L’etichetta energetica arriva sull’AI, le aziende dovranno stare attente kilowatt

La Commissione Europea ha aperto una consultazione mirata sulla misurazione di consumo energetico ed emissioni dei modelli AI, finestra aperta fino al 10 maggio 2026 per chi voleva manifestare interesse. L’obiettivo dichiarato è costruire un framework di misurazione per gli obblighi energetici già previsti dall’AI Act e progettare una vera etichetta energetica sul modello di quella che esiste da decenni per gli elettrodomestici.

Il perimetro della consultazione include aziende che sviluppano e usano modelli general-purpose AI, dai fornitori di componenti ai system integrator, dalle startup alle grandi imprese. La direzione è precisa: il watt diventa parametro di scelta per chi compra AI, alla stessa stregua del prezzo, della latenza e della qualità dell’output. Per i vendor che oggi non comunicano il dato, il dovere di trasparenza arriverà da una norma, non da una scelta di marketing.

Il quadro normativo è coerente con quanto già scritto nell’AI Act. I provider di modelli general-purpose sono già tenuti a documentare il consumo energetico noto o stimato dei propri modelli come parte della documentazione tecnica obbligatoria. La doppia compliance tra AI Act europeo e Legge 132/2025 italiana lascia poco margine di interpretazione: chi vende un modello deve dichiararne il costo energetico, chi lo compra ne risponde nel proprio bilancio di sostenibilità. La Commissione ha inoltre interpellato direttamente i provider AI per contribuire allo studio su consumi ed efficienza.

Dalla documentazione tecnica all’etichetta che parla al procurement

La differenza tra l’obbligo già in vigore e l’etichetta in arrivo è di forma, non di sostanza. La documentazione tecnica esiste, ma è ingegneristica, illeggibile per chi compra, e non confrontabile tra vendor diversi che usano metriche disomogenee. L’etichetta standardizzata, sul modello dei classici A-G degli elettrodomestici, fornirebbe agli acquirenti uno strumento immediato per valutare l’impatto ambientale.

Il modello tecnico più maturo è già operativo nel mondo open-source. Hugging Face ha aggiunto da tempo il reporting opzionale delle emissioni di CO2 nelle model card sull’Hub, includendo informazioni su location geografica del training, hardware utilizzato, tipo di training e impronta carbonica stimata. La piattaforma raccomanda l’uso del package CodeCarbon per misurazioni in tempo reale o del ML CO2 Calculator per il post-training.

I dati sono crudi. Uno studio dell’Università del Massachusetts ad Amherst ha calcolato che il training di un grande modello comune può generare cinque volte le emissioni di un’auto americana lungo l’intera vita utile. Una ricerca successiva sui modelli open-source più scaricati ha quantificato in 58.000 tonnellate di CO2 le emissioni cumulate del solo training dei modelli più popolari. Numeri che il vendor commerciale, oggi, non è obbligato a rendere pubblici.

L’AI italiana che consuma più della Francia

Il contesto numerico spiega l’urgenza politica della Commissione. I data center AI consumeranno 1.050 TWh entro fine 2026, più dell’intera energia elettrica italiana, con un tasso di crescita annuo composto del 30% guidato quasi interamente dai workload AI. L’aumento europeo previsto è da 70 TWh a 115 TWh entro il 2030, in rotta di collisione con gli obiettivi di decarbonizzazione UE.

I governi europei stanno reagendo su due piani. Il primo è infrastrutturale, con limiti ai consumi e obblighi di connessione concordata; il secondo è informativo, con strumenti di trasparenza come l’etichetta in consultazione. La logica è la stessa che si è applicata trent’anni fa agli elettrodomestici: rendere visibile il consumo cambia il comportamento del compratore, e il comportamento del compratore cambia il prodotto.

Lo strumento ha precedenti documentati. L’etichetta energetica UE per frigoriferi e lavatrici ha spinto i produttori a migliorare l’efficienza del 60-70% in vent’anni, con una pressione di mercato che nessuna norma prescrittiva aveva ottenuto prima. Applicare lo stesso meccanismo all’AI ha senso teorico: il modello “F” perde gare contro il modello “A” anche a parità di prezzo, e il vendor è costretto a investire in efficienza per non uscire dal mercato.

Cosa cambia per chi compra modelli AI in azienda

Il bando di gara dovrà includere il dato energetico come parametro tecnico, accanto a costo per token, accuratezza sui benchmark, latenza media e SLA di disponibilità. Watt per inferenza, classe energetica del modello e impronta CO2 del provider su base annua diventano voci di scheda tecnica per chi acquista GPT-4, Claude Opus, Gemini o un open-weight su infrastruttura propria.

La sfida operativa è doppia. Da un lato i vendor commerciali, specialmente americani, oggi non comunicano il dato in modo verificabile, e dovranno costruire l’infrastruttura di misurazione. Dall’altro le aziende clienti devono integrare il watt nella propria valutazione di procurement, su un fronte tecnico che storicamente è governato dal CIO e dal CFO, non dal sustainability officer.

Il caso più complesso riguarda le imprese soggette a CSRD (Corporate Sustainability Reporting Directive), che già oggi devono rendicontare l’impatto carbonico delle proprie operations. L’AI usata come servizio finora è scivolata sotto il radar di Scope 3, ma con l’etichetta energetica diventa una voce esplicita da rendicontare nel bilancio di sostenibilità. Le aziende che hanno integrato chatbot, copilot, sistemi di automazione documentale senza misurarne il consumo si troveranno a dover ricostruire i dati a posteriori.

L’etichetta energetica per i modelli AI è una mossa coerente con la storia regolatoria europea, e arriva nel momento giusto per cambiare il mercato. La trasparenza forzata sul consumo non vieta nulla, non impone target, non rallenta l’innovazione: si limita a togliere al vendor la possibilità di nascondere il dato dietro il marketing. È il pattern di intervento più liberale possibile, e proprio per questo il più efficace nel medio termine.

L’obiezione che l’etichetta vincolerà i vendor europei a uno standard ignorato dagli americani, danneggiando la competitività dell’AI made in EU, regge solo nel breve termine. L’etichetta vale per chi vende sul mercato europeo, indipendentemente da dove sia ospitato il modello. OpenAI, Anthropic e Google dovranno comunicare il dato sui propri prodotti se vogliono restare sul listino dei procurement enterprise UE. La norma è di mercato applicata al consumo invece che alla forma del prodotto, sul modello già visto per gli elettrodomestici venduti nell’Unione.

Il dato di consumo per inferenza dipende massicciamente dall’efficienza dell’hardware sottostante, e quindi chi controlla l’hardware controllerà la classe energetica del proprio modello. Nvidia, AWS con i suoi Trainium e Graviton, Google con i TPU, hanno un vantaggio che nessun fornitore di puro software può colmare. L’etichetta, paradossalmente, consolida il potere dei vendor di infrastruttura più di quello dei vendor di modelli. È un effetto collaterale che la Commissione dovrebbe vedere prima di scrivere il regolamento finale.

Chiedere il dato energetico al vendor nel prossimo rinnovo contrattuale conviene anche oggi, prima che diventi obbligatorio. Chi lo dichiara con metrica chiara è probabilmente avanti, chi tergiversa scopre presto di non averlo mai misurato. Tra diciotto mesi il dato sarà obbligatorio, e i contratti firmati senza clausole di trasparenza energetica andranno rinegoziati comunque. Anticipare la discussione adesso vuol dire usare il dato come leva di negoziazione, prima che diventi compliance burocratica e perda forza commerciale.