Cosa potrebbe mettere in ginocchio l’intelligenza artificiale nei prossimi anni

,
L’avatar dubbioso di Gianluigi Bonanomi tiene in mano una spina scollegata, davanti a server e a un cervello luminoso.

Ci preoccupiamo di quando l’intelligenza artificiale diventerà più intelligente di noi. Nel frattempo, potrebbe bastare qualcosa di molto meno cinematografico per lasciarci davanti a una casella di testo che non risponde: un guasto elettrico, un impianto di raffreddamento fermo, una configurazione sbagliata.

Il cloud ha un nome leggerissimo. Il suo contenuto pesa parecchio: edifici, server, trasformatori, cavi, persone che fanno manutenzione. E l’AI generativa che usiamo ogni giorno poggia su questa infrastruttura. Leggendo l’ultimo rapporto Cloudflare sulle interruzioni di Internet, mi è tornata in mente una domanda che meriterebbe spazio nei progetti aziendali: che cosa succede al nostro lavoro quando l’AI non è disponibile?

Cosa può fermare l’intelligenza artificiale: il punto di partenza Cloudflare

Nel rapporto sulle interruzioni di Internet del terzo trimestre 2026, pubblicato il 27 ottobre, Cloudflare registra 49 episodi. Di questi, 19 dipendono da decisioni governative, compresi 18 blocchi legati agli esami in Iraq; 14 da interruzioni elettriche; cinque da calamità naturali. Queste tre categorie sommano 38 eventi: il totale comprende anche altre cause.

Due casi sono particolarmente istruttivi. In Honduras, un guasto elettrico ha ridotto del 63% il traffico HTTP nazionale per circa tre ore. A Phoenix, il 13 agosto, un problema di raffreddamento in un data center ha provocato una caduta quasi totale del traffico osservato sulla rete Namecheap.

Attenzione al salto logico: questi non sono 49 blackout dell’intelligenza artificiale. Sono interruzioni di connettività osservate da Cloudflare, non un censimento completo di tutti i guasti mondiali. Non permettono di stimare la probabilità di un collasso dell’AI. Mostrano però dipendenze che anche i servizi AI devono gestire. È da qui che parte il mio ragionamento.

1. Energia: il collo di bottiglia dell’intelligenza artificiale

L’aggiornamento dell’Agenzia internazionale dell’energia del 16 aprile 2026 riporta che nel 2025 la domanda elettrica dei data center è cresciuta del 17%, contro il 3% della domanda elettrica mondiale. L’agenzia prevede che il consumo dei data center raddoppi entro il 2030 e che quello dei centri dedicati all’AI triplichi. Sono proiezioni, non risultati già acquisiti; e i data center, nel loro insieme, ospitano anche moltissime attività diverse dall’AI.

La stessa analisi segnala ostacoli molto materiali: disponibilità di trasformatori e turbine a gas, chip avanzati e componenti informatici, oltre a ritardi nelle connessioni alla rete e nelle autorizzazioni. Registra anche un miglioramento rapido dell’efficienza per singola attività AI, accompagnato però da una crescita degli utenti e degli usi più energivori.

La mia lettura è questa: nei prossimi anni il limite potrebbe essere la velocità con cui riusciamo a costruire e alimentare capacità di calcolo. Il risultato plausibile è una crescita più lenta, diseguale o costosa. Parlare di un unico interruttore capace di spegnere tutta l’AI mondiale sarebbe un’esagerazione.

Per un’impresa, però, anche un problema molto più piccolo conta: un progetto che parte sei mesi dopo, capacità disponibile soltanto in certe aree, un servizio che costa più di quanto previsto. Il futuro dell’AI passa anche dall’agenda di chi installa i trasformatori.

2. Raffreddamento: anche l’intelligenza artificiale deve smaltire calore

Il caso Phoenix citato sopra è un guasto infrastrutturale, non la prova che un particolare modello AI sia andato offline. La lezione trasferibile riguarda il funzionamento dei sistemi: avere elettricità e server non basta se manca la capacità di smaltire il calore.

Questo sposta la discussione dall’algoritmo all’impiantistica. Ridondanza del raffreddamento, manutenzione e collocazione delle strutture entrano nella valutazione dell’affidabilità. Un modello può essere eccellente nei benchmark e risultare irraggiungibile proprio quando serve.

Evitiamo anche la scorciatoia opposta: tradurre ogni richiesta a un chatbot in un numero universale di litri d’acqua. Il fabbisogno dipende dal sistema, dal luogo e dalle condizioni operative. Per valutare un fornitore servono informazioni sul suo contesto reale, non una cifra buona per qualsiasi post.

3. Cavi e connettività: il cloud arriva da qualche parte

Secondo l’Unione internazionale delle telecomunicazioni, i cavi sottomarini trasportano oltre il 99% degli scambi internazionali di dati. È una precisazione importante: non significa che il 99% di ogni connessione locale attraversi un oceano. La scheda ITU aggiornata ad aprile 2026 riporta oltre 170 riparazioni nel 2025, sulla base dei dati dell’International Cable Protection Committee.

Un cavo danneggiato non equivale automaticamente a un continente scollegato: contano percorsi alternativi, capacità residua e tempi di riparazione. Ma se la mia applicazione deve raggiungere un modello remoto, anche la strada per arrivarci fa parte del servizio.

Qui c’è una distinzione che spesso scompare dalle discussioni: un modello eseguito localmente può continuare alcune attività senza Internet, se ha energia e risorse sufficienti. Un assistente che deve interrogare documenti nel cloud o chiamare servizi esterni mantiene invece quelle dipendenze. Scrivere “AI locale” su una presentazione non rende autonomo l’intero processo.

4. Un errore nel cloud può propagarsi molto lontano

Per capire il rischio software basta leggere il resoconto ufficiale dell’incidente Google Cloud del 12 giugno 2025. Una modifica alle policy del sistema Service Control, con campi vuoti non gestiti correttamente, si propagò globalmente e provocò errori nelle richieste alle API. Il problema interessò numerosi prodotti cloud: un guasto infrastrutturale condiviso, capace di coinvolgere servizi molto diversi.

Per chi adotta l’AI, il punto è l’albero delle dipendenze. Due applicazioni con nomi e interfacce differenti potrebbero appoggiarsi allo stesso fornitore, allo stesso sistema di autenticazione o a un servizio comune. Se quello si ferma, la diversità commerciale offre poca protezione.

Non basta quindi acquistare due abbonamenti e chiamarli “piano B”. Bisogna verificare dove le alternative sono davvero indipendenti, se possono accedere ai dati necessari e se qualcuno ha provato a usarle durante un’interruzione. Vale anche per gli agenti AI: più passaggi e strumenti colleghiamo, più dipendenze dobbiamo conoscere e gestire.

5. Decisioni politiche e filiere possono restringere l’accesso

I blocchi governativi della connettività riportati nel rapporto iniziale mostrano un’altra possibilità: l’infrastruttura può funzionare e restare comunque inaccessibile agli utenti. Per un servizio AI remoto, perdere l’accesso alla rete può bastare a interrompere il lavoro.

Su un orizzonte più lungo, le tensioni sulle filiere dei componenti e le scelte sulle infrastrutture possono influenzare dove e a quali condizioni si sviluppa nuova capacità. Non ricavo da questi dati la previsione di una guerra o di uno stop generalizzato ai semiconduttori. Il rischio da considerare è la dipendenza da risorse e decisioni che un utilizzatore non controlla.

“Il fornitore è grande” non risponde a tutte le domande. Dove sono elaborati i dati? Da quali servizi dipende l’applicazione? Come si esporta il lavoro? Che cosa possiamo trasferire se cambiano le condizioni di accesso?

6. L’AI può fermarsi anche quando continua a rispondere

C’è poi un limite diverso dalla disponibilità: l’affidabilità dei risultati. Il profilo sui rischi dell’AI generativa del National Institute of Standards and Technology descrive, tra gli altri, confabulazioni, rischi per l’integrità delle informazioni e rischi legati all’integrazione della catena dei fornitori. Una risposta formulata con sicurezza può essere falsa; e può indurre una persona ad agire sulla base di quell’errore.

Questo non dimostra che le aziende abbandoneranno l’AI. Suggerisce però un criterio per valutarne la sostenibilità: al tempo risparmiato dobbiamo sottrarre controllo, correzioni e gestione degli errori. Se il saldo diventa negativo, quel particolare uso può essere ridimensionato anche con tutti i server accesi.

Ne avevo discusso anche nel mio intervento sui rischi e vantaggi dell’intelligenza artificiale generativa per WE e Linkiesta: riconoscere i limiti serve a scegliere meglio dove usare questi strumenti. L’entusiasmo ha più valore quando sa fare i conti.

Come preparare un’azienda a un’interruzione dell’AI

La proposta pratica è semplice: fare una prova prima che il guasto ci costringa a improvvisare. Per un processo concreto, per esempio l’assistenza clienti o la preparazione di offerte, simuliamo una giornata senza il servizio AI abituale. Non serve bloccare la produzione: basta un’esercitazione circoscritta.

  • Mappare le dipendenze. Modello, applicazione, autenticazione, archivi, connessione e servizi esterni: chi deve funzionare perché il processo arrivi in fondo?
  • Definire quanto possiamo aspettare. Un assistente per riscrivere un testo e uno strumento inserito in un servizio essenziale richiedono soluzioni diverse.
  • Provare un’alternativa reale. Verificare accessi, documenti, qualità delle risposte e indipendenza dalle dipendenze più critiche.
  • Conservare dati e procedure riutilizzabili. Il lavoro deve poter uscire dall’interfaccia del singolo fornitore, nel rispetto delle autorizzazioni.
  • Stabilire come si riparte. Dopo un’interruzione, controllare operazioni incomplete o duplicate prima di rilanciare automaticamente gli agenti.
  • Mantenere competenze umane. Qualcuno deve sapere svolgere e verificare il lavoro anche quando il suggeritore automatico manca.

La domanda utile: che cosa resta in piedi se il chatbot si ferma?

Non abbiamo elementi per annunciare che l’intelligenza artificiale finirà in ginocchio in una certa data. Abbiamo invece abbastanza segnali per smettere di considerarla una risorsa astratta e sempre disponibile.

La mia previsione ragionata è che vedremo una combinazione di vincoli alla crescita, interruzioni locali e problemi di affidabilità nei singoli processi. La loro gravità dipenderà anche da quanto lavoro avremo affidato a sistemi senza alternative collaudate.

Una buona adozione dell’AI dovrebbe aumentare le capacità di un’organizzazione. Se rende impossibile lavorare quando manca il chatbot, abbiamo costruito anche una nuova fragilità. Il prossimo investimento, prima di un altro abbonamento, potrebbe essere un’ora dedicata a capire che cosa rimane in piedi quando la casella di testo smette di rispondere.

Iscriviti alla mia newsletter

Novità, strumenti e riflessioni su intelligenza artificiale e digitale, direttamente nella tua casella.

Iscriviti gratis alla newsletter

0 commenti

Lascia un Commento

Vuoi partecipare alla discussione?
Sentitevi liberi di contribuire!

Lascia un commento