L'impronta dell'IA: l'IA generativa si mangia i progressi della moda sulla sostenibilità?

Nell'agosto 2025 Google ha pubblicato un dato pensato per chiudere una discussione. Il prompt di testo mediano nelle sue app Gemini, ha dichiarato l'azienda, consuma 0,24 wattora di elettricità, emette 0,03 grammi di CO2 equivalente e usa 0,26 millilitri di acqua, circa cinque gocce. Tre mesi prima, MIT Technology Review aveva misurato un modello video open source scoprendo che una sola clip di cinque secondi richiedeva circa 3,4 milioni di joule, più di 700 volte l'energia di un'immagine di alta qualità. Entrambi i dati sono corretti. Descrivono usi molto diversi della stessa tecnologia.

Questo divario è il cuore della questione per la moda. Il settore ha passato un decennio a promettere tagli a emissioni, consumi idrici e rifiuti, e ora adotta l'IA generativa per design, immagini, ricerca, previsioni e assistenza clienti. La risposta onesta alla domanda se l'IA si mangi quei progressi è: non a livello di singolo prompt, e non ancora su scala di settore, ma dipende da cosa un'azienda fa con l'IA, quanto spesso, e se gli strumenti riducono davvero produzione fisica e spedizioni. L'impronta dell'hardware è reale e in crescita. I risparmi sono plausibili ma per lo più non misurati.

Il tema è attuale perché i numeri si muovono in direzioni opposte. L'efficienza per singola richiesta migliora in fretta, mentre la domanda complessiva di calcolo cresce ancora più rapidamente. Nel 2025 Microsoft e Google hanno entrambe riferito che la crescita di IA e cloud ha fatto salire parte della loro impronta. Le aziende della moda che rendicontano le emissioni Scope 3 dovranno sempre più tenere conto della potenza di calcolo che acquistano e dimostrare che si ripaga.

Quanta elettricità consuma davvero l'IA?

La stima pubblica più completa arriva dall'Agenzia internazionale dell'energia (IEA). Il suo rapporto Energy and AI, pubblicato nell'aprile 2025, indica un consumo elettrico mondiale dei data center di circa 415 TWh nel 2024, intorno all'1,5% dell'uso globale di elettricità. Nello scenario di base, la cifra più che raddoppia fino a circa 945 TWh entro il 2030, poco più di quanto consuma oggi il Giappone. L'IA è il motore principale: secondo la lettura del rapporto fatta da Scientific American, nel 2024 i server IA rappresentavano il 15% della domanda energetica totale dei data center, e Stati Uniti, Europa e Cina insieme l'85% dei consumi.

In termini di emissioni, l'IEA stima che i data center producano circa 180 Mt di CO2 l'anno con l'elettricità che usano, esclusa la generazione di backup. È circa lo 0,5% della CO2 mondiale da combustione di combustibili. Nello scenario di base queste emissioni indirette crescono di quasi l'80% nel decennio, fino a circa l'1% delle emissioni da combustione; nel più rapido scenario "Lift-Off" crescono di 2,5 volte fino all'1,4%, la crescita di emissioni maggiore di qualsiasi settore in quello scenario. L'agenzia tiene a presentarli come scenari e non come previsioni, e ricercatori esterni ritengono che la quota dell'IA possa essere sottostimata. Alex de Vries della VU Amsterdam ha dichiarato a Scientific American che la crescita dell'IA "potrebbe essere un serio rischio per la nostra capacità di raggiungere gli obiettivi climatici".

Quanta energia e acqua costa un prompt, un'immagine o un video IA?

I dati per singola attività variano di un ordine di grandezza o più, a seconda di modello, hardware, data center e di ciò che viene conteggiato. La cifra di 0,24 Wh di Google, pubblicata da Amin Vahdat e Jeff Dean nell'agosto 2025, include le macchine inattive tenute in standby, processori host e memoria, e i costi generali del data center come il raffreddamento. Contando solo i chip IA attivi, Google afferma che lo stesso prompt sarebbe pari a 0,10 Wh, un metodo che definisce "nel migliore dei casi uno scenario ottimistico". L'azienda riferisce inoltre che tra maggio 2024 e maggio 2025 l'energia per prompt mediano è calata di 33 volte e il carbonio per prompt di 44 volte. Precisa che i dati non sono stati verificati da una terza parte indipendente.

Sam Altman, amministratore delegato di OpenAI, ha scritto nel giugno 2025 che una richiesta media a ChatGPT usa circa 0,34 Wh e 0,000085 galloni di acqua, circa un quindicesimo di cucchiaino, senza spiegare come siano stati calcolati i valori. Una misurazione indipendente è possibile solo per i modelli aperti. MIT Technology Review, lavorando con ricercatori, ha rilevato che Llama 3.1 405B di Meta ha usato circa 6.706 joule per risposta, un'immagine di Stable Diffusion 3 Medium circa 2.282 joule (intorno a 0,63 Wh) e una clip di cinque secondi del modello video CogVideoX circa 3,4 milioni di joule, pari a un forno a microonde acceso per oltre un'ora. Sasha Luccioni di Hugging Face, citata in quell'inchiesta, ha messo il problema senza giri di parole: "Dovremmo smettere di cercare di ricostruire i numeri sulla base di sentito dire."

Per un'azienda di moda, la lettura pratica è che il lavoro sul testo costa poco per attività, la generazione di immagini alcune volte di più e il video appartiene a un'altra classe. Un team di merchandising di 50 persone che invia 100 prompt di classe Gemini al giorno lavorativo a testa consumerebbe, secondo la cifra di Google, circa 1,2 kWh al giorno. Un singolo video di cinque secondi del modello testato dal MIT ne usa quasi altrettanto. Conta più la scelta dell'attività che la scelta del chatbot.

Perché le emissioni delle aziende tech crescono se ogni prompt diventa più pulito?

Perché i volumi crescono più in fretta dell'efficienza. Il rapporto di sostenibilità 2025 di Microsoft indica emissioni totali negli Scope 1, 2 e 3 superiori del 23,4% rispetto alla base 2020, trainate da "fattori legati alla crescita come l'espansione di IA e cloud". Il consumo energetico è salito del 168% nello stesso periodo. Le emissioni dirette e da energia acquistata sono calate del 29,9%, ma quelle Scope 3, cioè della catena del valore, sono aumentate del 26%. Il rapporto ambientale 2025 di Google mostrava una domanda di elettricità dei data center in crescita del 27% nel 2024; l'azienda ha dichiarato che, ciononostante, le emissioni energetiche dei data center sono calate del 12%, mentre quelle della catena di fornitura (Scope 3) sono salite del 22%.

È il noto effetto rimbalzo. Richieste più economiche e più pulite invitano a farne di più, a usare modelli più grandi e nuovi impieghi come video e agenti autonomi. L'IEA osserva che gli effetti rimbalzo potrebbero annullare i guadagni di efficienza dell'IA altrove nell'economia. Per le aziende di moda che acquistano servizi IA, significa che un'impronta per richiesta in calo presso un fornitore non garantisce un totale in calo, e che le emissioni incorporate in chip ed edifici compariranno col tempo nei loro inventari Scope 3.

C'è anche una dimensione geografica. L'IEA prevede che Stati Uniti e Cina rappresentino quasi l'80% della crescita dell'elettricità dei data center fino al 2030, e i mix energetici delle reti differiscono molto tra e dentro quei Paesi. Lo stesso carico di lavoro può quindi avere emissioni molto diverse a seconda di dove lo esegue un fornitore, un'informazione che oggi pochi acquirenti di servizi IA della moda richiedono.

Come si confronta l'impronta dell'IA con le emissioni della moda?

La moda è un emettitore molto più grande. McKinsey e la Global Fashion Agenda stimavano nel 2020 che il settore avesse prodotto nel 2018 circa 2,1 miliardi di tonnellate di gas serra, circa il 4% del totale mondiale. Le Nazioni Unite, citando un ventaglio più ampio di stime, hanno affermato nel marzo 2025 che il settore è responsabile fino all'8% delle emissioni globali di gas serra e usa circa 215 trilioni di litri d'acqua l'anno. Su questi numeri, le emissioni della moda sono circa 12 volte i 180 Mt di CO2 che l'IEA attribuisce all'elettricità di tutti i data center del mondo, anche se le due stime usano anni, perimetri e metodi diversi e non vanno lette come un rapporto preciso.

L'acqua racconta la stessa storia su un'altra scala. Con la cifra di Google di 0,26 mL per prompt mediano, un milione di prompt consumerebbe circa 260 litri d'acqua. La stima dell'ONU per il settore moda è di circa 215 trilioni di litri l'anno, pari a 86 milioni di piscine olimpioniche. I dati sull'acqua per prompt non includono l'acqua usata per generare l'elettricità e produrre i chip, quindi il totale reale è più alto, e i data center possono mettere sotto stress le risorse locali nelle regioni aride anche quando la loro quota globale è piccola. Ma per un'azienda di moda che deve decidere dove concentrarsi, l'acqua nelle fibre e nei lanifici supera di gran lunga quella nel software.

Gran parte dell'impronta della moda sta a monte, nella produzione di fibre, nella tintura e nella confezione, ed è per questo che le principali leve di riduzione sono fisiche: energia rinnovabile negli stabilimenti, materiali migliori e meno merce invenduta. L'analisi di McKinsey ha rilevato che solo il 60% dei capi viene venduto senza ribasso e ha stimato che le attività dei marchi, compresa la riduzione della sovrapproduzione, potrebbero abbattere 308 Mt di CO2 equivalente nel 2030. È qui che l'IA potrebbe contare di più, se gli strumenti di previsione e di assortimento si traducessero in lotti di produzione più piccoli e non solo più rapidi.

Dove può l'IA ridurre l'impronta della moda?

Finora le prove più solide riguardano i resi. Zalando, la piattaforma di moda online con sede a Berlino, afferma che i tassi di reso della moda online in Europa possono arrivare a circa il 50%, con taglia e vestibilità responsabili fino alla metà. I suoi strumenti per taglia e vestibilità, che combinano segnalazioni di taglia, raccomandazioni, uno strumento di misurazione del corpo provato da oltre 1,5 milioni di clienti e un camerino virtuale, hanno evitato l'8% dei resi legati alla taglia nel 2025, secondo un aggiornamento aziendale di giugno 2026. I progetti pilota del camerino virtuale hanno ridotto i tassi di reso fino al 40%, e Zalando punta a estenderlo a tutti i clienti quest'anno. Sono dati aziendali e non riportano il carbonio risparmiato.

I resi sono concentrati, il che rende più preziosi gli strumenti mirati. Uno studio su quasi 10.000 consumatori europei della Vrije Universiteit Brussel, riportato da FashionUnited nel giugno 2026, ha rilevato che il 15% dei consumatori che rendono in modo eccessivo causa quasi il 60% delle emissioni di CO2 legate ai resi, producendo quasi 20 kg di CO2 l'anno ciascuno con i resi contro circa 3 kg degli altri acquirenti. I fornitori di software per le taglie rivendicano risultati maggiori per i loro prodotti, ma pochi sono stati verificati da audit indipendenti.

La seconda leva è la sovrapproduzione. L'IEA stima che le applicazioni IA esistenti nei settori di uso finale potrebbero tagliare circa 1.400 Mt di CO2 nel 2035 se largamente adottate, diverse volte più di quanto aggiungerebbero i data center. Ma l'agenzia aggiunge un avvertimento che vale direttamente per la moda: "al momento non c'è alcuno slancio che possa garantire l'adozione diffusa di queste applicazioni IA." Previsioni migliori riducono le emissioni solo se i piani di acquisto e di produzione cambiano di conseguenza.

Le immagini generate con l'IA fanno risparmiare più di quanto costano?

Le immagini sono l'ambito in cui l'uso dell'IA nella moda è più visibile. Zalando ha dichiarato a Reuters nel maggio 2025 che circa il 70% delle immagini delle sue campagne editoriali nel quarto trimestre 2024 era generato con l'IA, riducendo i tempi di produzione da sei-otto settimane a tre-quattro giorni e i costi del 90%, secondo Matthias Haase, vice-president di content solutions. Haase ha presentato il cambiamento come una questione di velocità e pertinenza: "Usiamo l'IA per poter essere reattivi." Zalando non ha pubblicato un confronto ambientale, e nessuna delle fonti esaminate per questo articolo quantifica l'impronta di uno shooting di moda tradizionale.

I calcoli suggeriscono che le immagini statiche pesino poco. Secondo la misurazione di MIT Technology Review, 1.000 immagini di Stable Diffusion 3 Medium userebbero circa 0,63 kWh, meno di un singolo video di cinque secondi del modello testato dal MIT. Il rischio sta altrove: contenuti più rapidi ed economici invitano a produrne molti di più, e il passaggio al video IA moltiplica il consumo energetico per centinaia. Le aziende che sostituiscono uno shooting con migliaia di varianti e video generati potrebbero ritrovarsi con un conto di calcolo più alto dei viaggi evitati, senza che nessuno abbia misurato l'uno o l'altro.

Quali sono i rischi, i limiti e le obiezioni?

• I dati sono scarsi e controllati dalle aziende. Le cifre per prompt più dettagliate provengono da Google e OpenAI stesse, e solo Google ha pubblicato una metodologia. Nessuna delle due comunica i volumi totali di richieste, quindi i dati per richiesta non possono essere scalati a un'impronta reale.
• Le scelte contabili cambiano la risposta. Il dato sul carbonio di Google usa una contabilità market-based che riflette i suoi acquisti di energia pulita. MIT Technology Review cita un preprint di Harvard secondo cui l'elettricità usata dai data center statunitensi era più intensiva in carbonio del 48% rispetto alla media USA.
• Acqua e hardware sono sottostimati. I dati sull'acqua per prompt di solito coprono solo il raffreddamento, non l'acqua usata per generare l'elettricità o produrre i chip, e sono state le emissioni Scope 3, salite del 26% in Microsoft, a far crescere il suo totale.
• I risparmi sono per lo più potenziali. I principali benefici dell'IA nella moda, meno resi e meno sovrapproduzione, sono raramente riportati in tonnellate di CO2, e le 1.400 Mt dell'IEA dipendono da un'adozione che non sta ancora avvenendo.
• L'obiezione ha il suo peso. Per testo e analisi, l'impronta per attività è davvero piccola rispetto a quella di un capo. Un team che usa l'IA per evitare di produrre qualche migliaio di pezzi invenduti ne esce quasi certamente in vantaggio.

Cosa devono fare ora le aziende di moda?

1. Fate l'inventario dei carichi di lavoro IA Elencate quali team usano generazione di testo, immagini e video, e con che frequenza approssimativa, prima di fissare qualsiasi obiettivo.
2. Chiedete ai fornitori dati dichiarati Richiedete dati di energia, acqua ed emissioni per attività con la metodologia, specificando se i valori sono market-based o location-based.
3. Trattate il video come un budget a parte Il video generato consuma centinaia di volte più energia delle immagini: pretendete un business case.
4. Misurate i risparmi in unità fisiche Monitorate resi evitati, pezzi non prodotti e ribassi ridotti, poi convertiteli in CO2 con lo stesso rigore delle emissioni.
5. Collegate le previsioni alle decisioni di acquisto Verificate che previsioni di domanda migliori riducano le quantità ordinate e non solo i tempi di consegna.
6. Rendicontate l'IA nello Scope 3 Includete i servizi cloud e IA acquistati negli inventari delle emissioni, così che gli effetti rimbalzo diventino visibili nel tempo.