In breve
Misuri l'energia totale dell'IA oltre all'energia per compito, così la crescita resta visibile, e decida in anticipo che cosa succede ai risparmi: dismettere la capacità liberata, mantenere un budget o un tetto, oppure reinvestire in modo deliberato. Affianchi all'efficienza la sufficienza, chiedendosi se ogni nuovo uso valga davvero la pena. Senza queste misure, un'IA più economica tende semplicemente a essere usata di più.
Passaggi
- In ogni revisione riporti l'energia o le emissioni totali dell'IA accanto all'energia per compito.
- Prima di un progetto di efficienza, decida che cosa accadrà alla capacità o al budget che libera.
- Fissi un budget o un tetto al calcolo, ai token o alla spesa complessivi per ogni gruppo di lavoro o servizio.
- Dismetta i server, le licenze o la capacità riservata che l'efficienza ha reso superflui.
- Prima di approvare ogni nuovo uso dell'IA, si chieda se è necessario.
L'efficienza diventa un risparmio solo quando qualcuno decide che cosa fare della capacità che libera. Altrimenti l'IA più economica viene usata per più cose, più spesso, e il totale continua a crescere.
Perché succede?
Nel 1865 l'economista William Stanley Jevons osservò che macchine a vapore più efficienti portavano a bruciare più carbone, non meno. Luccioni, Strubell e Crawford sostengono che la stessa dinamica di rimbalzo valga per l'IA: i guadagni di efficienza abbassano i costi, e questo può spingere a usarla di più. L'Agenzia internazionale dell'energia prevede che il consumo di elettricità dei data centre più che raddoppierà tra il 2024 e il 2030, con l'IA come fattore principale, anche se ogni singola richiesta costa sempre meno.
Che cosa può fare un'organizzazione?
- Rendere visibili i totali. I soli dati per compito daranno sempre l'impressione di un progresso costante.
- Fissare un budget. Assegni ai gruppi di lavoro un budget di calcolo, di token o di spesa, come per qualsiasi altra risorsa.
- Incassare il risparmio. Quando un modello o un flusso di lavoro diventa più efficiente, spenga o restituisca la capacità che non serve più.
- Reinvestire di proposito. Spendere i risparmi in nuovi usi può essere la scelta giusta, ma deve essere una decisione, non una deriva.
- Praticare la sufficienza. Si chieda se un compito abbia davvero bisogno dell'IA, o di un modello così grande; veda decidere se serve l'IA.
Errori comuni
- Presentare un guadagno percentuale di efficienza come una riduzione delle emissioni.
- Lasciare accesi i server liberati "per sicurezza".
- Approvare ogni nuova funzione di IA perché ciascuna, da sola, costa poco.
Un sandpit (laboratorio di ricerca intensivo e collaborativo) britannico sull'IA verde del 2026, che ha riunito matematici, informatici e industria, ha indicato l'evitare l'effetto rimbalzo come una delle principali questioni aperte per l'IA verde. Per approfondire, legga l'efficienza non è sufficienza.
Fonti
- The Coal Question, W. Stanley Jevons, Macmillan (1865)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Energy and AI, International Energy Agency (2025)
Correlati
Efficienza non è sufficienza: l'effetto rimbalzo nell'IA
Perché un'IA più efficiente non garantisce un minor consumo totale di energia, che cos'è l'effetto rimbalzo o di Jevons e che cosa aiuta a rendere reali i risparmi.
Come fisso obiettivi per l'energia e le emissioni dell'IA?
Come fissare obiettivi significativi per energia ed emissioni dell'IA: una base di riferimento misurata, obiettivi di intensità e assoluti insieme e una revisione regolare.
Come verifico se un progetto di IA vale il suo costo ambientale?
Un modo semplice per confrontare energia, carbonio e hardware di un progetto di IA con il beneficio che offre, prima di realizzarlo e quando è in funzione.
Come scrivere una politica sulla IA verde
Una guida passo passo per scrivere la politica sulla IA verde di un'organizzazione, con uno schema su uso, modelli, misurazione, acquisti, dichiarazioni e revisione.