Energia

Come l’IA potrebbe valorizzare maggiormente le energie rinnovabili

Daniel Martin
Aggiungi Securities.io alle tue fonti preferite su Google
Punti chiaveLa capacità rinnovabile crea valore solo quando il sistema energetico circostante è in…
Vedi di più
  • La capacità rinnovabile crea valore solo quando il sistema energetico circostante è in grado di fornirla efficacemente.
  • L'innovazione dell'IA ha rafforzato il legame tra rinnovabili e sostenibilità nel modello principale dello studio.
  • Verifiche statistiche conservative hanno annullato l'effetto dell'IA, per cui le affermazioni causali restano non dimostrate.

Un parco solare può produrre molta elettricità e avere comunque difficoltà a fornirla quando serve ai consumatori. Le nuvole modificano la produzione, le linee di trasmissione si congestionano e le batterie devono bilanciare esigenze in competizione tra loro. L’aggiunta di pannelli aumenta la capacità potenziale di generazione, ma il valore dell’investimento dipende anche dall’efficienza con cui funziona il sistema energetico circostante.

Un nuovo studio pubblicato su Sustainable Futures esamina questa relazione a livello nazionale.1 Analizzando 20 economie tra il 1990 e il 2022, i ricercatori hanno rilevato che le energie rinnovabili erano associate in modo più favorevole allo sviluppo sostenibile nei paesi in cui l’innovazione nell’intelligenza artificiale era più avanzata. Il risultato solleva un’interessante questione per gli investimenti: quale opportunità si cela nel far funzionare meglio le infrastrutture energetiche esistenti?

Cosa ha rilevato lo studio su IA ed energie rinnovabili

I ricercatori hanno esaminato il consumo di combustibili fossili, le energie rinnovabili, l’innovazione nell’IA e il risparmio genuino. Il risparmio genuino corregge le misure convenzionali del risparmio tenendo conto di fattori quali gli investimenti nell’istruzione, l’esaurimento delle risorse e i danni causati dall’inquinamento. Valuta se un’economia sta creando ricchezza duratura dopo aver considerato alcuni dei costi della crescita.

La misura dei risultati era l’Indice di sviluppo sostenibile, che mette in relazione lo sviluppo umano con le pressioni ecologiche. Considera salute, istruzione e reddito insieme alle emissioni di carbonio basate sui consumi e all’impronta materiale. Di conseguenza, una maggiore produzione di energia o un PIL più elevato non si traducono automaticamente in un punteggio migliore.

Con la regressione quantilica, gli autori hanno valutato come variassero le relazioni nei diversi punti della distribuzione dei risultati di sostenibilità. Il consumo di combustibili fossili era associato negativamente all’indice lungo tutta la distribuzione. Nel modello di base, l’innovazione nell’IA mostrava un’associazione positiva, soprattutto nei quantili inferiori e intermedi.

Il risultato più interessante riguardava l’interazione tra IA ed energie rinnovabili. Nel modello principale, la loro combinazione era associata positivamente alla sostenibilità in tutti i quantili. Tuttavia, i risultati relativi all’IA erano sensibili al metodo statistico utilizzato, perciò è essenziale interpretarli con cautela.

Componente dello studio Risultato o misura Limite interpretativo
Copertura 20 economie, 1990–2022 Campione selezionato in base alla disponibilità dei dati
Innovazione nell’IA Misurata tramite famiglie di brevetti triadici Non misura l’effettiva adozione dell’IA
Combustibili fossili Associazione negativa nei quantili del modello di base I risultati riguardano un indice composito di sostenibilità
IA ed energie rinnovabili Interazione positiva nel modello quantilico principale Non statisticamente significativa nell’analisi più prudente basata su variabili strumentali
Risparmio genuino Ha attenuato l’associazione negativa con i combustibili fossili Non misura specifici flussi di finanziamento verde

Perché la capacità di generazione da fonti rinnovabili è solo una parte del quadro

Nei risultati del modello di base, le energie rinnovabili mostravano un’associazione diretta negativa con l’indice. Ciò non dimostra che le energie rinnovabili danneggino la sostenibilità. L’indice include il consumo di materiali, mentre la misura dell’energia rileva la quota delle rinnovabili sui consumi finali senza distinguere tra tecnologie o qualità dell’integrazione.

Gli autori suggeriscono che le esigenze legate alla costruzione, i costi della transizione e i vincoli del sistema possano contribuire a spiegare questo andamento, ma i loro dati non permettono di verificare direttamente tali meccanismi. Nel modello con interazione, inoltre, il coefficiente relativo alle energie rinnovabili descrive la relazione quando il livello di IA è pari a zero, non un effetto incondizionato.

Per lettori e investitori, il punto utile da cui partire è che produrre elettricità e fornire servizi energetici utili sono due risultati distinti. Si consideri un ipotetico progetto solare soggetto a restrizioni sull’immissione in rete nelle ore centrali della giornata. Previsioni migliori potrebbero aiutare un operatore a riservare capacità delle batterie prima che si presenti il surplus. Coordinare la domanda di elettricità nelle vicinanze potrebbe offrire un altro sbocco. Nessuna delle due misure richiede l’aggiunta di pannelli solari, anche se entrambe necessitano di attrezzature adeguate e delle relative autorizzazioni operative.

Questo completa il quadro più ampio a favore della modernizzazione delle reti intelligenti: gli impianti di generazione dipendono da reti in grado di adattarsi alle variazioni della domanda e dell’offerta.

Dove l’IA può migliorare le prestazioni del sistema energetico

Nel suo rapporto del settembre 2026 sulla modernizzazione delle reti elettriche, l’Agenzia internazionale dell’energia individua nelle previsioni, nell’ottimizzazione e nella consapevolezza situazionale alcuni ambiti in cui l’IA può aiutare gli operatori a utilizzare le reti in modo più efficiente. Queste applicazioni riguardano decisioni operative concrete, spesso supportate da modelli predittivi specializzati.

  • Prevedere con maggiore precisione la produzione da fonti rinnovabili e la domanda di elettricità.
  • Coordinare batterie e carichi flessibili tenendo conto dei vincoli della rete.
  • Individuare i problemi alle apparecchiature prima che causino interruzioni evitabili.

È utile distinguere tra prevedere e avere l’autorizzazione a intervenire. Un software può prevedere correttamente il sovraccarico di un collegamento, ma non può risolvere il problema se un operatore non è in grado di ridirigere l’energia, modificare la domanda o attivare sistemi di accumulo. Il valore commerciale dell’IA dipende quindi, in parte, da sistemi di controllo, contratti e regole di mercato che esulano dal modello stesso.

Misurare il valore ottenuto, non solo la precisione del modello

Questo impone criteri più rigorosi per valutare le tecnologie energetiche. Una previsione più accurata ha valore commerciale quando riduce i costi di bilanciamento, evita sprechi di energia generata o migliora l’affidabilità. Un modello può ottenere un punteggio statistico migliore ma produrre pochi vantaggi economici se le sue raccomandazioni arrivano troppo tardi o non possono essere attuate.

Per chi sviluppa un progetto, il confronto pertinente è tra il costo totale dell’implementazione e i miglioramenti operativi misurabili. Nel costo rientrano sensori, preparazione dei dati, integrazione, manutenzione e formazione del personale. Un sistema mirato a risolvere un problema ricorrente e costoso può creare più valore di una piattaforma più ampia, dotata di funzionalità notevoli ma scarsamente adottata nelle operazioni.

Che cosa lo studio non può dimostrare sull’IA

Lo studio misura l’IA attraverso famiglie brevettuali triadiche, ossia insiemi di invenzioni protette in tre importanti giurisdizioni brevettuali. L’attività brevettuale è un indicatore della capacità innovativa, ma non può dimostrare se una determinata azienda di servizi pubblici utilizzi l’IA né se i suoi sistemi migliorino le prestazioni delle energie rinnovabili.

La distinzione diventa particolarmente importante nelle verifiche di robustezza. Quando i ricercatori hanno utilizzato una specificazione più prudente del modello a variabili strumentali, con errori standard raggruppati per Paese, sia l’effetto diretto dell’IA sia l’interazione tra IA ed energie rinnovabili non sono risultati statisticamente distinguibili da zero. Questo non dimostra che non vi siano benefici. Significa che lo studio non può confermare con sufficiente solidità l’ipotesi causale suggerita dalle principali associazioni rilevate.

Il periodo storico analizzato termina inoltre nel 2022, prima di gran parte della recente espansione delle infrastrutture per l’IA generativa. La valutazione dell’aprile 2026 dell’IEA su IA e domanda di elettricità descrive la rapida crescita dei consumi dei centri dati, insieme alle opportunità per l’IA di migliorare le operazioni nel settore energetico. Si tratta di effetti distinti, che vanno contabilizzati separatamente.

Un’applicazione efficace per le previsioni dovrebbe quindi essere valutata considerando i propri consumi energetici e i benefici verificati. I miglioramenti ottenuti in un impianto non possono compensare automaticamente il fabbisogno elettrico di servizi di IA non correlati erogati altrove.

Schneider Electric e le opportunità offerte dall’intelligenza energetica

Queste esigenze concrete creano opportunità per le aziende che integrano software, apparecchiature elettriche e processi operativi. Per gli investitori interessati ai titoli delle infrastrutture energetiche, Schneider Electric (SND.DE ) offre un esempio pertinente con le sue attività nei settori della gestione dell’energia, dell’automazione e dei software per le reti elettriche.

Le sue soluzioni EcoStruxure comprendono la gestione delle microreti e l’integrazione delle energie rinnovabili, mentre One Digital Grid Platform introduce software basati sull’IA nelle attività delle aziende di servizi pubblici. Queste attività sono direttamente legate alla sfida di coordinare la generazione, l’accumulo, le reti e la domanda.

Nel suo intervento dell’ottobre 2026 su intelligenza delle reti e dati affidabili, Schneider Electric sottolinea l’importanza di collegare sistemi operativi frammentati e supportare il processo decisionale umano. È una descrizione utile delle difficoltà di implementazione, ma resta il punto di vista dell’azienda, non una prova indipendente delle prestazioni dei prodotti.

La validità dell’investimento dipenderebbe dalla capacità dei clienti di trasformare queste funzionalità in spesa continuativa e implementazioni redditizie. Tra gli aspetti da considerare: se il software cresce insieme alle vendite di apparecchiature, se i clienti rinnovano i servizi e se i costi di implementazione consentono margini interessanti. La forte domanda di ammodernamento delle reti, da sola, non dimostra che un titolo sia valutato in modo interessante.

Schneider opera anche nei settori degli edifici, dell’automazione industriale e dei centri dati. I suoi risultati riflettono quindi un’attività più diversificata rispetto alla sola integrazione delle energie rinnovabili assistita dall’IA. Lo studio non valuta l’azienda né prevede i suoi utili.

Ultime notizie e aggiornamenti su Schneider Electric (SU)

Un approccio più utile per valutare gli investimenti nell’energia pulita

Il contributo più ampio dello studio consiste nell’incoraggiare una visione della sostenibilità a livello di sistema. Le risorse rinnovabili, la capacità innovativa e la formazione durevole di capitale interagiscono tra loro. Acquistare più apparecchiature è solo una parte del miglioramento dei risultati: le istituzioni e le capacità operative influiscono sull’efficacia con cui tali apparecchiature vengono utilizzate.

Per gli investitori, questo suggerisce di esaminare i vincoli che interessano ciascun progetto. Dove si spreca energia? Quale decisione operativa potrebbe cambiare la situazione? Chi può realizzare il miglioramento necessario e chi ne ottiene i vantaggi economici? Queste domande collegano un tema tecnologico promettente a un caso aziendale verificabile.

L’IA potrebbe aiutare i sistemi di energia rinnovabile a ottenere più valore dalle risorse esistenti. Dimostrare tale valore attraverso operazioni affidabili, costi inferiori e un migliore utilizzo delle infrastrutture trasformerà questa possibilità in un’opportunità duratura.

Riferimenti:

1 Esily, R. R., Chi, Y., Ibrahiem, D. M., Muhammadullah, S., Hassanein, E. A. e Zhang, X. (2026). Dipendenza dai combustibili fossili e sviluppo sostenibile: evidenze quantiliche su IA, energie rinnovabili e risparmio genuino. Sustainable Futures, 12, articolo 102265. https://doi.org/10.1016/j.sftr.2026.102265

Daniel è un forte sostenitore del potenziale della blockchain per disruptare la finanza tradizionale. Ha una profonda passione per la tecnologia e sta sempre esplorando le ultime innovazioni e gadget.