Mentre deleghiamo ai chatbot il lavoro mentale, i nuovi data center sorgono sulla base di previsioni di crescita forse troppo ottimistiche. Il prezzo di tutto questo lo paghiamo noi, in elettricità, acqua dolce e suolo consumato.
L’intelligenza artificiale ha sempre la risposta pronta. Che si tratti di fare una ricerca, correggere una mail o rappresentarci come pupazzetti confezionati o personaggi di Miyazaki – a seconda del trend del momento – può farlo in pochi secondi. Questa prontezza è divertente (ogni tanto), utile (spesso), costosa (sempre).
Costruiamo data center da molto prima di inventare strumenti che abbiano la risposta a tutto ma, da quando questi sono entrati a far parte della nostra quotidianità, i data center sembrano non bastare mai. A oggi, ci sono quasi dodicimila data center nel mondo, circa quattromila in più rispetto al 2022, anno a cui generalmente si fa risalire il boom dell’IA generativa. Quasi 1300 di questi appartengono alla categoria dei cosiddetti hyperscale, con una potenza elettrica superiore ai 100 megawatts e, ovviamente, in mano alle grandi aziende Big Tech. Il più potente data center in costruzione, nello Utah, misurerà circa 2km2, più di quattro volte Città del Vaticano.
I data center, che prima dell’intelligenza artificiale generativa servivano principalmente per archiviare dati e ospitare siti web e servizi cloud, adesso sono impiegati in modo massivo sia per l’addestramento dei modelli sia, soprattutto, per il calcolo delle loro risposte. Questo si traduce nella necessità di un’attività costante, che non si limiti alle fasi in cui il modello deve essere addestrato, ma che entra in gioco ogni volta che il modello viene interpellato. Nei pochi secondi che intercorrono tra l’invio della nostra domanda e l’arrivo della risposta, il testo viene spezzettato in particelle di parole chiamate token, parte per un lungo viaggio attraverso la rete e arriva finalmente al data center. Qui, processori con una capacità di calcolo molto superiore a quella dei nostri computer – e questo è il motivo per cui il calcolo non avviene localmente – generano la risposta, che viene poi rimandata indietro.
I computer, quando sono sotto sforzo, si scaldano. Se per noi è sufficiente tenere il portatile sulle gambe per rendercene conto, pensiamo a quanto calore possono produrre centinaia di processori che lavorano contemporaneamente. La maggior parte dei sistemi di raffreddamento utilizzati nei data center usano acqua, necessariamente dolce perché il sale danneggerebbe le componenti elettroniche, che viene fatta circolare intorno ai processori per abbassare la temperatura. A causa dell’evaporazione, l’acqua deve essere continuamente reintegrata nel sistema. Un data center medio consuma circa 416 milioni di litri d’acqua all’anno, equivalenti al fabbisogno annuale di una città di cinquantamila abitanti. Questo dato non considera tutta l’acqua prelevata dal bacino idrico, che è maggiore, ma solo quella che evapora o continua a essere utilizzata e quindi non può più essere restituita all’ambiente. Tutta quest’acqua viene anche sottratta all’uso umano, con un impatto significativo soprattutto sulle abitazioni vicine. Pochi mesi fa, ha attirato grande attenzione la notizia della deputata americana Ocasio-Cortez che ha mostrato due barattoli di acqua marrone prelevata dalle case che si trovano vicino a un data center di Meta in Georgia; secondo i racconti della deputata, quelle famiglie sono ora costrette ad acquistare acqua in bottiglia per bere, cucinare e lavarsi.
Per misurare l’efficienza nel consumo dell’acqua si utilizza l’indicatore di Water Usage Effectiveness (WUE), proposta dall’associazione The Green Grid nel 2011. La metrica mette in relazione i litri d’acqua con i kWh consumati: più il valore è vicino a zero, più il data center è efficiente.
“L’indicatore WUE non è sufficiente”, spiega Lavinia Chiara Tagliabue, docente di Innovazione digitale per gli ambienti di vita all’Università di Torino. “Il volume complessivo di acqua utilizzata è un dato importante, ma da solo potrebbe essere fuorviante.” L’indicatore, secondo Tagliabue, dovrebbe essere affiancato da altri parametri, che misurino le condizioni e lo stress del territorio. Infatti, a seconda della posizione, dell’efficienza del server o delle tecnologie adottate, uno stesso data center può impattare in modi che variano di diversi ordini di grandezza. “Il punto centrale è evitare di ottimizzare una sola variabile: ridurre l’acqua attraverso il raffreddamento a secco, per esempio, può aumentare il consumo elettrico nelle giornate più calde”.
In Italia ci sono 261 data center, per lo più concentrati attorno a Milano, e proprio la Lombardia è stata la prima regione a introdurre una legge per regolamentarne la costruzione. Secondo Tagliabue, questo è un passaggio importante perché, per la prima volta, la legge considera esplicitamente i data center come insediamenti produttivi complessi, che devono essere programmati rispetto al territorio, alle reti energetiche e alle risorse naturali.
La priorità del decreto, come si legge dalle prime righe, è sostenere la crescita del sistema produttivo e attrarre investimenti pubblici e privati; secondariamente, viene posta attenzione alla sostenibilità, favorendo l’uso di terreni non fertili e dismessi, prelievi da risorse idriche non potabili e non tutelate, e il riutilizzo dell’energia termica nel teleriscaldamento. La logica del decreto è basata sull’incentivo e non sul divieto, con premi per chi applica le priorità energetico-ambientali e oneri per chi costruisce sulle aree agricole. Non vengono poste restrizioni alla potenza complessiva installabile. “Il limite”, dice Tagliabue, “è che diversi criteri quantitativi e soglie operative sono rinviati a successivi provvedimenti della giunta. La qualità della regolazione dipenderà quindi molto da come questi princìpi saranno tradotti in prescrizioni misurabili, verificabili e pubblicamente accessibili.”
Uno dei punti di forza della legge è proprio il riutilizzo del calore tramite il teleriscaldamento, che anche in Italia è già realtà: a Brescia, per esempio, a giugno è stato inaugurato il primo data center progettato per questo scopo; si punta al riscaldamento di 1300 appartamenti, con l’obiettivo di arrivare anche a centocinquantamila utilizzando solo calore prodotto dai nuovi data center. Secondo Tagliabue, si tratta di una soluzione che può avere un impatto significativo, ma non basta dichiarare che il calore verrà recuperato: la letteratura scientifica sottolinea che è indispensabile integrare la tecnologia necessaria già nella progettazione, per evitare che rimanga soltanto una compensazione teorica. Perché sia una soluzione efficiente, infatti, il calore prodotto dal data center – che generalmente è a una temperatura più bassa rispetto al necessario per l’utilizzo tramite il teleriscaldamento tradizionale – deve essere ulteriormente scaldato attraverso pompe di calore. “Le reti di teleriscaldamento di nuova generazione”, spiega la docente, “sono generalmente più adatte, perché lavorano a temperature inferiori. In alternativa, il calore può essere utilizzato localmente per serre, piscine, impianti sportivi, industrie, edifici universitari o grandi complessi immobiliari”.
“Un data center medio consuma circa 416 milioni di litri d’acqua all’anno, equivalenti al fabbisogno annuale di una città di cinquantamila abitanti”.
La necessità di riutilizzare il calore, e soprattutto di regolamentare i nuovi impianti, deriva da una corsa alla costruzione che non ha avuto precedenti nella storia dei data center. Secondo le stime dell’IEA, l’International Energy Agency, il consumo di energia da parte dei data center è cresciuto del 12% ogni anno negli ultimi cinque anni, e crescerà del 15% annuo fino al 2030, raggiungendo il 3% del consumo totale globale di elettricità. I server tradizionali, che arrivano a consumare qualche decina di kWh per armadio (la struttura verticale in cui vengono collocati i sistemi informatici), continuano a crescere di circa il 9% annuo, mentre i server cosiddetti accelerati, quelli ottimizzati per l’intelligenza artificiale, richiedono tra i 120 e le diverse centinaia di kWh per armadio, e si stima possano crescere del 30% nello scenario di base. Secondo Tagliabue, si sta lavorando molto per migliorare l’efficienza, ma siamo ancora lontani dal compensare la domanda. Per misurare l’efficienza energetica si usa l’indicatore di Power Usage Effectiveness (PUE), che rappresenta il rapporto tra l’energia totale consumata dal data center e quella consumata dalle apparecchiature informatiche (server, processori, eccetera): il valore ideale sarebbe 1, perché significherebbe che tutta l’energia viene utilizzata dall’IT, ma nella realtà è sempre superiore, perché considera alimentazione, raffreddamento, illuminazione, e tutto ciò che permette al data center di funzionare. “La media del PUE è di 1.58, soprattutto grazie all’utilizzo delle tecnologie di raffreddamento liquido avanzate adottate nel caso dei server dedicati all’IA. Tuttavia, il miglioramento previsto è di appena 1-1.2% annuo, troppo lento per compensare una crescita della domanda che oggi è molto sostenuta.”
Molti degli sforzi globali si stanno concentrando sulla riduzione della potenza necessaria per compiere le singole operazioni, ma il rischio, secondo la docente, è quello dell’effetto rimbalzo: quando il costo unitario del calcolo diminuisce, aumentano il numero, la dimensione e la frequenza delle applicazioni. “Il vero tema”, aggiunge, “non è scegliere tra efficienza e nuove costruzioni, ma subordinare ogni nuova costruzione a una verifica di necessità, localizzazione, prestazione e mitigazione. Un data center dovrebbe essere autorizzato non solo perché esiste una domanda di connessione, ma perché il progetto dimostra efficienza, flessibilità, compatibilità con la rete e vantaggi territoriali misurabili.”
Il settore dell’intelligenza artificiale, inoltre, cambia velocemente. Alcuni data center sono strutture molto specializzate, la cui riconversione non sempre è semplice ed economicamente vantaggiosa. “Server e acceleratori diventano obsoleti molto più rapidamente dell’involucro edilizio, delle cabine elettriche e delle connessioni in fibra” spiega Tagliabue. “Anche in caso di rallentamento dell’IA generativa, una parte dell’infrastruttura potrebbe essere riutilizzata per cloud, simulazione, ricerca, servizi edge o elaborazioni industriali.” Il rischio è quello degli stranded assets, i “beni incagliati”: quando i cambiamenti economici o sociali sono troppo rapidi, i beni e gli investimenti realizzati potrebbero diventare obsoleti prima di essere ammortizzati o prima della fine della loro vita tecnica. “Non credo che un eventuale ridimensionamento dell’IA renderebbe obsoleti tutti i data center, perché sicuramente continuerebbero la digitalizzazione, il cloud e la domanda di elaborazione. Tuttavia, è possibile che alcune previsioni siano sovrastimate”. È quindi fondamentale, secondo la docente, che la collettività non sostenga anticipatamente tutti i costi, ma che gli operatori si assumano una quota adeguata del rischio e presentino piani di dismissione, riuso o riconversione. “La pianificazione pubblica deve basarsi su scenari multipli, non soltanto sull’ipotesi di crescita più ottimistica.”
Per quanto le aziende e i governi siano mossi da un entusiasmo che potrebbe ridimensionarsi, l’intelligenza artificiale generativa gode di caratteristiche che sembrano attecchire particolarmente bene tra le nostre abitudini. Quando utilizziamo un comune motore di ricerca, il processo è faticoso: servono le giuste parole chiave, bisogna sapersi muovere tra i risultati e saper distinguere i siti web affidabili, e continuare a cercare fino a quando non si sono raccolte tutte le informazioni necessarie. L’IA generativa elimina tutta questa frizione: possiamo formulare le domande con la stessa naturalezza di una conversazione umana e senza preoccuparci troppo di generalizzare le informazioni – ci penserà il chatbot a farlo e a riadattarle poi al nostro caso – e la risposta arriverà, già filtrata, già apparentemente affidabile. Il chatbot si mette tra l’utente e i risultati, che quindi non vengono più cliccati, vagliati o riconosciuti – benché fino a poco fa fossimo abituati a individuare immediatamente le fonti in cui ci era già capitato di trovare le informazioni giuste.
Tutto ciò che creava fatica, attrito, ora è appaltato a un agente artificiale: scrivere le mail, correggere i testi, perfino riorganizzare il materiale di studio. Mentre ci sembra di aver ottimizzato le nostre menti, di star usando la potenza del nostro cervello solo per ciò che serve davvero, le ricerche sostengono che la rimozione di questo lavoro mentale sia più impattante di quanto sembri. Un articolo pubblicato su Nature sostiene che la frizione, la fatica, perfino la frustrazione, siano fondamentali per la crescita dell’individuo e la stimolazione delle abilità cognitive. Le difficoltà determinate dal processo di apprendimento e dal lavoro necessario al raggiungimento di un obiettivo contribuiscono a una comprensione più profonda; con le sue risposte pronte, l’intelligenza artificiale intralcia questo processo. Secondo gli autori dell’articolo il danno è anche psicologico: correre una maratona non avrebbe lo stesso valore, se non fossero necessari mesi di allenamento per riuscire a farlo. L’IA generativa non viene utilizzata in modo massivo solo per scrivere mail, ma anche per articoli, libri, elaborati universitari e scolastici: un insieme di lavori per cui la soddisfazione personale gioca un ruolo fondamentale.
L’idea di una zero-friction society, una società senza frizione, si è fatta strada nella tecnologia e tra gli economisti sin dagli anni Novanta e ha coinvolto diversi campi, alcuni dei quali ne hanno indubbiamente avuto dei vantaggi: abbiamo lavatrici, lavastoviglie, ascensori, telecomandi. In tutti questi casi, si trattava di sostituire del lavoro fisico, secondo processi che hanno comunque sempre avuto dei costi materiali. Adesso, l’IA sta sostituendo il nostro lavoro mentale e il costo pagato è meno visibile: è nell’energia, nell’acqua potabile, nelle campagne e nei territori più lontani dalla maggior parte delle abitazioni – ma non da tutte e, gradualmente, sempre più vicino.