L'intelligenza artificiale non ha lo stesso costo in tutte le lingue e le sue infrastrutture non gravano allo stesso modo sui territori. Uno studio della Coalition for Language Equity in AI Research rileva differenze fino a 17 volte nel numero di token tra alcune lingue, mentre Carnegie Mellon University Africa documenta forti variazioni nel consumo idrico dei modelli di IA da un paese all'altro. Dietro queste differenze tecniche emerge una questione politica: chi beneficia dell'IA, chi ne sostiene i costi e chi mantiene il potere di fermarla?

Ci siamo abituati a considerare l'IA un servizio quasi immateriale. Una domanda compare sullo schermo e pochi secondi dopo arriva una risposta. Nel frattempo, però, le macchine producono calore, gli impianti consumano elettricità, i sistemi di raffreddamento utilizzano acqua e le aziende controllano le condizioni di accesso ai propri modelli.

Questa dimensione materiale cambia profondamente il modo di osservare il divario digitale. Non basta più chiedersi chi dispone di una connessione Internet. Bisogna chiedersi chi paga per far funzionare l'intelligenza altrui e soprattutto chi può riprenderne il controllo quando diventa indispensabile.

Perché alcune lingue rendono l'IA più costosa?

Il problema nasce ancora prima che i server calcolino una risposta. I modelli linguistici suddividono i testi in unità chiamate token. Ma questa suddivisione non è equa tra le lingue.

Secondo la Coalition for Language Equity in AI Research, tra le venti lingue più utilizzate su Internet si registrano differenze da 1,5 a 5 volte nel numero di token. Estendendo l'analisi a duecento lingue, alcune differenze arrivano a un fattore diciassette.

Due persone possono quindi richiedere servizi simili utilizzando quantità di token molto diverse. Quando la tariffazione dipende dal loro numero, la differenza diventa economica. Può anche modificare la potenza di calcolo necessaria, sebbene il rapporto preciso con il consumo di acqua o elettricità dipenda da numerosi parametri tecnici.

La conseguenza merita attenzione: una lingua può diventare uno svantaggio economico in un sistema presentato come universale. Non si tratta necessariamente di discriminazione intenzionale, ma di una disuguaglianza incorporata nella progettazione degli strumenti.

E questa prima frattura ne nasconde un'altra: i token sono soltanto la parte visibile del conto.

Perché i data center consumano tanta acqua?

I processori specializzati nell'IA producono moltissimo calore. Gli impianti devono quindi mantenere le apparecchiature a temperature compatibili con il loro funzionamento. A seconda dei sistemi, il raffreddamento richiede acqua, elettricità o entrambe.

Un'analisi pubblicata da Rest of World indica che un data center hyperscale può utilizzare da uno a cinque milioni di galloni d'acqua al giorno, un volume paragonabile al fabbisogno di una città con decine di migliaia di abitanti. Lo stesso articolo riferisce che uno studio universitario dell'aprile 2023 stimava in 185.000 galloni l'acqua necessaria per addestrare il modello originale di ChatGPT.

Questi dati non significano che tutti i centri consumino altrettanto o che ogni richiesta abbia la stessa impronta idrica. Mostrano però che le infrastrutture digitali possono diventare attori importanti nella gestione locale dell'acqua.

Il problema peggiora quando gli impianti impiegano acqua trattata di alta qualità per proteggere le apparecchiature. Possono così entrare in competizione con i bisogni dei residenti, dell'agricoltura e di altre attività economiche.

In Cile, le tensioni sull'acqua hanno accompagnato anche il dibattito su un progetto di data center di Google a Cerrillos, nella regione di Santiago. Conflitti simili ricordano una realtà spesso dimenticata: il costo di un servizio digitale non si limita mai all'importo indicato nella fattura informatica.

L'Africa paga davvero di più per l'acqua dell'IA?

La risposta è meno semplice della contrapposizione tra un Nord consumatore e un Sud sacrificato. Ricercatori della Carnegie Mellon University Africa hanno modellizzato il consumo idrico associato a due grandi modelli linguistici in undici paesi africani, confrontandolo con gli Stati Uniti e la media mondiale.

Il risultato sorprende: otto degli undici paesi africani esaminati registrano un consumo d'acqua inferiore alla media globale per la stessa attività di IA. Ciò dipende in particolare dalla relativamente bassa intensità idrica della produzione elettrica.

I ricercatori forniscono inoltre stime molto diverse secondo il modello: la redazione di un rapporto di dieci pagine potrebbe richiedere circa 0,7 litri d'acqua con Llama-3-70B, contro un massimo di 60 litri con GPT-4 nelle condizioni studiate. Si tratta di risultati di modellizzazione, non di misure universali valide per ogni utilizzo.

Questa precisazione è essenziale. Sarebbe falso affermare che l'Africa consuma sistematicamente più acqua per far funzionare l'IA.

Publicité

Ma consumi relativamente bassi non equivalgono all'assenza di vulnerabilità. Le perdite nelle reti di distribuzione, la disponibilità locale di acqua e i bisogni delle popolazioni cambiano profondamente le conseguenze di un prelievo aggiuntivo.

In Sudafrica, una petizione presentata alla Commissione sudafricana per i diritti umani denuncia la scarsa trasparenza sul consumo idrico dei data center. Secondo Semafor, il paese ne ospita già sessanta, in un contesto segnato dalla siccità.

Il vero problema non è quindi soltanto la quantità consumata, ma la capacità di un territorio di decidere come usare le proprie risorse, conoscere i prelievi effettivi e imporre limiti.

Come può il Nord esportare i costi nascosti dell'IA?

La catena del valore dell'intelligenza artificiale attraversa i confini. Modelli, componenti elettronici, data center e utenti non si trovano necessariamente negli stessi paesi. Questa dispersione permette di separare i benefici economici dalle conseguenze materiali.

Un'azienda può vendere un servizio in tutto il mondo lasciando alle comunità che ospitano le sue infrastrutture la gestione delle tensioni sull'acqua, dei fabbisogni energetici o dei vincoli urbanistici. A questa dimensione materiale si aggiungono le questioni della sorveglianza digitale e del controllo delle informazioni.

Sarebbe tuttavia eccessivo descrivere questa dinamica come un trasferimento totale e sistematico dei costi dal Nord al Sud. I dati disponibili non consentono di misurare un bilancio globale del genere e le infrastrutture nei paesi del Sud possono anche creare valore sul posto.

La mia preoccupazione riguarda piuttosto un'asimmetria di potere. Chi possiede i modelli, stabilisce le condizioni di accesso e controlla i sistemi può conservare più potere di chi mette a disposizione territorio, risorse o utenti.

Questa asimmetria ricorda alcune logiche delle industrie estrattive: un'attività genera ricchezza ampiamente distribuita, mentre le conseguenze più concrete restano localizzate. Il paragone non è perfetto, ma aiuta a capire perché le decisioni sull'ubicazione delle infrastrutture digitali dovrebbero essere oggetto di dibattito pubblico.

Perché il mobile money africano diventa cruciale?

La dipendenza assume una dimensione ancora più preoccupante quando l'IA entra nelle infrastrutture finanziarie.

Secondo i dati riportati da Rest of World, nel 2025 oltre 2.000 miliardi di dollari sono transitati attraverso i servizi di mobile money nel mondo, di cui circa 1.400 miliardi nell'Africa subsahariana. L'Africa orientale rappresenta 806 miliardi e quella occidentale 498 miliardi.

Questi sistemi non sono semplici applicazioni accessorie. Consentono trasferimenti di denaro e pagamenti essenziali alla vita economica. Disponibilità e sicurezza sono quindi priorità fondamentali.

L'arrivo di agenti IA capaci di agire autonomamente cambia la natura del rischio. Un errore, una compromissione o un comportamento non autorizzato potrebbero diventare particolarmente pericolosi se un agente disponesse di ampie autorizzazioni su un sistema di pagamento.

Rest of World riferisce in particolare incidenti con agenti IA durante una valutazione di OpenAI relativa all'infrastruttura di Hugging Face, nonché compromissioni di siti governativi australiani attribuite ad agenti autonomi.

Questi eventi non dimostrano che una rete africana di mobile money sia già stata compromessa in questo modo. Mostrano però perché sarebbe imprudente attendere un incidente grave prima di definire meccanismi di controllo.

Lo scenario preoccupante non è soltanto quello di un attacco informatico spettacolare. È anche quello di un operatore locale incapace di interrompere subito un componente automatizzato perché dipende da un fornitore esterno.

Perché l'Africa avrebbe bisogno di un kill switch locale per l'IA?

Un kill switch è un meccanismo di arresto d'emergenza. Applicato all'IA, indica qui la possibilità di fermare un agente autonomo o revocargli l'accesso a un'infrastruttura sensibile quando diventa pericoloso.

Jane Munga, associata al Carnegie Endowment, sostiene su Rest of World un principio fondamentale: la sovranità digitale dipende anche dalla possibilità di controllare localmente i sistemi di IA utilizzati.

Per una rete di pagamento, ciò potrebbe comportare diversi requisiti tecnici:

  • Interrompere localmente le azioni di un agente senza attendere l'autorizzazione di un fornitore straniero.
  • Revocare immediatamente le sue autorizzazioni sulle operazioni finanziarie sensibili.
  • Mantenere un funzionamento di emergenza quando i servizi automatizzati non sono disponibili.
  • Conservare registri delle attività verificabili per comprendere le decisioni e gli eventuali incidenti.

Queste proposte descrivono possibili principi di sicurezza, non un sistema africano già operativo e documentato. Le informazioni disponibili attestano un appello a sviluppare questa capacità, senza dimostrare l'esistenza di un meccanismo concreto implementato su larga scala.

Un simile interruttore non basterebbe comunque a garantire la sicurezza di un'infrastruttura. Dovrebbe integrarsi con procedure di controllo degli accessi, supervisione umana e continuità operativa.

Come può il Sud globale riprendere il controllo?

La prima strada consiste nel ridurre la dipendenza dai modelli proprietari accessibili soltanto tramite interfacce controllate a distanza.

I modelli a pesi aperti offrono una possibilità interessante: i loro parametri possono essere scaricati e, secondo le licenze, adattati o utilizzati su infrastrutture indipendenti. Questo non elimina i costi materiali né il bisogno di competenze, ma apre la strada a una maggiore autonomia.

La seconda strada riguarda le infrastrutture stesse. Costruire più data center locali non basta se i consumi d'acqua restano opachi, le reti elettriche si indeboliscono o le decisioni strategiche sfuggono alle autorità e alle popolazioni interessate.

Occorre quindi accompagnare gli investimenti digitali con obblighi di trasparenza, valutazioni delle risorse disponibili e una reale capacità di supervisione locale.

La terza strada è linguistica. Strumenti più adatti alle lingue locali potrebbero ridurre alcune inefficienze della tokenizzazione. Ma questo miglioramento non va confuso con una soluzione automatica alla dipendenza materiale: i due problemi sono collegati dall'economia generale dell'IA, senza essere tecnicamente equivalenti.

In definitiva, non si tratta di chiedersi se l'Africa debba adottare l'intelligenza artificiale. La usa già in un contesto digitale in cui i servizi finanziari hanno un peso enorme. La domanda è a quali condizioni questa adozione possa rafforzarne l'autonomia anziché creare nuove dipendenze.

Per molto tempo abbiamo misurato il progresso digitale contando le persone connesse. Forse dovremo misurarlo anche attraverso una capacità molto meno appariscente: rifiutare un servizio, proteggere le proprie risorse e premere autonomamente il pulsante di arresto.

Domande frequenti

Perché l'IA costa di più in alcune lingue?

I modelli suddividono i testi in token, il cui numero varia a seconda della lingua. La Coalition for Language Equity in AI Research ha osservato differenze fino a diciassette volte tra alcune lingue, che possono aumentare il costo dei servizi fatturati in base all'utilizzo.

Perché i data center consumano tanta acqua e chi ne paga il prezzo?

Server e processori specializzati producono molto calore e richiedono sistemi di raffreddamento. Quando questi prelevano acqua dalle risorse locali, comunità e residenti possono subire ulteriore pressione sull'approvvigionamento, soprattutto nelle regioni colpite dalla siccità.

Come potrebbe l'IA minacciare il mobile money in Africa?

Agenti IA con autorizzazioni estese potrebbero eseguire operazioni indesiderate, essere compromessi o disturbare i sistemi di pagamento. Dato il peso economico del mobile money nell'Africa subsahariana, poter interrompere immediatamente questi agenti è una questione cruciale di sicurezza.

Esistono soluzioni locali per ridurre questa dipendenza?

Modelli a pesi aperti, infrastrutture controllate localmente e meccanismi di arresto d'emergenza sono opzioni concrete. Le informazioni disponibili non attestano però alcun kill switch africano operativo: progettazione, integrazione e governance restano sfide aperte.

Fonti