L'intelligenza artificiale generativa e il digitale responsabile: ciò che la Svizzera può tenere

Nota rivista il 25 maggio 2026. Articolo inizialmente pubblicato nel dicembre 2025 — riscrittura integrale.

L'intelligenza artificiale generativa è una delle tecnologie più energivore del digitale contemporaneo. Questa caratteristica è ormai documentata da diverse fonti convergenti, ed entra in tensione con gli impegni di sobrietà ai quali le imprese svizzere si sono progressivamente legate nel corso dell'ultimo decennio. Per il dirigente che prepara l'adozione di modelli generativi nella propria organizzazione, la domanda non è più sapere se l'IA generativa consumi energia — ne consuma sostanzialmente — ma come integrarla in un approccio compatibile con gli obiettivi climatici esibiti e con le attese crescenti delle parti interessate.

Questa nota espone la meccanica dell'impronta ambientale, identifica le leve in cui un'impresa utilizzatrice può effettivamente agire, e qualifica gli asset specifici del contesto svizzero per un uso responsabile.

L'impronta ambientale: dove si concentra

L'impronta ambientale di un sistema di intelligenza artificiale generativa si scompone in tre fonti distinte, la cui importanza relativa non è la stessa secondo il punto di vista in cui ci si pone.

La fase di addestramento dei modelli fondamentali è la più intensiva in valore assoluto. Addestrare un grande modello di linguaggio richiede la mobilitazione di migliaia di acceleratori specializzati per diverse settimane o mesi, in centri di dati concepiti per questa densità di calcolo. Questa fase è realizzata dagli editori dei modelli — OpenAI, Anthropic, Google, Meta, Mistral e i loro equivalenti — non dalle imprese utilizzatrici. È dunque ampiamente fuori dalla portata di azione diretta di una PMI svizzera, salvo privilegiare modelli i cui editori documentano e limitano la propria impronta di addestramento.

L'inferenza quotidiana — ciascuna richiesta inviata a un modello alimenta questa categoria — rappresenta il costo energetico cumulato che pesa sulla durata di servizio del modello, perché si esercita su volumi massicci di richieste operate in continuo. Una richiesta a un modello generativo può consumare di più di una richiesta a un motore di ricerca classico secondo il modello, la lunghezza della risposta e l'infrastruttura mobilitata. Questa dimensione è documentata dall'Agenzia internazionale dell'energia e da diversi studi settoriali^[1]. È su questa leva che le imprese utilizzatrici hanno un effetto diretto, perché dipende ampiamente dalle loro scelte d'uso.

L'infrastruttura materiale sottostante — centri di dati, sistemi di raffreddamento, consumo d'acqua, estrazione di terre rare per i componenti — porta la terza fonte di impatto. Questa dimensione dipende ampiamente dalla scelta dell'hoster, e la Svizzera presenta asset particolari che meritano di essere identificati.

Cinque leve in cui un'impresa utilizzatrice può effettivamente agire

Sulla dimensione dell'inferenza quotidiana, cinque leve concrete si offrono all'impresa utilizzatrice, per ordine di efficienza decrescente.

La scelta del modello per ciascun compito costituisce la prima leva, e probabilmente la più impattante. Tutti gli usi non necessitano di un modello di grandissima taglia. Per compiti di classificazione di testo, di smistamento di informazioni, di generazione di risposte semplici o di traduzione, modelli compatti consumano diversi ordini di grandezza in meno di energia per risultati spesso paragonabili a quelli dei modelli di punta. La regola pratica consiste nel privilegiare il modello più leggero capace di compiere il compito, piuttosto che ricorrere sistematicamente al più potente disponibile.

L'ottimizzazione dei prompt costituisce la seconda leva. Un prompt strutturato, che formula chiaramente la richiesta e precisa il formato di risposta atteso, genera una risposta più corta e più precisa. Ciascun token di risposta risparmiato riduce direttamente il consumo. Questa disciplina ricade in una competenza — l'ingegneria di prompt — che non richiede prerequisiti tecnici elevati ma una pratica iterativa.

La messa in cache delle risposte ricorrenti costituisce la terza leva. Quando un agente conversazionale tratta più volte la stessa domanda, o domande semanticamente molto vicine, è raramente utile sollecitare il modello ogni volta. Un sistema di cache semantica serve risposte pre-generate per le richieste simili, riducendo a un tempo il costo operativo e il consumo cumulato.

La scelta del fornitore di infrastruttura costituisce la quarta leva. Gli hoster non si equivalgono sull'impronta carbonio dei propri centri di dati — il mix energetico varia considerevolmente da una geografia all'altra. Privilegiare un hosting in Svizzera o in Europa su infrastrutture alimentate da energie rinnovabili o decarbonizzate può ridurre l'impronta di uno stesso carico di calcolo, secondo il mix energetico effettivo e l'efficienza del centro dati mobilitato.

La misurazione e il reporting costituiscono la quinta leva. Senza misurazione, niente miglioramento. Integrare il monitoraggio del consumo energetico legato all'uso dei modelli generativi nel reporting di responsabilità sociale e ambientale produce due effetti benefici: identifica le zone di spreco che si installano per inavvertenza, e trasforma l'impegno di sobrietà in un approccio dimostrabile piuttosto che in un'intenzione dichiarativa.

Il contesto svizzero: tre asset strutturali

La Svizzera presenta tre asset strutturali che rendono l'uso responsabile dell'IA generativa più accessibile rispetto alla media delle geografie europee.

Il mix elettrico nazionale è dominato dalle energie decarbonizzate — idroelettrico principalmente, completato dal nucleare. Questa caratteristica si traduce in un'intensità carbonio per kilowattora prodotto significativamente inferiore a quella di paesi vicini fortemente dipendenti dalle energie fossili. Per un carico di calcolo equivalente, l'impronta carbonio di un trattamento operato su infrastruttura svizzera è sensibilmente inferiore a quella dello stesso trattamento operato altrove.

Il clima temperato favorisce il raffreddamento passivo — free cooling — su una parte importante dell'anno. Questa caratteristica riduce il consumo energetico dedicato al raffreddamento dei centri di dati, che può rappresentare una frazione sostanziale del consumo totale nei climi più caldi.

Il quadro regolamentare strutturato dalla Legge federale sulla protezione dei dati^[2] incoraggia la trasparenza sui trattamenti di dati, ciò che include indirettamente la tracciabilità dei flussi che alimentano i modelli generativi. Questa disciplina regolamentare, combinata all'interesse crescente per la sovranità dei dati, spinge le imprese svizzere verso soluzioni di hosting locale che hanno per costruzione un'impronta carbonio più favorevole rispetto a soluzioni ospitate su infrastrutture più carboniche.

La conformità ai dati: un versante della responsabilità globale

La conformità alla Legge federale sulla protezione dei dati si articola con l'approccio del digitale responsabile, senza confondervisi. Gli obblighi di conformità vertono sulla trasparenza, la finalità, la proporzionalità, la sicurezza dei trattamenti di dati personali. Gli impegni di digitale responsabile vertono sull'impronta ambientale globale e sull'uso ragionato delle risorse di calcolo.

Le due dimensioni si incrociano nella pratica. Mappare i flussi di dati che alimentano gli strumenti alimentati da modelli permette al tempo stesso di oggettivare gli obblighi di conformità e di identificare i volumi di calcolo che fanno l'impronta. Privilegiare un hosting locale risponde alle due esigenze: soddisfa le attese di sovranità per i dati sensibili, e beneficia del mix energetico svizzero per l'impronta ambientale. Informare gli utenti sull'uso dei modelli nel trattamento dei propri dati personali ricade nella conformità, e partecipa al contempo alla trasparenza generale che caratterizza un approccio responsabile maturo.

La scelta tra un abbonamento a un editore esterno e uno sviluppo su misura ospitato localmente ha, a questo titolo, un impatto diretto sulle due dimensioni. La nota SaaS contro sviluppo su misura in Svizzera tratta questo versante su una scala più ampia.

Il digitale responsabile come vantaggio competitivo

L'argomento ambientale non è più unicamente etico. Diventa progressivamente commerciale. Le gare d'appalto dei grandi committenti, in particolare nel settore pubblico e nelle industrie regolamentate, integrano ormai criteri di responsabilità sociale e ambientale nella valutazione dei fornitori. Un approccio strutturato di digitale responsabile cessa di essere un argomento differenziante accessorio; diventa una condizione di idoneità in alcuni mercati.

Questa dinamica si osserva oltre il solo B2B istituzionale. Una parte crescente dei consumatori dichiara che le pratiche ambientali di un marchio influenzano la propria decisione d'acquisto, secondo diversi studi convergenti. Questa dichiarazione non è sempre seguita da effetto nel comportamento effettivo — lo scarto tra intenzione dichiarata e comportamento reale resta documentato — ma pesa al margine sulla percezione dei marchi, e pesa più fortemente sui segmenti di clientela più giovani.

Per un'impresa svizzera che adotta strumenti alimentati da modelli generativi, l'arbitraggio non è dunque tra la performance operativa e la responsabilità ambientale. È un arbitraggio tra un'adozione opportunistica, che massimizza i guadagni immediati senza qualificare l'impronta, e un'adozione disciplinata, che combina i guadagni operativi e la coerenza con gli impegni esibiti. Il secondo approccio è più esigente all'inquadramento iniziale. Produce un approccio che l'impresa può documentare, presentare alle proprie parti interessate, e difendere di fronte alle evoluzioni regolamentari future.

Una disciplina che non si oppone all'adozione

L'intelligenza artificiale generativa continuerà a diffondersi nelle organizzazioni svizzere nei prossimi anni. Questa diffusione non è negoziabile da una decisione individuale o settoriale. Ciò che è negoziabile, invece, è la qualità della diffusione: l'intenzionalità dell'inquadramento iniziale, la scelta dei modelli e dei fornitori, la misurazione dell'impronta prodotta, l'integrazione dell'approccio nel reporting globale dell'organizzazione.

Questa disciplina non rallenta l'adozione. La consolida. Un'impresa che inquadra il proprio uso dei modelli generativi sulle cinque leve identificate sopra integra la tecnologia più durevolmente di un'impresa che impila abbonamenti e usi senza qualifica, esponendosi alle brutte sorprese tariffarie, regolamentari e reputazionali che l'evoluzione rapida del mercato continuerà a produrre.

La Svizzera dispone di un mix energetico, di un quadro regolamentare e di una cultura economica che rendono questa disciplina più accessibile che altrove. Questa accessibilità è un vantaggio. Merita di essere colta.

Sources

[1] Agenzia internazionale dell'energia (IEA), Energy and AI — Energy demand from AI. www.iea.org/reports/energy-and-ai/energy-demand-from-ai [↩]

[2] Legge federale sulla protezione dei dati (LPD), revisione del 25 settembre 2020, entrata in vigore il 1° settembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/it [↩]

Jérôme Deshaie è CEO di MCVA Consulting SA, studio svizzero di consulenza strategica in intelligenza artificiale, con sede in Vallese.