Maestro Roberto - Tecnologie e didattica

Da qualche tempo il tema dell'impatto ambientale dell'intelligenza artificiale è entrato nelle conversazioni tra insegnanti, ma resta un argomento sfuggente. Sappiamo che i data center consumano energia, che serve acqua per raffreddare i server, che ogni richiesta ha un costo energetico da qualche parte nel mondo. Sono informazioni che leggiamo negli articoli, ma che raramente riusciamo a tradurre in qualcosa di concreto da portare in classe.

Stephen Taylor, autore del libro (If You) USEME-AI: Learning for Hope & Agency in an AI World, ha appena reso disponibile uno strumento pensato proprio per colmare questo vuoto: un estimatore interattivo dell'impronta ambientale legata all'uso dell'AI, raggiungibile su ifyouuseme.ai/environmental-impacts. L'annuncio specifica che verrà aggiornato con maggiore frequenza, segno che l'autore intende tenerlo allineato ai dati (in continua evoluzione) su modelli e consumi energetici.

Il tool fa parte del modello BE-HUMAN, il framework etico attorno al quale Taylor ha costruito il suo libro. Le sette dimensioni del modello (Bias and Discrimination, Environmental Impacts, Human Rights & Agency, Use of Data & Privacy, Misinformation Truth & Trust, Accountability & Attribution, Next Generations) offrono una mappa per discutere con gli studenti le implicazioni etiche dell'AI senza cadere né nell'entusiasmo acritico né nel catastrofismo. L'impronta ambientale è una di queste sette lenti, e ora ha un suo strumento pratico dedicato.

L'interfaccia parte da una "giornata tipica" che si costruisce a colpi di più e meno su singole voci: messaggio di chat rapido, compito lungo o di ragionamento, ricerca basata sull'AI, rapporto di ricerca approfondito, compito di codifica agenteica, generazione di immagini, video e audio o musica. Ogni voce ha già un costo energetico assegnato (dai 0,3 Wh di un messaggio veloce ai 100 Wh di un task di coding agentico, fino a 1 kWh al minuto per il video), quindi basta indicare quante volte si fa una certa cosa in una giornata tipo. Ci sono anche preset pronti (Leggero, Aiuto per i compiti, Creatore, Utente avanzato) per chi vuole partire da un profilo già impostato invece che da zero.

Prima di calcolare il risultato, si può scegliere da dove viene l'energia (di default una rete mista da 450 g CO2/kWh, con lo strumento che ricorda come la media globale sia intorno a 470 e quella statunitense a 370) e quali modelli si stanno usando, distinguendo per esempio i grandi modelli di frontiera (quelli di default in ChatGPT, Gemini, Claude e Copilot) da altre categorie.

Il risultato arriva attraverso tre numeri: energia in Wh, carbonio in grammi di CO2, acqua di raffreddamento in litri, con la possibilità di vedere il dato su base giornaliera, settimanale, mensile o semestrale. C'è poi un grafico "Dove va" che scompone il totale per attività, ed è qui che lo strumento diventa davvero interessante da usare in classe.

Nell'esempio che ho provato, una giornata con pochi messaggi di chat, un paio di ricerche AI, qualche immagine e mezzo minuto di video generato arriva a 548 Wh totali, 247 g di CO2 e poco più di un litro d'acqua. Ma la scomposizione mostra che il video da solo vale il 91% del consumo, mentre tutta l'attività testuale (chat, ragionamento, ricerca) resta sotto il 4%. È un dato controintuitivo per molti ragazzi, abituati a pensare all'AI come a "quella cosa con cui chatti", quando in realtà è la generazione di contenuti visivi e video a pesare davvero.

Lo strumento aiuta anche a rendere tangibili questi numeri con una sezione di paragoni pratici: la stessa energia equivale a un certo numero di ricariche del telefono o del laptop, la stessa CO2 a tanti chilometri percorsi in auto a benzina, la stessa acqua a un certo numero di bottigliette da mezzo litro. C'è perfino il calcolo di quanti giorni impiega un albero per assorbire quella quantità di carbonio. E in fondo si può confrontare il proprio uso dell'AI con altre abitudini quotidiane, come le ore di streaming video, per capire il peso relativo delle due cose.

Come portarlo in classe

Proprio questa possibilità di confronto è il punto di forza didattico maggiore. Si può far costruire agli studenti la propria giornata tipica, poi confrontare i risultati tra chi usa più testo e chi usa più immagini o video, e discutere insieme perché la differenza è così marcata. Vale la pena anche far notare che lo strumento stesso segnala i suoi limiti (le stime dipendono da assunzioni su modelli e infrastrutture che cambiano rapidamente), un buon modo per allenare gli studenti a leggere criticamente qualsiasi dato, non solo quelli sull'AI.

Un'altra attività efficace è confrontare l'impronta dell'AI con altre abitudini digitali già radicate, come lo streaming, usando la sezione dedicata al confronto con "il resto della giornata". Aiuta a inserire l'AI in un quadro più ampio, evitando sia la demonizzazione sia la sottovalutazione del problema.

Un tassello in più per l'alfabetizzazione all'AI

Quello che rende utile questo strumento non è tanto il numero preciso che restituisce, ma la domanda che apre: quanto siamo disposti a considerare il costo reale, non solo economico, di ogni scelta digitale che facciamo? Con l'aggiornamento frequente promesso dall'autore, sembra pensato per restare uno strumento vivo nel tempo. Vale la pena salvarlo tra i materiali per il prossimo modulo sull'etica dell'intelligenza artificiale.