La corsa ai data center AI sta mettendo sotto pressione un anello meno visibile della trasformazione digitale: la capacità delle utility di prevedere quanta energia servirà, dove e in quali tempi. Una nuova analisi del Capgemini Research Institute indica che tre quarti delle società di pubblica utilità faticano a stimare la domanda elettrica legata alla rapida espansione delle infrastrutture per i data center.
Il dato più netto riguarda la volatilità: otto utility su dieci prevedono pattern di domanda più estremi e instabili. Il punto critico è che i consumi generati dall’intelligenza artificiale risultano meno regolari e più difficili da modellare rispetto ad altri carichi IT. Per i gestori di rete, questo significa pianificare capacità elettrica in un contesto in cui la domanda attesa può cambiare rapidamente, concentrarsi in aree specifiche o non presentarsi affatto.
Capgemini individua nell’incertezza il problema principale. Due terzi dei dirigenti del settore elettrico citano richieste di carico da data center definite phantom load requests, cioè domande di connessione o capacità che alimentano la pianificazione ma che in parte restano solo potenziali. In 19% dei casi, queste richieste non si concretizzano. Per una utility, il rischio non è solo tecnico: investire troppo presto può immobilizzare capitale, investire troppo tardi può rallentare nuove connessioni e creare colli di bottiglia.
La conseguenza è una pianificazione più difficile degli investimenti in rete. Le società elettriche devono decidere quanta capacità aggiungere, in quali aree intervenire e quando dare priorità alla modernizzazione della rete. La pressione riguarda anche gli hyperscaler, chiamati a prendere decisioni infrastrutturali rilevanti mentre restano incerti disponibilità di rete, tempi di connessione e traiettorie della domanda. La concentrazione geografica dei campus aggrava il quadro, perché grandi cluster di strutture ad alta densità possono stressare reti locali già vincolate.
Più della metà dei dirigenti elettrici considera infatti la concentrazione del carico un ostacolo rilevante alla continuità del servizio. Claire Gauthier, global head of energy & utilities di Capgemini, ha sintetizzato il cambio di scenario osservando che l’AI sta trasformando i sistemi elettrici ben oltre la semplice crescita dei consumi: mette in evidenza limiti strutturali nella capacità di rete, nella pianificazione e nella disponibilità di energia, rendendo la domanda più dinamica e difficile da prevedere.
Il motore di questa trasformazione è l’aumento dei consumi legati a training e inferenza. Questi processi rappresentano oggi circa 25% del consumo energetico dei data center, ma potrebbero salire al 60% entro i prossimi tre-cinque anni. La priorità data ai carichi AI rischia anche di mettere in secondo piano altri workload IT, perché imprese e operatori orientano capacità, infrastruttura ed energia verso attività considerate più strategiche.
Di fronte a reti più congestionate, i data center stanno evolvendo dalle soluzioni di backup verso modelli energetici primari dietro il contatore o vicini al sito. Quasi tre su dieci dichiarano già di usare soluzioni di alimentazione on-site, mentre il 39% prevede di aggiungere capacità on-site o BTM nei prossimi due anni. L’86% degli intervistati considera la possibilità di operare in modo indipendente dalla rete un vantaggio competitivo, mentre circa tre quarti di utility e operatori data center puntano a un mix energetico diversificato.
Il quadro energetico resta però complesso. Le rinnovabili da sole non garantiscono continuità sufficiente su larga scala per data center e carichi AI; i sistemi di accumulo BESS emergono come opzione, mentre i reattori modulari SMR richiederanno più tempo per essere implementati. Più di due terzi dei dirigenti elettrici e dei data center guardano al gas naturale come soluzione transitoria nel breve periodo. Per utility e operatori, la sfida si sposta così dall’espansione della capacità alla capacità di coordinarla sotto incertezza, vincoli di velocità e crescente complessità del sistema.