Introduzione
Negli ultimi anni, l’intelligenza artificiale (IA) si è affermata come una delle tecnologie più influenti nel plasmare le trasformazioni economiche, sociali e ambientali del mondo contemporaneo. Presentata sempre più spesso come uno strumento chiave per affrontare le grandi sfide globali, dal cambiamento climatico alla riduzione delle disuguaglianze, l’IA viene promossa da governi e grandi imprese tecnologiche come un alleato indispensabile per la transizione verso modelli di sviluppo sostenibile. In questo contesto, concetti quali AI for sustainability e AI for good hanno assunto un ruolo centrale nel dibattito pubblico e nelle strategie di comunicazione delle Big Tech.
Tuttavia, accanto alla narrazione ottimistica che descrive l’IA come soluzione ai problemi ambientali e sociali, emerge una crescente attenzione critica verso i costi nascosti di questa tecnologia. L’addestramento e l’utilizzo di modelli di IA su larga scala richiedono infatti infrastrutture complesse e ad alta intensità energetica, un ingente consumo di risorse naturali e una lunga catena di approvvigionamento globale che solleva interrogativi rilevanti in termini di impatto ambientale, giustizia sociale e diritti umani. Di conseguenza, si rende necessario interrogarsi non solo su come l’IA possa contribuire alla sostenibilità, ma anche su quanto essa stessa sia sostenibile.
Il caso di Microsoft viene adottato come studio emblematico per esplorare questo paradosso. Da un lato, la big tech si presenta come leader globale nella promozione di tecnologie sostenibili e responsabili, fissando obiettivi ambientali ambiziosi e investendo in programmi che utilizzano l’IA per contrastare il cambiamento climatico. Dall’altro, l’espansione accelerata delle infrastrutture cloud e dell’intelligenza artificiale contribuisce ad aumentare l’impronta di carbonio, il consumo di acqua e la pressione sulle catene di approvvigionamento, spesso a scapito di comunità vulnerabili nei Paesi del Sud globale.
La presente analisi si colloca all’interno di questo dibattito, proponendo una distinzione concettuale fondamentale tra IA per la sostenibilità e sostenibilità dell’IA. Vengono illustrate alcune soluzioni adottate da diversi attori europei, come il processo di decarbonizzazione implementato in Finlandia. Al contempo, vengono evidenziate le limitazioni di tali progetti, i quali risultano spesso incompatibili con Paesi caratterizzati da climi caldi o da instabilità economica.
Attraverso l’applicazione della metodologia di Life Cycle Assessment (LCA), standardizzata secondo le norme ISO e ITU, l’analisi si propone di valutare l’impatto complessivo dell’IA lungo l’intero ciclo di vita delle sue infrastrutture, considerando fasi spesso trascurate come l’estrazione delle materie prime, la produzione dell’hardware, l’uso intensivo di energia e lo smaltimento dei rifiuti elettronici.
Infine, presentando i dati ufficiali, questo lavoro intende mettere in luce le contraddizioni strutturali tra il discorso sulla sostenibilità promosso dalle Big Tech e le conseguenze materiali dello sviluppo tecnologico. L’obiettivo non è negare il potenziale trasformativo dell’IA, ma evidenziare la necessità di un approccio più trasparente, critico e sistemico, capace di integrare dimensioni ambientali, sociali ed etiche nella valutazione della reale sostenibilità dell’intelligenza artificiale.
IA per la sostenibilità vs la sostenibilità dell’IA
Il termine intelligenza artificiale (IA) viene utilizzato per descrivere le capacità automatizzate di risolvere problemi e raggiungere obiettivi[1].
In primo luogo, essa permette di automatizzare numerose attività ripetitive e lunghe, consentendo così a dedicarsi ad altre attività che richiedono un controllo umano.
In secondo luogo, l’IA è in grado di estrarre e rendere accessibili informazioni e conoscenze che altrimenti rimarrebbero nascoste dietro dati non strutturati, la cui analisi in passato era affidata esclusivamente all’intervento umano, come nel caso di video, immagini, report scritti, documenti aziendali. Infine, la stessa consente di coordinare e sfruttare simultaneamente migliaia di computer e risorse tecnologiche, rendendo possibile l’affronto e la risoluzione di problemi di elevata complessità. Quindi, con l’introduzione di essa, l’essere umano ha ottimizzato il proprio lavoro, apportando vantaggi in termini di qualità e di competenze all’interno della società.
Successivamente, l’incontrollabile accelerazione e innovazione, ha portato gli studiosi a riflettere sui costi socio-ambientali che questo potere ha via via causato. Per far conciliare i fabbisogni dell’uomo con quelli della natura, è diventato essenziale riflettere nel trovare un modo per pensare ad un’IA per e della sostenibilità. La sostenibilità ambientale è difatti definita come “la capacità di soddisfare i bisogni di risorse e servizi delle generazioni presenti e future senza compromettere la salute degli ecosistemi”[2].
Tuttavia, l’idea di una tecnologia che oggi consuma e inquina, ma che domani porterà benefici tali da compensare tutto, è una promessa che molti iniziano a mettere in discussione. Il rischio, secondo i critici, è che la sostenibilità diventi un’etichetta rassicurante, utile a legittimare scelte già prese, più che uno strumento reale di transizione ecologica[3].
L’intelligenza artificiale (IA) sta assumendo un’importanza sempre maggiore per le infrastrutture che sostengono molte delle funzioni della società. Settori come i trasporti, la sicurezza, l’energia, l’istruzione, il mondo del lavoro e la pubblica amministrazione hanno tutti integrato l’IA nelle proprie infrastrutture a fini di miglioramento e/o protezione. Inoltre, il campo dell’IA sostenibile è stato proposto come un approccio per affrontare le questioni di giustizia ambientale associate all’IA lungo l’intero suo ciclo di vita.
Sebbene l’intelligenza artificiale rappresenti una tecnologia promettente e potente per la sostenibilità, la sua applicazione emette una grande quantità di carbonio, che costituisce una forma diretta di effetto rimbalzo. L’addestramento di un singolo modello di IA, infatti, può emettere una quantità di anidride carbonica equivalente a quella prodotta da cinque automobili nell’arco dell’intero ciclo di vita[4]. Con l’aumentare della complessità dei modelli di IA, la loro impronta di carbonio cresce drasticamente, a condizione che le fonti energetiche rimangano le stesse.
I recenti progressi nell’hardware e nelle metodologie per l’addestramento delle reti neurali hanno dato origine a una nuova generazione di reti di grandi dimensioni addestrate su abbondanti quantità di dati.
Questi modelli sono costosi da addestrare e sviluppare, sia dal punto di vista economico, a causa dei costi dell’hardware, dell’elettricità o del tempo di calcolo su cloud, sia dal punto di vista ambientale, per via dell’impronta di carbonio necessaria ad alimentare le moderne infrastrutture di elaborazione tensoriale[5]. I costi comprendono, inoltre, la raccolta e la trasmissione dei dati utilizzati e processati dall’IA, il costo computazionale per addestrare e utilizzare i modelli, lo smaltimento della rete di hardware necessaria e le spese per garantire che gli algoritmi siano conformi a principi etici. Un esempio, è presentato dalla figura (1) che mostra la differenza in termini di consumo tra una macchina di automazione in addestramento e le emissioni causate dal consumo dell’essere umano.
Figura 1. Emissioni stimate di CO₂ derivanti dall’addestramento dei modelli NLP più comuni, confrontate con consumi di uso quotidiano familiari. Fonte: Strubell et al. (2019)
Benché parte di questa energia possa derivare da fonti rinnovabili o essere compensata attraverso crediti di carbonio, l’elevato consumo energetico richiesto da questi modelli resta motivo di preoccupazione. Ciò avviene, da un lato, perché in molte regioni l’energia è ancora prodotta da fonti non a zero emissioni di carbonio e, dall’altro, perché anche laddove le energie rinnovabili siano disponibili, esse risultano vincolate dai limiti infrastrutturali legati alla produzione e allo stoccaggio.
L’IA dipende dunque da infrastrutture estese e ad alta intensità climatica: richiede elettricità, minerali preziosi, trasferimento di grandi quantità di dati. È sempre più utilizzata per alimentare la nuova generazione di servizi digitali; in altre parole, l’IA è ormai l’infrastruttura su cui tali servizi fanno affidamento[6].
Molti di questi dispositivi tecnologici moderni contengono terre rare (REE). Ad esempio, le REE si trovano in veicoli ibridi, batterie ricaricabili, turbine eoliche, telefoni cellulari, pannelli a schermo piatto, lampadine fluorescenti compatte, computer portatili, dischi rigidi, convertitori catalitici, ecc[7]. Con l’aumento della dipendenza dalle tecnologie basate sull’IA, cresce anche la domanda di REE e dei processi necessari per produrle, così come verrà illustrato nelle sezioni successive.
Per valutare davvero se un’IA sia verde, è necessario applicare una Valutazione del Ciclo di Vita (LCA) completa[8], standardizzata secondo le norme dell’International Organization for Standardization (ISO) e dell’International Telecommunication Union (ITU). Gli autori suddividono gli impatti in tre categorie fondamentali:
Impatti di Primo Ordine (Diretti): Riguardano il ciclo di vita dell’hardware. Non basta guardare l’elettricità usata dal server. Bisogna includere:
- Estrazione delle materie prime tra cui il cobalto e il litio;
- Produzione, spesso responsabile della maggior parte delle emissioni;
- Fine vita ovvero lo smaltimento e rifiuti elettronici, spesso mal documentati.
Impatti di Secondo Ordine (Immediati): È il bilancio netto dell’applicazione.
- Esempio: Un “edificio intelligente” (Smart Building) usa l’IA per risparmiare riscaldamento. L’impatto di secondo ordine calcola se il risparmio energetico ottenuto è superiore all’energia e alle risorse consumate per costruire e alimentare i server e i sensori dell’IA.
Impatti di Terzo Ordine (Effetti Rimbalzo/Sociali): Sono i cambiamenti comportamentali a lungo termine.
- Effetto Rimbalzo (Rebound Effect): Se l’IA rende un servizio più efficiente ed economico, le persone potrebbero usarlo di più, annullando il beneficio ambientale. Esempio: le auto a guida autonoma potrebbero ottimizzare il carburante, ma se rendono il viaggio più comodo, la gente potrebbe viaggiare molto di più, aumentando difatti le emissioni totali.
Dunque, riassumendo, le fasi del ciclo di vita per la produzione di un hardware sono caratterizzate da: 1) estrazione, 2) produzione, 3) uso, 4) fine vita. Nella figura 2, il grafico riporta l’impatto che ogni fase ha nella società e nell’ambiente.
Figura 2: Dimensioni dell’LCA: la prima dimensione corrisponde alle fasi del ciclo di vita e la seconda agli impatti ambientali.
Fonte: Ligozat et al. (2022)
La prima dimensione corrisponde alle fasi del ciclo di vita e la seconda agli impatti ambientali. Una seconda dimensione è necessaria per valutare le conseguenze. Infatti, ogni fase del ciclo di vita ha effetti su diversi indicatori ambientali, quali le emissioni di gas serra (generalmente espresse come Potenziale di Riscaldamento Globale, GWP), l’impronta idrica, la tossicità per l’uomo o, ad esempio, l’esaurimento delle risorse abiotiche (ADP)[9].
L’IA sostenibile, pertanto, non riguarda il modo di sostenere lo sviluppo dell’IA in sé, ma piuttosto il modo di sviluppare un’IA compatibile con la tutela delle risorse ambientali per le generazioni presenti e future, con modelli economici sostenibili per le società e con i valori fondamentali di una determinatacomunità[10].
Il paradosso di Microsoft
Il caso di Microsoft è un esempio di organizzazione internazionale che cerca di affrontare le crescenti preoccupazioni ambientali e di mitigare i cambiamenti climatici[11].
Negli ultimi anni, come riportato dal Report[12] l’intelligenza artificiale generativa è diventata uno strumento sempre più accessibile e centrale nel dibattito globale, e Microsoft si è affermata come uno degli attori principali di questa trasformazione tecnologica. L’IA, soprattutto se combinata con cloud computing e analisi dei dati, offre un potenziale senza precedenti per affrontare sfide globali complesse, dalla riduzione delle disuguaglianze sociali alla transizione verso modelli di sviluppo sostenibile.
Con il progressivo ampliamento delle politiche di Responsabilità Sociale d’Impresa (CSR) orientate alla promozione di pratiche operative più sostenibili, Microsoft ha pubblicato nel 2020 il suo primo Rapporto annuale sulla sostenibilità ambientale.
Particolare attenzione è rivolta allo sviluppo di tecnologie di Natural Language Processing, che consentono di ampliare l’accesso inclusivo all’informazione e alle risorse, contribuendo al miglioramento dei sistemi educativi e alla riduzione dei divari sociali.
Microsoft promuove, inoltre, un utilizzo responsabile ed etico dell’IA, in linea con la tutela dei diritti fondamentali (SDG 8 e 16[13]), attraverso protocolli, strumenti e iniziative dedicate. Tra queste, l’AI for Good Lab rappresenta un esempio dell’impegno dell’azienda nel mettere il potenziale trasformativo dell’IA al servizio del bene comune, concentrandosi su settori chiave come sanità, istruzione, sostenibilità ambientale e riduzione delle disuguaglianze[14].
Infine, Microsoft riconosce nell’IA uno strumento strategico per affrontare la crisi climatica, come dimostrato dal programma AI for Earth, avviato nel 2017. Così facendo, l’azienda mira a supportare l’integrazione delle energie rinnovabili, l’ottimizzazione dei consumi di energia e acqua, la prevenzione dei rischi climatici e lo sviluppo di soluzioni a basse emissioni di carbonio, rafforzando il ruolo dell’innovazione tecnologica nella costruzione di un futuro sostenibile. Per quanto riguarda la gestione e il trattamento dei rifiuti, i principi di riuso, riduzione e riciclo continuano a rappresentare pilastri fondamentali nella costruzione di un modello di sviluppo più rispettoso dell’ambiente. In questo contesto, Microsoft ha assunto l’impegno di progettare dispositivi con un impatto ambientale ridotto, evitando lo sfruttamento eccessivo delle risorse naturali.
Già dal 2008, l’azienda ha avviato iniziative volte a diminuire la produzione di rifiuti e a migliorarne la gestione in modo responsabile e sostenibile, adottando, tra le diverse strategie, un approccio basato sull’economia circolare.
Parallelamente, Microsoft si propone di sviluppare soluzioni concrete ed efficaci a favore di un futuro più verde, in grado di supportare e rafforzare le proprie iniziative ambientali. Esempio sono alcuni progetti, come quelli dedicati alla gestione delle risorse idriche, prevedono il coinvolgimento diretto delle istituzioni governative. Sebbene molti degli obiettivi fissati siano ancora in fase di attuazione, il loro raggiungimento appare strettamente legato a una collaborazione più intensa tra settore pubblico e privato.
L’evoluzione della strategia della grande Corporation si configura come un passaggio dalle promesse iniziali del 2020 a una fase di implementazione pragmatica e adattamento di fronte alle nuove sfide tecnologiche, in particolare l’espansione dell’Intelligenza Artificiale[15]. Fin dal 2020, Microsoft ha fissato obiettivi ambiziosi per il 2030: diventare carbon negative, water positive, zero waste e proteggere più terra di quanta ne utilizza[16]. Arrivati a metà del percorso verso il 2030, tuttavia, la big tech riconosce la complessità dei suoi obiettivi, soprattutto a causa della crescita del cloud e dell’IA.
Dal punto di vista dell’utilizzo dell’acqua, come risorsa alla popolazione e usata come fonte di raffreddamento dei data center, l’obiettivo è di fornire accesso all’acqua pulita a 1,5 milioni di persone, obiettivo raggiunto già nel 2023. Come dimostra il Report (2025), la big tech ha introdotto il passaggio a un nuovo design per i datacenter che utilizza zero acqua per il raffreddamento, risparmiando circa 125.000 metri cubi di acqua all’anno per struttura. Ulteriormente, sempre approcciandosi alla policy ‘zero waste’, Microsoft ha creato centri appositi per il riuso dell’hardware cloud, raggiungendo un tasso di riutilizzo e riciclaggio del 90,9%.
L’impegno di Microsoft si è successivamente evoluto. Ha investito nel progetto Climate Innovation Fund da 1 miliardo di dollari collocando 793 milioni di dollari per accelerare tecnologie climatiche come il carburante sostenibile per l’aviazione. Inoltre, l’azienda sta utilizzando l’IA per accelerare la sostenibilità come il Planetary Computer per monitorare gli ecosistemi e l’uso dell’IA per ottimizzare le reti energetiche.
Se da un lato, come riportato dal Report (2025), Microsoft ha ridotto le proprie emissioni dirette (Scopo 1 e 2) del 30% rispetto al 2020, dall’altro lato sono aumentate le emissioni del 23,4% dovuto a un aumento del 26% delle emissioni dello Scopo 3, guidato dalla costruzione di datacenter e dalla produzione hardware. Quindi se da una parte ha raggiunto dei traguardi sociali, riducendo l’utilizzo dell’acqua e permettendo l’accesso ad acqua pulita a 1,5 milioni di persone, raggiungendo anche l’obiettivo di proteggere più terra, circa 15.849 ettari, il percorso al carbon negative rimane insidioso, a causa dell’accelerazione dell’innovazione dell’IA, che porta parallelamente al consumo dell’acqua pari a 10.706.000 metri cubi per l’anno fiscale 2024[17].Nonostante l’aumento dei volumi assoluti, l’azienda sottolinea di aver ridotto l’intensità dell’uso dell’acqua nei datacenter operativi del 18% rispetto al 2022 e sta progettando nuovi datacenter per l’IA che non utilizzeranno acqua per il raffreddamento.
Mentre Microsoft tenta di regolamentare il proprio impatto ambientale attraverso politiche di gestione dell’acqua e dei rifiuti e facendo ricorso a fonti energetiche rinnovabili, parallelamente la necessaria espansione delle sue infrastrutture per sostenere lo sviluppo e la diffusione delle tecnologie di intelligenza artificiale — considerate fondamentali anche per affrontare le sfide climatiche — sta determinando un incremento dell’impronta di carbonio lungo la catena di approvvigionamento.
L’azienda tende così a mettere in evidenza principalmente l’aspetto più sostenibile delle proprie attività, lasciando in secondo piano l’altra faccia della medaglia. Richiamando il motto faster, cheaper, better[18], Microsoft persegue tale visione attraverso una crescente accelerazione dell’IA e dell’innovazione tecnologica che, se da un lato contribuisce a rendere più efficienti i sistemi informatici e il lavoro umano, dall’altro indebolisce l’equilibrio sociale e ambientale, progressivamente messo sotto pressione.
L’energia dei data center come nuova fonte di calore domestico
Le enormi infrastrutture che sostengono il cloud, lo streaming e l’intelligenza artificiale producono una quantità impressionante di calore residuo, e nei Paesi del Nord Europa si sta sperimentando un modo per riutilizzarlo attraverso le reti di teleriscaldamento urbano[19]. A Espoo, seconda città più grande della Finlandia, l’amministrazione locale ha puntato con decisione su questa strategia. Un nuovo complesso di data center di Microsoft sarà collegato direttamente alla rete di teleriscaldamento cittadina, consentendo di convogliare il calore dei data center in eccesso verso abitazioni e edifici pubblici. Le stime parlano di una quantità di calore dei data center sufficiente a riscaldare circa 100.000 abitazioni, sfruttando una rete sotterranea di tubazioni già esistente e ampiamente diffusa nelle città nordiche[20].
In Finlandia, quindi il problema dell’elevato consumo energetico dei data center è stato trasformato in una risorsa. Invece di disperdere il calore generato dai server, il Paese ha scelto di convogliarlo nelle proprie reti di teleriscaldamento, riducendo inquinamento e costi di gestione. Un’idea semplice sulla carta, ma resa possibile da un insieme di fattori unici: clima rigido, infrastrutture già esistenti e una forte tradizione di tecnologie energetiche efficienti[21]. Il caso più noto è quello di Mäntsälä, dove un impianto da 75 MW è in grado di coprire fino al 66% del fabbisogno termico cittadino. A Espoo, invece, Microsoft sta realizzando uno dei più grandi progetti al mondo di recupero termico dai data center: circa 100.000 abitazioni riceveranno calore da questi server. La Finlandia funziona pertanto come laboratorio di decarbonizzazione, ma esportare questa soluzione non è immediato[22].Spesso queste strutture vengono costruite lontano dalle città, dove il terreno costa meno, mentre i sistemi di teleriscaldamento sono concentrati nei centri urbani.
Oltre 1000 case e aziende a Helsinki sono riscaldate con il calore in eccesso del data center HE5 Viikinmäki. Ciò è reso possibile grazie ad un progetto tra Helen Ltd ed Equinix, Inc. (Nasdaq: EQIX). Equinix è la società di infrastrutture digitali più importante al mondo[23]. Il progetto aumenterà l’autosufficienza energetica di Helsinki e consentirà di riscaldare numerose abitazioni e locali commerciali nella regione della città, aprendo la strada a Helen verso l’obiettivo di raggiungere la carbon neutrality aziendale entro il 2030 e l’eliminazione graduale della produzione di energia da combustione entro il decennio 2030[24].
L’implementazione e lo sviluppo di questo progetto è reso possibile anche perché i Paesi del Nord Europa offrono condizioni favorevoli al calore dei data center. Infatti, il clima freddo riduce i costi di raffreddamento dei server, mentre il mix energetico è fortemente basato su fonti rinnovabili. A questo si aggiungono prezzi dell’elettricità relativamente bassi e infrastrutture energetiche già consolidate.
Tuttavia, il recupero efficace del calore richiede che siano disponibili applicazioni e processi, come reti di teleriscaldamento o soluzioni locali a bassa temperatura collegate al riscaldamento dell’aria interna, alla coltivazione in serra, all’acquacoltura, all’essiccazione della biomassa o allo scioglimento della neve, in cui il calore a bassa qualità possa essere utilizzato. Contemporaneamente, l’utilizzo del calore di scarto dovrebbe essere sufficientemente conveniente (anche considerando l’eventuale uso di pompe di calore per raggiungere temperature più elevate) per competere con altre fonti di calore[25].
In definitiva, benché questa soluzione sembri rappresentare uno spiraglio e una soluzione a lungo termine, essa è destinata a essere implementata da una cerchia ristretta di attori, che soddisfano requisiti limitati a un’élite di Paesi.
Dalla sostenibilità ambientale all’insostenibilità dei diritti umani
Se da un lato il progresso tecnologico consente all’essere umano di compiere passi da gigante, dall’altro esso contribuisce paradossalmente alla distruzione del suo stesso ideatore. Lo sviluppo tecnologico, l’introduzione di nuovi dispositivi elettronici, degli smartphone di ultima generazione, dei microchip e, più in generale, di tutto ciò che caratterizza la vita dell’individuo nel mondo globalizzato, si fonda spesso sullo sfruttamento di altri esseri umani, il cui obiettivo primario rimane semplicemente quello di sopravvivere e potersi nutrire.
Come riportato dal Report (2023) di Microsoft[26] la combinazione trasformativa di intelligenza artificiale, cloud computing e dati offre opportunità per contrastare gli squilibri sociali e colmare i divari che ostacolano il progresso, spingendo i confini dell’innovazione al fine di costruire un futuro sostenibile per le generazioni future. Se i recenti report mostrano dati positivi sia in termini di avanzamento tecnologico sia di sostenibilità, tali risultati vengono spesso smentiti dagli stessi dati forniti dell’azienda. Ciò che Microsoft, così come le altre Big Tech, tende a fare è celare il costo umano che lo sviluppo tecnologico sta generando.
Dai dati riportati dal Report di Human Rights Watch[27], si nota, ad esempio, come nel Ghana centinaia di bambini scavano nelle miniere per l’estrazione dell’oro. La povertà familiare è una delle principali cause del lavoro minorile. Lo studio riporta, inoltre, le condizioni disumane che ogni giorno i minori devono affrontare a causa delle condizioni di povertà insostenibile che gli impedisce di frequentare la scuola. L’Organizzazione Internazionale del lavoro definisce il lavoro minorile come lavoro che priva i bambini della loro infanzia, del loro potenziale e della loro dignità, e che è dannoso per lo sviluppo fisico e mentale[28].
I dati mostrano come le condizioni lavorative siano disumane e pericolose. Oggigiorno, si assiste a quella che l’autore Gross (2023)[29] definisce schiavitù moderna legata all’estrazione del cobalto come una forma di coercizione economica totale. Le popolazioni locali, sfollate e impoverite dalle stesse attività minerarie, si trovano prive di alternative e costrette a scavare per sopravvivere, accettando qualsiasi condizione di lavoro. Sebbene esistano miniere industriali, una parte significativa del cobalto è estratta da minatori artigianali, spesso lavoratori autonomi che operano con strumenti rudimentali come picconi, pale, barre di ferro o addirittura a mani nude. Nella filiera non esiste una reale distinzione tra cobalto industriale e artigianale, poiché le imprese industriali acquistano il materiale scavato da donne e bambini o attività artigianali all’interno delle proprie concessioni per aumentare la produzione a basso costo.
Per quanto riguarda le condizioni di sicurezza sono estremamente precarie: i tunnel, scavati manualmente senza supporti strutturali né ventilazione, crollano frequentemente, provocando la morte di lavoratori, inclusi minori, o causando gravi lesioni come schiacciamenti degli arti e amputazioni. In questo contesto, il lavoro minorile e il traffico di esseri umani risultano particolarmente diffusi, con bambini reclutati o trafficati da milizie armate oppure costretti dalle famiglie stesse a lavorare nelle miniere per garantirsi la sopravvivenza.
Oggigiorno, tale condizione lavorativa viene accettata dall’Occidente perché considerata inevitabile per l’estrazione di minerali come nichel, cobalto, litio necessari, ad esempio, per le batterie e i microchip. Questi minerali fanno parte di una lunga catena di approvvigionamento in cui gli esseri umani spesso lavorano in condizioni paragonabili alla schiavitù e l’ambiente subisce gravi danni a causa delle modalità di estrazione. Queste realtà vengono spesso nascoste per mantenere l’entusiasmo verso l’IA. Di conseguenza, la materialità nascosta dell’IA genera una scarsa comprensione dell’estensione delle infrastrutture fisiche che ne supportano il funzionamento[30].
L’estrazione di tali materiali provoca altresì danni fisici diretti agli ecosistemi. Infatti, per produrre una sola tonnellata di litio sono necessari circa 2,2 milioni di litri d’acqua. Invece, l’estrazione a cielo aperto (open-pit mining) richiede la rimozione di enormi quantità di terra e vegetazione, mentre i campi di lisciviazione (leach fields) rilasciano prodotti chimici che si infiltrano nel terreno e nelle falde acquifere, rendendo la terra inadatta all’agricoltura per lunghi periodi. Oltre a ciò, la lavorazione del nichel rilascia anidride solforosa (causa di piogge acide) e polveri cancerogene contenenti metalli pesanti[31]. Sebbene le batterie al Litio siano fondamentali per abbandonare i combustibili fossili e ridurre le emissioni operative dei veicoli, la loro produzione comporta costi ambientali ed etici così elevati da mettere in discussione il bilancio finale della sostenibilità[32]. Costruire un veicolo elettrico (EV) genera circa il doppio delle emissioni di produzione rispetto a un veicolo a combustione interna. La sola batteria è responsabile del 40-60% delle emissioni totali di produzione dell’auto. Pertanto, se l’elettricità usata per caricarle non è rinnovabile, il beneficio ambientale rischia di annullarsi.
L’industria mineraria, inoltre, ha devastato il paesaggio locale; milioni di alberi sono stati abbattuti per fare spazio alle miniere. L’aria attorno alle miniere è descritta come brumosa di polvere e sabbia, mentre le fonti d’acqua sono state contaminate dagli affluenti tossici derivanti dalla lavorazione mineraria. L’autore[33] sottolinea, inoltre, l’ironia di una transizione energetica globale (veicoli elettrici, batterie ricaricabili) che avviene a spese della distruzione dell’ambiente e delle persone in una delle regioni più povere del mondo, ovvero la Repubblica Democratica del Congo.
Conclusione
L’analisi condotta evidenzia come il confine tra progresso tecnologico e sostenibilità sia oggi segnato da profonde contraddizioni strutturali. Se da un lato l’AI per la sostenibilità viene promossa come un alleato indispensabile per la transizione ecologica, i dati relativi alla sostenibilità dell’IA rivelano un impatto materiale impossibile da ignorare. Mentre le aziende tecnologiche affinano le loro strategie di comunicazione verde, esperimenti come quelli condotti nel Nord Europa — dove il calore residuo dei data center viene riutilizzato per il teleriscaldamento urbano — rappresentano tentativi di integrazione circolare. Tuttavia, tali soluzioni rischiano di rimanere appannaggio di una ristretta élite di Paesi con infrastrutture preesistenti e climi favorevoli, senza risolvere il problema sistemico della crescita esponenziale dei consumi energetici e delle emissioni legate all’addestramento dei modelli.
Il caso di Microsoft è in questo senso emblematico: nonostante gli obiettivi ambiziosi di diventare carbon negative, water positive, zero waste entro il 2030, l’azienda registra un aumento significativo delle emissioni indirette (Scopo 3) proprio a causa della costruzione di infrastrutture necessarie per l’IA. Questo paradosso suggerisce che i benefici ambientali della tecnologia siano spesso sovrastimati a fronte di costi strutturali sistematicamente sottostimati. Non si tratta solo di consumo elettrico, ma di una complessa filiera che parte dall’estrazione di terre rare e minerali come cobalto e litio, spesso operata in condizioni di schiavitù moderna e sfruttamento minorile nel Sud globale.
In definitiva, la “batteria ricaricabile” e l’algoritmo intelligente, simboli di un futuro pulito, affondano le proprie radici fisiche in territori avvelenati e in dinamiche di violazione dei diritti umani. In un momento in cui la riduzione delle emissioni di carbonio è una priorità globale urgente, è necessario chiedersi se le emissioni generate per compiti non essenziali o puramente ripetitivi valgano davvero il costo sociale e ambientale richiesto. Per evitare che la sostenibilità diventi una mera etichetta rassicurante, occorre un approccio trasparente e sistemico che adotti metodologie come il Life Cycle Assessment (LCA). Solo integrando le dimensioni etiche, sociali e materiali lungo l’intero ciclo di vita dell’hardware sarà possibile determinare se l’intelligenza artificiale possa essere realmente definita uno strumento di bene comune o se rappresenti un’ulteriore accelerazione verso il collasso delle risorse ecosistemiche.
[1] Nishant R., Kennedy M., Corbett K.,. Artificial intelligence for sustainability: Challenges, opportunities, and a research agenda. International Journal of Information Management (2020), https://doi.org/10.1016/j.ijinfomgt.2020.102104
[2] Ibidem
[3] Agliani L., La Finlandia usa il calore dei data center: l’economia digitale invisibile, (2025) .https://www.ultimavoce.it/finlandia-usa-calore-dei-data-center/
[4] Hao, K.. Training a single AI model can emit as much carbon as five cars in their lifetimes, (2019). https://www.technologyreview.com/s/613630/ training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/.
[5] Strubell et al. Energy and Policy Considerations for Deep Learning in NLP (2019)https://aclanthology.org/P19-1355.pdf
[6] Robbins, S.; van Wynsberghe, A. Our New Artificial Intelligence Infrastructure: Becoming Locked into an Unsustainable Future. Sustainability 2022, 14, 4829. https:// doi.org/10.3390/su1408482
[7] Ibidem
[8] Ligozat A., Lefevre J., Bugeau A., Combaz J. ‘Unraveling the Hidden Environmental Impacts of AI Solutions for Environment Life Cycle Assessment of AI Solutions (2022)https://www.mdpi.com/2071-1050/14/9/5172
[9] Ligozat, A.-L.; Lefevre, J.; Bugeau, A.; Combaz, J. Unraveling the Hidden Environmental Impacts of AI Solutions for Environment Life Cycle Assessment of AI Solutions. Sustainability 2022, 14, 5172. https:// doi.org/10.3390/su14095172
[10] Van Wynsberghe, A. Sustainable AI: AI for sustainability and the sustainability of AI. AI Ethics 1, 213–218 (2021). https://doi.org/10.1007/s43681-021-00043-6
[11] Satish, Ksheeraja, Embracing Environmental Sustainability: The Case of Microsoft Corporation (April 10, 2021). SSRN: https://ssrn.com/abstract=3882786 or http://dx.doi.org/10.2139/ssrn.3882786
[12] Microsoft and the Unites Nations Sustainable Development Goals, Report 2023. https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/Microsoft-UNSDG-Report-2023.pdf
[13] SDG 8 – Lavoro dignitoso e crescita economica- Promuove una crescita economica sostenibile, inclusiva e duratura. SDG 16 – Pace, giustizia e istituzioni solide. Mira a costruire società pacifiche e inclusive
[14] Microsoft, Report (2023), op.cit.
[15] Microsoft, 2025 Environmental Sustainability Report. Accelerating progress to 2030. https://www.microsoft.com/en-us/corporate-responsibility/sustainability/report/
[16] Ibidem.
[17] Ibidem.
[18] Microsoft blog, 2022 https://www.microsoft.com/en-us/research/blog/2022-a-look-back-at-a-year-of-accelerating-progress-in-ai/
[19] Agliani L.,(2025), op.cit.
[20] Ibidem.
[21] Manzi R., La Finlandia trasforma il calore dei data center in energia pulita per riscaldare migliaia di casa, (2025). https://www.greenme.it/casa-e-giardino/casa-energia/finlandia-calore-data-center-riscaldare-citta/
[22] Ibidem.
[23] Redazione. Il calore dei data center per riscaldare le case. Pubblicato in Economia circolare, Innovazione, Ricerca e Tecnologia, (2024). https://www.ambienteambienti.com/il-calore-dei-data-center-per-riscaldare-le-case/
[24] Ibidem.
[25] Hyvoenen J., et al. Potential of solar photovoltaics and waste heat utilization in cold climate data centers. Case study: Finland and northern Japan. (2024) DOI:10.1016/j.rser.2024.114619
[26] Microsoft, Report 2023, op.cit.
[27] Human Rights Watch: Precious Metal, Cheap Labor. Child Labor and Corporate Responsibility in Ghana’s Artisanal Gold Mines, (2015). https://www.hrw.org/report/2015/06/10/precious-metal-cheap-labor/child-labor-and-corporate-responsibility-ghanas
[28] International Labour Organization (ILO) C138 – Convenzione sull’età minima, 1973 https://www.ilo.org/it/resource/altro/c138-convenzione-sulleta-minima-1973
[29] Gross T. (2023) “How modern-day slavery’ in the Congo powers the rechargeable battery economy https://www.npr.org/sections/goatsandsoda/2023/02/01/1152893248/red-cobalt-congo-drc-mining-siddharth-kara
[30] Robbins et al. (2022), op. cit.
[31] Anderson K. ‘The Harmful Effects of our Lithium Batteries’ (2023)https://greenly.earth/en-us/blog/ecology-news/the-harmful-effects-of-our-lithium-batteries
[32] Anderson K. (2023), op.cit.
[33] Gross T. (2023), op. cit,
Anna Valle 
Filippo Alzani 
Matteo Moschetti 