Ogni vittoria, però, ha un prezzo e quello di questa tecnologia potrebbe essere maggiore del previsto. Perché dietro una casella di testo in cui digitiamo le nostre domande esiste un’industria fatta di server, data center e soprattutto dispendio elettrico. Secondo l’Agenzia Internazionale dell’Energia, nel 2024 i data center hanno utilizzato circa 415 terawattora, pari all’1,5% dell’elettricità mondiale.

Il dato è destinato a crescere: nel 2025 tale consumo è aumentato del 17%, mentre quello dei centri specializzati nei carichi di lavoro legati a questa tecnologia è cresciuto addirittura del 50%. Non significa che una singola richiesta che poniamo a ChatGPT e affini sia improvvisamente diventata un disastro ambientale; al contrario, l’efficienza energetica per singola operazione è migliorata enormemente.

Il problema è che l’utilizzo dell’AI aumenta e riguarda compiti sempre più complessi: generazione di immagini e video, agenti autonomi e applicazioni industriali possono richiedere quantità di energia molto superiori rispetto a una semplice risposta testuale. È il classico paradosso dell’efficienza: consumare meno per ogni operazione non significa necessariamente consumare meno in assoluto se il numero delle operazioni esplode. Lo stesso paradosso si ripete anche sul fronte del lavoro. Da tempo sentiamo raccontare l’intelligenza artificiale come lo strumento che permetterà alle aziende di fare di più con meno dipendenti e, in effetti, alcune hanno iniziato a ridurre il personale, attribuendo almeno in parte le ristrutturazioni alla crescente capacità dei sistemi di AI.

Oggi, però, comincia ad emergere una situazione curiosa: in alcuni casi tali sistemi possono richiedere risorse superiori a quelle necessarie per pagare le persone che dovrebbero sostituire. Bryan Catanzaro, vicepresidente di Nvidia, ha dichiarato che per il suo team il costo computazionale è oramai molto superiore a quello dei dipendenti. Il motivo è semplice: ogni risposta che riceviamo dall’AI viene misurata in token, le unità di testo che i modelli utilizzano per elaborare le informazioni. Quanto più articolata è la richiesta, tanto maggiore sarà il numero di token utilizzati e, di conseguenza, la spesa. Se i dipendenti usano l’AI in maniera intensiva, il conto cresce rapidamente.

Il caso di Uber è emblematico: secondo Axios, il responsabile tecnologico dell’azienda aveva già esaurito il budget AI previsto per tutto il 2026 proprio a causa del sovra-utilizzo. Anche Meta sta facendo i conti con questa realtà. Il colosso di Mark Zuckerberg aveva immaginato una profonda riorganizzazione della forza lavoro attraverso agenti AI, salvo poi ridimensionare il progetto quando la spesa ha iniziato a correre più veloce dei risparmi previsti. Un fenomeno ribattezzato “tokenmaxxing”: più le aziende automatizzano compiti complessi, più il numero di token consumati per ogni operazione cresce, vanificando i risparmi.

La contraddizione è evidente: un’azienda può licenziare un dipendente convinta che una macchina possa svolgere il suo lavoro in modo più economico e scoprire successivamente che utilizzare questi strumenti non è affatto meno dispendioso. Con quanto detto non vogliamo arrivare alla facile conclusione che l’AI sia una bolla destinata a scoppiare, ma sottolineare come questa rivoluzione abbia un costo e che, dopo l’entusiasmo iniziale, qualcuno dovrà pagarlo. Da tempo ci si chiede se l’AI sostituirà l’uomo, ma la domanda da porre è differente: quanto costa sostituirlo? Una tecnologia può essere straordinariamente potente, ma alla fine deve comunque superare la prova più antica di tutte: produrre abbastanza valore da giustificare ciò che costa.

Questo articolo contiene opinioni personali dell’autore che non devono costituire la base per prendere decisioni di investimento. Ricordiamo che l’intento di questa rubrica non è quello di dare consigli finanziari, ma semplicemente analizzare il mondo delle criptovalute per renderlo accessibile a tutti.