greenai.guide

Home › Per le scuole › Green AI: una guida per gli insegnanti

Per le scuole

Green AI: una guida per gli insegnanti

Aggiornato · 7 min di lettura

In breve

L'IA funziona su computer nei data center che usano elettricità, acqua e hardware, quindi ogni richiesta ha un piccolo costo ambientale che si somma su miliardi di utenti. Per insegnarlo bene non servono competenze tecniche: qualche dato affidabile, la differenza tra efficienza e sufficienza e buone abitudini mostrate in classe fanno molta strada.

Punti chiave

  • L'addestramento costruisce un modello una volta; l'inferenza avviene ogni volta che qualcuno lo usa. Per gli strumenti più popolari, l'energia dell'uso continua a sommarsi per tutto il tempo in cui il modello resta in servizio.
  • Google riporta 0,24 Wh per il suo prompt di testo mediano a Gemini e OpenAI circa 0,34 Wh per una richiesta media a ChatGPT; sono entrambi dati aziendali, misurati in modi diversi.
  • Generare immagini consuma molta più energia che generare brevi testi, e i modelli generalisti consumano più di quelli specifici per un compito.
  • Secondo un rapporto UNESCO e UCL del 2025, prompt più brevi, risposte più brevi e modelli più piccoli possono ridurre sensibilmente l'energia.
  • La politica sull'IA di una scuola può trattare efficienza e sufficienza accanto a protezione dei dati, limiti di età e valutazione.

Che cosa devono sapere prima di tutto gli insegnanti?

Tre idee reggono quasi tutto l'argomento: l'IA funziona su computer fisici che usano elettricità, acqua e materiali; piccoli costi per richiesta si sommano su miliardi di richieste; e aiutano sia fare le cose in modo più efficiente sia fare meno cose inutili. Tutto il resto sono dettagli che si possono consultare nel glossario.

Come consuma energia l'IA?

L'IA consuma energia due volte: una per costruire un modello e poi ogni volta che qualcuno lo usa. Entrambe le cose avvengono nei data center, edifici pieni di computer specializzati.

  • L'addestramento (training) è il processo, fatto una volta sola, di costruire un modello mostrandogli enormi quantità di dati. Per i modelli grandi richiede mesi di calcolo. La scheda tecnica di Meta per la famiglia Llama 3.1, per esempio, riporta 39,3 milioni di ore GPU di addestramento e 11.390 tonnellate di CO₂ equivalente secondo il metodo basato sulla localizzazione (location-based).
  • L'inferenza è l'uso del modello addestrato: ogni domanda, risposta o immagine. Ogni uso è piccolo, ma uno strumento popolare viene usato miliardi di volte, quindi l'energia spesa per l'uso continua a crescere per tutto il tempo in cui il modello resta in servizio.
  • Anche l'edificio intorno ai computer consuma energia, soprattutto per il raffreddamento. Il settore la misura con il PUE.

I modelli linguistici leggono e scrivono in token, pezzi di testo che spesso sono parti di parole. Secondo la regola pratica di OpenAI per l'inglese, un token corrisponde a circa quattro caratteri, o a circa tre quarti di parola. Più token in entrata e in uscita significano più calcolo: per questo le risposte lunghe costano più di quelle brevi.

Quali dati posso usare in classe con fiducia?

Questi dati provengono da fonti pubbliche e identificate. Li citi con la fonte e l'anno, perché i numeri cambiano in fretta.

Dato Fonte
Nel 2024 i data center hanno consumato circa 415 TWh di elettricità, circa l'1,5% del consumo mondiale IEA, Energy and AI, 2025
Si prevede che il dato raddoppi abbondantemente, arrivando a circa 945 TWh entro il 2030, poco più di quanto consuma oggi il Giappone IEA, 2025
Il consumo di elettricità dei data center è cresciuto di circa il 12% l'anno dal 2017 IEA, 2025
Il prompt di testo mediano a Gemini di Google ha consumato 0,24 Wh e circa 0,26 mL d'acqua (più o meno cinque gocce) Google, 2025
Google riporta una riduzione di 33 volte dell'energia per prompt mediano in un anno Google, 2025
OpenAI afferma che una richiesta media a ChatGPT consuma circa 0,34 Wh, come un forno acceso per poco più di un secondo OpenAI, 2025
In Irlanda, nel 2024 i data center hanno consumato il 22% di tutta l'elettricità misurata, contro il 5% del 2015, più di tutte le abitazioni urbane Central Statistics Office, Irlanda, 2025
Generare 1.000 immagini con il modello meno efficiente tra quelli provati ha consumato 11,49 kWh, quanto 522 ricariche di smartphone Luccioni, Jernite e Strubell, 2024
Prompt e risposte più brevi possono ridurre l'energia di più della metà; modelli più piccoli e specifici fino al 90% nei test UNESCO e UCL, 2025

Due cautele nell'usarli. I dati di Google e OpenAI sono dichiarazioni delle aziende stesse, con metodi diversi, quindi non sono confrontabili alla pari. E i dati per prompt riguardano il testo; immagini, video e le modalità di "ragionamento" che procedono per molti passaggi consumano di più.

Come usare l'IA a scuola in modo responsabile ed efficiente?

Usi l'IA dove fa risparmiare tempo vero o aggiunge valore reale, e la usi in modo da sprecare il meno possibile. Le abitudini che fanno risparmiare energia sono per lo più le stesse che danno risultati migliori.

  • Si chieda se l'IA è lo strumento giusto. Una scheda che ha già, una ricerca o una calcolatrice possono bastare. Questa è la sufficienza.
  • Scriva un prompt chiaro invece di cinque vaghi. Indichi a chi è destinato il risultato, quanto deve essere lungo e in che formato le serve.
  • Chieda risposte brevi quando una risposta breve basta. Il rapporto UNESCO e UCL ha rilevato che prompt e risposte più brevi possono ridurre l'energia di più della metà.
  • Scelga uno strumento più piccolo o più semplice per i compiti semplici, ed eviti di generare immagini o video se non servono alla lezione. Si veda scegliere il modello giusto.
  • Riutilizzi i risultati buoni. Salvi i prompt e i materiali che funzionano e li condivida con i colleghi invece di rigenerarli.
  • Disattivi le funzioni di IA che non usa nei programmi per l'ufficio e per la didattica, dove le impostazioni lo consentono.

La pagina usare l'IA in modo efficiente offre più dettagli per gli adulti.

Che cosa dovrebbe dire sulla green AI la politica sull'IA di una scuola?

La politica sull'IA di una scuola di solito tratta tutela dei minori, protezione dei dati e valutazione. Aggiungere qualche riga su efficienza e sufficienza costa poco e mostra il modo di ragionare che si vuole far imparare agli studenti.

Punti di cui la maggior parte delle politiche scolastiche ha già bisogno (le linee guida del Department for Education inglese, aggiornate nel 2025, li trattano; verifichi l'equivalente del suo Paese):

  • Non inserire dati personali di studenti o personale in strumenti di IA generativa, a meno che lo strumento e il suo uso non siano stati approvati e protetti.
  • Rispettare i limiti di età fissati dagli strumenti di IA. Anche le linee guida UNESCO del 2023 discutono le età minime per l'uso in classe.
  • Il personale resta responsabile di verificare l'accuratezza e l'adeguatezza dei contenuti generati dall'IA.
  • Fissare regole chiare sull'IA per compiti a casa, elaborati ed esami, in linea con gli enti certificatori.
  • Non consentire che il lavoro originale degli studenti venga usato per addestrare modelli di IA senza autorizzazione.

Punti di green AI da aggiungere:

  • Usare l'IA dove aiuta chiaramente l'apprendimento o fa risparmiare tempo al personale, non per abitudine.
  • Preferire strumenti e fornitori che pubblicano informazioni su energia, emissioni e ubicazione dei loro data center. La pagina sugli acquisti di IA sostenibili elenca le domande da porre.
  • Evitare di attivare in tutta la scuola funzioni di IA che nessuno ha chiesto.
  • Includere il costo ambientale dell'IA nella formazione del personale e nelle lezioni di alfabetizzazione digitale degli studenti.
  • Rivedere la politica ogni anno, perché sia gli strumenti sia le prove cambiano in fretta.

Su che cosa sbagliano spesso gli studenti?

Gli studenti, e gli adulti, tendono a oscillare tra "l'IA non consuma energia, è solo sul mio telefono" e "un prompt fa bollire l'oceano". La verità sta nel mezzo, e questa distanza è una buona occasione didattica.

Idea sbagliata Spiegazione migliore
"L'IA funziona sul mio telefono, quindi consuma pochissimo." La maggior parte dei chatbot funziona in data center lontani. Il telefono invia la richiesta e mostra la risposta.
"Un prompt consuma tantissima energia." Un tipico prompt di testo consuma una frazione di wattora. Il problema è la scala: miliardi al giorno, più immagini e video.
"Se diventa più efficiente, il problema è risolto." Un'IA più economica e più veloce tende a essere usata di più, il che può annullare i risparmi. È l'effetto rimbalzo.
"L'IA sono solo i chatbot." L'IA comprende anche filtri antispam, sistemi di raccomandazione, previsioni meteo e diagnostica per immagini, molti dei quali piccoli ed efficienti.
"Green AI significa non usare l'IA." Green AI significa usare bene l'IA: in modo efficiente e dove aggiunge valore.
"I data center vanno a elettricità, quindi non usano acqua." Molti data center usano acqua per il raffreddamento, e alcune regioni hanno poca acqua.
"Il cloud è pulito perché sta in cielo." "Il cloud" sono edifici, cavi e computer a terra, che usano energia e territorio veri.

I ricercatori hanno anche mostrato che i guadagni di efficienza nell'informatica sono stati spesso seguiti da un maggiore uso totale anziché da un uso minore (Freitag e colleghi, 2021). Per questo la sufficienza conta accanto all'efficienza, e per questo vale la pena leggere l'articolo l'efficienza non è sufficienza.

Cosa fare adesso

  • Provi un'attività dalle idee per le lezioni: l'attività dei token di carta non richiede tecnologia.
  • Condivida La green AI spiegata ai ragazzi con una classe.
  • Salvi tra i preferiti il glossario e le domande frequenti per rispondere in fretta alle domande degli studenti.
  • Proponga i punti di green AI qui sopra alla prossima revisione della politica.
  • Consulti l'elenco dei corsi per la formazione professionale e per gli studenti che pensano all'università.

Domande frequenti

Quanta energia consuma un prompt di IA?

I dati aziendali per un tipico prompt di testo sono una frazione di wattora: Google riporta 0,24 Wh per il suo prompt di testo mediano a Gemini e OpenAI circa 0,34 Wh per una richiesta media a ChatGPT. Risposte più lunghe, immagini, video e modelli che fanno molto ragionamento consumano di più.

Gli studenti dovrebbero usare i chatbot di IA a scuola?

È una decisione di ciascuna scuola, nel quadro delle linee guida nazionali e dei limiti di età fissati dagli strumenti stessi. Il Department for Education inglese chiede alle scuole di rispettare tali limiti di età, proteggere i dati personali e supervisionare l'uso da parte degli studenti.

Bisogna essere esperti di informatica per insegnare la green AI?

No. Le idee centrali riguardano energia, scala e scelte, che qualsiasi insegnante può spiegare. Il glossario di questo sito definisce i termini tecnici in parole semplici.

È vero che l'IA consuma molta acqua?

I data center usano acqua, soprattutto per il raffreddamento, e la quantità dipende molto dal sito e dal metodo di raffreddamento. Google riporta circa 0,26 mL per il suo prompt di testo mediano a Gemini, più o meno cinque gocce, ma i totali su tutti gli utenti e tutte le strutture sono molto più grandi e meno documentati.

Fonti

  1. Energy and AI, International Energy Agency (2025)
  2. Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
  3. The Gentle Singularity, Sam Altman (OpenAI) (2025)
  4. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
  5. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
  6. Llama 3.1 8B model card, Meta (Hugging Face) (2024)
  7. What are tokens and how to count them?, OpenAI Help Center (2025)
  8. Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)
  9. Generative artificial intelligence (AI) in education, Department for Education (2025)
  10. Guidance for generative AI in education and research, UNESCO (2023)
  11. The real climate and transformative impact of ICT: a critique of estimates, trends, and regulations, Freitag et al., Patterns (2021)

Si unisca a noi

Aiuti a ridurre l'impatto dell'IA sul pianeta

Riceva per email nuove guide, bandi di finanziamento e schede delle directory, circa una volta al mese. Oppure aggiunga il suo prodotto, corso, dottorato o ricerca alle directory.

Nessun tracciamento. Disiscrizione con un clic. Altri modi per partecipare · Privacy