L’IA al servizio dell’energia: consumi, risparmi, sfide

L’intelligenza artificiale non è più science fiction, ma una forza che sta già rivoluzionando innumerevoli settori. E quello energetico non fa eccezione. Dalla gestione dei consumi all’ottimizzazione dell’efficienza, l’IA promette di sbloccare un potenziale enorme. Ma quali sono le sue applicazioni pratiche? E Quali vantaggi può portare in termini di risparmi ed efficienza?

A queste domande risponde un nuovo studio di Fire, presentato oggi, e realizzato grazie alla borsa di studio Bette Mebane. La ricerca analizza il ruolo cruciale dell’IA nel futuro sostenibile dell’energia, svelando le opportunità e sfide di questo scenario in rapida evoluzione. Vediamo come.

Tra consumi esponenziali e ottimizzazione

L’impatto dell’IA sul settore energetico presenta una duplice natura, un ossimoro: da un lato, è un driver significativo di consumi energetici; dall’altro, offre un grosso potenziale per ridurre i consumi. Comprendere questo duplice impatto è fondamentale ai fini di una gestione energetica sostenibile.

• IA come grande consumatrice. Sia nella sua forma tradizionale che in quella generativa, l’IA richiede una quantità considerevole di energia per funzionare. Questo consumo si concentra principalmente su tre aree: data center, trasmissione dati e dispositivi finali.
• IA come soluzione per l’efficienza. Il suo potenziale per ottimizzare l’uso dell’energia può avere diverse applicazioni: previsione della domanda energetica, analisi dati per l’efficientamento, ottimizzazione dei sistemi.

Il suo pieno potenziale di efficienza, però, e le relative stime, rientra in un ambito ben più complesso di quello sui consumi: è un potenziale che avrà bisogno di mettere in campo una serie di azioni coordinate e strategiche per creare un quadro favorevole.

Il divario da colmare

Le stime indicano che l’aumento dei consumi sarà significativo, con moltiplicatore dell’incremento di consumi energetici legato all’IA di circa 2-3 volte entro il 2030. Per l’Italia, la stima è in linea con le indicazioni del PNIEC e corrisponde a una potenza installata tra 1,8 e 4 GW: rispetto al fabbisogno energetico legato all’IA, le proiezioni al 2030 si aggirano tra i 7 e i 14 TWh.

“In Italia, rispetto a una base line di consumi nell’ordine dei 4.5 TWh, le proiezioni oscillano fra i 7 e i 14 TWh, a seconda di scenari molto efficienti o basso in impegno di intelligenza artificiale oppure scenari di grande crescita; quindi, con un aumento compreso fra circa il 90 e il 200Questo ci può dare un’idea della crescita dell’intelligenza artificiale. La domanda è quanto ci può aiutare l’intelligenza artificiale a ridurre i consumi perché, se non lo facesse, evidentemente qui avremmo un grosso problema energetico ed emissivo”, ha spiegato Dario Di Santo, direttore di Fire.

La sfida principale, dunque, non è più tecnologica ma di adozione. Per tradurre questo potenziale in realtà è necessario:

• Supporto pubblico: politiche e incentivi (come la Transizione 5.0) per promuovere l’uso dell’IA nelle imprese e nelle famiglie.
• Infrastrutture efficienti: investire in data center più efficienti e adeguare le reti elettriche.
• Formazione e cultura: promuovere la conoscenza e la qualificazione sull’uso corretto dell’IA per massimizzare i benefici e mitigare i rischi.

L’indagine e il suo approccio

Per affrontare il tema dell’intelligenza artificiale e del suo impatto energetico, è stata condotta un’analisi approfondita della letteratura esistente, integrata da interviste dirette con stakeholder del settore. La platea dei partecipanti all’indagine è ampia: dalle Esco ai fornitori di servizi, dalle compagnie energetiche, alla pubblica amministrazione, dai trasporti al commercio, come mostrato nel grafico.

Ne è emerso che in Italia il 38% delle aziende coinvolte nel sondaggio ha già fatto il salto verso l’intelligenza artificiale per migliorare l’efficienza energetica e il suo utilizzo non si limita al settore energetico ma ne abbraccia molti altri, come marketing, pubblica amministrazione, sanità, trasporti.

Per quanto riguarda l’impiego dell’IA nella gestione energetica, gli stakeholder coinvolti hanno indicato le principali aree di applicazione.

• Monitoraggio dei consumi: l’AI può regolare automaticamente i sistemi di riscaldamento e raffreddamento e questo si traduce in meno sprechi di energia, pur mantenendo comfort negli edifici.
• Ottimizzazione energetica: usando tecnologie di machine learning si può gestire meglio la distribuzione energetica: la rete impara dai dati, riduce cioè i picchi di consumo.
• Manutenzione predittiva: sempre usando il machine learning, l’AI aiuta a capire in anticipo quando una macchina rischia di rompersi. Per esempio, nelle turbine eoliche si può intervenire prima che ci siano guasti o perdita di produzione.
• Automazione dei processi: i language models come ChatGPT sono in grado di analizzare report complessi e fornire risposte rapide agli operatori, velocizzando il lavoro e semplificando i processi.
• Gestione delle reti: tramite il deep learning, si può prevedere la domanda energetica a breve e lungo termine in base a una vasta gamma di dati storici, come meteo, comportamento degli utenti, fluttuazioni di prezzo. Ad esempio, una multiutility potrebbe prevedere un picco di consumo e prepararsi ad aumentare la produzione.

“Sono esempi concreti su come l’IA stia effettivamente trasformando il modo in cui si governa l’energia”, ha commentato Yasaman Meshenchi, specialista di energy-efficiency presso Fire. “Abbiamo chiesto ai nostri partecipanti di dare un punteggio tra uno e cinque sui benefici riscontrati in queste aree di impatto con l’uso dell’intelligenza artificiale. Ai primi posti c’è l’aumento dell’affidabilità e la riduzione dei costi. Ma poi anche l’aumento dell’efficienza energetica, sostenibilità, potenziale di decarbonizzazione, riduzione del tempo necessario per analisi e decisioni”, ha concluso.