Data center e AI: la nuova sfida energetica italiana

La crescita dell’intelligenza artificiale sta cambiando il sistema energetico. Lo evidenzia l’AI for Energy Report 2026 di Energy&Strategy della School of Management del Politecnico di Milano, che analizza sia l’impatto energetico dell’espansione dei data center sia il crescente utilizzo dell’AI da parte delle imprese per migliorare efficienza e decarbonizzazione.

In Italia, a inizio ottobre 2026, erano presenti 262 data center, circa il 45% dei quali concentrati in Lombardia. La capacità installata ha superato i 609 MW alla fine del 2025, più del doppio rispetto al 2020. Ben 414 MW sono localizzati nell’area milanese, favorita dalla presenza di reti elettriche ad alta e altissima tensione, fibra ottica e del Milan Internet Exchange Point, e la crescita potrebbe essere soltanto all’inizio. Secondo gli scenari elaborati dal Report, nel 2030 la capacità installata italiana potrebbe raggiungere 0,9 GW nello scenario più prudente, 1,2 GW in quello intermedio e 1,8 GW nello scenario più favorevole.

Le richieste di connessione alla rete in alta e altissima tensione danno un’idea dell’interesse degli operatori: a ottobre 2026 ammontavano complessivamente a 101,4 GW. Si tratta però di un valore teorico, perché meno del 2% delle richieste risulta arrivato al termine del procedimento. La crescita effettiva dipenderà quindi dalla disponibilità della rete elettrica, dalla maturità dei progetti, dai tempi delle autorizzazioni e dalla capacità di attrarre investimenti. Più data center significa però anche più energia necessaria per alimentarli. In Europa queste infrastrutture potrebbero essere responsabili di circa il 28% dell’aumento del fabbisogno elettrico tra il 2023 e il 2030, con circa 89 TWh di consumi aggiuntivi. La stessa tendenza emerge a livello mondiale. Tra il 2020 e il 2025 la capacità installata dei data center è aumentata del 93%, raggiungendo 114 GW, mentre i consumi elettrici sono cresciuti dell’80%, fino a 485 TWh. Entro il 2035 la capacità potrebbe avvicinarsi a 280 GW.

E’ quindi inevitabile chiedersi come aumentare la capacità di calcolo necessaria all’AI senza compromettere gli obiettivi ambientali ed energetici. Le possibili risposte riguardano innanzitutto una maggiore efficienza delle infrastrutture: sistemi di raffreddamento più performanti, minori consumi idrici e maggiore ricorso alle fonti rinnovabili. La sostenibilità dipende però anche dall’AI stessa. Sarà sempre più importante sviluppare modelli in grado di garantire buone prestazioni utilizzando meno capacità di calcolo e, di conseguenza, meno energia.

Un ruolo crescente potrebbe essere svolto anche dalle utilities, non più soltanto come fornitori di elettricità, ma come veri partner dei data center. Tra le soluzioni considerate dal Report figurano Power Purchase Agreement (PPA), generazione energetica vicino ai centri di calcolo, sistemi di accumulo e servizi di flessibilità. Le utilities possono inoltre contribuire alla progettazione, costruzione e manutenzione degli impianti e favorire soluzioni di economia circolare, ad esempio recuperando il calore prodotto dai data center per alimentare reti di teleriscaldamento.

Anche le norme stanno iniziando ad adeguarsi alla crescita del settore. La Energy Efficiency Directive europea introduce obblighi di monitoraggio per i data center con oltre 500 kW di potenza IT installata, prendendo in considerazione consumi energetici e idrici, fonti rinnovabili e recupero del calore. In Italia, gli interventi previsti nel 2026 puntano invece a rendere più rapidi e prevedibili i procedimenti autorizzativi. Per sostenere la crescita dei data center non basteranno infatti capitali e tecnologia: serviranno reti elettriche adeguate, procedure efficienti e criteri chiari di sostenibilità.

Il rapporto tra AI ed energia non è però a senso unico. La stessa intelligenza artificiale che aumenta la domanda di capacità computazionale può diventare uno strumento per rendere più efficienti imprese e sistemi energetici. Una survey realizzata da Energy&Strategy con Ipsos Doxa su 308 imprese italiane mostra che le applicazioni di AI possono offrire benefici in termini di produttività, riduzione dei consumi e contenimento dei costi, con miglioramenti spesso compresi tra il 10% e il 20%. Tra gli utilizzi più interessanti emergono l’ottimizzazione degli asset, la previsione dei consumi e la manutenzione predittiva. Crescono anche le applicazioni dedicate alle strategie di bidding e alla valutazione energetica, a supporto delle decisioni aziendali. Gli investimenti stanno diventando più consistenti, soprattutto nella fascia tra 100.000 e 500.000 euro, mentre rimangono ancora relativamente pochi i progetti superiori al milione di euro.

AI generativa, AI collaborativa e Machine Learning sono le tecnologie sulle quali si concentrano maggiormente le aspettative. Restano però alcuni ostacoli: costi, difficoltà di integrazione e carenza di competenze. La diffusione dell’intelligenza artificiale richiederà quindi non soltanto investimenti tecnologici, ma anche un cambiamento organizzativo e culturale.

Il Report analizza infine 274 startup che sviluppano soluzioni di AI per il settore energetico. Sono realtà prevalentemente early-stage, concentrate soprattutto tra Regno Unito e Stati Uniti e attive in settori strategici come storage, risorse energetiche distribuite e Virtual Power Plant, grid intelligence e rinnovabili. Nel complesso hanno raccolto circa 609 milioni di euro. L’interesse si concentra quindi su tecnologie che possono contribuire alla flessibilità del sistema elettrico, alla stabilità delle reti e all’ottimizzazione degli asset energetici.

L’AI consuma energia, ma può allo stesso tempo aiutare a utilizzarla meglio. Da una parte, lo sviluppo dell’intelligenza artificiale richiede sempre più capacità di calcolo, data center e infrastrutture elettriche. Dall’altra, gli stessi algoritmi possono aiutare imprese e operatori energetici a prevedere i consumi, ottimizzare gli impianti, ridurre gli sprechi e accelerare la decarbonizzazione. Per Italia ed Europa la vera sfida sarà quindi far crescere insieme capacità computazionale, reti elettriche, fonti rinnovabili ed efficienza, evitando che la corsa all’AI produca consumi incompatibili con gli obiettivi della transizione energetica.