L’AI aiuta i data center a scegliere quando consumare energia

I data center stanno cambiando abitudine: non consumano più energia in modo continuo, ma iniziano a scegliere quando farlo. Dietro questa trasformazione c’è l’uso dell’AI, che consente di adattare i consumi alla disponibilità di energia più pulita. Alcune attività informatiche, soprattutto quelle non urgenti, possono essere spostate nel tempo. Invece di funzionare sempre allo stesso ritmo, i sistemi attendono il momento più favorevole dal punto di vista energetico. È questo il principio alla base del carbon-aware computing, un approccio che sta ridefinendo il funzionamento dei data center e il loro impatto sulle emissioni.

Energia e digitale: un equilibrio sempre più fragile

Il tema non è secondario. I data center rappresentano una quota crescente dei consumi elettrici globali e la loro domanda è destinata ad aumentare con l’espansione dell’intelligenza artificiale, del cloud e dei servizi digitali. L’addestramento dei modelli di AI, la gestione dei dati e le attività di calcolo distribuito richiedono quantità sempre maggiori di energia, spesso concentrate in tempi brevi e con picchi difficili da gestire.

In questo contesto, migliorare l’efficienza non è più sufficiente. Anche sistemi molto efficienti continuano a consumare energia in momenti in cui la rete è alimentata da fonti fossili. È qui che entra in gioco una logica diversa: non solo ridurre i consumi, ma spostarli. In un sistema energetico in cui le rinnovabili sono sempre più diffuse ma non sempre disponibili, il momento in cui si utilizza energia diventa una variabile decisiva.

Come funziona il carbon-aware computing

Il funzionamento si basa su un incrocio continuo di dati. Da un lato ci sono le informazioni sulla produzione di energia, in particolare quella da fonti rinnovabili come eolico e solare. Dall’altro, i dati sulla rete elettrica indicano quanta energia proviene da fonti fossili in un determinato momento. Gli algoritmi utilizzano queste informazioni per valutare quando avviare o rallentare determinate attività.

Quando la quota di energia pulita aumenta, i sistemi attivano o intensificano i carichi di lavoro. Quando invece la rete è più dipendente da fonti fossili, le attività non urgenti vengono rinviate o ridotte. Non si tratta di fermare i data center, ma di distribuire il lavoro nel tempo in modo più intelligente.

Non tutte le operazioni possono essere gestite in questo modo. Le attività in tempo reale, come le ricerche online o le transazioni, devono essere eseguite immediatamente. Tuttavia, una parte significativa del lavoro digitale, come l’elaborazione di grandi dataset o l’addestramento di modelli di AI, può essere programmata con una certa flessibilità. È proprio su questa quota che si concentra il potenziale di riduzione delle emissioni.

Un cambiamento già in atto nei grandi operatori

Questo approccio non è più teorico. Alcuni dei principali operatori tecnologici stanno già implementando sistemi in grado di spostare i carichi di lavoro in base alla disponibilità di energia. In alcuni casi, le attività vengono trasferite tra data center situati in aree geografiche diverse, sfruttando condizioni energetiche più favorevoli. In altri, i processi vengono semplicemente ritardati di alcune ore, in attesa che la quota di energia rinnovabile nella rete aumenti.

Il risultato è un uso più efficiente delle risorse esistenti. Non si tratta di ridurre drasticamente il consumo complessivo, ma di abbassare l’intensità di carbonio associata a quel consumo. In altre parole, la stessa quantità di energia può avere un impatto ambientale diverso a seconda del momento in cui viene utilizzata.

Questo introduce una nuova variabile nella gestione dei sistemi digitali: il tempo. Se in passato l’obiettivo era massimizzare la velocità e la continuità delle operazioni, oggi diventa rilevante anche la loro collocazione temporale. È un cambiamento che passa inosservato agli utenti finali, ma che incide sull’impronta ambientale dell’intero sistema.

Opportunità e limiti di un modello in evoluzione

Il principale punto di forza di questo approccio è che non richiede nuove infrastrutture. Non è necessario costruire nuovi impianti o sostituire completamente quelli esistenti. Si interviene sull’organizzazione dei carichi di lavoro, sfruttando meglio le risorse disponibili. In un contesto di crescita della domanda energetica, questa flessibilità può contribuire a ridurre la pressione sul sistema.

Allo stesso tempo, il modello presenta alcuni limiti. Funziona solo se esiste una reale possibilità di spostare le attività nel tempo e se le informazioni sulla rete elettrica sono accessibili e aggiornate. Inoltre, richiede un alto livello di integrazione tra sistemi informatici e dati energetici, non sempre presente in tutte le infrastrutture.

C’è poi una questione di scala. Perché il carbon-aware computing abbia un impatto significativo, deve essere adottato in modo diffuso. Oggi è utilizzato soprattutto dai grandi operatori, ma la sua estensione ad altri settori dipenderà dalla disponibilità di dati e dalla capacità di integrare queste logiche nei sistemi esistenti.

Nonostante queste criticità, la direzione è chiara. In un sistema energetico sempre più complesso e caratterizzato da una forte presenza di fonti rinnovabili, la capacità di adattare i consumi diventa un elemento strategico. Non conta solo quanta energia si consuma, ma quando la si consuma. È un cambiamento meno visibile rispetto ad altre innovazioni, ma con un potenziale concreto per ridurre l’impatto ambientale del digitale.