La tecnologia diventa più efficiente. Eppure il consumo aumenta.

Nel 2025, il consumo elettrico globale dei data center è cresciuto del 17%. Quello dei centri dedicati all’intelligenza artificiale è aumentato del 50%.

Nel frattempo, l’efficienza energetica dei singoli compiti svolti dall’IA è migliorata drasticamente. Secondo l’Agenzia Internazionale dell’Energia (IEA), il consumo energetico per singola attività di IA è diminuito di almeno un ordine di grandezza all’anno negli ultimi anni, grazie ai progressi di software e hardware.

Come possono essere vere entrambe le cose?

La risposta è controintuitiva: una tecnologia può diventare più efficiente e, proprio per questo, essere utilizzata così tanto da aumentare il consumo complessivo di risorse.

Non è soltanto una questione energetica. È un meccanismo economico che può influenzare le strategie aziendali, gli investimenti e il modo in cui misuriamo la produttività.

Si chiama paradosso di Jevons.

1. Quando risparmiare rende conveniente consumare di più

Nel 1865 l’economista britannico William Stanley Jevons analizzò un fenomeno legato all’utilizzo del carbone. Il miglioramento delle macchine a vapore permetteva di utilizzare il combustibile in modo più efficiente, ma rendeva anche più conveniente impiegarlo in un numero crescente di attività.

Il risultato poteva essere un aumento della domanda complessiva anziché una sua diminuzione.

Il meccanismo è intuitivo se pensiamo a un servizio digitale.

Immaginiamo che elaborare una richiesta tramite intelligenza artificiale costi inizialmente 1 euro. Un miglioramento tecnologico riduce il costo a 10 centesimi.

A quel punto, un’impresa potrebbe non limitarsi a risparmiare. Potrebbe decidere di elaborare dieci volte più richieste, automatizzare attività prima troppo costose o offrire nuovi servizi.

Il costo di ogni operazione è diminuito del 90%, ma il numero delle operazioni è aumentato.

L’efficienza rende possibile una maggiore domanda. La domanda aggiuntiva può assorbire il risparmio iniziale.

Occorre però distinguere due situazioni:

• Effetto rimbalzo: una parte del risparmio ottenuto grazie all’efficienza viene compensata dall’aumento dell’utilizzo.
• Paradosso di Jevons in senso stretto: l’aumento dell’utilizzo supera il risparmio iniziale, facendo crescere il consumo totale della risorsa.

Non è un risultato inevitabile. Dipende da quanto diminuisce il costo, da come reagisce la domanda e da quali nuove applicazioni diventano economicamente convenienti.

📊 L’efficienza cresce, ma la domanda può crescere ancora più velocemente

Il grafico mostra il cuore del fenomeno: un miglioramento del 40% per singola attività non garantisce una riduzione dei consumi complessivi.

Se il volume raddoppia, il consumo totale aumenta del 20% rispetto alla situazione iniziale.

2. L’intelligenza artificiale è un esempio concreto?

L’IA rende il paradosso particolarmente attuale perché sta riducendo il costo di numerose attività cognitive: generare testi, analizzare documenti, scrivere codice, sintetizzare informazioni e assistere i clienti.

Quando una di queste attività diventa più economica, un’impresa può scegliere di svolgerla più spesso:

• Un servizio clienti può automatizzare una quota maggiore delle richieste.
• Un ufficio marketing può produrre più varianti di una campagna.
• Un team di sviluppo può sperimentare più soluzioni software.

Questi utilizzi possono generare valore reale. Ma richiedono anche di valutare quante attività aggiuntive vengono effettivamente create e quante risorse assorbono.

L’IEA stima che il consumo elettrico globale dei data center sia passato da circa 416 TWh nel 2024 a 485 TWh nel 2025. Nello scenario centrale, potrebbe raggiungere circa 950 TWh nel 2030.

📊 Il consumo elettrico globale dei data center

Questi numeri non dimostrano, da soli, che il paradosso di Jevons sia la causa dell’aumento. I data center ospitano anche servizi digitali diversi dall’IA, e la domanda di elettricità dipende da numerosi fattori.

Mostrano però una dinamica importante: l’aumento dell’efficienza per singola operazione può coesistere con una forte espansione del mercato.

L’IEA segnala inoltre che le applicazioni più complesse — come la generazione di video, i sistemi di ragionamento e gli agenti autonomi — possono richiedere centinaia o migliaia di volte più energia di una semplice richiesta testuale.

L’innovazione, quindi, non riduce soltanto il costo dei servizi esistenti. Rende accessibili anche attività nuove, talvolta molto più intensive in termini di risorse.

3. Il fenomeno riguarda anche le imprese, non soltanto l’energia

Nel marzo 2026 la rivista scientifica Economic Analysis and Policy ha pubblicato uno studio intitolato The Jevons Paradox in the AI era: Artificial intelligence adoption for enhancing environmental sustainability at the firm level.

La ricerca analizza imprese quotate cinesi nel periodo 2010–2022. Gli autori rilevano un risultato significativo: l’adozione dell’intelligenza artificiale è associata a una riduzione dell’intensità delle emissioni di carbonio, ma anche a un aumento delle emissioni totali.

Secondo l’analisi, tra i meccanismi che contribuiscono a spiegare il risultato figurano i miglioramenti della produttività, l’innovazione e l’aumento dei ricavi aziendali.

Il punto è interessante: un’impresa può diventare più efficiente dal punto di vista ambientale per ogni unità di attività e, contemporaneamente, aumentare il proprio impatto complessivo perché cresce.

È importante non generalizzare eccessivamente. Lo studio riguarda uno specifico campione di aziende cinesi e un periodo determinato; non dimostra che ogni investimento in IA aumenti necessariamente le emissioni.

Dimostra però che misurare soltanto l’efficienza per unità può dare un’immagine incompleta del risultato complessivo.

Per chi dirige un’impresa, la questione non è soltanto quanto si risparmia grazie alla tecnologia. È anche che cosa succede alla scala delle attività dopo l’introduzione della tecnologia.

4. Un esempio aziendale: il costo unitario scende, il risparmio scompare

Immaginiamo un’impresa che utilizzi uno strumento di automazione per produrre rapporti commerciali.

• Prima dell’introduzione della tecnologia: ogni rapporto costa 100 euro. L’impresa ne produce 100 al mese. Il costo complessivo è quindi di 10.000 euro.
• Dopo l’automazione: il costo per rapporto scende a 25 euro. Il risparmio unitario è del 75%.

Ma l’azienda decide anche di aumentare la produzione a 400 rapporti mensili, perché ora può realizzare analisi che prima sarebbero state troppo costose.

📊 Il risparmio unitario non garantisce un risparmio totale

L’impresa ha ottenuto un risultato positivo? Dipende.

Se i 300 rapporti aggiuntivi generano nuove vendite, migliorano le decisioni o permettono di raggiungere nuovi clienti, l’investimento può essere conveniente.

Se invece nessuno utilizza quelle analisi, l’impresa ha aumentato la produzione senza creare un valore proporzionato.

Il problema, quindi, non è produrre di più. È confondere la possibilità di produrre di più con la certezza di creare più valore.

5. Come capire se l’efficienza sta creando valore

Il paradosso di Jevons offre una lezione concreta per chi prende decisioni aziendali: ogni miglioramento tecnologico modifica i costi, ma può modificare anche i comportamenti e la domanda.

Per valutare una nuova tecnologia, un’impresa dovrebbe monitorare almeno tre dimensioni:

1. Efficienza unitaria: Quanto costano, in termini economici e di risorse, una singola operazione o un prodotto?
2. Volume totale: Quante operazioni vengono svolte dopo l’introduzione della tecnologia? La domanda cresce abbastanza da compensare il risparmio unitario?
3. Valore generato: Le attività aggiuntive producono ricavi, qualità, soddisfazione dei clienti o vantaggi competitivi sufficienti a giustificare le risorse impiegate?

Un sistema può migliorare il primo indicatore e peggiorare il secondo. Oppure può far crescere entrambi e generare comunque valore, se il beneficio ottenuto supera i costi aggiuntivi.

Non esiste una risposta universale. Esiste la necessità di misurare il risultato complessivo, non soltanto la prestazione del singolo processo.

La conclusione: l’efficienza è un mezzo, non il risultato

La tecnologia permette di fare cose che prima erano troppo costose, lente o difficili. Questa è una delle principali fonti di progresso economico.

Ma quando il costo di un’attività diminuisce, cambiano anche gli incentivi a svolgerla. Le imprese possono espandere i volumi, i clienti possono consumare di più e nuovi mercati possono diventare sostenibili.

Il risultato può essere una crescita reale del valore. Oppure un aumento dei consumi e delle attività che non produce benefici proporzionati.

Per questo il paradosso di Jevons non ci invita a rinunciare all’efficienza. Ci invita a valutare ciò che accade dopo averla raggiunta.

La domanda strategica non è soltanto: “Quanto possiamo risparmiare?”.

È: “Che cosa faremo con quel risparmio, e quale valore produrrà la crescita che ne conseguirà?”.

Perché migliorare un processo è un risultato tecnico. Trasformare quel miglioramento in un vantaggio economico è una decisione strategica.

Fonti e approfondimenti

1. International Energy Agency, Key Questions on Energy and AI, 2026.
2. International Energy Agency, Energy and AI, 2025.
3. Economic Analysis and Policy, The Jevons Paradox in the AI era: Artificial intelligence adoption for enhancing environmental sustainability at the firm level, 2026.
4. William Stanley Jevons, The Coal Question, 1865.

• Nota metodologica: i dati sui consumi dei data center comprendono infrastrutture che svolgono attività digitali diverse dall’intelligenza artificiale. Le stime per il 2030 sono proiezioni. I grafici sul meccanismo economico e sull’esempio aziendale sono simulazioni illustrative, non dati osservati. Lo studio sulle imprese cinesi identifica associazioni empiriche nel campione analizzato, che non vanno automaticamente estese a tutte le imprese o a tutti i contesti economici.

Dr. Vito Dell’Elba