Una tecnologia più efficiente sembra promettere automaticamente un consumo minore. Se una nuova GPU esegue lo stesso lavoro utilizzando meno energia, se un modello richiede meno calcolo per produrre una risposta o se un algoritmo completa un’attività in metà del tempo, la conclusione appare evidente: stiamo risparmiando risorse. A livello della singola operazione può essere vero. Il problema comincia quando osserviamo ciò che accade dopo.
Ridurre il costo di un’attività può renderla più facile da ripetere. Una generazione che ieri richiedeva minuti e una quantità significativa di risorse può oggi essere eseguita in pochi secondi; proprio per questo smettiamo di farne una e cominciamo a farne dieci. Un modello più leggero può consentire di portare l’AI su molti più dispositivi; una GPU più efficiente può rendere conveniente utilizzare carichi che prima avremmo evitato. Il consumo per singola operazione scende, mentre il numero delle operazioni può crescere abbastanza da compensare o superare il risparmio ottenuto.
Questa dinamica non nasce con l’intelligenza artificiale. In economia viene generalmente ricondotta al cosiddetto effetto rimbalzo, o rebound effect, e alla formulazione storica associata a William Stanley Jevons: migliorare l’efficienza nell’uso di una risorsa non garantisce che il consumo complessivo di quella risorsa diminuisca. L’efficienza modifica anche il costo e quindi il comportamento.
Risparmiare per operazione non significa risparmiare nel totale
Immaginiamo che una generazione richieda la metà dell’energia rispetto a prima. Se continuiamo a produrre lo stesso numero di risultati, il consumo si riduce. Se però il costo inferiore ci porta a quadruplicare le generazioni, il consumo complessivo può aumentare. Non c’è contraddizione: stiamo utilizzando meno energia per ciascuna operazione e più energia nel totale perché le operazioni sono diventate molte di più.
Questo è il primo motivo per cui l’efficienza deve essere osservata insieme al volume. Una specifica tecnica può dimostrare che un nuovo dispositivo compie più lavoro per watt; non può, da sola, dirci quante ore verrà utilizzato o quante attività aggiuntive quella maggiore convenienza renderà possibili.
L’EDC introduce quindi una distinzione semplice ma fondamentale: efficienza dell’operazione e consumo del sistema non sono la stessa cosa.
L’AI rende molto facile moltiplicare l’uso
L’intelligenza artificiale generativa possiede una caratteristica particolarmente favorevole all’effetto rimbalzo: il costo marginale percepito di molte operazioni è molto basso. Una volta disponibile il modello, produrre una variante in più sembra quasi gratuito. Possiamo chiedere altre dieci immagini, rigenerare un testo, provare venti prompt, creare versioni che non verranno mai utilizzate o avviare esperimenti soltanto perché il sistema permette di farlo rapidamente.
La maggior parte di queste attività, presa singolarmente, può avere un costo minimo. È proprio questa piccolezza a renderne difficile la percezione. Nessuno avverte il peso di una singola generazione come avvertirebbe quello di un forno acceso per un’ora. Ma milioni di decisioni marginali possono diventare un carico significativo quando la capacità è diffusa e l’attrito all’utilizzo tende verso zero.
Questo non significa che le persone debbano contare ogni prompt o sentirsi in colpa per ogni esperimento. Significa che la disponibilità quasi illimitata modifica il comportamento e che qualsiasi previsione sul risparmio energetico dovrebbe considerare anche quella modifica.
Lo stesso fenomeno riguarda l’hardware. Una nuova generazione di GPU può offrire più prestazioni a parità di energia oppure completare lo stesso compito in meno tempo. Ma proprio quelle prestazioni possono rendere praticabili attività che prima non avremmo eseguito localmente: modelli più grandi, immagini a risoluzione superiore, video più lunghi, batch più numerosi.
La capacità aggiuntiva tende a cercare un utilizzo. Una persona che ha acquistato una workstation molto potente può essere incentivata a sperimentare proprio perché possiede quella capacità. Questo non è necessariamente negativo: la sperimentazione può produrre competenze, creatività e lavoro utile. Dal punto di vista energetico, però, mostra perché il miglioramento tecnico non può essere tradotto automaticamente in riduzione dei consumi.
Il rimbalzo non ha una sola forma
La forma più semplice è quella diretta: una attività diventa più economica e viene utilizzata di più. Ma può esistere anche un effetto indiretto. Se una maggiore efficienza riduce il costo energetico della workstation, il denaro risparmiato può essere utilizzato per acquistare hardware aggiuntivo, più storage, un secondo dispositivo o altri servizi digitali. Il risparmio ottenuto in un punto del sistema può quindi alimentare nuovi consumi altrove.
In una famiglia questo non avviene necessariamente con consapevolezza. Nessuno dice: “ho risparmiato trenta euro di elettricità, quindi comprerò un’altra GPU”. Più spesso la riduzione dei costi rende semplicemente più accettabile una crescita complessiva dell’infrastruttura.
È una delle ragioni per cui l’EDC non può limitarsi all’efficienza delle singole componenti. Deve osservare anche come cambia il comportamento dell’intero nucleo domestico.
In informatica, un miglioramento dell’efficienza viene spesso utilizzato non per fare la stessa cosa con meno risorse, ma per fare di più con le stesse risorse. Un processore più efficiente può consentire più funzioni entro lo stesso limite termico; un modello compresso può entrare in un dispositivo che prima non avrebbe potuto eseguirlo; una maggiore densità di calcolo può trasformarsi in nuove applicazioni.
Dal punto di vista tecnologico è un successo. Dal punto di vista energetico, però, significa che il guadagno di efficienza è stato convertito in capacità aggiuntiva anziché in riduzione del consumo. Non c’è nulla di incoerente: abbiamo scelto di spendere il miglioramento in prestazioni.
L’EDC dovrebbe rendere esplicita proprio questa scelta. Se un nuovo hardware permette di dimezzare il consumo a parità di lavoro, possiamo utilizzare il vantaggio per consumare meno oppure per fare più lavoro. Entrambe le decisioni sono legittime, ma producono risultati diversi.
La perdita di attrito modifica l’uso
Molti sprechi non nascono da grandi attività deliberatamente inutili, ma dalla perdita di attrito. Una generazione in più, un modello lasciato caricato, un processo non terminato, un computer che resta acceso perché spegnerlo sembra irrilevante. Il costo marginale percepito è così piccolo da non entrare più nella decisione.
Questa dinamica è simile a quella osservata nell’Ecologia dell’informazione con l’abbondanza dei contenuti. Quando produrre, duplicare e distribuire diventa quasi privo di attrito, la quantità può crescere più rapidamente della nostra capacità di attribuirle valore. Nell’EDC lo stesso problema assume una forma materiale: produrre più informazione significa anche eseguire più calcolo.
È uno dei punti di contatto più forti fra i due studi. L’ecologia dell’informazione osserva l’abbondanza dal lato dei contenuti; l’economia domestica computazionale osserva l’infrastruttura necessaria a produrla.
Efficienza e sufficienza devono restare insieme
Riconoscere l’effetto rimbalzo non significa sostenere che l’efficienza sia inutile. Sarebbe una conclusione opposta ma altrettanto errata. Migliorare il rapporto fra lavoro svolto e risorse utilizzate rimane fondamentale, soprattutto quando la domanda complessiva cresce. Una GPU più efficiente può davvero ridurre il consumo per attività, il calore prodotto e la pressione sull’impianto domestico.
Il punto è che l’efficienza, da sola, non determina il consumo finale. È una condizione tecnica sulla quale interviene il comportamento. Per ottenere un risparmio complessivo, una parte del guadagno deve essere effettivamente conservata invece di essere interamente convertita in nuove attività.
Qui compare un concetto utile: sufficienza. Se l’efficienza chiede “come posso ottenere lo stesso risultato con meno risorse?”, la sufficienza aggiunge un’altra domanda: “di quanto risultato ho realmente bisogno?”.
Le due domande non sono concorrenti. Una macchina efficiente e correttamente dimensionata può essere migliore di una macchina inefficiente; ma anche la macchina più efficiente può essere sovradimensionata rispetto al compito. L’EDC deve quindi occuparsi sia di come utilizziamo la capacità sia di quanta capacità decidiamo di rendere disponibile.
È forse il passaggio più delicato perché la sufficienza viene facilmente confusa con rinuncia. Non lo è necessariamente. Un professionista che acquista una GPU adatta al proprio carico sta applicando sufficienza tanto quanto una famiglia che evita di comprare una macchina inutilmente potente. La misura non viene definita dal “meno”, ma dalla proporzione fra risorsa e obiettivo.
Una tecnologia efficiente crea una possibilità. Non decide come utilizzare il risparmio prodotto. Possiamo trasformarlo in minor consumo, in più prestazioni, in più comfort, in più esperimenti oppure in una combinazione di questi elementi. Il miglioramento tecnico sposta il confine delle possibilità; la scelta su ciò che faremo dentro quel nuovo confine resta umana.
Qui Dietro la macchina ritrova il proprio problema centrale. Non basta chiedere che l’hardware sia più efficiente, così come non basta chiedere che i modelli richiedano meno energia. Dobbiamo anche osservare ciò che facciamo quando quella maggiore efficienza rende il calcolo più economico, rapido e disponibile.
Il risparmio è un comportamento, non soltanto una specifica
Una nuova generazione di hardware può promettere più prestazioni per watt e mantenere perfettamente quella promessa. Se però la maggiore convenienza porta a raddoppiare il numero di dispositivi, aumentare continuamente la dimensione dei modelli e moltiplicare le elaborazioni, il consumo complessivo può continuare a crescere.
L’efficienza descrive ciò che la macchina è capace di fare. Il risparmio descrive ciò che accade dopo che una persona, una famiglia o un’organizzazione ha deciso come utilizzare quella capacità. Confondere i due livelli significa attribuire alla tecnologia una decisione che non può prendere da sola.
Con questo passaggio si chiude la terza area dello studio. Abbiamo confrontato proprietà e noleggio del calcolo, reso visibili i costi nascosti e osservato perché l’efficienza non garantisca automaticamente una riduzione dei consumi. Ora possiamo cambiare prospettiva ancora una volta: non più soltanto la macchina o la casa, ma la persona che utilizza capacità computazionale come parte della propria cittadinanza digitale.