# Come faccio a…? Risposte per ridurre l'impatto dell'IA

> Risposte brevi e documentate alle domande più comuni su come ridurre l'impatto ambientale dell'uso e dello sviluppo dell'IA.

Source: https://greenai.guide/it/come/

97 risposte chiare alle domande più comuni su come usare l'IA con meno energia, acqua e sprechi: per utenti comuni, sviluppatori, organizzazioni e scuole. Prima viene la risposta, poi i passaggi e le fonti.

## L'IA nella vita quotidiana

- [Come aiuto la mia famiglia a usare l'IA in modo più sostenibile?](https://greenai.guide/how-do-i/help-my-family-use-ai-sustainably/): Concordate in famiglia alcune abitudini semplici invece di regole: usare lo strumento più semplice che funziona, fare domande chiare, perfezionare invece di rigenerare e considerare immagini e video dell'IA un passatempo occasionale, non un intrattenimento senza fine. Conta anche usare più a lungo telefoni, tablet e portatili, perché anche la produzione dei dispositivi ha un'impronta.
- [Come capisco quando usare la modalità di ragionamento dell'IA?](https://greenai.guide/how-do-i/use-reasoning-modes-only-when-needed/): Usi una modalità di ragionamento (in inglese "thinking" o reasoning) per i problemi davvero difficili, come calcoli matematici in più passaggi, codice complicato o analisi accurate, e un modello standard o veloce per le domande quotidiane, le bozze e i riassunti. Le modalità di ragionamento scrivono lunghe catene nascoste di passaggi prima di rispondere, e un benchmark ha rilevato che consumavano in media 30 volte più energia.
- [Come capisco se per un compito mi serve davvero l'IA?](https://greenai.guide/how-do-i/decide-if-i-need-ai-for-a-task/): Si chieda se uno strumento più semplice fa già il lavoro in modo affidabile: un motore di ricerca, una calcolatrice, una mappa, un dizionario, un modello di documento o una formula di foglio di calcolo. Usi l'IA generativa dove fa risparmiare tempo davvero o migliora il risultato, per esempio per abbozzare, spiegare o rielaborare testi, e ne faccia a meno per ricerche e calcoli che altri strumenti gestiscono bene.
- [Come compenso le emissioni di carbonio del mio uso dell'IA?](https://greenai.guide/how-do-i/offset-the-carbon-of-my-ai-use/): Prima riduca, e consideri le compensazioni come un extra facoltativo, non come un modo per rendere l'uso dell'IA "a impatto zero". Per la maggior parte delle persone l'impronta dell'IA testuale di tutti i giorni è piccola, e ridurre gli usi pesanti, come la generazione di immagini e video e le rigenerazioni continue, serve più che acquistare crediti. Gli standard sul carbonio del software non consentono alle compensazioni di ridurre l'impronta misurata.
- [Come disattivo le funzioni di IA che non mi servono?](https://greenai.guide/how-do-i/turn-off-ai-features-i-dont-need/): Apra le impostazioni di ogni app, telefono, browser o suite d'ufficio che usa, cerchi le sezioni che portano il nome del suo assistente di IA o diciture come "funzioni intelligenti", e disattivi ciò che non usa. Le funzioni che girano in automatico su ogni email, pagina o documento consumano energia che Lei legga il risultato o no, quindi le impostazioni predefinite contano.
- [Come evito che le chat lunghe con l'IA sprechino energia?](https://greenai.guide/how-do-i/keep-long-ai-chats-efficient/): Inizi una nuova chat quando cambia argomento e, quando una conversazione lunga è ancora utile, chieda un breve riepilogo e prosegua da lì in una chat nuova. In genere i chatbot rileggono tutta la conversazione precedente per rispondere a ogni nuovo messaggio, quindi le conversazioni molto lunghe rendono ogni risposta più costosa del necessario.
- [Come evito di sostituire i miei dispositivi solo per usare l'IA?](https://greenai.guide/how-do-i/avoid-buying-new-devices-for-ai/): La maggior parte degli strumenti di IA funziona nel cloud e si usa tramite un browser o un'app sui dispositivi che già possiede, quindi raramente serve nuovo hardware per usarli. Tenere in uso i dispositivi più a lungo evita l'impronta della produzione di quelli nuovi, che comprende rifiuti elettronici che, secondo i ricercatori, l'IA generativa farà aumentare.
- [Come faccio a cercare sul web senza risposte dell'IA che non mi servono?](https://greenai.guide/how-do-i/get-search-results-without-ai-answers/): Cerchi un'opzione o un filtro di ricerca che mostri solo link web, scelga un motore di ricerca o un'impostazione senza risposte automatiche dell'IA, oppure vada direttamente ai siti di cui si fida usando i segnalibri. Una risposta dell'IA generata per ogni ricerca aggiunge lavoro del modello di cui potrebbe non avere bisogno, soprattutto per ricerche semplici come orari di apertura o un sito già noto.
- [Come metto in prospettiva il mio consumo di energia per l'IA?](https://greenai.guide/how-do-i/put-my-ai-energy-use-in-perspective/): Secondo i dati pubblicati, una normale domanda testuale a un chatbot consuma una frazione di wattora, più o meno quanto un forno in circa un secondo. Immagini, video, documenti lunghi e modalità di ragionamento possono consumare molte volte di più, e il totale globale cresce rapidamente, quindi sia "non è niente" sia "è un disastro" mancano il punto.
- [Come parlo ai miei figli di IA e ambiente?](https://greenai.guide/how-do-i/talk-to-children-about-ai-and-the-environment/): Spieghi che l'IA funziona su computer potenti all'interno di grandi edifici chiamati data centre, che usano elettricità e spesso acqua per restare freschi, e che alcuni usi, come creare immagini e video, richiedono molto più di altri. Mantenga un tono sereno e pratico: l'obiettivo è usare l'IA con criterio, non sentirsi in colpa.
- [Come riduco l'energia consumata dal mio uso di ChatGPT?](https://greenai.guide/how-do-i/reduce-energy-of-chatgpt-use/): Chieda ciò che Le serve in un'unica richiesta chiara, tenga brevi le risposte, apra una nuova chat per un nuovo argomento e vada piano con la generazione di immagini e video. Secondo le stime pubblicate, una tipica domanda testuale consuma circa un terzo di wattora, ma input lunghi, rigenerazioni ripetute e generazione di contenuti multimediali possono moltiplicare questo valore molte volte.
- [Come riduco l'impatto della generazione di immagini e video con l'IA?](https://greenai.guide/how-do-i/cut-impact-of-ai-image-and-video-generation/): Generi meno immagini e video, pianifichi il prompt prima di cominciare, mantenga i video brevi e alla risoluzione che Le serve, e riutilizzi i risultati riusciti. In uno studio, la generazione di immagini ha consumato per richiesta oltre mille volte più energia della classificazione di testo, e un breve video generato con l'IA può costare molto di più ancora.
- [Come scrivo prompt che consumano meno energia?](https://greenai.guide/how-do-i/write-prompts-that-use-less-energy/): Scriva prompt brevi e precisi che dicano esattamente che cosa vuole, fornisca solo il contesto di cui il modello ha bisogno e fissi una lunghezza per la risposta. L'energia aumenta con la quantità di testo che un modello legge e scrive, quindi ridurre entrambi, e ottenere una risposta utilizzabile al primo tentativo, è ciò che fa risparmiare di più.
- [Come smetto di rigenerare continuamente le risposte dell'IA?](https://greenai.guide/how-do-i/stop-regenerating-ai-answers/): Capisca perché la prima risposta non andava, poi dica all'IA che cosa cambiare con una breve richiesta successiva invece di premere rigenera. Ogni rigenerazione è una risposta completamente nuova, quindi l'abitudine di tirare i dadi cinque o dieci volte moltiplica l'energia di un compito, soprattutto per immagini e video.
- [Come uso gli agenti di IA e gli strumenti di deep research senza sprechi?](https://greenai.guide/how-do-i/use-ai-agents-and-deep-research-sparingly/): Riservi gli agenti e le modalità di deep research (ricerca approfondita) ai compiti che richiedono davvero molti passaggi, come esplorare un argomento ampio attraverso molte fonti, e usi una normale chat per le domande rapide. Gli agenti chiamano un modello molte volte per ogni compito: Anthropic ha riferito che gli agenti usano circa quattro volte i token di una chat, e i sistemi multi-agente circa quindici volte.
- [Come uso l'IA sul telefono senza sprecare energia?](https://greenai.guide/how-do-i/use-ai-on-my-phone-efficiently/): Disattivi le funzioni di IA che non usa, preferisca le funzioni rapide sul dispositivo per i compiti semplici e riservi i lavori pesanti, come generare immagini o video, a quando ne ha davvero bisogno. I piccoli modelli sul dispositivo possono evitare di inviare dati a un data centre, ma consumano comunque la batteria, quindi il risparmio maggiore è non far girare un'IA che non aggiunge nulla.

## Scegliere strumenti e modelli di IA

- [Come capisco se basta l'apprendimento automatico classico invece di un LLM?](https://greenai.guide/how-do-i/choose-classical-ml-instead-of-an-llm/): Se i Suoi input sono dati strutturati o brevi testi etichettati e l'output è un numero, una categoria o una classifica, provi prima un modello classico: un modello lineare, alberi con gradient boosting o un piccolo classificatore. Costano molto meno da far funzionare, sono più veloci, più facili da spiegare e spesso altrettanto accurati. Ricorra a un grande modello linguistico quando il compito richiede davvero un linguaggio aperto.
- [Come chiedo a un'azienda di IA i suoi dati sul consumo energetico?](https://greenai.guide/how-do-i/ask-an-ai-company-for-energy-figures/): Chieda energia, carbonio e acqua per una richiesta tipica del modello che usa, insieme al metodo, al perimetro del sistema e al luogo in cui funziona. Chieda dati sul carbonio sia location-based sia market-based. Molti fornitori non sono ancora in grado di rispondere per intero, ma una domanda specifica ottiene una risposta migliore di una generica, e chiedere ripetutamente crea domanda.
- [Come confronto il consumo energetico di diversi modelli di IA?](https://greenai.guide/how-do-i/compare-energy-use-of-ai-models/): Usi un benchmark standard quando ne esiste uno per il Suo compito, come l'AI Energy Score di Hugging Face; altrimenti misuri Lei i candidati sullo stesso compito, con lo stesso hardware e le stesse impostazioni. Confronti l'energia per compito riuscito insieme alla qualità, perché un modello economico che fallisce alla fine costa di più.
- [Come decido se far girare l'IA sul mio dispositivo o nel cloud?](https://greenai.guide/how-do-i/choose-between-device-and-cloud-ai/): Esegua sul dispositivo i compiti piccoli, frequenti, riservati o sensibili alla latenza, e invii a un servizio cloud efficiente i compiti grandi od occasionali che richiedono modelli di grandi dimensioni. Alcuni studi rilevano grandi risparmi energetici sul dispositivo per i modelli adatti, ma i data centre ben gestiti sono un termine di paragone difficile da battere, quindi misuri il Suo caso specifico dove possibile.
- [Come eseguo un modello di IA in locale?](https://greenai.guide/how-do-i/run-an-ai-model-locally/): Installi un programma di esecuzione locale come Ollama o llama.cpp, scarichi un piccolo modello a pesi aperti in un formato quantizzato come GGUF e lo esegua sul Suo computer. Scelga il modello più piccolo che svolge il Suo compito: le versioni quantizzate richiedono molta meno memoria, quindi un modello da 8 miliardi di parametri che richiede circa 16 GB nella forma a 16 bit entra in circa 4–5 GB a 4 bit.
- [Come faccio a sapere se uno strumento di IA è verde?](https://greenai.guide/how-do-i/know-if-an-ai-tool-is-green/): Cerchi prove, non etichette: dati pubblicati su energia o emissioni per richiesta con un metodo dichiarato, la scelta di modelli più piccoli, informazioni su dove funziona lo strumento e valutazioni indipendenti come l'AI Energy Score. Per ora pochi strumenti pubblicano tutto questo, quindi consideri "verde" o "sostenibile" senza numeri come un'affermazione, non come un fatto.
- [Come riconosco il greenwashing nel marketing dell'IA?](https://greenai.guide/how-do-i/spot-greenwashing-in-ai-marketing/): 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.
- [Come scelgo un modello di IA più piccolo?](https://greenai.guide/how-do-i/choose-a-smaller-ai-model/): Definisca che cosa significa "abbastanza buono" su esempi reali, poi provi i modelli dal più piccolo al più grande e si fermi al primo che supera la prova. I modelli piccoli e specifici per un compito possono usare una frazione dell'energia di quelli grandi e generali: UNESCO e University College London riportano risparmi fino al 90% sui compiti adatti.
- [Come si legge una valutazione AI Energy Score?](https://greenai.guide/how-do-i/read-an-ai-energy-score-rating/): Una valutazione AI Energy Score assegna a un modello da una a cinque stelle per l'efficienza energetica rispetto ad altri modelli provati sullo stesso compito, in base all'energia della GPU misurata ogni 1.000 richieste. Più stelle significano meno energia per quel compito, ma le stelle sono relative all'interno di un compito, quindi confronti i modelli solo con altri valutati per lo stesso lavoro.
- [Come trovo un modello specifico per un compito invece di usare un chatbot generico?](https://greenai.guide/how-do-i/find-a-task-specific-model/): Definisca il compito con precisione, poi cerchi in un hub di modelli come Hugging Face per tipo di compito e provi due o tre piccoli candidati sui Suoi esempi. Un modello costruito per un solo compito può costare ordini di grandezza meno da far funzionare rispetto a un modello generativo generico che svolge lo stesso compito, quindi vale la pena dedicare un pomeriggio alle prove prima di scegliere un chatbot.
- [Come uso un assistente di programmazione basato sull'IA senza un'impronta eccessiva?](https://greenai.guide/how-do-i/use-an-ai-coding-assistant-with-a-smaller-footprint/): Usi l'assistente dove ripaga chiaramente, gli fornisca un contesto mirato invece di interi repository, scelga un modello più piccolo o più veloce per le modifiche di routine e scomponga i compiti difficili in passaggi semplici che rivede. Uno studio ha rilevato che, sui compiti testati, la programmazione assistita dall'IA aveva un'impronta di carbonio circa 33 volte quella dell'approccio manuale, quindi le abitudini contano.
- [Qual è il chatbot di IA più verde e come lo scelgo?](https://greenai.guide/how-do-i/choose-the-greenest-ai-chatbot/): Nessuno è ancora in grado di classificare in modo affidabile i grandi chatbot in base all'energia, perché i fornitori pubblicano dati diversi, misurati in modi diversi, e alcuni non ne pubblicano affatto. Scelga un servizio trasparente sul proprio consumo di energia e di acqua, che offra modelli più leggeri per le domande semplici e Le permetta di controllare le funzioni, poi lo usi bene: il modo in cui usa un chatbot conta più di quale sceglie.

## Misurare energia ed emissioni

- [Come calcolo il carbonio incorporato dell'hardware per l'IA?](https://greenai.guide/how-do-i/account-for-embodied-carbon-of-ai-hardware/): Il carbonio incorporato è l'insieme delle emissioni dovute a produzione, trasporto e smaltimento dell'hardware. Per tenerne conto, prenda le emissioni incorporate totali dell'hardware, le ripartisca in base a quanto tempo e quanta parte delle apparecchiature usa il Suo lavoro di IA, e aggiunga questa quota al dato operativo, come fa il termine M della specifica SCI. Poiché i dati sono spesso scarsi, dichiari le Sue ipotesi; e ricordi che usare l'hardware più a lungo distribuisce le stesse emissioni su più lavoro.
- [Come calcolo il punteggio Software Carbon Intensity di una funzione di IA?](https://greenai.guide/how-do-i/calculate-an-sci-score-for-an-ai-feature/): Il punteggio Software Carbon Intensity (SCI), pubblicato come ISO/IEC 21031:2024, è ((E × I) + M) per R: l'energia usata, moltiplicata per l'intensità di carbonio location-based della rete elettrica, più una quota delle emissioni incorporate dell'hardware, divisa per un'unità funzionale come una richiesta o un documento. Scelga l'unità, definisca il perimetro, raccolga o stimi ciascun termine e ricalcoli dopo ogni modifica.
- [Come calcolo la mia impronta di carbonio personale legata all'IA?](https://greenai.guide/how-do-i/work-out-my-personal-ai-carbon-footprint/): Conti all'incirca quante domande di testo, documenti lunghi e immagini usa ogni settimana, li moltiplichi per i dati per richiesta pubblicati e otterrà un intervallo approssimativo. Secondo i dati delle aziende stesse, un tipico prompt di testo vale una frazione di wattora, mentre input lunghi e immagini costano molto di più, quindi di solito sono le Sue abitudini più pesanti a dominare il totale. Consideri il risultato una stima, non un numero preciso.
- [Come misuro l'energia che l'IA consuma sul mio computer o sulla mia GPU?](https://greenai.guide/how-do-i/measure-energy-of-ai-on-my-own-computer/): Sulla propria macchina si può misurare direttamente: usi CodeCarbon o uno strumento che legge i contatori di potenza del processore e della GPU, oppure inserisca una presa intelligente con misuratore tra il computer e la presa a muro. Registri prima il consumo a riposo, campioni per tutta la durata del lavoro invece di fare singole letture e ripeta l'esecuzione alcune volte prima di fidarsi del numero.
- [Come misuro l'energia dell'IA per singolo compito invece che in totale?](https://greenai.guide/how-do-i/track-ai-energy-per-task/): Scelga un'unità funzionale che corrisponda al valore prodotto dall'IA, come per documento riassunto o per compito riuscito, e divida l'energia per quell'unità. Tenga traccia, fianco a fianco, dell'energia per unità, della qualità per unità e del totale. I dati per unità mostrano se il sistema diventa più efficiente; il totale mostra se la crescita lo sta superando.
- [Come misuro l'impronta di carbonio dell'addestramento di un modello?](https://greenai.guide/how-do-i/measure-carbon-footprint-of-training-a-model/): Avvolga lo script di addestramento in uno strumento di monitoraggio delle emissioni come CodeCarbon, che stima l'energia di CPU, GPU e memoria e la converte in carbonio usando la rete locale. Conti ogni esecuzione, comprese messa a punto e fallimenti, registri hardware, località e durata, e pubblichi il risultato insieme al modello. Se non ha log, un calcolatore come Green Algorithms può stimarla a posteriori.
- [Come riporto il consumo di energia della mia ricerca sull'IA?](https://greenai.guide/how-do-i/report-energy-use-in-a-research-paper/): Riporti l'hardware, le ore-GPU di tutte le esecuzioni compresi messa a punto e fallimenti, l'energia in kWh con lo strumento usato, il luogo e l'intensità di carbonio della rete, le emissioni in kg CO₂e e l'energia di inferenza con una dimensione di batch dichiarata. Dica che cosa include il perimetro e quanto sono incerti i dati. Misurare man mano, con uno strumento come CodeCarbon, trasforma tutto questo in una tabella invece che in una ricostruzione.
- [Come stabilisco un budget di calcolo per un progetto di ricerca?](https://greenai.guide/how-do-i/set-a-compute-budget-for-a-research-project/): Stimi le ore-GPU necessarie per gli esperimenti principali, aggiunga un margine per l'esplorazione e segua l'uso rispetto a quel budget come si fa con il denaro. Provi le idee su piccola scala, fermi presto le esecuzioni poco promettenti, riusi modelli preaddestrati e checkpoint e riporti i risultati in rapporto al calcolo che hanno richiesto. Un budget rende visibili i compromessi e mette fine alla messa a punto senza fine.
- [Come stabilisco una base di riferimento per dimostrare i risparmi energetici dell'IA?](https://greenai.guide/how-do-i/set-a-baseline-for-ai-energy-savings/): Misuri il sistema attuale prima di cambiare qualsiasi cosa, sullo stesso hardware, con lo stesso carico e gli stessi input che userà dopo, e ripeta le esecuzioni per vedere la normale variabilità. Riporti l'energia per unità di lavoro utile oltre che il totale, e dichiari solo un risparmio superiore al rumore di misura e ottenuto senza un calo di qualità.
- [Come stimo l'energia consumata dalle mie chiamate alle API di IA?](https://greenai.guide/how-do-i/estimate-energy-of-ai-api-calls/): Non si può misurare l'hardware che non si controlla, quindi si stima: registri i token in ingresso e in uscita per ogni chiamata e usi uno strumento come EcoLogits, che avvolge il Suo client di IA e riporta energia ed emissioni stimate per richiesta. Indichi i dati come stime, dichiari il metodo e li sostituisca con numeri forniti dal fornitore quando riesce a ottenerli.
- [Come stimo l'impronta idrica dell'IA?](https://greenai.guide/how-do-i/estimate-the-water-footprint-of-ai/): Il consumo di acqua segue il consumo di energia: moltiplichi l'energia del Suo lavoro di IA per l'efficienza nell'uso dell'acqua (WUE) del data centre per il raffreddamento in loco, e aggiunga l'acqua usata per produrre l'elettricità se rientra nel Suo perimetro. I valori per prompt pubblicati vanno da una frazione di millilitro a decine di millilitri, soprattutto perché contano cose diverse. Dove viene usata l'acqua conta quanto la quantità.
- [Come trovo l'intensità di carbonio della mia rete elettrica?](https://greenai.guide/how-do-i/find-grid-carbon-intensity-data/): Usi dati di rete regionali e allineati nel tempo, relativi al luogo e al momento in cui è stato eseguito il Suo lavoro di IA. In Gran Bretagna la Carbon Intensity API del National Energy System Operator fornisce stime e previsioni regionali; Electricity Maps copre più di 350 zone in tutto il mondo. Ricorra alle medie annuali nazionali solo quando non esiste nulla di più preciso, e dichiari che cosa ha usato.
- [Come verifico un'affermazione sul consumo energetico dell'IA?](https://greenai.guide/how-do-i/check-a-claim-about-ai-energy-use/): Si ponga sei domande: per che cosa (prompt, immagine, anno?), chi l'ha misurato, che cosa è incluso, quanto è vecchio il dato, con che cosa viene confrontato e se riguarda l'efficienza o l'uso totale. La maggior parte delle affermazioni fuorvianti, allarmanti o rassicuranti che siano, non supera una di queste domande. I dati per prompt pubblicati differiscono soprattutto perché contano cose diverse.

## Per sviluppatori e data scientist

- [Come capisco se un modello mixture-of-experts fa risparmiare energia?](https://greenai.guide/how-do-i/decide-if-mixture-of-experts-saves-energy/): Un modello mixture-of-experts (miscela di esperti) indirizza ogni token verso poche sottoreti specializzate, quindi per ogni token lavora solo una parte del modello. Mixtral, per esempio, ha 47 miliardi di parametri ma ne usa 13 miliardi per token. Ciò può ridurre il calcolo per risposta rispetto a un modello denso di qualità simile, ma tutti gli esperti devono comunque stare in memoria, quindi confronti qualità, latenza ed energia per richiesta sul Suo hardware.
- [Come conservo i dati di addestramento dell'IA perché le pipeline leggano meno?](https://greenai.guide/how-do-i/store-training-data-so-pipelines-read-less/): Conservi i dati di addestramento e le feature in un formato colonnare, così i job leggono solo le colonne e le partizioni che usano, e converta una sola volta il testo grezzo in un formato binario invece di rianalizzarlo a ogni esecuzione o epoca. Misuri un job tipico prima e dopo per verificare che la conversione si ripaghi. La gestione dei dati passa facilmente in secondo piano rispetto al modello, ma interviene in ogni esperimento.
- [Come distillo un modello grande in uno più piccolo?](https://greenai.guide/how-do-i/distil-a-large-model-into-a-small-one/): Verifichi prima se esiste già una versione distillata del Suo modello. Se non c'è, usi il grande modello "insegnante" per etichettare o generare esempi per il Suo compito, addestri su di essi un piccolo modello "studente" e lo provi sui Suoi casi reali. DistilBERT, uno dei primi esempi, era più piccolo del 40% e più veloce del 60% rispetto a BERT, mantenendo il 97% della sua capacità di comprensione del linguaggio.
- [Come evito che gli agenti di IA sprechino token?](https://greenai.guide/how-do-i/stop-ai-agents-wasting-tokens/): Dia a ogni agente un obiettivo verificabile che concluda l'esecuzione, limiti rigidi su passi, token, tempo e spesa, e un rilevamento dei cicli che lo fermi quando si ripete. Riduca il contesto che ogni passo si porta dietro, usi codice semplice per le decisioni che una regola può prendere e affidi i sotto-compiti semplici a modelli piccoli. Gli agenti possono usare molte volte i token di una chat, quindi questi limiti ripagano in fretta.
- [Come evito che il mio chatbot rinvii ogni volta l'intera conversazione?](https://greenai.guide/how-do-i/stop-resending-the-whole-conversation/): La maggior parte delle funzioni di chat rinvia al modello l'intera conversazione a ogni turno, quindi l'input cresce a ogni messaggio. Limiti il numero di turni passati che invia, riassuma quelli più vecchi in una breve nota, recuperi solo i messaggi o i documenti precedenti che contano e metta in cache i prompt di sistema fissi. Gli input lunghi costano molta più energia di quelli brevi.
- [Come evito di addestrare un modello da zero?](https://greenai.guide/how-do-i/avoid-training-a-model-from-scratch/): Cerchi un modello preaddestrato vicino al Suo compito, poi lo adatti: con il fine-tuning, con un piccolo adattatore come LoRA, oppure aggiungendo conoscenza tramite il recupero di informazioni (retrieval) invece di riaddestrarlo. Se ha già diversi modelli sottoposti a fine-tuning a partire dalla stessa base, fare la media dei loro pesi può migliorare l'accuratezza senza costi di inferenza aggiuntivi. Addestrare da zero è raramente necessario al di fuori della ricerca sui modelli di base.
- [Come faccio a far scrivere all'IA codice efficiente dal punto di vista energetico?](https://greenai.guide/how-do-i/get-ai-to-write-energy-efficient-code/): Chieda esplicitamente codice efficiente e indichi il vincolo, come memoria, allocazioni o complessità algoritmica, poi esegua i test e misuri l'energia del codice prima di accettarlo. Una ricerca ha rilevato che modificare il prompt può rendere il codice generato fino al 91,9% più efficiente dal punto di vista energetico, ma spesso a scapito della correttezza. Dia all'assistente principi energetici da seguire, e lasci a una persona il controllo del risultato.
- [Come faccio il fine-tuning di un modello senza enormi risorse di calcolo?](https://greenai.guide/how-do-i/fine-tune-a-model-with-less-compute/): Parta da un modello pre-addestrato e addestri un piccolo adattatore invece di tutti i suoi pesi, usando LoRA, o QLoRA con pesi a 4 bit. LoRA ha ridotto di 10.000 volte i parametri addestrabili e di tre volte la memoria GPU rispetto al fine-tuning completo di GPT-3, e QLoRA ha permesso il fine-tuning di un modello da 65 miliardi di parametri su una sola GPU da 48 GB. Confronti il risultato con la Sua soglia di qualità prima di considerare qualcosa di più grande.
- [Come faccio il pruning di una rete neurale?](https://greenai.guide/how-do-i/prune-a-neural-network/): Poti una rete addestrata eliminando i pesi, i neuroni o gli strati che contribuiscono di meno, poi esegua un breve fine-tuning (affinamento) perché si riprenda e la verifichi rispetto al Suo livello di qualità. Il pruning ha ridotto di nove volte i parametri di AlexNet senza perdita di accuratezza, e modelli linguistici molto grandi sono stati potati in un solo passaggio ad almeno il 50% di sparsità. Preferisca il pruning strutturato se vuole che l'hardware comune li esegua più velocemente.
- [Come instrado le richieste verso modelli più piccoli?](https://greenai.guide/how-do-i/set-up-model-routing/): Metta un router davanti ai Suoi modelli: una regola, un piccolo classificatore o una cascata che prova prima un modello piccolo e passa a uno più grande quando la confidenza è bassa o un controllo fallisce. In alcune prove, i router pubblicati hanno ridotto i costi di oltre la metà senza abbassare la qualità. Regoli la soglia sui Suoi dati e misuri il costo per compito riuscito, non per chiamata.
- [Come limito la lunghezza delle risposte di un LLM?](https://greenai.guide/how-do-i/limit-how-much-an-llm-writes/): Imposti una lunghezza massima dell'output nella chiamata API, indichi al modello nel prompt il formato e la lunghezza che desidera, e usi sequenze di stop o output strutturato così che si fermi quando il lavoro è finito. L'energia cresce con il numero di token generati dal modello, quindi limitare l'output è uno dei risparmi più semplici in qualsiasi applicazione.
- [Come progetto funzioni di IA che non si attivino quando nessuno ne ha bisogno?](https://greenai.guide/how-do-i/design-ai-features-that-dont-run-needlessly/): Faccia in modo che le funzioni di IA si attivino quando un utente lo chiede, non automaticamente a ogni caricamento di pagina, messaggio o file. Generi una sola volta e riutilizzi i risultati condivisi, usi codice semplice per le decisioni che una regola può prendere e rimuova le funzioni di IA che usano in pochi. Le Web Sustainability Guidelines del W3C chiedono ai team di valutare la necessità dell'IA prima di implementarla, e ciò vale per ogni attivazione oltre che per ogni funzione.
- [Come quantizzo un modello?](https://greenai.guide/how-do-i/quantise-a-model/): Quantizzare significa memorizzare i pesi di un modello con meno bit, di solito 8 o 4 invece di 16 o 32, così che serva meno memoria e spesso meno energia per risposta. Carichi una versione già quantizzata o quantizzi con i metodi integrati della Sua libreria, poi la verifichi sui Suoi esempi rispetto al modello a precisione piena. La tenga se la qualità regge e l'energia per richiesta diminuisce.
- [Come raggruppo le richieste all'IA in batch per risparmiare energia?](https://greenai.guide/how-do-i/batch-ai-requests/): Gestisca il traffico in tempo reale con un motore di inferenza che usa il batching continuo, così che le richieste simultanee condividano l'acceleratore. Metta in coda il lavoro che non richiede una risposta immediata, come l'elaborazione notturna di documenti, e lo esegua in grandi batch, idealmente quando la rete elettrica è più pulita. Un acceleratore che serve una richiesta alla volta è sottoutilizzato ma assorbe comunque molta potenza.
- [Come rendo più efficienti la ricerca vettoriale e la RAG?](https://greenai.guide/how-do-i/make-vector-search-and-rag-more-efficient/): Usi un indice approssimato dei vicini più prossimi invece di confrontare ogni richiesta con ogni vettore memorizzato, recuperi pochi passaggi brevi e pertinenti invece di molti passaggi lunghi, e ricalcoli gli embedding solo dei contenuti modificati. Poi usi il modello di generazione più piccolo che risponde bene a partire da un buon contesto. La maggior parte degli sprechi nei sistemi di recupero deriva dalla ricerca esaustiva e dai prompt sovradimensionati.
- [Come rendo un modello abbastanza piccolo per un dispositivo edge?](https://greenai.guide/how-do-i/make-a-model-small-enough-for-an-edge-device/): Parta dal modello più piccolo che potrebbe raggiungere la Sua soglia di qualità, poi lo riduca ulteriormente con distillazione, quantizzazione e potatura (pruning), verificando ogni passaggio sul dispositivo di destinazione. Misuri insieme energia per inferenza, latenza e accuratezza sull'hardware reale, e lasci che il modello passi a una versione più leggera quando la batteria è scarica o il dispositivo è caldo.
- [Come riduco l'energia della ricerca degli iperparametri?](https://greenai.guide/how-do-i/cut-the-energy-of-hyperparameter-searches/): Sostituisca le grandi ricerche a griglia con ricerche casuali o adattive, interrompa presto le prove scadenti, esegua prima test pilota su pochi dati o su modelli piccoli e parta dai valori predefiniti pubblicati per la Sua architettura. Monitori l'energia di ogni prova, non solo di quella vincente, e fissi un budget di calcolo prima di cominciare. Le esecuzioni di ottimizzazione costano spesso più dell'addestramento finale, e raramente vengono riportate.
- [Come riduco l'energia necessaria per addestrare un modello?](https://greenai.guide/how-do-i/reduce-the-energy-of-training-a-model/): Parta da un modello preaddestrato dove possibile, scelga l'architettura più piccola in grado di raggiungere il Suo livello, addestri in precisione mista, si fermi quando la validazione smette di migliorare ed esegua su hardware efficiente in una regione e in un orario a basse emissioni. Patterson e colleghi hanno rilevato che la scelta di modello, data centre e processore può ridurre l'impronta di carbonio dell'addestramento fino a circa 100-1.000 volte. Misuri ogni esecuzione, così che i compromessi siano visibili.
- [Come riduco l'energia per servire un modello in produzione?](https://greenai.guide/how-do-i/cut-the-energy-of-serving-a-model/): Serva il modello più piccolo che raggiunge la Sua soglia, su un runtime progettato per l'inferenza, con il batching attivo, i pesi in mezza precisione o quantizzati e i percorsi ottimizzati di attenzione e cache della libreria abilitati. Poi faccia un benchmark di due o tre runtime e opzioni hardware con il Suo traffico reale, e scelga in base all'energia per richiesta oltre che alla latenza.
- [Come scelgo tra retrieval e fine-tuning per risparmiare energia?](https://greenai.guide/how-do-i/choose-between-rag-and-fine-tuning/): Usi il retrieval (recupero di informazioni) quando il modello ha bisogno di fatti che cambiano o che riguardano specificamente Lei: li metta in un indice ricercabile e recuperi solo i passaggi pertinenti. Usi il fine-tuning quando al modello manca un'abilità, un formato o uno stile. Riaddestrare per tenere aggiornati i fatti ripete i costi di addestramento, mentre incollare documenti interi in ogni prompt spreca inferenza, quindi ogni approccio ha il suo posto.
- [Come uso la cache per ridurre l'energia delle chiamate a un LLM?](https://greenai.guide/how-do-i/cache-llm-calls/): Usi due livelli. Il prompt caching del fornitore riutilizza l'elaborazione di un prefisso fisso, come un lungo prompt di sistema o un documento condiviso, quindi metta per primo il contenuto stabile. La Sua cache delle risposte conserva le risposte a richieste identiche, così il modello non viene chiamato di nuovo. Entrambi riducono calcolo, costi e latenza, purché imposti tempi di scadenza sensati.
- [Come velocizzo un modello di grandi dimensioni con la decodifica speculativa?](https://greenai.guide/how-do-i/use-speculative-decoding/): Affianchi al Suo modello grande un piccolo modello bozza della stessa famiglia: la bozza propone diversi token e il modello grande li verifica in un solo passaggio, tenendo solo quelli su cui concorda. L'output è identico a quello del solo modello grande, e lo studio originale ha riportato un'inferenza da 2 a 3 volte più veloce. Verifichi che il Suo sistema di serving la supporti, poi misuri l'energia per richiesta, non solo la velocità.

## Data center, cloud e hosting

- [Come eseguo lavori di IA sulla capacità cloud inutilizzata?](https://greenai.guide/how-do-i/run-ai-jobs-on-spare-cloud-capacity/): I fornitori cloud vendono a basso prezzo la capacità inutilizzata, a condizione di poterla riprendere con breve preavviso, sotto forma di istanze spot o prerilasciabili (preemptible). Addestramento, valutazione, inferenza in batch ed elaborazione dei dati possono usarla, se salvano checkpoint e ripartono in modo pulito. Le linee guida di Microsoft indicano di usarla solo per lavori che tollerano le interruzioni, perché queste possono introdurre instabilità.
- [Come evito che GPU e notebook restino accesi inutilizzati?](https://greenai.guide/how-do-i/stop-gpus-sitting-idle/): Faccia dell'esecuzione su richiesta la norma: pipeline e job di addestramento dovrebbero avviare le risorse quando vengono attivati e rilasciarle quando finiscono. Spenga automaticamente notebook e GPU di sviluppo inattivi dopo un tempo stabilito, riduca a zero gli ambienti non di produzione fuori orario e riporti le ore-GPU inattive di ogni gruppo accanto ai costi, così lo spreco diventa visibile.
- [Come interpreto i valori di PUE e WUE?](https://greenai.guide/how-do-i/understand-pue-and-wue/): L'efficacia nell'uso dell'energia (PUE, power usage effectiveness) è l'energia totale di un data centre divisa per l'energia usata dalle sue apparecchiature di calcolo: più è vicina a 1,0, meno energia si perde in raffreddamento e conversione della corrente. L'efficacia nell'uso dell'acqua (WUE, water usage effectiveness) indica i litri d'acqua usati in loco per kilowattora di calcolo: più è bassa, meglio è. Nessuna delle due dice quanto calcolo viene svolto, quanto è pulita l'elettricità o se il lavoro fosse necessario.
- [Come pianifico l'addestramento quando la rete elettrica è più verde?](https://greenai.guide/how-do-i/schedule-training-when-the-grid-is-greener/): Individui i lavori che possono aspettare, come addestramento, fine-tuning, valutazione e inferenza in batch, e li avvii quando una previsione dell'intensità di carbonio indica che la rete è più pulita. Salvi checkpoint regolari, così che i lavori lunghi possano fermarsi quando l'intensità sale e riprendere quando scende, entro una scadenza fissa. La pianificazione attenta al carbonio riduce il carbonio, non l'energia, quindi la affianchi al lavoro sull'efficienza.
- [Come posso far sentire la mia voce su un data centre previsto vicino a casa?](https://greenai.guide/how-do-i/have-a-say-on-a-data-centre-near-me/): Trovi la domanda di autorizzazione, legga le dichiarazioni del promotore su energia, acqua, rumore e calore, e invii osservazioni entro il periodo di consultazione con domande precise e basate su dati. Chieda quanta capacità di rete e quanta acqua userà il sito, se il calore di scarto verrà riutilizzato e quali dati su energia e acqua verranno comunicati una volta in funzione. Le domande precise pesano più delle obiezioni generiche.
- [Come riduco l'impronta degli esperimenti di IA su un cluster di ricerca?](https://greenai.guide/how-do-i/reduce-footprint-of-ai-on-a-research-cluster/): Cominci misurando: molti cluster registrano l'energia di ogni job nello scheduler Slurm, e CodeCarbon o il calcolatore Green Algorithms possono colmare le lacune. Poi richieda solo le GPU, la memoria e il tempo che Le servono, provi le idee su piccola scala, salvi checkpoint dei job lunghi e pianifichi quelli flessibili quando la rete elettrica è più pulita. Rendiconti l'energia di interi progetti, non solo delle esecuzioni finali.
- [Come riduco l'impronta idrica dell'IA?](https://greenai.guide/how-do-i/reduce-the-water-footprint-of-ai/): Il consumo d'acqua segue quello di energia, quindi il primo passo è lo stesso: modelli più piccoli, output più brevi e meno rigenerazioni. Oltre a questo, scelga fornitori che pubblicano il proprio consumo d'acqua, eviti le regioni a stress idrico per i lavori pesanti e chieda ai fornitori i dati sull'acqua a livello di sito. Per singolo prompt testuale l'acqua è poca; contano i totali e gli effetti locali.
- [Come scelgo hardware a basso consumo energetico per l'IA?](https://greenai.guide/how-do-i/choose-energy-efficient-hardware-for-ai/): Faccia un benchmark del Suo modello reale su due o tre opzioni di hardware e di runtime e confronti l'energia per richiesta o per ciclo di addestramento con dimensioni di batch realistiche, insieme a latenza e costi. Patterson e colleghi hanno rilevato che la scelta combinata di modello, data centre e processore può ridurre il carbonio dell'addestramento fino a circa 100-1.000 volte. Tenga l'hardware valido occupato e in servizio, perché produrre nuove apparecchiature ha una sua impronta.
- [Come scelgo un data centre o un hosting sostenibile per l'IA?](https://greenai.guide/how-do-i/choose-a-sustainable-data-centre-for-ai/): Chieda prove, non etichette: l'intensità di carbonio della rete e la quota oraria di energia pulita dove gira il Suo lavoro, il PUE e il consumo d'acqua del sito, per quanto tempo l'hardware resta in servizio e se riceverà dati su energia ed emissioni per il Suo account. Nell'UE i data centre più grandi devono comunicare il consumo di energia e di acqua, quindi spesso i dati esistono. Scelga un hosting pulito, ma continui a ridurre il lavoro che vi invia.
- [Come scelgo una regione cloud a basse emissioni di carbonio?](https://greenai.guide/how-do-i/pick-a-low-carbon-cloud-region/): Confronti le regioni per intensità di carbonio della rete e quota di energia priva di carbonio, usando i dati per regione pubblicati dal Suo fornitore o una fonte come Electricity Maps, poi valuti latenza, regole sulla residenza dei dati e costi. I lavori in batch come addestramento, fine-tuning ed elaborazioni notturne sono i più facili da spostare; l'inferenza rivolta agli utenti di solito deve restare vicina a loro.
- [Come verifico se la mia IA funziona con energia rinnovabile?](https://greenai.guide/how-do-i/check-whether-my-ai-runs-on-renewable-energy/): Chieda dove funziona davvero la Sua IA, poi guardi due cose per quella regione: l'intensità di carbonio della rete elettrica e la quota di elettricità abbinata ora per ora a energia pulita. "100% rinnovabile" di solito significa certificati o contratti annuali che pareggiano i totali dell'anno, e che non cambiano ciò che la rete locale fornisce in una determinata ora. Chieda dati sia location-based sia market-based.
- [Dove trovo i dati sulle emissioni del mio fornitore cloud?](https://greenai.guide/how-do-i/find-my-cloud-providers-carbon-data/): I grandi fornitori cloud pubblicano i dati sul carbonio dei clienti nelle loro console di fatturazione o di sostenibilità: la Sustainability console di AWS, gli strumenti per le emissioni di Azure di Microsoft e la dashboard Carbon Footprint di Google Cloud. Suddividono le emissioni per servizio, regione e ambito (scope), ma sono mensili e stimate, quindi le consideri come un andamento e le affianchi alle Sue misurazioni per singolo carico di lavoro.

## Per le organizzazioni

- [Come disattivo in tutta la mia organizzazione le funzioni di IA che non servono?](https://greenai.guide/how-do-i/switch-off-unneeded-ai-features-across-my-organisation/): Usi il Suo inventario per individuare le funzioni di IA attive per impostazione predefinita, poi decida funzione per funzione: mantenga ciò che le persone usano, disattivi o limiti ciò che non usano e conceda l'accesso su richiesta. Faccia la modifica nelle console di amministrazione invece di chiederla agli utenti, spieghi al personale che cosa è cambiato e perché, e riesamini i dati di utilizzo ogni trimestre. Meno licenze di IA inutilizzate significano anche un risparmio economico.
- [Come evito che i guadagni di efficienza dell'IA vengano annullati da un uso maggiore?](https://greenai.guide/how-do-i/stop-efficiency-gains-being-cancelled-out/): 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.
- [Come faccio a mappare dove la mia organizzazione usa l'IA?](https://greenai.guide/how-do-i/map-where-my-organisation-uses-ai/): Crei un semplice inventario con quattro tipi di voce: strumenti di IA usati direttamente dal personale, funzioni di IA integrate nei software che ha già, flussi di lavoro automatizzati e agenti, e fornitori i cui servizi usano l'IA per Suo conto. Per ciascuno annoti il responsabile, quanto spesso viene eseguito, il modello o il fornitore se noto e quali dati vi entrano. L'inventario è il punto di partenza per ridurre gli sprechi, gestire i rischi e rendicontare.
- [Come faccio dichiarazioni oneste sulla sostenibilità della nostra IA?](https://greenai.guide/how-do-i/make-honest-claims-about-green-ai/): Dichiari solo ciò che ha misurato, specifichi che cosa è migliorato e rispetto a quale base di riferimento, e indichi metodo, perimetro e limiti. Distingua l'efficienza per compito dall'uso totale, e non fondi una dichiarazione su compensazioni o certificati annuali. Parole vaghe come "IA verde" o "IA a impatto zero" sono rischiose e, nel Regno Unito e nell'UE, possono violare le norme a tutela dei consumatori.
- [Come fisso obiettivi per l'energia e le emissioni dell'IA?](https://greenai.guide/how-do-i/set-targets-for-ai-energy-and-emissions/): Prima misuri una base di riferimento, poi fissi insieme due tipi di obiettivo: un obiettivo di intensità (energia o emissioni per compito utile) e un obiettivo assoluto o un tetto sul totale. L'intensità mostra l'efficienza; il dato assoluto mostra se la crescita dell'uso si sta mangiando i risparmi. Li riveda almeno una volta l'anno, man mano che modelli e utilizzo cambiano.
- [Come formo il personale a usare l'IA in modo efficiente?](https://greenai.guide/how-do-i/train-staff-to-use-ai-efficiently/): Insegni poche abitudini in una breve sessione con esempi reali tratti dal Suo lavoro: verificare se l'IA è lo strumento giusto, scrivere prompt chiari e precisi, chiedere risposte brevi, correggere invece di rigenerare e andarci piano con immagini e video. Sostenga la formazione con impostazioni predefinite efficienti negli strumenti aziendali, perché le impostazioni predefinite raggiungono anche chi salta il corso.
- [Come inserisco la sostenibilità negli acquisti di IA?](https://greenai.guide/how-do-i/put-sustainability-into-ai-procurement/): Chieda ai fornitori energia ed emissioni per richiesta o per compito, con metodo e perimetro, dove gira il carico di lavoro e i dati sul carbonio sia location-based sia market-based. Valuti nella gara la qualità di queste prove e inserisca nel contratto la rendicontazione, la scelta del modello e il preavviso dei cambi di modello. Molti fornitori non sanno ancora rispondere in modo completo, ma chiedere mostra chi prende la questione sul serio.
- [Come mantengo bassa l'impronta dell'IA nella mia piccola impresa?](https://greenai.guide/how-do-i/keep-my-small-business-ai-footprint-low/): Usi l'IA per i compiti in cui fa chiaramente risparmiare tempo, mantenga le richieste brevi e precise, perfezioni invece di rigenerare e vada piano con immagini e video. Disattivi le funzioni di IA che paga ma non usa, e tenga un semplice elenco degli strumenti che usa, così da poter rispondere ai clienti che lo chiedono. Per una piccola impresa, le stesse abitudini riducono i costi di abbonamento e del personale.
- [Come posso promuovere un'IA più verde come decisore pubblico?](https://greenai.guide/how-do-i/encourage-greener-ai-as-a-policymaker/): Si parte dalla trasparenza: imporre o incoraggiare una rendicontazione comparabile di energia, acqua ed emissioni da parte dei fornitori di IA e dei data centre. Usi gli appalti pubblici per premiare l'IA efficiente, pianifichi la capacità della rete elettrica e idrica per i data centre e finanzi ricerca e competenze sui metodi efficienti. Tenga d'occhio la domanda totale oltre all'efficienza, perché un'IA più economica tende a essere usata di più.
- [Come presento i vantaggi economici dell'IA verde?](https://greenai.guide/how-do-i/make-the-business-case-for-green-ai/): Argomenti in termini di costi, velocità e rischi, perché ciò che riduce il consumo energetico dell'IA (modelli più piccoli, meno token, meno chiamate sprecate) riduce anche bollette e attese. Mostri un esempio misurato dal Suo lavoro, aggiunga le ragioni legate alla rendicontazione e alle norme, e tenga il beneficio ambientale come punto reale ma secondario, se si adatta al Suo pubblico.
- [Come rendiconto le emissioni dell'IA nel nostro bilancio di sostenibilità?](https://greenai.guide/how-do-i/report-ai-emissions-in-a-sustainability-report/): Rendiconti l'IA all'interno del Suo inventario dei gas serra esistente, non come dato separato: l'elettricità dell'hardware che gestisce rientra nello Scope 2, mentre i servizi cloud e di IA di solito rientrano nello Scope 3, beni e servizi acquistati. Usi i dati dei fornitori dove riesce a ottenerli, stimi il resto in base all'uso con un metodo dichiarato e indichi perimetro e incertezza. Mostri l'energia per compito utile accanto al totale.
- [Come rendo più sostenibile l'uso dell'IA nella mia azienda?](https://greenai.guide/how-do-i/make-my-companys-ai-use-more-sustainable/): Inizi mappando dove la Sua azienda usa l'IA, poi renda predefinita la scelta efficiente: il modello più piccolo che raggiunge la soglia di qualità, risposte brevi, funzioni di IA disattivate se non servono. Chieda ai fornitori l'energia per richiesta e dove fanno funzionare i servizi, misuri per compito utile e metta tutto in una breve politica con un responsabile. La maggior parte di questi passi riduce anche costi e tempi di attesa, oltre all'energia.
- [Come rispetto le regole dell'AI Act dell'UE sulla documentazione energetica?](https://greenai.guide/how-do-i/meet-eu-ai-act-energy-documentation-rules/): Se fornisce un modello di IA per finalità generali nell'UE, l'allegato XI dell'AI Act richiede che la Sua documentazione tecnica includa il consumo energetico noto o stimato del modello, insieme alle risorse di calcolo usate per l'addestramento. Tenga traccia fin dall'inizio del calcolo e dell'energia dell'addestramento, registri il metodo e faccia una stima dove non può misurare. Se si limita a usare l'IA, l'obbligo ricade sul Suo fornitore, ma può chiedergli i dati.
- [Come scrivo una policy per un'IA verde?](https://greenai.guide/how-do-i/write-a-green-ai-policy/): La mantenga breve e pratica: dica quando vale la pena usare l'IA, fissi impostazioni predefinite efficienti (il modello adeguato più piccolo, limiti alla lunghezza delle risposte, funzioni disattivate se non servono), renda obbligatorie le domande sull'energia negli acquisti e si impegni a misurare per compito. Le assegni un responsabile, una data di revisione e alcuni impegni misurabili, e la colleghi a processi che già gestisce.
- [Come uso l'IA in modo sostenibile in un ente non profit?](https://greenai.guide/how-do-i/use-ai-sustainably-in-a-charity/): Usi l'IA dove libera tempo del personale e dei volontari per la Sua missione, scelga lo strumento più leggero che fa il lavoro ed eviti gli usi pesanti come la generazione di immagini in serie. Scriva una breve policy che tratti l'impatto ambientale insieme alla protezione dei dati, faccia ai fornitori domande semplici su energia e localizzazione, e sia onesto con i sostenitori su come la usa.
- [Come verifico se un progetto di IA vale il suo costo ambientale?](https://greenai.guide/how-do-i/check-an-ai-project-is-worth-its-footprint/): Stimi l'impronta propria dell'IA (addestramento o fine-tuning, più il funzionamento per tutta la vita prevista) e la metta a confronto con il beneficio, misurato sullo stesso periodo. La confronti con l'opzione più semplice senza IA, non con il non fare nulla. Se il progetto ha lo scopo di risparmiare energia o emissioni, il risparmio deve superare chiaramente il costo dell'IA stessa, altrimenti è una perdita netta.

## Scuole, università e formazione

- [Come insegno agli alunni l'impatto ambientale dell'IA?](https://greenai.guide/how-do-i/teach-pupils-about-ais-environmental-impact/): Parta dall'idea che ogni risposta dell'IA viene prodotta da computer reali che usano elettricità e acqua, poi usi pochi dati affidabili e un'attività pratica, come confrontare la generazione di testo con quella di immagini. La colleghi a informatica, scienze e geografia, e mantenga l'equilibrio: l'obiettivo è aiutare gli alunni a usare l'IA con criterio, non farli sentire in colpa perché la usano.
- [Come inserisco l'IA verde in un corso universitario?](https://greenai.guide/how-do-i/include-green-ai-in-a-university-course/): Aggiunga un breve filone pratico invece di un corso completamente nuovo: spieghi dove va l'energia dell'IA, faccia misurare agli studenti l'energia del proprio codice o delle proprie esecuzioni di modelli e chieda loro di riportare calcolo ed energia accanto all'accuratezza. Nei corsi tecnici, insegni metodi efficienti come modelli più piccoli, quantizzazione e riuso; negli altri, si concentri su un uso sensato e sulla valutazione delle affermazioni.
- [Come posso imparare qualcosa sull'IA verde?](https://greenai.guide/how-do-i/learn-about-green-ai/): Inizi con una breve spiegazione di dove va l'energia dell'IA, poi provi uno strumento gratuito sul Suo uso, come uno strumento di monitoraggio dell'energia per il codice o uno stimatore per le chiamate alle API di IA. Prosegua con un corso adatto al Suo livello e con una comunità o un gruppo di ricerca del Suo settore. Imparare misurando qualcosa di reale resta impresso più della sola lettura.
- [Come stabilisco regole scolastiche per un uso sostenibile dell'IA?](https://greenai.guide/how-do-i/set-school-rules-for-sustainable-ai-use/): Aggiunga una breve sezione ambientale alla politica sull'IA già in vigore nella Sua scuola, invece di scriverne una separata. Indichi quando l'IA è lo strumento giusto, preferisca testi brevi alla generazione di immagini e video, imposti valori predefiniti leggeri negli account scolastici e spieghi agli alunni il perché. La tenga accanto alle regole su tutela dei minori, protezione dei dati e valutazione, che restano prioritarie.
- [Come trovo un dottorato sull'IA verde?](https://greenai.guide/how-do-i/find-a-phd-in-green-ai/): Guardi oltre i progetti etichettati "IA verde": la ricerca sull'IA efficiente si trova in informatica, matematica, ingegneria elettronica e scienze applicate, spesso con nomi come apprendimento automatico efficiente, calcolo sostenibile o hardware a basso consumo. Cerchi nei programmi di formazione dottorale e negli elenchi di progetti, legga articoli recenti per trovare supervisori attivi e chieda come verrà misurata l'energia nel lavoro.
- [Come uso l'IA per studiare senza sprecare energia?](https://greenai.guide/how-do-i/use-ai-for-studying-without-waste/): Usi l'IA dove La aiuta a imparare, per esempio per spiegare un concetto difficile, interrogarLa o commentare una bozza, e usi appunti, libri di testo e il catalogo della biblioteca per fatti e fonti. Faccia domande mirate, incolli solo il passaggio che Le serve ed eviti di rigenerare risposte o di creare immagini per divertimento: queste abitudini fanno risparmiare energia e di solito aiutano anche l'apprendimento.
