficienza, la famiglia aumenta l'utilizzo del riscaldamento e il consumo finale si attesta a 800 kWh, il risparmio effettivo è di 200 kWh. I 100 kWh aggiuntivi rappresentano la quota di risparmio assorbita dal rebound. In questo caso l'efficienza continua a produrre un beneficio energetico: si consuma comunque meno rispetto alla situazione iniziale.
La situazione cambia quando l'aumento della domanda supera interamente il risparmio teorico. È il fenomeno definito backfire, generalmente associato alla formulazione più forte del paradosso di Jevons: il consumo complessivo diventa superiore a quello che si sarebbe registrato senza il miglioramento dell'efficienza.
Questa distinzione è fondamentale. L'effetto rebound non implica necessariamente che i consumi aumentino: indica che il risparmio energetico effettivamente conseguito può essere inferiore a quello tecnicamente atteso.
La dimensione del fenomeno dipende dalle caratteristiche della tecnologia, dalla riduzione dei costi, dalla risposta degli utenti e dalle condizioni economiche generali. Per questo la sua entità multidimensioale rimane oggetto di un ampio dibattito scientifico.
Una ricerca pubblicata nel 2022 su Energy Economics, che ha analizzato Francia, Germania, Italia, Regno Unito e Stati Uniti, ha stimato effetti rebound macroeconomici compresi tra il 78% e il 101% dopo due anni. Si tratta di stime riferite a uno specifico modello econometrico e all'economia nel suo complesso, non di valori applicabili automaticamente a ogni intervento di efficienza energetica.
A distanza di oltre 160 anni, l'intuizione di Jevons conserva una sorprendente attualità. La macchina a vapore dell'Ottocento e i sistemi di intelligenza artificiale contemporanei appartengono a contesti tecnologici profondamente differenti, ma presentano un possibile elemento comune: l'aumento dell'efficienza può rendere economicamente accessibili prestazioni e applicazioni che prima avevano costi troppo elevati.
La tecnologia non si limita quindi a fare meglio ciò che già facevamo. Può ampliare ciò che siamo in grado di fare e, soprattutto, ciò che troviamo conveniente fare. È proprio questo il passaggio che ci interessa approfondire: se nell'Ottocento il miglioramento delle macchine a vapore contribuì ad ampliare l'utilizzo del carbone, oggi l'abbattimento dei costi di elaborazione può favorire una diffusione sempre più estesa dell'intelligenza artificiale.
Il paradosso di Jevons non ci dice che l'efficienza sia inutile, né che ogni progresso tecnologico produca necessariamente un aumento dei consumi. Ci invita piuttosto a non confondere il miglioramento delle prestazioni di una tecnologia con una riduzione automatica dell'impatto complessivo.
Perché il vero risultato dell'efficienza non si misura soltanto osservando quanta energia risparmiamo per ogni singola operazione, ma anche considerando quanto cambia la domanda complessiva dopo che abbiamo ottenuto quel risparmio.
Il caso dell’intelligenza artificiale permette di osservare il paradosso di Jevons in una forma contemporanea. Da una parte, i modelli diventano più efficienti: servono meno risorse computazionali per svolgere molte operazioni. Dall’altra, proprio questa maggiore efficienza rende l’IA più accessibile, ne amplia le applicazioni e può far crescere la domanda complessiva di servizi digitali.
Il punto, quindi, non è stabilire se una singola interrogazione consumi più o meno energia rispetto al passato. È capire che cosa accade quando milioni di persone e imprese iniziano a utilizzare una tecnologia che, diventando più economica e veloce, entra progressivamente in attività prima impensabili o svolte con strumenti differenti.
La International Energy Agency, nel rapporto Key Questions on Energy and AI pubblicato nell’aprile 2026, descrive con chiarezza questa dinamica: il consumo energetico per singola attività di IA è diminuito rapidamente, ma stanno aumentando l’utilizzo dei sistemi e la diffusione di applicazioni molto più complesse, come la generazione di video, i modelli capaci di ragionamento articolato e gli agenti autonomi. Secondo l’Agenzia, alcune di queste attività possono richiedere centinaia o migliaia di volte l’energia di una semplice risposta testuale.
La stessa analisi dell’IEA mostra anche perché non sarebbe corretto considerare l’intelligenza artificiale soltanto come una nuova fonte di consumi. L’Agenzia stima che, se superati gli ostacoli alla diffusione, alcune applicazioni dell’IA potrebbero contribuire a risparmiare oltre 13 exajoule di energia entro il 2035, grazie all’ottimizzazione dei processi industriali, delle reti e delle infrastrutture energetiche. La tecnologia, dunque, può aumentare la domanda di elettricità per alimentare i propri sistemi e, contemporaneamente, aiutare altri settori a utilizzare meglio l’energia.
Questa doppia natura emerge anche dagli studi che stanno iniziando a misurare gli effetti dell’IA sulle attività economiche. Una ricerca pubblicata nel 2026 sulla rivista Economic Analysis and Policy, basata sui dati di imprese quotate cinesi nel periodo 2010-2022, ha rilevato che l’adozione dell’intelligenza artificiale è associata a una riduzione dell’intensità delle emissioni, ma anche a un aumento delle emissioni complessive. In altre parole, le imprese riescono a produrre con un impatto emissivo minore per unità di attività, ma l’aumento della produttività e dei ricavi può accompagnarsi a un’espansione della produzione e quindi delle emissioni totali. È un risultato coerente con il meccanismo di Jevons, ma va letto per quello che è: un’evidenza riferita a uno specifico campione di imprese e a un determinato contesto economico, non una legge valida in ogni situazione.
Il quadro, infatti, non è automatico né univoco. L’IEA sottolinea che la crescita dei consumi dipenderà dall’equilibrio fra miglioramenti di efficienza, diffusione delle applicazioni e loro crescente complessità. Anche la crescita economica potenzialmente favorita dall’IA non si traduce necessariamente in un aumento proporzionale della domanda energetica: nel rapporto del 2026 l’Agenzia stima che, a seconda del livello di adozione, l’effetto sulla domanda globale di energia nel 2035 potrebbe collocarsi tra l’1 e il 4% rispetto a uno scenario senza questo impulso alla crescita. È una previsione di scenario, non una misura di consumi già realizzati.
Il caso dell’intelligenza artificiale ci consegna quindi una lezione più ampia. Non basta sapere che una tecnologia consuma meno per svolgere una singola operazione: occorre osservare come cambia il sistema quando quella tecnologia diventa più economica, accessibile e diffusa. È in questo passaggio che l’efficienza può trasformarsi in nuova domanda, e che il risparmio ottenuto a livello individuale può essere in parte compensato da un aumento dei consumi complessivi.
Ma il fenomeno non riguarda soltanto i grandi data center o le infrastrutture digitali. Lo stesso meccanismo può manifestarsi in contesti molto più vicini alla vita quotidiana: un’abitazione riqualificata, un impianto di climatizzazione efficiente, un’automobile elettrica o un impianto fotovoltaico domestico. Anche in questi casi la riduzione del costo di un servizio può modificare le abitudini e il livello dei consumi. Ed è proprio osservando ciò che accade nelle case, dopo un intervento di efficienza o l’installazione di una tecnologia rinnovabile, che il paradosso assume una dimensione concreta e sociale. EL
Last update
20/11/2026, 14:13


