要点
まず会社のどこで AI を使っているかを把握し、効率的な選択を初期設定にします。品質基準を満たす最小のモデル、短い出力、必要でない限りオフにした AI 機能です。供給元にリクエストあたりのエネルギーと処理の場所を尋ね、役に立った作業ごとに測定し、担当者を決めた短いポリシーにまとめます。こうした手順の多くは、エネルギーだけでなくコストと待ち時間も減らします。
手順
- 使っている AI ツール、機能、自動化されたワークフローと、それぞれのおおよその実行頻度を一覧にします。
- 処理量の最も多い作業について、より小さいモデルや AI 以外の方法で品質基準を満たせるかを試します。
- 社内ツールに効率的な初期設定を行います。小さいモデル、出力の上限、必要でない限りオフにした機能などです。
- 供給元に、リクエストあたりのエネルギー、処理が動く場所、報告の方法を尋ねます。
- 役に立った作業ごとのエネルギーまたはトークン数を追跡し、四半期ごとに数値を見直します。
- ルールを、担当者と見直し日を明記した短いポリシーにまとめます。
効率的な選択を初期設定にし、それが効果を上げているかを測りましょう。 ほとんどの企業では、エネルギーはモデルの学習ではなく、1日に何度もモデルを動かすこと(推論)に使われています。そのため、モデル、プロンプト、機能に関する日々の選択が最も重要です。
改善の余地がどれだけ大きいかを示す研究が2つあります。Luccioni、Jernite、Strubell は、同じ作業で比べると、汎用の生成モデルは特定の作業向けのモデルより、動かすのに桁違いのコストがかかることを明らかにしました。UNESCO とユニバーシティ・カレッジ・ロンドンは、より小さく特定の作業向けのモデルでエネルギー使用量を最大 90% 減らせ、プロンプトと応答を短くすれば半分以上減らせることを示しました。
どこから始めればいい?
- AI の利用状況を把握します。 組織のどこで AI を使っているかを把握する方法をご覧ください。
- 最も利用の多い作業を適正なサイズにします。 まず小さいモデルを試しましょう。より小さい AI モデルを選ぶをご覧ください。
- 初期設定を決めます。 誰も使っていない機能はオフにします。不要な AI 機能をオフにするをご覧ください。
- 供給元に尋ねます。 AI 調達にサステナビリティを組み込むをご覧ください。
- 作業ごとに測ります。 作業ごとに AI のエネルギーを追跡するをご覧ください。
- 文書にまとめます。 グリーン AI ポリシーを書くをご覧ください。
最も効果が大きいもの
処理量の多い作業でのモデルの選択と、誰も必要としていないのに動いている AI をオフにすることです。社員の習慣も大切ですが、初期設定なら、各自が覚えていなくても全員に行き渡ります。
よくある間違い
- 成功した作業ごとではなく、呼び出し1回ごとのコストを数えるため、やり直しが見えなくなる。
- 利用量が増え続けているのに、グリーンなクラウド契約だけで解決したと考える。
- ベースラインを測る前に削減を主張する。
全体の進め方は、企業向けガイドにあります。
出典
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
関連
企業のためのグリーン AI
AI のエネルギー、コスト、炭素を減らすための企業向け実践ガイドです。モデルの選び方、サプライヤー、測定、調達、誠実な主張について解説します。
自分の組織がどこで AI を使っているか洗い出すには?
組織の AI を一覧にする簡単な方法です。ツール、組み込み機能、自動化、委託先を、利用量、担当者、扱うデータとともに記録します。
グリーン AI ポリシーはどう書けばいい?
短いグリーン AI ポリシーに書くべきことです。AI を使う場面、初期設定、供給元への質問、測定方法、そして責任者を定めます。
用途に合ったモデルを選ぶ
AI を適正なサイズで使う方法。小型・特化型モデルを使うべき場面、フロンティアモデルがコストに見合う場面、ルーティングの仕組み、AI を使わないほうがよい場面を解説します。