Immagine generata tramite IA

L’Intelligenza Artificiale non è gratis

C’è un problema nascosto dietro l’uso dell’Intelligenza Artificiale ed è un problema di costi

In un momento storico in cui l’IA viene presentata come la soluzione a tutto in quanto “più veloce, più economica, più scalabile”, sentirsi dire che potrebbe essere più cara di un essere umano in carne ed ossa sembra contraddire ogni narrativa dominante.

Il mito dell’efficienza a costo zero

Quando si parla di adottare l’Intelligenza Artificiale in un’azienda, il ragionamento implicito è quasi sempre lo stesso: sostituire il lavoro umano con l’automazione riduce i costi. È la stessa logica che ha guidato ogni rivoluzione industriale. Il problema è che questa volta il calcolo è più complicato.

Un modello linguistico di grandi dimensioni non funziona su un laptop. Richiede infrastrutture cloud enormi, potenza computazionale continua e consumi energetici significativi. Ogni singola richiesta inviata a un sistema di IA genera un costo reale: elettricità, server, raffreddamento, manutenzione. Costi che non appaiono in nessuna busta paga, ma che esistono, e si accumulano.

Goldman Sachs ha stimato che le grandi aziende tech impegneranno circa 1 trilione di dollari in spese per l’IA nei prossimi anni. Il Goldman Sachs Global Institute proietta 7,6 trilioni cumulativi tra il 2026 e il 2031 solo tra chip, data center e infrastrutture energetiche. Non è un investimento una tantum. È una spesa strutturale, continua, crescente.

Bryan Catanzaro vice presidente dell’ Applied Deep Learning Research di Nvidia, pertanto non certo un detrattore dell’uso dell’IA, ha affermato ad Aprile 2026:

“The cost of compute is far beyond the costs of the employees”

Detto in altri termini ci sta dicendo che l’Intelligenza Artificiale, tirando le somme, è più costosa del pagamento di un lavoratore umano.

Le grandi aziende non si limitano a studiare il problema. Lo stanno vivendo in prima persona.

Microsoft ha recentemente iniziato a cancellare la maggior parte delle licenze dirette di Claude Code, spostando i propri ingegneri verso GitHub Copilot CLI. Questo avviene solo sei mesi dopo che l’azienda aveva aperto l’accesso allo strumento, incoraggiando migliaia di sviluppatori, project manager e designer a sperimentarlo. La tecnologia è diventata popolare rapidamente. Forse troppo. La scala d’uso ha costretto l’azienda a fare marcia indietro su uno strumento di cui i suoi ingegneri si erano già fidati.

Adottare un sistema di IA non significa acquistare un prodotto e iniziare a usarlo. Significa ridisegnare processi, formare persone, gestire errori, costruire sistemi di verifica. Perché l’IA sbaglia, e quando sbaglia in un contesto professionale, qualcuno deve correggere.

Quel qualcuno è umano. Il risparmio teorico sull’esecuzione viene spesso recuperato interamente nella verifica degli output. Si produce più velocemente, ma si controlla di più. Il risparmio netto potrebbe tendere a zero o addirittura andare in negativo.

Ecco perché dire “Useremo l’IA” è dire tutto e dire niente e non è sinonimo di innovazione. Ma occorre un’analisi per capirne i costi e soprattutto gli impatti nel breve e medio-lungo termine.

È ovvio tuttavia che non adattarla significa ignorare una tecnologia che ha aperto scenari imprevedibili, così come accadde ad inizi 2000 quando il World Wide Web ed Internet sono diventati una tecnologia e fenomeno di massa. Chi non ha saputo adottarla all’epoca ha avuto uno svantaggio enorme rispetto a chi ci è riuscito. Basti pensare a come gli e-commerce hanno vinto sui negozi fisici, o su come servizi di streaming video on demand come Netflix hanno praticamente distrutto il monopolio di Blockbuster o ancora come servizi simili a Spotify abbiano cambiato le regole dell’industria musicale, e potremmo fare altre decine di esempi.

Pertanto, l’IA va usata per non rimanere indietro, ed è palese che può aiutare ad aumentare la produttività e che non farlo porterà a svantaggi rispetto ai concorrenti che lo faranno, ma la domanda non è se adottarla, ma come adottarla.

Energia: il conto che nessuno vuole fare

Esiste anche un’altra dimensione del problema, ancora più sottovalutata ed è il consumo energetico dei modelli di Intelligenza Artificiale: addestrare un grande modello linguistico richiede grandi quantità di energia ed in termini ambientali è distruttivo dato che produce emissioni di CO₂ enormi.

L’uso quotidiano consuma energia in modo sproporzionato rispetto a una ricerca web tradizionale. Una singola richiesta a un modello generativo consuma molto di più di una ricerca su Google. Questo non esclude che con gli anni grazie a modelli più ottimizzati la situazione migliori, ma è difficile stimare come e quando questo avverrà.

Ci sono proiezioni secondo cui la domanda di energia dei data center crescerà del +160% entro il 2030 rispetto ai livelli del 2023. E la rete elettrica non è stata progettata per reggere questo carico.

Ma quindi usare l’IA ha solo risvolti negativi?

Ovviamente no e leggere queste riflessioni come un invito a ignorare una tecnologia così potente od a demonizzarla è sbagliato.

L’IA è una tecnologia con applicazioni e vantaggi reali in molti contesti. Ma non si può negare la realtà ignorando questi tipi di problemi.

Il punto non è se usarla o meno. Il punto è smettere di trattarla come una scorciatoia economica garantita, e iniziare a valutarla per quello che è: uno strumento potente, con costi specifici, adatto a scenari specifici. I problemi di costi ed energia non bene stimati stanno sempre di più emergendo perché si è eseguita un’adozione guidata dall’entusiasmo piuttosto che dal calcolo.