Articolo di Matthias Schmelzer e Steffen Lange, traduzione e commento di Mario Sassi e Serena De Dominicis del Gruppo di Roma
Traduciamo e commentiamo questo articolo pubblicato su nature.com il 19/10/26, perché ci sembra il più recente e aggiornato ad affrontare il tema della (cosiddetta) Intelligenza Artificiale dal punto di vista della decrescita (dopo questo articolo di S.Puglia e D. Lamanna del 2024 e A Degrowth Perspective on AI di Sara Marcucci dalla ISEE Degrowth Conference 2025).
Ci sembra che l’articolo contenga un’ottima analisi dei costi e problemi della IA, inquadrata come “L’ultima frontiera del paradigma della crescita”, ma sia forse troppo timida sulle proposte, restando nel campo “possibilista” (cioè potenzialmente favorevole all’IA se fosse diversa). A noi sembra piuttosto che, per tutte le ragioni elencate nell’articolo, associazioni, movimenti e fautori della decrescita dovrebbero posizionarsi decisamente contro ogni forma e sviluppo della IA (così come contro la guerra e ogni forma di di violenza), battendosi per la sua completa abolizione e smantellamento, perché in ogni caso, anche se fosse posta sotto il più completo controllo pubblico e democratico, resterebbe uno strumento incontenibile, dannoso socialmente ed insostenibile ecologicamente.
Torneremo presto su questi temi, anche con una riflessione condivisa del Gruppo di Roma, ma intanto vi auguriamo buona lettura!
The case for AI degrowth
L’Intelligenza Artificiale (IA), così come si sviluppa attualmente, è incompatibile con una trasformazione sostenibile dell’economia, che ha bisogno della decrescita. L’IA è il paradigma di crescita rinato: costruito su beni comuni chiusi, alimentato da energia fossile e guidato da una logica competitiva che rende impossibili i limiti precauzionali. I limiti all’IA non sono tecnofobia; sono la nostra migliore possibilità per un futuro vivibile per tutti.
Poiché il disaccoppiamento della crescita economica dall’uso delle risorse e dalle emissioni non è avvenuto al ritmo o alla scala richiesti, un filone emergente di ricerca suggerisce che la sostenibilità ambientale necessita di una decrescita: ridurre il flusso di materiali ed energia nelle economie ricche al contempo tutelare il benessere. L’accelerazione dell’Al, come attualmente perseguita, va direttamente contro questo obiettivo. Secondo le tendenze attuali di sviluppo, la domanda di energia dei data center dovrebbe raddoppiare o addirittura quadruplicare entro il 2030, e sta mettendo sotto pressione le forniture idriche e l’energia a livello mondiale. Sosteniamo che l’IA sia il banco di prova più urgente della decrescita, poiché rivitalizza il paradigma della crescita, si basa sulla clausura dei beni comuni della conoscenza ed è scalato da una logica competitiva che esclude la precauzione. Per evitare di intrappolare un disastro socio-ecologico, Al deve essere limitato, limitato e trasformato in un bene comune governato democraticamente.
L’ultima frontiera del paradigma della crescita
La crescita economica ha a lungo funzionato meno come una descrizione della realtà e più come un progetto politico. Dopo la Seconda Guerra Mondiale, la ricerca della crescita del prodotto interno lordo (PIL) fu naturalizzata da quattro affermazioni interconnesse: che la produzione nazionale misura correttamente il benessere economico; che la crescita agisce come solvente universale per alcuni dei problemi sociali più urgenti di ogni periodo; che il PIL funge da metro di misura ultimo del progresso nazionale; e che la sua espansione è, in linea di principio, illimitata. Ogni affermazione è stata contestata e ripetutamente confutata per cinque decenni. Ogni volta, una nuova frontiera tecnologica è stata reclutata per rinnovare la promessa.
I grandi modelli linguistici (LLM) sono l’ultima frontiera in questo senso. I suoi fautori sostengono che i guadagni di produttività derivanti dall’IA stimoleranno la crescita del PIL e quindi miglioreranno il benessere sociale; che l’IA risolverà le sfide principali della nostra epoca, dal cambiamento climatico alle malattie alla povertà; che nazioni e imprese che non stanno correndo per aumentare la loro capacità di IA rimarranno irrimediabilmente indietro; e che il potenziale di ulteriore espansione è praticamente illimitato (Tabella 1). Abbiamo già sentito questa promessa di crescita tecnologica, con biotecnologie, digitalizzazione e nanotecnologie – ma la promessa è sempre stata disattesa. Questa volta, però, la posta in gioco è più alta e la finestra per la correzione di rotta è più breve.
La trappola ecologica della crescita dell’IA
Circa 15 anni fa, si diceva che la digitalizzazione avrebbe salvato l’ambiente. Le sue promesse chiave erano aumentare l’efficienza e dematerializzare; giornali, lettori MP3, libri e televisori sarebbero stati tutti sostituiti da un unico dispositivo: smartphone, tablet o laptop. Ci vollero anni prima che il dibattito scientifico e pubblico raggiungesse la realtà materiale: che server e infrastrutture digitali generano un consumo energetico sostanziale, emissioni di gas serra e uso di risorse. L’effetto ambientale netto della digitalizzazione si è rivelato al massimo un gioco a somma zero: i guadagni di efficienza non erano abbastanza grandi da compensare la crescente impronta materiale.
L’IA ripete questo schema – ma su una scala molto più ampia e con una traiettoria di crescita che non lascia tempo al dibattito di recuperare. L’impronta materiale di Al sta crescendo rapidamente. Il consumo energetico e le emissioni sono già sostanziali, e il raddoppio o quadruplicamento della domanda energetica entro il 2030 non è uno scenario lontano, bensì un’estrapolazione dei tassi attuali di sviluppo, come stimato dall’Agenzia Internazionale dell’Energia. Il consumo idrico per il raffreddamento sta aumentando drasticamente nelle regioni sotto stress idrico. Milioni di lavoratori nel Sud Globale devono sopportare lavori poco pagati, estrattivi e traumatizzanti per filtrare il contenuto di Al. L’estrazione di minerali di terre rare per l’hardware della Al sta intensificando la distruzione ecologica in tutto il Sud Globale.
La replica standard invoca l’efficienza: l’Al, si promette. consentirà reti rinnovabili, ottimizzerà la logistica o faciliterà l’agricoltura di precisione. Ma questo argomento fallisce empiricamente. All’interno del settore, i miglioramenti dell’efficienza che abbassano il costo del calcolo non portano a una riduzione del consumo energetico. Stanno generando nuove applicazioni e un maggiore consumo energetico. In tutta l’economia più ampia, l’ottimizzazione abilitata dall’AL e i relativi aumenti di produttività facilitano una maggiore produzione e più consumo — i principali fattori della distruzione ecologica.
L’argomento qui non è contro l’IA o il calcolo complesso in quanto tali. È contro l’IA così come è sviluppata attualmente: incontrollata, di proprietà privata e scalato in modo competitivo ben oltre qualsiasi mandato sociale. Una IA governata pubblicamente, orientata al bene comune—che dia priorità a LLM più piccoli e specifici per tema, modellizzazione della decarbonizzazione, pianificazione democratica delle risorse e produzione di conoscenza basata sui beni comuni – potrebbe garantire reali benefici per il benessere. Ma ciò richiede di affrontare la logica speculativa della crescita che guida il modello attuale, piuttosto che farvi appello.
Non importa se l’IA raggiunge o meno i suoi obiettivi, la maggioranza perde sempre
I dati empirici non supportano l’ideologia della crescita dell’IA. Gli investimenti correlati in data center e hardware attualmente sostengono i dati generali del PIL, ma contribuiscono poco alla sua crescita più ampia e a lungo termine. Se aumenterà davvero la crescita in futuro dipende dalla sua capacità di incrementare la produttività del lavoro in tutta l’economia, e qui esiste un divario tra le stime delle proiezioni di produttività dei sostenitori dell’Al come Goldman Sachs (1,9%), McKinsey (fino al 3,4%) o Brynjolfsson (2,6%) e stime più caute di economisti come Aghion e Bunel (1%) e Acemoglu (0,1-1,5%). Inoltre, anche le stime moderate non considerano che, come per qualsiasi tecnologia, la capacità dell’Al di aumentare la produttività del lavoro porta alla crescita economica solo se il potenziale di aumento dell’offerta è soddisfatto anche da un aumento equivalente della domanda. Di conseguenza, esiste un divario tra le valutazioni dei mercati finanziari delle aziende IA e i profitti misurabili o gli effetti dell’economia reale. E, naturalmente, l’energia e le risorse naturali necessarie a tale espansione sarebbero ecologicamente catastrofici.
Anche se la crescita si concretizzasse, ci sono pochi motivi per aspettarsi che venga distribuita in modi che affrontino le crisi che promette di risolvere. I guadagni di produttività finiscono al capitale piuttosto che al lavoro, al Nord globale piuttosto che al Sud, e a chi è già potente piuttosto che a chi è strutturalmente marginalizzato, replicando il modello distributivo dei precedenti passaggi tecnologici
Peggio ancora, l’accumulo di dati e lo sviluppo di IA sono concentrati nelle mani di poche aziende e solo di pochi paesi (principalmente USA e Cina). La crescita di IA aggrava così ulteriormente le disuguaglianze di reddito e ricchezza.
Ciò che rende questo strutturalmente pericoloso è la logica competitiva che lo vincola. Nessun singolo attore nella corsa all’IA può rallentare unilateralmente senza cedere la posizione sul mercato. I principi di precauzione non vengono semplicemente ignorati, la struttura stessa della corsa li rende praticamente impossibili da applicare dall’interno. In sintesi, l’IA è il paradigma di crescita che opera esattamente come progettato: esternalizza i costi ecologici, privatizza i guadagni e esclude la decisione collettiva, dichiarando al contempo che tutto ciò serve il bene comune.
Un attacco alla democrazia tramite l’appropriazione dei beni comuni
La corsa all’IA quindi non fallisce solo nelle sue promesse ambientali e di benessere. Sta attivamente concentrando il potere economico e politico in modi strutturalmente antidemocratici e non può essere separata dalle questioni di proprietà e democrazia. La concentrazione di dati e IA nelle mani di poche aziende conferisce loro un livello di potere senza precedenti. Questo vale non solo per modificare i comportamenti di consumo, ma anche per influenzare le opinioni e il voto delle persone. Un’altra strategia delle grandi aziende tecnologiche è catturare le funzioni statali. Sostituendo i dipendenti pubblici con servizi di IA, l’infrastruttura che sta alla base delle decisioni pubbliche – dalla magistratura alla polizia e persino all’esercito – si muove verso gli interessi delle grandi aziende tecnologiche.
Inoltre, i dati che stanno alla base dell’IA sono fondamentalmente dei beni comuni. Gli LLM sono addestrati sulla produzione testuale, culturale e scientifica accumulata dall’umanità. Questo è, nel senso più significativo, un bene comune: un’eredità condivisa che nessun singolo attore dovrebbe possedere. Ciò che sta accadendo attualmente è l’intensificazione della privatizzazione della conoscenza prodotta collettivamente a fini di profitto.
L’appropriazione dell’IA segue il modello delle precedenti appropriazioni di beni comuni: espropriazione di coloro che hanno contribuito alla risorsa e arricchimento di chi ha il potere di reclamarle. Le comunità nel Sud Globale sostengono costi ecologici e input di lavoro sproporzionati ricevendo pochi benefici. Dall’estrazione di litio e cobalto all’etichettatura dei dati sottopagata e al lavoro di moderazione dei contenuti, l’intera catena di approvvigionamento riproduce modelli coloniali di estrazione di risorse e lavoro, riconfezionati come innovazione digitale. Inoltre, le generazioni future non avranno voce in capitolo su come il loro patrimonio comune di conoscenza ereditato venga consumato, monetizzato e potenzialmente degradato.
Riconoscere gli LLM come costruiti su un bene comune cambia il modo in cui si affronta il dibattito politico. Piuttosto che vedere la socializzazione dell’infrastruttura IA (proprietà pubblica, governance democratica e riorientamento verso il bene comune) come un intervento radicale, può essere intesa come riconoscimento delle basi comuni su cui questi sistemi sono costruiti.
Una tale socializzazione è l’unico intervento che elimina la dinamica competitiva che rende impossibili i principi di precauzione e la definizione di limiti: un’ “IA comune” gestita in modo pubblico a livello globale non ha la pressione competitiva di crescere oltre ciò che l’elaborazione democratica autorizza.
Decrescere l’IA
Finora l’analisi converge su una sola conclusione: la distruzione ecologica, l’accaparramento del benessere, la contrazione della democrazia e l’appropriazione dei beni comuni sono prodotti dalla logica della crescita competitiva che guida l’attuale modello di IA. Questo modello quindi non può essere reso sostenibile o giusto, ma deve essere sostituito con qualcosa che lo sia e richieda una decrescita dell’IA.
Un confronto con i combustibili fossili è istruttivo e rende più chiara l’urgenza. L’infrastruttura per i combustibili fossili è stata costruita nel corso di un secolo; il suo irrigidimento irreversibile tramite asset bloccati è ormai quasi totale, il che rende pressoché impossibile una sua dismissione graduale senza un collasso finanziario diffuso. Le infrastrutture IA sono attualmente in costruzione a una velocità straordinaria, con impegni di capitale e costruzioni fisiche che influenzeranno le traiettorie per decenni e potrebbero avere un’integrazione potenzialmente simile nell’architettura finanziaria globale. I data center annunciati nel 2026 opereranno fino al 2040 e oltre, e ogni anno di ritardo restringe lo spazio per un intervento democratico. Limitare e invertire la crescita dell’IA deve avvenire prima del blocco, non dopo.
Contenere (curb), imporre tetti (cap) e beni comuni (commons)
Seguono tre richieste per una decrescita dell’IA, crescenti in ambizione e interconnesse nella logica, ispirate dalla ricerca sulla decrescita (Tabella 2). Il contenimento e l’imposizione di un tetto limitano il modello attuale, e la collettivizzazione lo sostituisce.
Contenere. Questa richiesta prevede una moratoria immediata su nuovi data center IA su larga scala e sulle sessioni di addestramento di LLM all’avanguardia, in attesa di una valutazione obbligatoria dell’impatto ecologico e democratico e di standard vincolanti a livello internazionale, insieme a un pagamento equo obbligatorio per lavoratori e proprietari dei dati lungo la catena del valore per rallentare lo sviluppo dell’IA. Questa richiesta non necessita di un consenso internazionale preventivo per iniziare: governi a livello nazionale, regionale e comunitario, imprese, organizzazioni o iniziative cittadine possono agire unilateralmente, e qualsiasi ritardo restringe ciò che le azioni future possono ottenere migliorando questi sforzi iniziali. Anche il mondo accademico ha un obbligo specifico, limitando l’IA all’interno delle istituzioni accademiche e pubblicando valutazioni del ciclo di vita che rendano più difficile ignorare i veri costi di ogni sessione di formazione.
Imporre tetti. Questa richiesta implica limiti vincolanti alle dimensioni delle aziende e alla quota di mercato, all’estrazione dei dati, al consumo energetico (ad esempio, per settore o per ogni ciclo di addestramento) o allo sviluppo di intelligenza artificiale generale e LLM a uso generale, applicati tramite accordi internazionali e stabiliti da valutazioni scientifiche indipendenti secondo la stessa logica dei bilanci di carbonio nella politica climatica. È qui che il tempo guadagnato limitando la crescita dell’IA è fondamentale: limiti duraturi richiedono negoziati complessi. La legge UE sulla IA fornisce una base parziale ma resta ben lontana da vincoli ecologici e democratici imprescindibili.
Commons. Questa richiesta ruota attorno alla trasformazione delle infrastrutture e dei modelli di IA in bene pubblico globale governato democraticamente, con proprietà e gestione trasferite a organismi democratici pubblicamente responsabili che abbiano mandati espliciti per il bene comune e siano governati da modelli e principi della gestione collettiva. Tali organismi potrebbero imporre la decrescita dell’IA e dare priorità a ciò che i mercati forniscono sistematicamente in modo insufficiente– modelli più piccoli e specifici per settore, diagnostica nei sistemi sanitari o scenari basati su input-output come base per una pianificazione democratica ed ecologica – mentre impongono limiti democratici rigorosi ai modelli ad alta intensità energetica con valore sociale scarso o nullo. La proprietà pubblica di per sé non è sufficiente per la responsabilità ecologica, ma è necessaria: sostituisce la dipendenza dalla crescita competitiva che alimenta la spirale di escalation con una struttura di governance capace di autocontrollo collettivo.
Il boom dell’IA sta consolidando un nuovo ciclo di crescita insostenibile, minacciando la sopravvivenza umana sul pianeta Terra. È tempo di agire di conseguenza.
Immagine da Pixabay
