Il dibattito sull’intelligenza artificiale sembra essere finalmente entrato nei radar della politica. Con fatica, certo, ma alcuni fatti degli ultimi giorni ci indicano che la direzione è quella. Non senza contraddittorie esternazioni preliminari, il 29 settembre Donald Trump ha riunito alla Casa Bianca i vertici del settore e ha indicato nell’autoregolamentazione la risposta ai timori di una tecnologia fuori controllo, presentando un accordo «moralmente vincolante» con le aziende, da codificare forse in seguito in norme. Dario Amodei, alla guida di Anthropic, ha riconosciuto i progressi ma ha ricordato che i pericoli restano concreti. Il giorno prima, sul volo di ritorno dalla Francia, Papa Leone XIV aveva ribadito come i timori di un’IA fuori controllo non siano un’invenzione e vadano discussi e tradotti in azione; affermazioni in linea con il pensiero espresso nell’enciclica Magnifica Humanitas di maggio.
La discussione è legittima, necessaria ed è un primo grande passo verso la consapevolezza, ma deve essere profonda e senza pregiudizi. Davanti a una rivoluzione tecnologica con pochi precedenti storici conviene evitare di buttare via il bambino con l’acqua sporca. In altri termini, va capito una volta per tutte che l’intelligenza artificiale è uno strumento e che il problema è controllare chi la usa, non cosa fa. Il clima, ad esempio, è uno dei campi dove la velocità di azione dell’IA può rivelarsi devisiva. Una parte degli effetti del riscaldamento è ormai inevitabile, e la questione pratica diventa accorgersi in tempo dei pericoli, ridurre i danni ed elaborare sistemi di adattamento. Sotto questo aspetto l’intelligenza artificiale sta già mostrando progressi importanti.
Le alluvioni sono il caso più interessante. Uno studio pubblicato su Nature nel 2024 da ricercatori di Google, del Centro europeo per le previsioni meteorologiche a medio termine e di altri istituti ha mostrato che un sistema di IA prevede eventi fluviali estremi, anche nei bacini privi di stazioni di misura, con cinque giorni di anticipo e un’affidabilità pari o superiore a quella delle stime del giorno stesso del sistema globale di Copernicus. Le previsioni sono pubbliche e gratuite in oltre 80 paesi; a marzo 2026 Google ha aggiunto le piene improvvise nelle aree urbane, con preavviso fino a 24 ore. Non una bibbia,sia chiaro, ma strumenti che integrati con quelli tradizionali possono migliorare, e di molto, il modo di affrontare e prevenire i danni da eventi estremi.
Lo stesso discorso vale per i cicloni. Nel 2025 il modello di Google DeepMind, usato in tempo reale dal Centro nazionale statunitense sugli uragani, ha superato sulle traiettorie a breve termine anche le previsioni ufficiali e ha aiutato a prevedere, con circa cinque giorni di anticipo e una confidenza attorno all’80%, l’intensificazione rapida e l’arrivo in Giamaica dell’uragano Melissa.
L’IA non deve essere limitata al campo delle previsioni e dell’osservazione, che rimangono preziosissime, ma può aiutare in un ambito ancora più importante: la tutela della biodiversità e della natura. È questo il punto centrale del rapporto AI and the Business of Nature Conservation, pubblicato da Boston Consulting Group a metà settembre.
Finora, osservano gli autori, l’IA in campo ambientale ha soprattutto misurato: conta le specie nelle immagini delle fototrappole, individua dai satelliti la perdita di foreste. Ma c’è qualcosa che questa tecnologia può fare e che può portare importanti miglioramenti: la si può usare per cambiare i prodotti e le pratiche che causano la perdita del capitale naturale, migliorando allo stesso tempo prestazioni e costi. Quest’ultimo è un aspetto da non sottovalutare, una ragione economica che rende l’obiettivo finanziabile con i bilanci di ricerca, acquisti e gestione.
Ma dove può concretamente agire l’IA. Lo studio individua tre leve principali.
La prima leva è lo sviluppo di prodotti fitosanitari più selettivi. L’agricoltura intensiva minaccia il 34% delle circa 47mila specie identificate dall’IUCN, e un’analisi in 26 paesi ha rilevato effetti negativi sugli invertebrati del suolo nel 70% dei siti sottoposti a sistemi di coltura intensiva. Modelli di apprendimento automatico possono valutare le molecole molto prima dei test in campo: prevedere la struttura delle proteine, individuare bersagli specifici di un’infestante, stimare l’impatto sulle specie non bersaglio. Lo studio cita qualche esempio già a terra: Bayer usa un sistema chiamato CropKey; Enko Chem ha individuato un nuovo bersaglio per il diserbo in quattro mesi. Restano da dimostrare resa in campo, costi di produzione e approvazioni.
La seconda leva è l’agricoltura di precisione. I fertilizzanti pesano dal 33 al 45% dei costi operativi dei coltivatori statunitensi di mais e grano. Il sistema See & Spray di John Deere riconosce in tempo reale le infestanti tra le colture e, su oltre 5 milioni di acri (circa 2 milioni di ettari) nel 2025, ha permesso ai clienti di ridurre di quasi il 50% l’uso di erbicidi non residuali, risparmiando quasi 31 milioni di galloni di miscela (circa 117 milioni di litri); le prove indicano anche rese di soia superiori. Sono dati aziendali riportati dal report, ma spiegano perché il mercato cresca di circa il 20% l’anno: chi compra meno prodotti spende meno, e nell’ambiente ne finisce di meno.
La terza leva riguarda gli ingredienti. Il cambio d’uso del suolo è la prima causa di perdita di capitale naturale ed è associato al peggioramento dello stato di conservazione del 72% delle specie minacciate. L’olio di palma, economico e produttivo, ha contribuito alla distruzione di oltre 30 milioni di ettari di foresta tropicale in Malesia e Indonesia. La fermentazione con lieviti permette di ottenere oli simili, e l’IA accorcia gli anni di tentativi in laboratorio analizzando dati genomici e prevedendo le modifiche più promettenti. C16 Biosciences, Zero Acre Farms e SMEY puntano su cosmetica e alimenti: il primo prodotto di C16 è andato esaurito in meno di tre ore. Ma un mercato stimato in 78 miliardi di dollari, destinato a 114 nel prossimo decennio, si conquista solo scendendo verso un dollaro al chilo.
Il rapporto non nasconde che il passaggio di scala dipende da chi compra, finanzia, convalida e regola. Ognuno deve fare la sua parte. Le imprese possono creare i mercati con prove a pagamento e impegni di acquisto pluriennali; gli investitori devono sostenere tutte le fasi dell’innovazione: incentivando la ricerca e finanziando i progetto per gli impianti; le organizzazioni ambientaliste possono verificare gli impatti reali, compreso quello dell’IA stessa; i governi devono garantire approvazioni tempestive, incentivi e appalti che premino chi adotta per primo.
L’osservazione resta preziosa, specie dove il cambiamento climatico sta già mostrando i propri sinistri effetti. Perch, il modello aperto di DeepMind per analizzare i suoni della fauna, è usato dal laboratorio dell’Università delle Hawaii per monitorare gli uccelli hawaiani noti come drepanidini, minacciati dalla malaria aviaria trasmessa da zanzare non native.
Resta il conto energetico, che nessuno studio serio elude. Secondo l’IEA i consumi elettrici dei centri dati sono cresciuti del 17% nel 2025 (quelli dedicati all’IA del 50%) e le loro emissioni potrebbero salire a circa 350 milioni di tonnellate nel 2035, il 2% circa di quelle del settore elettrico. In un rapporto precedente l’agenzia stimava che l’applicazione estesa delle soluzioni esistenti potrebbe ridurre le emissioni energetiche del 5% circa al 2035: molto più di quelle dei centri dati, ma molto meno di quanto serva, e senza che oggi esista lo slancio per ottenerle.
In fondo il filo è lo stesso del dibattito da cui si è partiti. L’accordo firmato alla Casa Bianca prevede che i suoi impegni possano diventare leggi; per BCG, senza approvazioni rapide, incentivi e appalti pubblici, le applicazioni migliori non arrivano a regime.
Foto di Steve Husk
