# Come riconosco il greenwashing nel marketing dell'IA?

> I segnali di greenwashing nei prodotti e servizi di IA, dalle vaghe etichette di 'IA sostenibile' alle dichiarazioni di neutralità basate sulle compensazioni, e le domande da porre.

Source: https://greenai.guide/it/come/come-riconosco-il-greenwashing-nel-marketing-dell-ia/  
Updated: 2026-11-19

## In breve

Diffidi di parole come "verde", "sostenibile" o "IA a impatto zero" se non sono accompagnate da dati, metodi e perimetri, e delle dichiarazioni basate su compensazioni o certificati annuali di energia rinnovabile. Le dichiarazioni oneste dicono che cosa è stato misurato, rispetto a quale base di riferimento e che cosa è stato escluso; nell'UE le dichiarazioni ambientali generiche che non possono essere dimostrate sono vietate.

## Steps

1. Chieda che cosa è stato misurato esattamente e che cosa include il dato.
2. Verifichi se un risparmio dichiarato è per compito o in totale.
3. Cerchi la base di riferimento con cui la dichiarazione si confronta.
4. Tratti con cautela le dichiarazioni "a impatto zero" basate su compensazioni o certificati.
5. Verifichi se il dato è autodichiarato o verificato in modo indipendente.

**Il greenwashing è una dichiarazione ambientale che non si può verificare.** Man mano che il consumo energetico
dell'IA attira attenzione, sempre più prodotti vengono promossi come "efficienti", "sostenibili" o "IA verde".
Alcuni lo sono; la prova è se la dichiarazione è accompagnata da evidenze.

## Quali sono i segnali d'allarme? {#what-are-the-warning-signs}

- **Etichette vaghe.** "IA ecologica" o "intelligenza sostenibile" senza numeri.
- **Neutralità grazie alle compensazioni.** "A impatto zero" perché sono stati acquistati crediti, non perché le
  emissioni sono diminuite. La specifica Software Carbon Intensity della Green Software Foundation non consente a
  compensazioni o certificati di energia rinnovabile di ridurre il punteggio di carbonio di un software.
- **Efficienza presentata come riduzione.** "50% di energia in meno per richiesta" non dice nulla sull'uso totale,
  che potrebbe comunque essere in aumento. Luccioni, Strubell e Crawford sostengono che i guadagni di efficienza
  dell'IA possono essere annullati dalla crescita dell'uso, il cosiddetto
  [effetto rimbalzo](/it/glossario/#rebound-effect).
- **Nessun perimetro.** Un dato per prompt che conta solo i chip sembra migliore di uno che include raffreddamento e
  macchine inattive.
- **Confronti scelti ad arte** rispetto a una base di riferimento vecchia o insolitamente inefficiente.

## Che cosa dice la legge? {#what-does-the-law-say}

**Nell'UE le regole sono diventate più severe.** La direttiva (UE) 2024/825 vieta le dichiarazioni ambientali
generiche rivolte ai consumatori che non possono essere dimostrate. Altri paesi hanno proprie norme a tutela dei
consumatori sulle dichiarazioni ingannevoli; consulti le indicazioni dell'autorità nazionale competente.

## Quali domande devo porre? {#what-questions-should-i-ask}

1. Che cosa è stato misurato, e che cosa è stato escluso?
2. Per che cosa: per richiesta, per utente, per anno?
3. Rispetto a quale base di riferimento?
4. Chi l'ha misurato, ed è verificabile?

## Errori comuni {#common-mistakes}

- **Dare per scontato che un impegno sulle energie rinnovabili** renda verde ogni uso di un servizio.
- **Confondere "IA per il bene comune" con "IA verde".** Usare l'IA per un obiettivo climatico non rende l'IA stessa a
  basso impatto.

Se è Lei a fare dichiarazioni, veda [fare dichiarazioni oneste sull'IA verde](/it/come/come-faccio-dichiarazioni-oneste-sulla-sostenibilita-della-nostra-ia/)
e la guida completa alle [dichiarazioni ambientali oneste](/it/buone-pratiche/dichiarazioni-ambientali-oneste-sull-ia/).

## Fonti

- [Directive (EU) 2024/825 on empowering consumers for the green transition](https://eur-lex.europa.eu/eli/dir/2024/825/oj), European Union (2024)
- [Software Carbon Intensity specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
