La quantità di emissioni digitali legate all'uso dell'intelligenza artificiale in azienda crescono di anno in anno a ritmo esponenziale. Secondo le stime aggregate da IEA e Goldman Sachs, le emissioni della AI generativa hanno già superato la fascia 32-80 milioni di tonnellate di CO₂ equivalente, i consumi elettrici dei data center sono previsti in raddoppio entro il 2030 e una singola query a un modello linguistico costa fino a dieci volte una ricerca tradizionale. Eppure la domanda che davvero conta in questo contesto è un’altra: non quanto pesa l'AI in assoluto, ma se l'AI che la mia azienda sta usando produce un saldo netto di valore, economico e ambientale, oppure un costo nascosto che nessuno sta contabilizzando.
Inquinamento e intelligenza artificiale: il segno del bilancio non lo decide il volume di calcolo, lo decide il processo
Il bilancio carbonico dell'AI si costruisce, contabilmente, come una sottrazione. Da un lato le emissioni IN, generate dall'infrastruttura digitale che abilita la tecnologia (training dei modelli, inferenze, cloud, filiera dei dispositivi); dall'altro le emissioni OUT, evitate grazie ai processi che l'AI permette di ottimizzare (km a vuoto risparmiati, scarti ridotti, energia non consumata, materiali non prodotti in eccesso). Il saldo netto può essere positivo, in pareggio o negativo. E qui sta il punto che continua a sfuggire al dibattito pubblico, dominato da due narrative speculari, l'AI come motore di decarbonizzazione e l'AI come moltiplicatore di emissioni, entrambe vere, ma solo parzialmente.
Il segno del bilancio non dipende da quanta AI si usa, dipende dal fine per cui la si usa. Due aziende possono adottare gli stessi strumenti, lo stesso fornitore cloud, lo stesso volume di query, e ottenere saldi diametralmente opposti. Una ricerca pubblicata da Up2You nel white paper Costi e benefici ambientali dell'AI, basata sul lavoro con aziende italiane, lo dimostra in modo netto: applicata a cinque profili tipici del tessuto produttivo nazionale, la stessa tecnologia genera saldi che vanno da molto positivo a negativo. La variabile decisiva non è la potenza di calcolo, è la qualità della scelta degli use-case. Questo cambia radicalmente il modo in cui un'azienda dovrebbe selezionare i propri investimenti AI: non in base all'hype, ma in base al valore generato, per l’azienda e per la collettività.
Emissioni digitali AI legate a processi fisici o a processi cognitivi, la linea che cambia tutto
La distinzione operativa più importante per chi deve decidere è quella tra applicazioni dell'AI ai processi fisici e applicazioni ai processi cognitivi.
Quando l'AI agisce su processi fisici (ottimizzazione di rotte logistiche, manutenzione predittiva di impianti, controllo qualità in produzione, demand forecasting che riduce overproduction), opera su masse materiali ed energetiche significative. Ogni punto percentuale di efficienza vale una quota misurabile di emissioni Scope 1 o Scope 2 evitate: meno carburante bruciato, meno energia consumata, meno materiali prodotti in eccesso. Il risparmio è quantificabile in unità fisiche (chilometri, chilowattora, tonnellate, pezzi) e si traduce direttamente in tonnellate di CO₂ evitate e in euro risparmiati.
Quando l'AI agisce su processi cognitivi (generazione di contenuti, sintesi documentale, copilot di scrittura, assistenza clienti conversazionale), come spesso accade per chi fa attività di consulenza, opera su risparmi che restano intangibili o molto difficili da quantificare. Meno carta stampata, meno tempo speso su task ripetitivi, meno spostamenti grazie a riunioni più snelle. Sono risparmi reali, ma un uso poco efficiente può causare più impatti di quelli che evita, soprattutto se l’AI non è indispensabile.
La conseguenza pratica è netta: non tutte le iniziative AI hanno lo stesso ritorno, e questo dovrebbe entrare nei criteri di selezione del portafoglio di investimenti AI di un'azienda. Oggi quasi nessuno lo fa.
Adottare l'AI in modo sostenibile: tre casi, tre saldi diversi
La ricerca Up2You ha applicato il framework del bilancio carbonico AI a cinque profili rappresentativi del tessuto produttivo italiano. Tre di questi sono particolarmente istruttivi perché mostrano come la stessa logica (emissioni IN meno emissioni OUT) produca esiti opposti in funzione del settore e degli use-case scelti.
Manifattura: saldo positivo
In una PMI manifatturiera con 50-250 dipendenti che ha adottato efficacemente l’intelligenza artificiale, l'AI viene usata per controllo qualità, manutenzione predittiva degli impianti, ottimizzazione dei turni di produzione, etc. Sono tutti processi fisici ad alta intensità emissiva e che rappresentano voci di spesa rilevanti: anche piccoli miglioramenti di efficienza producono risparmi rilevanti in termini di kWh non consumati, fermi impianto evitati, scarti ridotti. Le stime della ricerca indicano un saldo netto positivo, con emissioni evitate che superano largamente quelle generate dall'infrastruttura tecnologica.
Logistica e trasporti: saldo molto positivo
Per un operatore di trasporto merci con flotta propria e hub nazionali, la voce dominante del bilancio aziendale sono le emissioni Scope 1, dovute al carburante bruciato dai mezzi. L'AI applicata all'ottimizzazione delle rotte, alla previsione della domanda e alla gestione delle flotte agisce direttamente su quella voce. Una riduzione del 10-15% dei chilometri percorsi a vuoto, ottenibile con sistemi di route optimization maturi, vale per un operatore medio centinaia di tonnellate di CO₂ evitate ogni anno e centinaia di migliaia di euro risparmiati. Il saldo è strutturalmente molto favorevole e risulta anche un argomento commerciale: i clienti con obiettivi di decarbonizzazione della propria supply chain chiedono ai trasportatori dati misurati sulle emissioni dei servizi acquistati. Chi può documentarlo vince le gare e si aggiudica nuovi clienti.
Retail moda: saldo variabile
Per un retailer moda con negozi propri e produzione esternalizzata è possibile avere un impatto tangibile dall’uso di sistemi di intelligenza artificiale applicandoli al demand forecasting e alla riduzione dell'invenduto. Ogni capo non prodotto in eccesso vale una riduzione misurabile sull'intera filiera produttiva: materie prime non lavorate, energia non consumata, trasporti non effettuati… E questo rappresenta un problema (e spreco) rilevante nel settore, che tocca sia i bilanci economici sia le analisi di impatto sul ciclo vita.
Misurare l'impatto dell'AI quantificando il rapporto costo benefici non è solo ESG, è una mossa commerciale
Saper quantificare il bilancio costo-beneficio dell'AI di una specifica azienda o di un suo servizio non è un esercizio di sostenibilità autoreferenziale. È un dato che produce ritorno su due piani concreti, e su entrambi sta diventando rapidamente un differenziatore competitivo.
Il primo piano è commerciale, verso clienti e filiera. Chi vende ad aziende quotate, a operatori con target SBTi o a filiere con obiettivi di decarbonizzazione di Scope 3 viene già oggi valutato anche sulla propria intensità carbonica. Un operatore logistico che può documentare, con un dato verificato, una riduzione del 12% dei chilometri (ed emissioni) a vuoto grazie all'AI ha un argomento di vendita che il concorrente senza dati non ha. La stessa logica vale, in modo ancora più forte, per chi vende soluzioni AI ad altre aziende: dimostrare il delta IN/OUT abilitato dal proprio prodotto sul processo del cliente trasforma la sostenibilità da costo di compliance a leva di posizionamento. Significa poter dire al cliente non solo "il mio software ti farà risparmiare il 10% sui costi operativi", ma anche "il mio software ti farà evitare X tonnellate di CO₂ all'anno su Scope 1", con una metodologia di calcolo difendibile. Per molti settori questo è già oggi il prossimo terreno di gara.
Il secondo piano è interno, di governance degli investimenti AI. In azienda gli use-case AI si stanno moltiplicando, spesso senza un criterio unificante: ogni funzione sperimenta i propri strumenti, ogni budget di sviluppo viene allocato in base alla pressione del momento. Senza un metodo per pesare il bilancio costo-beneficio di ciascuna applicazione, il rischio concreto è disperdere risorse su iniziative a saldo negativo, tipicamente layer generativi sovrapposti a processi già efficienti, trascurando quelle dove il delta sarebbe strutturalmente favorevole. Quantificare il bilancio diventa una bussola di portfolio: dove allocare euro di sviluppo AI per ottenere insieme ritorno economico e contributo misurabile alla decarbonizzazione. Per un CFO o un Chief Digital Officer questa è una metrica di capital allocation, non solo un dato ESG.
Come si calcola il carbon ROI nell'AI di un'azienda
Quantificare il rapporto tra risultati economici (ricavi, utile o valore creato) e impronta carbonica legari all'uso dell'AI sul perimetro di una specifica azienda richiede tre cose, e nessuna delle tre si fa con un foglio Excel.
La prima è la mappatura delle emissioni IN: quali modelli sono in uso, su quali fornitori cloud, con quale energy mix, con quale intensità di utilizzo per funzione aziendale. Le emissioni dell'infrastruttura digitale rientrano in Scope 2 (energia direttamente controllata) e Scope 3 (servizi cloud di terze parti) e variano fino a un ordine di grandezza tra un provider alimentato da rinnovabili certificate e uno appoggiato a mix energetici fossili. Con le tecnologie di Up2You riusciamo a raccogliere tutti questi dati in modo efficiente e applicare i coefficienti per trasformare attività e dati di consumo in impatto emissivo e ambientale.
La seconda è la quantificazione delle emissioni OUT, processo per processo, su basi fisiche misurabili, come i chilometri evitati, kWh non consumati, capi non prodotti, ore di fermo impianto risparmiate, tonnellate di scarti non generate. Ogni unità fisica si traduce in CO₂ equivalente attraverso fattori di emissione di settore documentati. Questo è il passaggio che separa un esercizio di marketing da un dato difendibile davanti a un investitore o a un cliente di filiera.
La terza è il calcolo del saldo netto e la sua corretta attribuzione alle voci del bilancio carbonico aziendale. Le emissioni evitate non si compensano automaticamente con quelle generate: vanno tracciate separatamente, in coerenza con il GHG Protocol.
È la metodologia che con Up2You abbiamo sviluppato lavorando con le aziende clienti e che, unendo tecnologia e supporto consulenziale, permette di arrivare a risultati di ROI sia da un punto di vista ambientale, sia da un punto di vista finanziario.
