Nel settore globale dell’energia e delle infrastrutture digitali sta emergendo un divario crescente tra ciò che viene annunciato e ciò che viene effettivamente realizzato. Governi, utility, investitori e grandi aziende tecnologiche presentano regolarmente progetti misurati in gigawatt (GW), una scala che comunica ambizione strategica e dimensione industriale. Tuttavia, quando questi progetti passano dalla fase di annuncio a quella operativa, la capacità effettivamente attivata è spesso molto più ridotta e viene misurata in megawatt (MW).
Questa discrepanza è frequentemente interpretata in modo errato. Alcuni analisti attribuiscono il divario a una domanda insufficiente, a limiti di finanziamento o a ostacoli tecnologici. In realtà, il vincolo principale è di natura diversa. Il vero collo di bottiglia non riguarda il capitale o la domanda, ma la capacità di esecuzione all’interno di sistemi infrastrutturali complessi. Con la rapida espansione delle infrastrutture digitali legate all’intelligenza artificiale, reti elettriche, mercati delle costruzioni, sistemi regolatori e risorse ambientali devono evolvere contemporaneamente. La capacità di sincronizzare questi sistemi è diventata il fattore decisivo che determina se un’infrastruttura passa dall’annuncio alla realizzazione (CB Insights, 2026; SITRA, 2026).
I grandi progetti infrastrutturali raramente falliscono perché il modello economico non funziona. Più spesso incontrano difficoltà perché la coordinazione necessaria per trasformare i piani in sistemi operativi si interrompe ben prima dell’inizio della costruzione. Nel mondo delle infrastrutture, il fallimento raramente avviene nei modelli finanziari; avviene nei sistemi reali che non riescono a muoversi nella sequenza prevista. Le ricerche di foresight indicano sempre più chiaramente che la trasformazione tecnologica guidata dall’intelligenza artificiale sta modificando simultaneamente mercati del lavoro, sistemi energetici e infrastrutture industriali, aumentando la complessità dell’esecuzione su più settori (Millennium Project, 2025).
Nella fase di pianificazione molti progetti appaiono completamente garantiti. I documenti di sviluppo includono generalmente accesso all’energia, permessi regolatori, diritti sui terreni, impegni finanziari e accordi di connessione alla rete elettrica. Inseriti nei modelli di progetto, questi elementi fanno apparire la transizione dall’annuncio alla costruzione quasi inevitabile. Tuttavia, ciò che appare garantito nella fase di pianificazione spesso si rivela condizionato quando il progetto entra nella fase di esecuzione.
Uno degli equivoci più diffusi riguarda l’approvvigionamento elettrico. Ottenere l’accesso alla rete non significa necessariamente che l’elettricità sarà disponibile quando l’infrastruttura entrerà in funzione. L’autorizzazione alla connessione garantisce il diritto di collegarsi alla rete, ma non assicura che la capacità di generazione o l’infrastruttura di trasmissione saranno pronte nei tempi previsti. Con l’accelerazione della domanda di elettricità, in gran parte trainata dai carichi di lavoro dell’intelligenza artificiale e dalle infrastrutture digitali, i colli di bottiglia nelle reti elettriche stanno diventando sempre più evidenti nelle economie avanzate (International Energy Agency, 2026; Morgan Stanley, 2026). L’intelligenza artificiale non è più limitata principalmente da algoritmi o hardware: è sempre più limitata dall’infrastruttura elettrica (Agostini, 2025a).
L’incertezza temporale rende il problema ancora più complesso. Anche quando si prevede un aumento della capacità energetica, gli sviluppatori devono spesso affrontare lunghe code per le connessioni alla rete mentre le utility aggiornano le infrastrutture di trasmissione. Di conseguenza, progetti che appaiono sostenibili nei modelli finanziari possono rimanere bloccati per anni in attesa che l’infrastruttura energetica raggiunga la domanda digitale (JLL, 2026). Da questa dinamica emerge quello che alcuni analisti definiscono il ‘paradosso energetico dell’IA‘: la capacità di calcolo può crescere più velocemente dei sistemi energetici necessari a sostenerla (Agostini, 2025c).
I processi autorizzativi introducono un ulteriore livello di incertezza. Anche quando i permessi vengono concessi, i progetti possono subire ritardi dovuti a vincoli ambientali, disponibilità idrica, conflitti sull’uso del suolo o opposizione delle comunità locali. Con l’espansione delle infrastrutture digitali, i decisori politici devono sempre più spesso confrontarsi con rischi sistemici legati alla domanda energetica, alla pressione ambientale e alla concentrazione delle infrastrutture (World Economic Forum, 2026).
Anche la dinamica dei finanziamenti cambia quando i progetti passano dalla pianificazione alla costruzione. Gli impegni di capitale ottenuti nelle prime fasi di sviluppo non si trasformano automaticamente in finanziamenti bancabili quando emergono escalation dei costi, interruzioni nelle catene di approvvigionamento o ritardi nei tempi di realizzazione. Diverse analisi indicano che l’aumento dell’intensità di capitale e l’incertezza tecnologica stanno ridefinendo l’economia degli investimenti nelle infrastrutture digitali (McKinsey & Company, 2026). I data center AI su scala gigawatt non sono più semplici progetti IT: sono megaprogetti industriali comparabili a centrali elettriche o grandi infrastrutture di trasporto (Agostini, 2025d).
La conseguenza è strutturale. I progetti raramente falliscono nei modelli finanziari; falliscono quando i sistemi reali non riescono a muoversi in sequenza.
La realizzazione di infrastrutture su larga scala richiede infatti che diversi sottosistemi avanzino simultaneamente. Generazione e trasmissione di energia devono crescere insieme ai processi autorizzativi, all’accesso al territorio, alla disponibilità di acqua, alle capacità ingegneristiche, alle catene di fornitura e alle strutture di finanziamento. Lo sviluppo infrastrutturale è quindi essenzialmente un problema di sincronizzazione: se uno di questi sottosistemi esce dall’allineamento temporale, l’intera sequenza del progetto può collassare.
Questa sfida è particolarmente evidente nell’espansione dei data center dedicati all’intelligenza artificiale. I carichi di lavoro del machine learning richiedono enormi quantità di potenza computazionale e il consumo di elettricità delle infrastrutture digitali è destinato ad aumentare rapidamente nel prossimo decennio (International Energy Agency, 2026). Allo stesso tempo gli investimenti nelle infrastrutture dei data center stanno crescendo a ritmi straordinari. Alcuni report indicano che la pipeline globale di nuovi progetti supera ormai i 100 miliardi di dollari, riflettendo l’entità degli investimenti che stanno alimentando l’economia digitale (ConstructConnect, 2026). L’infrastruttura dell’intelligenza artificiale sta progressivamente diventando un sistema industriale strategico che influenzerà la competizione economica e tecnologica globale (Agostini, 2025b).
Nonostante questo boom di investimenti, la capacità operativa reale spesso rimane indietro rispetto agli annunci. Il vincolo non è il finanziamento, ma il coordinamento sistemico. Le infrastrutture energetiche possono arrivare in ritardo. Le connessioni alla rete possono slittare. I processi autorizzativi possono allungarsi. I costi di costruzione possono aumentare. Quando questi ritardi si verificano simultaneamente, la sequenza necessaria per completare i progetti si interrompe prima che le infrastrutture diventino operative.
L’espansione delle infrastrutture digitali ha inoltre messo in evidenza dipendenze fisiche più profonde. I data center richiedono non solo elettricità ma anche grandi quantità di acqua per i sistemi di raffreddamento. Cluster di grandi dimensioni possono consumare miliardi di litri d’acqua all’anno, sollevando preoccupazioni sulla disponibilità idrica in regioni già soggette a stress idrologico (Li et al., 2023). Questa interazione tra sistemi computazionali e risorse naturali è sempre più descritta come energy–AI nexus, ovvero un sistema nel quale elettricità, acqua e infrastrutture digitali diventano strettamente interdipendenti (OECD, 2026).
Queste dipendenze mostrano una realtà sistemica più ampia: le infrastrutture digitali sono profondamente integrate nei sistemi fisici del pianeta. Sistemi energetici, risorse idriche, istituzioni regolatorie e mercati delle costruzioni devono evolvere insieme affinché l’espansione infrastrutturale abbia successo. Quando questi sistemi non avanzano in parallelo, i progetti si fermano.
La dinamica può essere riassunta in una semplice catena sistemica. La capacità annunciata presuppone che le condizioni abilitanti si allineino. Elettricità, permessi, finanziamenti e costruzione devono quindi progredire simultaneamente. Quando emergono ritardi in uno qualsiasi di questi sottosistemi, la sequenza si interrompe. L’energia arriva troppo tardi o le connessioni slittano, i programmi di costruzione collassano e la capacità operativa non si materializza.
Il risultato è prevedibile: i gigawatt restano gigawatt, sulla carta.
Per questo motivo il principale collo di bottiglia nell’espansione delle infrastrutture moderne non è la domanda né la disponibilità di capitale. È la capacità di esecuzione. Realizzare infrastrutture su larga scala richiede la capacità di coordinare simultaneamente reti elettriche, sistemi regolatori, mercati finanziari, catene di approvvigionamento e risorse ambientali.
Mentre governi e imprese cercano di espandere contemporaneamente infrastrutture per l’intelligenza artificiale, sistemi energetici rinnovabili e reti digitali, questa sfida di coordinamento diventerà sempre più intensa. Megatrend tecnologici, competizione geopolitica e crescente domanda energetica dell’AI stanno già ridefinendo il modo in cui la pianificazione infrastrutturale viene affrontata a livello globale (CB Insights, 2026; SITRA, 2026).
La pianificazione infrastrutturale non può più essere trattata come un semplice esercizio finanziario. Deve essere compresa come una sfida di coordinamento sistemico. Per policy maker, investitori e leader aziendali la lezione è chiara. L’ambizione infrastrutturale si misura in gigawatt. La realtà infrastrutturale si realizza in megawatt. La differenza tra le due è l’esecuzione. (foto di Leon su Unsplash)
Riferimenti
Agostini, M. (2025a). AI’s energy reckoning: How power became the new frontier of intelligence. Medium. https://medium.com/@tarifabeach/ais-energy-reckoning-how-power-became-the-new-frontier-of-intelligence-98d4868e347b
Agostini, M. (2025b). The AI infrastructure race: How energy, capital, and power are reshaping global markets. Medium. https://medium.com/@tarifabeach/the-ai-infrastructure-race-how-energy-capital-and-power-are-reshaping-global-markets-994c5aad05c2
Agostini, M. (2025c). The AI power paradox: Microsoft has the GPUs—but not enough energy to use them. Medium. https://medium.com/@tarifabeach/the-ai-power-paradox-microsoft-has-the-gpus-but-not-enough-energy-to-use-them-dbe58d28e424
Agostini, M. (2025d). The real cost of a gigawatt data center in the AI era. Medium. https://medium.com/@tarifabeach/the-real-cost-of-a-gigawatt-data-center-in-the-ai-era-a0f9615585a3
CB Insights. (2026). Tech trends 2026: 14 emerging trends to watch closely. https://www.cbinsights.com/research/report/top-tech-trends-2026
ConstructConnect. (2026). March 2026 data center report: Year begins with record construction starts. https://news.constructconnect.com/march-2026-data-center-report
International Energy Agency. (2026). Electricity 2026. https://www.iea.org/reports/electricity-2026
JLL. (2026). Navigating AI demand, power constraints and global opportunities. https://www.jll.com/en-us/insights/market-outlook/data-center-outlook
Li, Y., Chen, Z., Zhang, L., & Liu, J. (2023). Water consumption of data centers in the United States. Nature Sustainability, 6(7), 768–775. https://doi.org/10.1038/s41893-023-01034-6
McKinsey & Company. (2026). Global tech agenda 2026. https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/mckinsey-global-tech-agenda-2026
Millennium Project. (2025). Work/Technology 2050: Scenarios and actions. https://www.millennium-project.org/publications/worktechnology-2050
Morgan Stanley. (2026). Energy markets race to solve the AI power bottleneck. https://www.morganstanley.com/insights/articles/powering-ai-energy-market-outlook-2026
OECD. (2026). The weight of the cloud: The cost of AI for water. https://oecdcogito.blog/2026/03/22/the-weight-of-the-cloud-the-cost-of-ai-for-water
SITRA. (2026). Megatrends 2026. https://www.sitra.fi/en/publication/megatrends-2026
World Economic Forum. (2026). Global risks report 2026. https://reports.weforum.org/docs/WEF_Global_Risks_Report_2026.pdf
© RIPRODUZIONE RISERVATA