Sul consumo d’acqua dell’AI girano numeri che sono cambiati migliaia di volte. Ecco come leggerli, e cosa può fare un’azienda già da oggi.

Negli ultimi mesi il consumo d'acqua dell'AI è diventato uno dei temi più polarizzati del dibattito tech.

Da una parte girano post secondo cui ogni domanda a ChatGPT si porta via una bottiglietta d'acqua.

Dall'altra c'è chi liquida tutto come la solita isteria anti-tecnologica.

In mezzo ci sono numeri che cambiano di ordini di grandezza da una fonte all'altra.

Per chi usa l'AI ogni giorno, e soprattutto per le aziende che la stanno portando nei processi, archiviare la questione come rumore di fondo sarebbe un errore.

Vediamo perché, e cosa si può fare in concreto.

Da dove arriva l'acqua, in breve

Le GPU che fanno girare i modelli consumano elettricità, e quasi tutta quell'elettricità diventa calore da smaltire.

Perciò, i data center necessitano di un sistema di raffreddamento, che tendenzialmente è a liquido - ma che non significa consumi acqua!

Il consumo vero avviene quando il calore viene scaricato all'esterno, spesso con torri evaporative in cui una parte dell'acqua evapora e sparisce dal territorio.

A questo si aggiungono l'acqua usata per produrre l'elettricità e quella incorporata nella fabbricazione dei chip.

E c'è un trade-off: raffreddare ad aria riduce l'acqua sul posto ma aumenta l'energia, che a sua volta richiede acqua per essere prodotta.

Quindi spesso l'acqua viene solo spostata in un altro bilancio.

E quanto consuma, davvero?

Nessuno lo sa con precisione, ed è questo il punto.

La stima più citata (Making AI Less Thirsty, 2023) parla di circa mezzo litro ogni qualche decina di risposte di GPT-3, ma fotografa un modello e un'infrastruttura del passato.

Oggi usiamo modelli ben più potenti, agenti che fanno decine di chiamate per un task e generatori di video: una domanda di tre parole e un video di trenta secondi contano entrambi come "una richiesta", ma costano cifre lontanissime.

Quindi iniziamo col dire che il prompt come unità di misura è morto.

E anche a parità di task, secondo il Lawrence Berkeley National Laboratory il consumo può variare di oltre 10.000 volte a seconda di raffreddamento, clima, hardware e fonte energetica.

E intanto le big tech pubblicano dati aggregati, senza separare l'AI dal resto del cloud.

Su scala globale l'AI resta lontanissima da agricoltura e industria pesante.

Però cresce in fretta e si concentra in pochi poli, spesso in zone già sotto stress idrico.

E lì il problema diventa locale e molto concreto.

Cosa può fare un'azienda

Per un'azienda il tema tocca tre fronti:

• compliance - in Europa i data center sopra una certa soglia già dichiarano consumi idrici, e gli standard ESRS hanno un capitolo sull'acqua
• rischio di fornitura - dove l'acqua è contesa crescono contenziosi e progetti bloccati, come è successo a Google in Cile
• costi

Tre mosse concrete:

→ Fai le domande giuste ai fornitori.

Chiedi in quali regioni girano i tuoi workload, che tipo di raffreddamento usano e la loro WUE (litri d'acqua per kWh) per sito, invece del report di sostenibilità aggregato.

Se non sanno o non vogliono rispondere, anche questo è un dato.

Dove puoi scegliere, preferisci regioni con raffreddamento a basso consumo idrico o alimentate da acque reflue.

→ Dimensiona i modelli sul task.

Usare un modello di ragionamento di frontiera per classificare dei ticket spreca budget, energia e acqua nello stesso momento.

Una policy interna che associ i casi d'uso alla taglia di modello adatta è la mossa con il miglior ritorno: qui sostenibilità e conto economico vanno nella stessa direzione.

→ Comincia a misurare adesso.

Traccia token e chiamate per caso d'uso: è il proxy più affidabile che hai oggi.

Quando arriverà il questionario ESG di un cliente o del board, avrai una base da cui partire invece di dover ricostruire tutto di corsa.

E per chi usa l'AI tutti i giorni?

Partiamo da un dato onesto: il tuo singolo prompt pesa poco, e i sensi di colpa non servono a nessuno.

Le leve utili sono altre:

→ Scegli il modello giusto.

Per una mail o una traduzione veloce non serve la modalità di ragionamento estesa. Riservala ai problemi che ne hanno bisogno: risparmi tempo, e spesso anche crediti.

→ Genera con intenzione.

Immagini e video costano molto più del testo. Rigenerarli venti volte "per vedere cosa esce" è il modo più rapido per moltiplicare il calcolo usato.

→ Leggi le statistiche con sospetto.

Quando vedi un numero shock su AI e acqua chiediti mezzo litro di cosa, misurato dove? Diretta, indiretta o incorporata? Training o uso? Quale modello, quale anno?

→ Al lavoro, sii quello che fa la domanda.

Il peso vero di un utente sta nelle scelte della sua organizzazione. Chiedere quale fornitore usate e cosa dichiara costa una mail.

Oggi nessuno sa dire con precisione quanta acqua consumi l'AI, soprattutto rispetto alle molte allocazioni dei data center, che sono impiegati principalmente per internet, piattaforme, social network, cloud computing ecc.

E per ora questa opacità fa comodo a tutti, ma non durerà: regolatori, investitori e comunità locali stanno già chiedendo numeri.

Chi inizia adesso a misurare e a fare domande arriverà preparato. Gli altri ricostruiranno tutto di corsa al primo questionario ESG.

Se vuoi vedere tutto questo spiegato passo per passo, con numeri e fonti, il punto di partenza è il nostro ultimo video!

Giacomo Ciarlini - CIO - Datapizza

Simone Conversano - AI Transformation & Marketing Specialist - Datapizza