L’illusione immateriale dell’intelligenza artificiale
L’intelligenza artificiale viene raccontata come il volto più etereo del progresso: algoritmi invisibili, reti neurali impalpabili, calcolo distribuito che sembra dissolversi nell’astrazione del cloud. Eppure, dietro questa narrazione quasi metafisica, si nasconde una realtà assai più concreta, pesante, persino materiale. Ogni prompt, ogni inferenza, ogni modello addestrato su miliardi di parametri consuma energia; molta energia. E non si tratta di un dettaglio marginale, né di un costo accessorio, ma del fondamento fisico su cui si regge l’intera architettura dell’intelligenza artificiale contemporanea.
È qui che la retorica dell’innovazione mostra la sua prima incrinatura. Perché se è vero che l’AI promette efficienza, automazione, ottimizzazione — parole ripetute, celebrate, amplificate — è altrettanto vero che questa promessa si appoggia su una domanda elettrica crescente, continua, insaziabile.
Che cosa accade, dunque, quando l’immateriale diventa una questione di megawatt? Accade che il progresso si misura in chilowattora; accade che l’algoritmo ha un prezzo, e che questo prezzo, silenziosamente, comincia a riflettersi nelle bollette.
Il cortocircuito del mercato energetico americano
Il caso più emblematico arriva dagli Stati Uniti, nell’area gestita da PJM Interconnection, la più grande rete elettrica regionale del Paese. Secondo Monitoring Analytics, i costi dell’energia sono aumentati del 75,5% in appena dodici mesi: da 77,78 dollari per megawattora nel primo trimestre del 2025 a 136,53 dollari nello stesso periodo del 2026.
Numeri che non sono semplicemente cifre. Sono il sintomo di una pressione sistemica. La causa principale, secondo i controllori federali, è l’esplosione dei data center ad alta intensità computazionale. Strutture gigantesche, progettate per alimentare i modelli linguistici e le applicazioni generative che stanno ridisegnando l’economia digitale.
Il problema, tuttavia, non risiede soltanto nell’aumento della domanda; risiede nel modo in cui questa domanda viene assorbita dal mercato. Quando il fabbisogno straordinario dei data center viene incorporato nelle aste generali di capacità, l’effetto è inevitabile: il prezzo complessivo sale, l’offerta resta rigida, e il sistema trasferisce i costi su tutti gli utenti. Un meccanismo apparentemente neutrale. In realtà, profondamente redistributivo. Perché pochi consumano enormemente; molti pagano diffusamente.
Chi paga davvero la rivoluzione dell’AI
Qui emerge il nodo politico, economico, persino etico della questione. Chi deve sostenere il costo dell’infrastruttura necessaria all’intelligenza artificiale? Monitoring Analytics è netta: l’impatto sui clienti è già “molto ampio” e, soprattutto, “non reversibile”. Se PJM non interverrà prima della prossima Base Residual Auction prevista per giugno 2026, separando il carico energetico dei data center dal mercato generale, l’onere continuerà a propagarsi lungo tutta la filiera.
Dai produttori agli operatori di trasmissione; dalle utility locali fino al consumatore finale. È una catena lineare, quasi geometrica, eppure invisibile al cittadino che riceve la bolletta a fine mese. La soluzione proposta appare tanto semplice quanto politicamente complessa: i grandi hyperscaler — coloro che traggono profitti immensi dall’AI — dovrebbero negoziare direttamente con i produttori energetici e finanziare la capacità aggiuntiva richiesta dal proprio sviluppo.
Pagare la propria strada. Una formula efficace, quasi lapidaria. Ma proprio perché incisiva, rivela il suo sottinteso: fino a oggi, quella strada l’hanno pagata altri.
La politica davanti al conto nascosto
Il governo federale americano ha iniziato a riconoscere il problema. Le dichiarazioni pubbliche si moltiplicano; le promesse si accumulano; gli impegni vengono annunciati con enfasi.
Ma basteranno? La storia delle infrastrutture insegna che tra l’enunciazione politica e la regolazione effettiva esiste spesso uno scarto profondo — uno spazio grigio in cui si sedimentano rinvii, compromessi, resistenze. Senza una normativa chiara che impedisca il trasferimento automatico dei costi sui consumatori, la corsa all’intelligenza artificiale rischia di produrre una nuova forma di disuguaglianza energetica.
È questo il paradosso del nostro tempo: una tecnologia progettata per aumentare l’efficienza potrebbe finire per generare inefficienza sistemica; una rivoluzione nata per democratizzare l’accesso alla conoscenza potrebbe scaricare i suoi costi proprio su chi da quella rivoluzione ricava meno benefici. La vera domanda, allora, non è se l’intelligenza artificiale cambierà il mondo. La domanda è un’altra — più scomoda, più concreta, più urgente. Chi pagherà il conto?
