La sostenibilità ambientale nella nuova normativa europea sull’Intelligenza Artificiale: promesse e limiti

Una strategia a due transizioni

Il Regolamento europeo sull’IA s’inscrive nel più ampio quadro del Green Deal e della transizione digitale dell’Unione. Il legislatore ha riconosciuto il duplice valore dei sistemi intelligenti: da una parte possono migliorare l’efficienza energetica, proteggere la biodiversità e supportare la lotta al cambiamento climatico; dall’altra presentano esternalità negative significative, primo tra tutti il consumo energetico dei data center durante addestramento e utilizzo. Sul piano internazionale, l’approccio europeo risulta più esteso di quello statunitense, che rimane prevalentemente settoriale e volontario, e differisce dalla strategia cinese, dove l’IA verde è trattata anzitutto come leva strategica nazionale senza forti garanzie di trasparenza.

Gli standard e il principio di conformità

L’articolo 40 del Regolamento autorizza la Commissione a sviluppare standard armonizzati per migliorare le prestazioni ecologiche dei sistemi di IA, in particolare di quelli ad alto rischio e dei modelli generativi a uso generale. Il meccanismo prevede che l’adesione a questi standard crei una «presunzione di conformità», incentivando così le aziende verso scelte sostenibili. Tuttavia, gli standard rimangono volontari, non vincolanti per legge. Le sfide pratiche sono rilevanti: il processo di definizione è lento, deve mantenersi tecnologicamente neutrale in un settore in evoluzione rapida, e non fissa soglie minime obbligatorie di riduzione delle emissioni. La valutazione dell’intera filiera produttiva (hardware, data center, rifiuti elettronici) si rivela metodologicamente complessa, mentre il costo di conformità penalizza le piccole e medie imprese.

La documentazione energetica: trasparenza parziale

I fornitori di modelli generativi devono ora preparare documentazione tecnica sul consumo energetico dei loro sistemi. L’Ufficio AI dell’UE può richiedere queste informazioni in qualsiasi momento. La norma ammette stime quando i dati precisi non sono disponibili, ma non richiede una divulgazione pubblica dell’impronta di carbonio, limitandola alle autorità pubbliche. Un aspetto critico: spesso viene trascurata la fase di utilizzo (inferenza), quella che in realtà domina l’impatto ambientale nel ciclo di vita reale del modello. Le sanzion sono significative—fino al 3% del fatturato globale—ma la capacità effettiva di controllo rimane incerta.

Rischi e aree grigie

Secondo la rivista, l’ambiente non è considerato una categoria autonoma di rischio nei sistemi ad alto rischio. Ciò significa che molti modelli con impatti ecologici considerevoli non rientrano nelle maglie strette della regolamentazione. I codici di condotta volontari incoraggiati dalla norma corrono il rischio di «greenwashing», dato che mancano sanzioni per il mancato rispetto. I sandbox regolatori, sebbene promettenti per testare soluzioni di IA verde, operano su scala limitata e richiedono molte risorse. Le disposizioni rimangono prevalentemente procedurali—focalizzate su documentazione e monitoraggio—piuttosto che sulla riduzione misurata e obbligatoria degli impatti.

Un orientamento incompiuto

L’analisi segnala che versioni precedenti del testo parlamentare contenevano obblighi più rigorosi, successivamente attenuati durante i negoziati. Il Regolamento rappresenta comunque un passo verso la leadership globale europea in materia di governance dell’IA sostenibile, ma lascia aperti ampi margini di interpretazione e applicazione debole. L’assenza di una valutazione d’impatto sulla sostenibilità obbligatoria e vincolante rappresenta, secondo quanto esposto, uno dei principali «punti ciechi» della norma.