Per qualche decennio abbiamo raccontato il digitale come il regno dell'immateriale. Software, dati, algoritmi, cloud. Persino la metafora scelta per descrivere l'infrastruttura che conserva una parte crescente delle nostre vite è deliberatamente incorporea: una nuvola.
L'intelligenza artificiale sta rendendo questa rappresentazione sempre più difficile da sostenere. Nel 2026 due fatti apparentemente lontani lo hanno mostrato con particolare chiarezza.
La Regione Lombardia ha introdotto una disciplina specifica per l'insediamento dei data center. La legge regionale 3 giugno 2026, n. 11, in vigore dal 20 giugno, individua fra le priorità energetiche e ambientali l'adozione di sistemi di raffreddamento che escludano il prelievo dal pubblico acquedotto e dalle acque destinate agli usi potabile e irriguo, privilegiando tecnologie ad alta efficienza idrica, riciclo e utilizzo di risorse alternative.
È opportuno essere precisi. La legge definisce priorità alle quali sono associate misure premiali; non introduce un divieto assoluto e generalizzato dell'utilizzo di acqua potabile, benché durante l'iter legislativo una richiesta esplicita in quel senso fosse stata effettivamente formulata. (Regione Lombardia, 2026).
Poche settimane dopo Aruba ha annunciato l'acquisizione di altre tre centrali idroelettriche lungo la Stura di Lanzo, in provincia di Torino. Con l'operazione il gruppo è arrivato a undici impianti distribuiti fra Piemonte, Lombardia, Veneto e Friuli Venezia Giulia, per una potenza installata complessiva di circa 11,6 MW e una produzione superiore ai 60 GWh annui. L'azienda dichiara esplicitamente che l'obiettivo è aumentare la quota di energia rinnovabile prodotta direttamente per alimentare le proprie infrastrutture digitali e quelle ospitate nei suoi data center. (Aruba, 2026).
Accostati, i due fatti sembrano raccontare una storia semplice: i data center consumano acqua e le società digitali comprano centrali idroelettriche per assicurarsela. Ma non è così. Ed è proprio correggendo questa interpretazione che la questione diventa più interessante. Perché la posta in gioco non è l'acqua e non è nemmeno l'energia. È qualcosa che assomiglia molto di più al potere: chi controlla l'infrastruttura, chi decide con quali strumenti lavoriamo e chi stabilisce il punto di partenza delle nostre decisioni.
Non stanno comprando l'acqua
Una centrale idroelettrica in Piemonte non serve normalmente a portare acqua in un data center situato altrove. Serve a produrre elettricità. L'acqua utilizzata per il raffreddamento dei server e quella impiegata per produrre energia idroelettrica svolgono quindi funzioni differenti. Entrambe, tuttavia, ci ricordano qualcosa che abbiamo facilmente dimenticato: l'economia digitale dipende da risorse fisiche.
Nemmeno affermare che un'impresa che acquista una centrale "privatizza il fiume" è tecnicamente corretto. L'acqua rimane una risorsa pubblica. Il suo utilizzo a fini idroelettrici richiede una concessione amministrativa e il pagamento di un canone. Ciò che un operatore acquisisce è la possibilità, regolamentata e temporalmente definita, di trasformare quella risorsa in valore economico.
La distinzione potrebbe sembrare giuridica. In realtà cambia la domanda. Perché un'impresa che opera nel cloud, nell'hosting e nei data center considera strategico possedere anche una parte degli impianti che producono l'energia di cui ha bisogno?
Quando il digitale incontra la scarsità
La risposta comincia dai numeri. Secondo l'International Energy Agency, nel 2025 i data center hanno utilizzato circa 485 TWh di elettricità a livello mondiale. La previsione centrale per il 2030 è vicina ai 950 TWh. Quasi il doppio in cinque anni. Nello stesso periodo i consumi dei data center specificamente orientati all'intelligenza artificiale dovrebbero addirittura triplicare. (IEA, 2026).
Il problema, però, non consiste soltanto nella quantità complessiva di energia disponibile. L'elettricità deve essere prodotta, trasportata e resa disponibile nel luogo e nel momento in cui serve. Servono reti, trasformatori, connessioni, componenti, terreni e autorizzazioni. L'IEA segnala già colli di bottiglia lungo diversi passaggi di questa catena, al punto da ridimensionare gli scenari di crescita più aggressivi.
Per molti anni una delle caratteristiche apparentemente rivoluzionarie dell'economia digitale era sembrata l'abbondanza. Copiare un file costa quasi nulla. Replicare un software non consuma un secondo software. Una piattaforma può essere utilizzata da milioni di persone senza produrre milioni di oggetti fisici.
L'intelligenza artificiale riporta la scarsità dentro questa rappresentazione. Scarseggia la capacità computazionale. Scarseggiano alcune componenti. Scarseggiano le connessioni elettriche sufficientemente potenti. Scarseggiano i siti adatti.
In alcuni territori, scarseggiano energia e acqua utilizzabili senza entrare in conflitto con altri bisogni. La materialità non è scomparsa. È stata semplicemente spostata abbastanza lontano dall'interfaccia da permetterci di dimenticarla.
Dal software all'infrastruttura
In questo quadro acquistare una centrale idroelettrica assume un significato diverso. Significa controllare direttamente una parte di ciò che prima veniva acquistato da altri.
Gli economisti chiamano questo processo integrazione verticale. Può ridurre i costi, rendere l'approvvigionamento più stabile e diminuire l'esposizione alle oscillazioni del mercato. Nulla di tutto questo costituisce, di per sé, una patologia.
La questione diventa più rilevante quando lo stesso principio si estende lungo una parte crescente della catena. Energia, data center, capacità computazionale, cloud, modelli di intelligenza artificiale, software, servizi, accesso al cliente. Più passaggi sono controllati dalla stessa organizzazione, meno quell'organizzazione dipende dal mercato esterno. E, soprattutto, più aumenta la differenza rispetto a chi quelle stesse risorse deve continuare ad acquistarle.
Un grande operatore può semplicemente essere più efficiente. Ma può anche sopportare costi che un nuovo concorrente non potrebbe sostenere, utilizzare i margini ottenuti in un settore per competere in un altro e trasformare il controllo dell'infrastruttura in una barriera all'ingresso.
I primi dati suggeriscono cautela ma non indifferenza. Un lavoro OECD pubblicato nel luglio 2026 rileva che l'adozione di sistemi di AI non generativa non risulta associata a incrementi significativi del potere di mercato, e che le imprese minori possono trovare nuove opportunità. Ma la concentrazione dell'innovazione nell'AI risulta associata a una maggiore concentrazione delle vendite, le imprese che dispongono già di capacità tecnologiche e finanziarie importanti sembrano beneficiare di vantaggi maggiori e le start-up del settore, pur dinamiche e ben finanziate, vengono con notevole frequenza acquisite dai grandi operatori già presenti. (OECD, 2026a).
Non possiamo quindi concludere che l'AI produca inevitabilmente monopolio. Possiamo però osservare che sta modificando le condizioni necessarie per competere. Non basta più avere una buona idea. Occorre poter disporre dell'infrastruttura necessaria per farla funzionare milioni di volte.
Il consumatore potrebbe perfino guadagnarci
Qui compare un primo paradosso. Se l'integrazione riduce i costi dei grandi operatori, almeno inizialmente il consumatore potrebbe ottenere servizi migliori a prezzi più bassi. La concentrazione non deve presentarsi con un aumento dei prezzi. Può presentarsi con un servizio molto conveniente, con più spazio disponibile, con un assistente AI integrato nella posta, con documenti, calendario, fotografie e videoconferenze che funzionano perfettamente insieme.
È possibile, in altre parole, che scegliamo volontariamente una crescente concentrazione perché rende la nostra vita più semplice.
Il problema compare dopo. Quando documenti, messaggi, identità, pagamenti e strumenti di lavoro appartengono allo stesso ecosistema, cambiare fornitore non significa scegliere un altro abbonamento. Significa trasferire dati, imparare altri strumenti, ricostruire abitudini, rinunciare a integrazioni e talvolta convincere altre persone a cambiare con noi. Questo costo del cambiamento viene definito switching cost, ma una parte del fenomeno è psicologica prima ancora che economica: preferiamo ciò che conosciamo, tendiamo a mantenere l'opzione già scelta, attribuiamo più peso a ciò che rischiamo di perdere che ai potenziali vantaggi di un'alternativa. La ricerca sui mercati digitali mostra che configurazioni predefinite, personalizzazione, limitata interoperabilità e costi di passaggio possono ridurre significativamente la propensione del consumatore a scegliere un concorrente. (OECD, 2026b).
Una prigione dalla quale non possiamo uscire genera opposizione. Una stanza dalla quale potremmo uscire, ma nella quale tutto funziona bene, genera abitudine. Per i mercati digitali la seconda può essere molto più efficace della prima. Non sorprende quindi che il Data Act europeo intervenga proprio sulla possibilità di trasferire dati e cambiare fornitore cloud. Il principio implicito è importante: avere formalmente una scelta non significa necessariamente essere nelle condizioni di esercitarla.
La stessa persona, due volte
Fin qui abbiamo parlato di consumatori. Ma la persona che la sera preme "accetta" sul proprio telefono è la stessa che la mattina entra in un'organizzazione. E l'asimmetria che abbiamo descritto la segue: la capacità computazionale sta diventando un fattore produttivo e, come ogni fattore produttivo, è distribuita in modo diseguale.
I numeri mostrano quanto la distribuzione sia irregolare. Nel 2025 il 20,2 per cento delle imprese dei paesi OECD per cui sono disponibili dati dichiarava di utilizzare sistemi di intelligenza artificiale, più del doppio rispetto all'8,7 per cento del 2023; ma nel settore delle tecnologie dell'informazione e della comunicazione l'utilizzo superava già il 57 per cento. (OECD, 2026c).
Potrebbe quindi svilupparsi una nuova differenza fra organizzazioni: non soltanto imprese più o meno ricche di capitale, competenze o reputazione, ma imprese più o meno ricche di capacità computazionale, con effetti diversi sulla produttività di chi vi lavora.
Per il lavoratore questo modifica i termini dello scambio. Non soltanto quanto mi paga un datore di lavoro, non soltanto quanta autonomia, formazione o flessibilità mi concede, ma anche: con quali strumenti mi permette di lavorare? Un professionista che utilizza quotidianamente sistemi avanzati potrebbe accumulare competenze differenti rispetto a un collega che svolge lo stesso mestiere in un'organizzazione tecnologicamente arretrata. L'accesso all'AI potrebbe così diventare una componente della futura occupabilità.
Il lavoratore aumentato, il lavoratore misurato
La domanda più frequente sull'intelligenza artificiale resta però quanti posti di lavoro eliminerà. Nel 2025 l'International Labour Organization ha stimato che circa un lavoratore su quattro nel mondo svolga un'occupazione con qualche grado di esposizione alla GenAI, ma soltanto una quota molto minore rientra nella categoria di esposizione più elevata, e la trasformazione delle mansioni viene considerata complessivamente più probabile della loro completa sostituzione. (ILO, 2025). La domanda più interessante non è quindi quanti lavoratori rimarranno. È cosa faranno quelli che rimarranno.
E qui compare un secondo paradosso: la stessa tecnologia può aumentare l'autonomia del lavoratore e, contemporaneamente, il controllo esercitato sul lavoratore.
Da un lato il lavoratore aumentato. Un professionista può già oggi utilizzare l'AI per analizzare più informazioni, produrre alternative, tradurre, scrivere, programmare o verificare dati. Le indagini OECD sui lavoratori che utilizzano sistemi AI restituiscono un quadro più articolato di molte rappresentazioni pubbliche: numerosi utilizzatori dichiarano miglioramenti nella prestazione, nella soddisfazione e, in alcuni casi, nell'autonomia, in buona parte grazie all'automazione delle attività ripetitive e al supporto alle decisioni. (OECD, 2023). I vantaggi non sono però distribuiti uniformemente: chi possiede maggiori competenze e comprende meglio limiti e potenzialità degli strumenti si trova nelle condizioni migliori per utilizzarli come complemento. L'AI può quindi aumentare l'autonomia, non perché sostituisce la competenza ma perché può moltiplicarne il rendimento.
Dall'altro il lavoratore misurato. La stessa tecnologia permette all'organizzazione di osservare il lavoro come mai prima: raccogliere dati, confrontare prestazioni, misurare tempi, prevedere comportamenti, suggerire decisioni manageriali. Quello che viene definito algorithmic management non appartiene ormai soltanto al mondo dei rider e delle piattaforme. Una ricerca OECD condotta su oltre 6.000 imprese in sei paesi, fra cui l'Italia, mostra una diffusione significativa di questi strumenti: i manager ne apprezzano la quantità di informazioni e la rapidità delle decisioni, ma segnalano problemi di responsabilità, difficoltà di comprensione dei sistemi e possibili rischi per i lavoratori. (Milanez, Lemmens e Ruggiu, 2025).
C'è però una differenza che i sistemi di misurazione tendono a non vedere. Chi studia il lavoro sa da tempo che fra il lavoro prescritto e il lavoro realmente svolto esiste sempre uno scarto, fatto di aggiustamenti, interpretazioni e micro-decisioni che nessuna procedura cattura per intero. Un sistema che misura il lavoro attraverso i dati misura soprattutto il lavoro prescritto. Il rischio è che ciò che non viene registrato smetta progressivamente di essere riconosciuto.
La simmetria è quasi perfetta. Il lavoratore utilizza l'AI per vedere più cose. L'organizzazione utilizza l'AI per vedere meglio il lavoratore. La stessa infrastruttura può quindi produrre autonomia e controllo, e la differenza non dipende soltanto dalla tecnologia: dipende da chi decide come utilizzarla, da quali dati vengono raccolti, da quali decisioni vengono delegate e dalla possibilità reale di contestarne i risultati.
Quando la tecnologia diventa comportamento
A questo punto il problema smette definitivamente di riguardare soltanto centrali, data center e gigawatt. Arriva alle persone.
Il primo cambiamento possibile è la delega. Quando un sistema produce rapidamente risultati sufficientemente buoni, diminuisce progressivamente l'incentivo a svolgere personalmente l'intero processo cognitivo. Non necessariamente perché diventiamo pigri. Semplicemente perché delegare funziona.
Il secondo è l'abitudine. È lo stesso meccanismo che abbiamo visto legare il consumatore al suo ecosistema, e che opera identico anche qui: più un sistema conosce il nostro contesto, più utile diventa, e più diventa utile, maggiore è il costo percepito del cambiamento.
Il terzo adattamento riguarda il lavoro. Se alcune attività diventano automatizzabili, investiremo probabilmente maggiormente nelle capacità che riteniamo complementari all'intelligenza artificiale: interpretazione, giudizio, relazione, capacità di formulare problemi e controllo dei risultati. Ma non tutti dispongono dello stesso tempo, delle stesse opportunità e delle stesse organizzazioni per farlo.
Il quarto cambiamento è forse il meno evidente. È l'adattamento all'autorità algoritmica.
Quando una raccomandazione entra ripetutamente nei processi decisionali, può modificare il costo psicologico del dissentire. Un medico potrebbe trovarsi a motivare perché non segue il suggerimento di un sistema diagnostico. Un funzionario perché concede una pratica che un modello considera anomala. Un responsabile perché promuove una persona che un algoritmo colloca più in basso. Un cliente perché sceglie un investimento diverso da quello proposto dalla propria piattaforma. Un lavoratore perché contesta una valutazione prodotta utilizzando dati ai quali lui stesso non ha accesso.
Si noti che in questi esempi i ruoli si confondono: professionista, funzionario, cliente, lavoratore. L'adattamento all'autorità algoritmica non riguarda una categoria. Riguarda la persona. In tutti questi casi il sistema non deve necessariamente imporre la decisione. È sufficiente che definisca il punto di partenza. A quel punto l'onere della spiegazione passa progressivamente a chi vuole discostarsene. Il conformarsi non richiede giustificazioni; il dissentire sì. È una forma di potere particolarmente economica, perché non ha bisogno di vietare nulla: le opzioni alternative restano formalmente disponibili, semplicemente diventano più costose da scegliere. E chi dissente troppo spesso, in un'organizzazione che registra tutto, lascia una traccia.
Non sappiamo ancora quanto questo effetto diventerà rilevante nelle organizzazioni ad alta intensità di AI. Sappiamo però qualcosa sulle condizioni che possono limitarlo. Le ricerche OECD indicano che i lavoratori coinvolti e consultati nell'introduzione delle tecnologie tendono a valutarne più positivamente l'impatto. Formazione, partecipazione e dialogo non sono quindi necessariamente elementi ornamentali dell'implementazione. Possono incidere sulla qualità dell'esperienza del cambiamento.
La questione dell'intelligenza artificiale nel lavoro potrebbe dunque rivelarsi meno tecnologica di quanto immaginiamo. Potrebbe riguardare soprattutto il potere. Chi decide quali sistemi utilizzare. Chi comprende come funzionano. Chi dispone dei dati. Chi può contestarne il risultato. E chi ottiene i benefici dell'aumento di produttività.
L'ultima infrastruttura
Possiamo ora tornare alla centrale idroelettrica dalla quale siamo partiti.
Un'impresa digitale compra una centrale. La centrale utilizza, attraverso una concessione pubblica, l'acqua di un fiume. Produce energia. L'energia alimenta un data center. Il data center rende disponibile capacità computazionale. La capacità computazionale esegue un modello. Il modello entra in un software. Il software propone una decisione.
Noi la accettiamo.
È una catena molto più lunga di quella che percepiamo quando apriamo un'applicazione, utilizziamo un servizio bancario, consultiamo un portale sanitario, lavoriamo attraverso una piattaforma aziendale o chiediamo qualcosa a un assistente artificiale.
La questione politicamente più rilevante potrebbe però trovarsi proprio nell'ultimo passaggio. Non perché acqua, energia, territorio e concentrazione industriale siano secondari. Al contrario. L'Unione europea sta ormai costruendo sistemi di reporting che includono esplicitamente prestazioni energetiche e utilizzo dell'acqua nei grandi data center. La materialità del digitale è finalmente entrata nel perimetro regolatorio.
Ma una concentrazione infrastrutturale diventa realmente potere quando riesce a trasformarsi in comportamento. Quando influenza ciò che compriamo. Quando rende più difficile scegliere diversamente. Quando determina gli strumenti attraverso i quali lavoriamo. Quando decide quali possibilità ci vengono mostrate per prime. Quando stabilisce implicitamente quali attività continuiamo a esercitare personalmente e quali deleghiamo. E quando ci abitua a considerare una raccomandazione algoritmica il punto naturale dal quale iniziare a decidere.
C'è infatti un terzo ruolo, oltre ai due che abbiamo incontrato. Il consumatore insoddisfatto può, almeno in teoria, cambiare fornitore. Il lavoratore può, con più fatica, cambiare organizzazione. Il cittadino no: non può uscire dalla società nella quale queste infrastrutture ridisegnano silenziosamente le condizioni della scelta. Ed è al cittadino, non al consumatore e non al lavoratore, che appartiene l'unica facoltà capace di ordinare le altre due: decidere le regole del gioco. La capacità di scegliere che rischiamo di cedere pezzo per pezzo, per comodità, non è soltanto una preferenza di consumo o una condizione di lavoro. È la materia prima della cittadinanza.
Per questo la discussione sulla sostenibilità dell'intelligenza artificiale non dovrebbe fermarsi alla quantità di acqua o di energia consumata. E forse neppure alla domanda su chi possieda i server.
La domanda conclusiva è più scomoda. Quanto della nostra capacità di scegliere siamo disposti a cedere in cambio della comodità di non dover più scegliere?
Una storia iniziata da un fiume può terminare qui. In un comportamento apparentemente insignificante: premere "accetta".
Riferimenti essenziali
Aruba (2026), Aruba prosegue gli investimenti nell'energia pulita: acquisite tre centrali idroelettriche in Piemonte, il parco impianti sale a 11, comunicato stampa, 8 luglio 2026.
Commissione europea (2026), Data Act; Energy performance of data centres.
IEA (2026), Key Questions on Energy and AI.
ILO (2025), Gmyrek P. et al., Generative AI and Jobs: A Refined Global Index of Occupational Exposure.
Milanez A., Lemmens A., Ruggiu C. (2025), Algorithmic Management in the Workplace: New Evidence from an OECD Employer Survey, OECD Artificial Intelligence Papers, n. 31.
OECD (2023), Lane M., Williams M., Broecke S., The Impact of AI on the Workplace: Main Findings from the OECD AI Surveys of Employers and Workers.
OECD (2026a), Competition in the Age of AI: Initial Evidence from Microdata, OECD Artificial Intelligence Papers, n. 64, 30 luglio 2026.
OECD (2026b), Competition and Consumer Policy in Digital Markets.
OECD (2026c), ICT Access and Usage Database, rilascio gennaio 2026.
Regione Lombardia (2026), Legge regionale 3 giugno 2026, n. 11, Disposizioni in materia di insediamento di centri dati, BURL n. 23 del 5 giugno 2026.