L’AI comanda la rete elettrica. Ma chi comanda l’AI?

In Italia, entro il 2035, i data center potrebbero assorbire fino al 12,7% della domanda elettrica nazionale nello scenario di crescita più accelerato, secondo stime elaborate da Snam e Terna — una proiezione che dipende in modo critico dall'efficienza energetica degli impianti, dalle politiche industriali e dalla quota effettiva di richieste di connessione che si tradurrà in infrastrutture reali. Questa stessa elettricità proviene in misura crescente da fonti rinnovabili la cui distribuzione viene ottimizzata da algoritmi di intelligenza artificiale. Si è chiuso un cerchio. Ma nessuno ha ancora risposto alla domanda più importante: chi governa quegli algoritmi?

Una transizione dentro la transizione

La transizione energetica verso le rinnovabili è la storia che tutti conoscono. Pannelli solari, pale eoliche, obiettivi climatici al 2030 e al 2050. Ma dentro questa transizione ne sta avvenendo un'altra, più silenziosa e più difficile da inquadrare: la rete elettrica europea è sempre più supportata da sistemi algoritmici avanzati che affiancano — e in alcune funzioni specifiche sostituiscono — il giudizio degli operatori umani. L'intelligenza artificiale non è ancora l'infrastruttura decisionale primaria della rete: i sistemi di controllo core — SCADA, EMS, DMS — restano ancorati a modelli deterministici e a vincoli fisici ingegneristici che ne garantiscono la prevedibilità. Ma il perimetro in cui l'AI opera in modo autonomo si sta espandendo con una velocità che la governance fatica a seguire.

È necessaria una distinzione che il dibattito pubblico tende a trascurare. L'AI applicata alle reti energetiche opera oggi su due livelli qualitativamente diversi. Il primo è il livello del supporto decisionale: previsione della domanda, rilevamento di anomalie, manutenzione predittiva. Qui i sistemi AI producono raccomandazioni che un operatore umano valuta e approva. Il secondo è il livello del controllo operativo in tempo reale: bilanciamento automatico dei carichi, risposta istantanea alle fluttuazioni delle rinnovabili, gestione degli accumuli. Qui la velocità operativa richiesta supera i tempi di reazione umani, e il sistema agisce autonomamente entro parametri predefiniti. È su questo secondo livello — ancora limitato ma in rapida espansione — che le domande di governance diventano più urgenti.

Questa trasformazione ha una logica tecnica impeccabile. Le fonti rinnovabili — solare ed eolico in testa — hanno un difetto strutturale: sono intermittenti. Producono energia quando c'è sole o vento, non necessariamente quando la rete ne ha bisogno. Bilanciare domanda e offerta in un sistema sempre più dipendente da fonti non programmabili richiede una capacità predittiva e reattiva che supera i limiti cognitivi umani. Senza sistemi algoritmici avanzati, la transizione energetica non è tecnicamente gestibile alla scala richiesta.

Il problema non è tecnico. È politico, giuridico e filosofico insieme. E riguarda una domanda che i decisori europei hanno finora eluso sistematicamente: quando un algoritmo decide come distribuire l'energia di un Paese, chi è responsabile di quella decisione? Chi può contestarla? Chi può modificarla? E soprattutto — chi l'ha progettata, e con quali obiettivi di ottimizzazione?

Il paradosso del sistema che si autoalimenta

Prima di affrontare la questione della governance, vale la pena fermarsi su un dato che la narrativa dominante sulla transizione energetica tende a omettere. L'intelligenza artificiale è contemporaneamente la soluzione al problema dell'intermittenza delle rinnovabili e una delle cause principali della crescita della domanda energetica che quella stessa rete deve soddisfare.

I data center che ospitano i modelli AI consumano quantità crescenti di elettricità. In Italia, le richieste di connessione alla rete in alta tensione per nuovi data center hanno raggiunto quota 69 gigawatt a fine 2025 — quasi tredici volte il dato del 2023. Le proiezioni del Politecnico di Milano indicano che la capacità installata dei data center nel Paese passerà dai circa 609 megawatt del 2025 a un valore compreso tra 2,3 e 4,6 gigawatt al 2035. I consumi energetici associati potrebbero superare i 30 terawattora annui entro il 2040, secondo le elaborazioni di Snam e Terna.

Questo non significa che l'AI sia un problema per la transizione energetica. Significa che la transizione energetica e lo sviluppo dell'AI sono processi co-dipendenti che non possono essere governati separatamente. Le politiche energetiche che ignorano la traiettoria di crescita dei consumi AI sono incomplete. Le politiche AI che ignorano il vincolo energetico sono irrealistiche. In Europa — dove le due agende procedono su binari istituzionali quasi separati — questa dissociazione è un rischio sistemico concreto.

La scatola nera che gestisce la luce

Il cuore del problema non è quantitativo ma epistemico. Una parte crescente dei sistemi AI applicati alle smart grid — in particolare quelli utilizzati per funzioni avanzate di ottimizzazione e anomaly detection — appartiene alla categoria dei modelli di deep learning: reti neurali che producono output ottimali senza che sia possibile ricostruire in modo intuitivo il percorso logico che ha condotto a quella decisione. Nella letteratura tecnica questo fenomeno è noto come problema della "black box". È importante precisare che le infrastrutture critiche tendono a evitare il ricorso a modelli puramente non spiegabili nei sistemi di controllo core: la fisica della rete impone vincoli che i modelli deterministici gestiscono in modo più affidabile. Il problema della black box è dunque un rischio emergente e in rapida crescita — non ancora dominante, ma con una traiettoria che rende l'assenza di governance un'omissione significativa.

Nella maggior parte dei contesti in cui l'AI opera oggi, l'opacità decisionale è un problema gestibile. Se un algoritmo di raccomandazione suggerisce il prodotto sbagliato, la perdita è limitata. Se un sistema di credit scoring nega ingiustamente un mutuo, esiste un percorso di ricorso. Ma quando un sistema AI supporta — o in alcuni contesti determina automaticamente — come distribuire l'elettricità tra milioni di utenti durante un picco di domanda invernale, o come reagire a un guasto in un nodo critico della rete, l'opacità decisionale cessa di essere un inconveniente tollerabile. Diventa un deficit di accountability su un'infrastruttura critica.

La ricerca accademica su questo tema è avanzata ma settoriale. Uno studio pubblicato su ScienceDirect nel 2025 analizza in dettaglio le architetture AI per la stabilità delle smart grid, concludendo che le funzioni critiche di rete richiedono modelli la cui logica possa essere ispezionata, vincolata e verificata in tempo reale. Tre requisiti tecnici precisi: modelli informati dalla fisica del sistema elettrico, attribuzione locale delle decisioni con spiegazioni accessibili agli operatori, e intervalli di confidenza calibrati su ogni previsione. Sono requisiti ragionevoli sul piano ingegneristico. Sono anche requisiti che la maggioranza dei sistemi AI attualmente dispiegati sulle reti europee non soddisfa pienamente.

L'AI Act e il nodo irrisolto dell'energia

L'Unione Europea ha costruito il quadro normativo sull'AI più articolato al mondo. L'AI Act, entrato in vigore nell'agosto del 2024 e destinato a diventare pienamente applicabile nell'agosto del 2026, classifica i sistemi AI in base al livello di rischio che comportano e prevede obblighi crescenti di trasparenza, tracciabilità e supervisione umana per le categorie ad alto rischio. I sistemi AI utilizzati per la gestione di infrastrutture critiche — tra cui le reti energetiche — rientrano esplicitamente in questa categoria.

In teoria, quindi, il problema della governance degli algoritmi energetici dovrebbe essere già affrontato. In pratica, il quadro è più complesso. Lo stesso Joint Research Centre rileva che gli operatori europei lamentano una "confusione terminologica" nell'AI Act — in particolare riguardo alle definizioni di "deployer" e "provider" — che complica i percorsi di certificazione. Chi è responsabile quando l'algoritmo è sviluppato da un fornitore privato, integrato da un operatore di rete, e opera su un'infrastruttura pubblica regolamentata? La catena di accountability è distribuita tra soggetti con incentivi, competenze e obblighi normativi diversi.

Il problema non è la qualità del regolamento. È la struttura del sistema che deve applicarlo. Le reti energetiche europee sono gestite da operatori nazionali — Terna in Italia, RTE in Francia, Red Eléctrica in Spagna — che operano sotto quadri regolatori nazionali diversi. I fornitori degli algoritmi sono spesso multinazionali private che operano su scala globale. Le autorità di vigilanza sull'AI stanno ancora costruendo le proprie capacità istituzionali. In questo sistema a tre livelli — regolatorio europeo, operativo nazionale, tecnologico privato — le responsabilità tendono a disperdersi.

La geopolitica dell'algoritmo energetico

C'è una dimensione di questa questione che raramente viene nominata nelle discussioni sulla transizione energetica italiana ed europea, e che merita invece attenzione esplicita: la dipendenza tecnologica.

Gli algoritmi che gestiscono le smart grid non sono sviluppati da Terna o da ENEA. Sono prodotti da aziende private — in larga parte americane e, in misura crescente, cinesi — che detengono il know-how, i dati di addestramento e le architetture proprietarie di questi sistemi. Quando un operatore di rete italiano adotta un sistema AI di un fornitore americano per gestire il bilanciamento della domanda, sta esternalizzando a un soggetto privato straniero una funzione di controllo su un'infrastruttura critica nazionale.

Lucrezia Reichlin, economista già direttrice generale della ricerca alla Banca Centrale Europea, ha osservato in una recente analisi che la competizione globale sull'AI non si vince con i migliori algoritmi o con le normative più sofisticate — si vince con chip, reti, energia e capitale umano. L'Europa ha talento e normative. Le altre due componenti richiedono decisioni politiche che, finora, sono state prese troppo tardi e in ordine sparso.

Per l'Italia specificamente, il rischio è duplice. Da un lato, la dipendenza da algoritmi sviluppati e controllati da soggetti stranieri per la gestione della rete energetica. Dall'altro, la possibilità concreta — documentata da Terna — che le richieste di connessione per nuovi data center siano in parte speculative: soggetti che bloccano capacità di rete "sulla carta" senza intenzione di realizzare effettivamente le infrastrutture, creando una forma di saturazione virtuale che distorce la pianificazione energetica nazionale.

Supervisione umana: garanzia o finzione?

Quasi tutti i gestori di rete europei hanno implementato sistemi di supervisione in cui esperti umani possono rivedere, modificare o ignorare le decisioni suggerite dagli algoritmi. Questa architettura di "human-in-the-loop" è presentata come la garanzia fondamentale contro i rischi dell'automazione nelle infrastrutture critiche. È una garanzia reale, ma va esaminata con precisione.

Il problema della supervisione umana su sistemi AI ad alta velocità non è teorico. Quando un algoritmo di gestione della rete prende migliaia di microdecisioni al secondo — spostando carichi, attivando accumuli, modulando la risposta alla domanda — la finestra temporale disponibile per un intervento umano significativo si riduce drasticamente. L'operatore può rivedere la decisione dell'algoritmo, ma solo dopo che questa ha già prodotto effetti sul sistema. La supervisione formale è presente. La sua capacità di incidere in modo informato e tempestivo è strutturalmente limitata dalla velocità operativa del sistema stesso.

Questo non è un argomento contro l'automazione. È un argomento per una progettazione più rigorosa dei sistemi di supervisione, e soprattutto per una riflessione onesta su cosa significhi "controllo umano" quando l'infrastruttura opera a velocità non umane. L'AI Act richiede che i sistemi ad alto rischio garantiscano la possibilità di supervisione umana. Non specifica come questa supervisione debba essere strutturata per essere effettiva in contesti operativi reali. Questo gap tra requisito normativo e architettura tecnica è uno dei nodi irrisolti più importanti della governance AI europea nel settore energetico.

Cosa manca e cosa serve

La roadmap strategica della Commissione Europea su digitalizzazione e AI nel settore energetico — anticipata durante i lavori dell'ISGAN a Roma nel marzo 2026 — punta ad accelerare l'adozione dell'AI nel sistema energetico gestendo le sfide che questa tecnologia comporta in termini di sicurezza e consumi. È un documento atteso e necessario. Non è sufficiente.

Ciò che manca, e che nessun documento regolatorio ha ancora affrontato in modo strutturato, è una risposta alle tre domande fondamentali che la convergenza tra AI e infrastrutture energetiche pone.

La prima è una domanda di trasparenza algoritmica: come si certifica che un algoritmo che gestisce la rete elettrica prende decisioni coerenti con gli obiettivi energetici nazionali e non con gli obiettivi di ottimizzazione del fornitore privato che lo ha sviluppato? Questi due insiemi di obiettivi possono divergere in modo significativo, e attualmente non esiste un meccanismo di audit indipendente obbligatorio che verifichi questa coerenza.

La seconda è una domanda di accountability distribuita: quando un guasto o una decisione errata di un sistema AI causa un'interruzione di servizio o un danno economico, la responsabilità è del fornitore dell'algoritmo, dell'operatore di rete che lo ha adottato, o del regolatore che ha approvato il sistema? La catena di causalità in sistemi sociotecnici complessi è difficile da ricostruire ex post, e le norme attuali non forniscono un criterio chiaro.

La terza è una domanda di sovranità tecnologica: l'Europa può permettersi di dipendere da algoritmi proprietari sviluppati al di fuori del proprio perimetro normativo per gestire infrastrutture energetiche classificate come critiche? La risposta pratica, oggi, è che lo sta già facendo. La risposta strategica — se e come modificare questa dipendenza — richiede scelte politiche che vanno ben oltre la regolamentazione dell'AI.

Conclusione: la rete è intelligente. La governance non ancora

La transizione energetica europea ha bisogno dell'intelligenza artificiale. Non come opzione, ma come condizione tecnica necessaria per gestire un sistema elettrico basato su fonti intermittenti a scala continentale. Su questo punto il consenso tecnico è solido e ben fondato.

Quello che non è ancora avvenuto è la transizione parallela della governance: il passaggio da un modello di regolazione progettato per sistemi energetici gestiti da esseri umani a un modello capace di garantire trasparenza, accountability e sovranità su sistemi gestiti da algoritmi. L'AI Act è un primo passo necessario ma non sufficiente. La roadmap europea è in costruzione. Nel frattempo, le reti si automatizzano, i data center crescono, e la dipendenza tecnologica si consolida.

La rete elettrica europea diventa ogni giorno più intelligente. La struttura di governance che dovrebbe controllarla avanza a una velocità sensibilmente inferiore. Questo divario non è un problema tecnico. È una scelta politica — o più precisamente, la conseguenza di non averla ancora fatta.