要点
AI チャットボットへのテキストの質問1回で使われるエネルギーはわずかで、企業自身の数値ではおよそ3分の1ワット時、水は1ミリリットルにも満たない量です。画像や動画ははるかに多くを使い、リクエストの膨大な数が積み重なります。最も大切な習慣は、適切なツールを選ぶこと、果てしない作り直しを避けること、そして誠実な情報を求めることです。
要点
- Google は、Gemini のテキストプロンプトの中央値で0.24 Whと水0.26 mLと報告しています。OpenAI は、ChatGPT の平均的な質問で約0.34 Whとしています。いずれも自己申告です。
- 画像の生成は、テキストの処理よりはるかに多くのエネルギーを使います。ある研究では、リクエストあたりでテキストの分類の1,000倍以上でした。
- 国際エネルギー機関(IEA)は、データセンターの電力使用量が2024年から2030年の間に2倍以上になると予測しており、その主な要因は AI です。
- プロンプトあたりの数値がばらつくのは、企業ごとに測っているものが違うためです。何が含まれているかを必ず確認しましょう。
- 日々の選択、職場や学校、地域の計画の決定、パブリックコメントを通じて、意見を伝えることができます。
グリーン AI とは、わかりやすく言うと?
グリーン AI とは、人工知能の恩恵を受けながら、エネルギー、水、その他の資源の使用を減らすことです。これには2つの面があります。AI そのものをより効率的にすることと、役に立つ場面に限って賢く使うことです。
AI を決して使うなと言っているわけではありません。2026年に英国で、数学者、コンピューター科学者、産業界が集まったグリーン AI のサンドピット(集中討議型ワークショップ)では、この点を正面から議論し、AI を拒むよりも責任を持って使うほうが有益な目標だと結論づけました。詳しい説明はグリーン AI とは?にあります。
AI を使うと、どれくらいのエネルギーが必要か?
普通のテキストの質問1回なら、わずかな量です。企業自身の数値では、およそ3分の1ワット時です。しかし画像や動画ははるかに多くを使い、世界中のリクエストの数は膨大です。
公表されている数値は次のとおりです。
| 出典 | 測定したもの | エネルギー |
|---|---|---|
| Google(2025年) | Gemini アプリへのテキストプロンプトの中央値 | 0.24 Wh |
| OpenAI(2025年) | ChatGPT の平均的な質問 | 約0.34 Wh |
| Epoch AI(2025年)、独立した推計 | ChatGPT の一般的なテキストの質問 | 約0.3 Wh |
OpenAI は自社の数値を、オーブンを1秒ちょっと使う量、または高効率の電球を数分間つける量にたとえています。Epoch AI の推計は、以前によく引用されていた3 Whという数値の約10分の1です。ハードウェアとソフトウェアの改良によって、推計がいかに速く変わるかがわかります。Google は、プロンプトの中央値のエネルギーが1年で33分の1に下がったと報告しています。
画像と動画は、はるかに多くを使います。 Hugging Face とカーネギーメロン大学の研究者による試験では、画像の生成には1,000枚あたり平均約2.9 kWhが使われました。これに対し、1,000件のテキストをカテゴリーに分類するのに使われたのは0.002 kWhでした。リクエストあたりで1,000倍以上です。動画の生成はさらに重い処理です。
エネルギーの計画担当者が心配しているのは総量です。 国際エネルギー機関(IEA)の推計では、2024年にデータセンターが使った電力は約415 TWhで、世界の電力の約1.5%でした。2030年には約945 TWhになると予測されています。IEA は、その増加の最大の要因として AI を挙げています。
AI はどれくらいの水を使うのか?
テキストのプロンプト1回あたりではごくわずかですが、総量で見ると、また場所によっては、多くの水を使います。データセンターは主にコンピューターを冷やすために水を使い、発電所は発電のために水を使います。
- Google は、Gemini のテキストプロンプトの中央値で0.26 mLの水を使うと報告しています。
- OpenAI は、ChatGPT の平均的な質問で約0.000085ガロン、小さじのおよそ15分の1の水を使うとしています。
- フランスの企業 Mistral AI は、上の2つの数値よりも多くの段階を数えたライフサイクルアセスメントを公表しました。400トークン(数段落)の回答で、CO₂e(二酸化炭素換算)1.14 gと水45 mLとしています。
- 研究者の Li、Yang、Islam、Ren は、Microsoft の米国のデータセンターで GPT-3 モデルを学習させたときに、約70万リットルのきれいな淡水が直接蒸発した可能性があると推計しました。
これらの数値の大きな違いは、ある企業がほかの企業よりはるかに優れているからではなく、主に何を数えているかの違いから生じています。データセンターの場所も重要です。乾燥した地域で干ばつのときに取水する水は、水が豊富な場所で同じ量を使うより大きな影響を与えます。
なぜ数値はこれほど不確かなのか?
ほとんどの数値は企業自身が出しており、企業ごとに測っているものが違い、方法を詳しく公表することもまれだからです。独立した研究者は、外から推計しなければならないことがよくあります。
答えを左右する要素です。
- 何が含まれているか: チップだけか、それとも冷却、待機中の予備容量、ネットワーク、ハードウェアの製造まで含むか。
- どのモデルか: 小さなモデルは大きなモデルよりはるかに少ないエネルギーで済みます。また、段階を追って考える「推論」モデルは、裏側ではるかに多くの言葉を生成します。
- 回答の長さ: 読み書きするテキストの量が増えると、エネルギーも増えます。
- どこで、いつ実行するか: 同じ電力でも、国や時間帯によって低炭素にも高炭素にもなります。
ですから、どんな数値も1つだけなら大まかな目安として扱ってください。誠実な情報源は、何を含めたか、どれくらい確かかを示しています。
意味のある日々の習慣と、そうでない習慣は?
意味があるのは、使用量を何倍にもする習慣です。画像や動画をたくさん生成すること、何度も何度も作り直すこと、必要のないときに AI を動かしたままにすることです。ちょっとした礼儀や、たまの質問はほとんど影響しません。
本当に違いを生む習慣:
- 適切なツールを使う。 普通のウェブ検索、電卓、地図、辞書のほうが、速くてエネルギーも少なくて済むことがよくあります。
- 画像や動画はほどほどに。 遊びで何十通りも作るのではなく、必要なものだけを生成しましょう。
- 作り直し続けず、依頼を磨く。 最初の回答がうまくいかなければ、「もう一度」を何度も押すのではなく、何を変えてほしいかを伝えましょう。
- それで十分なときは短い回答を求める。 UNESCO とユニバーシティ・カレッジ・ロンドンは、プロンプトと回答を短くすることで、エネルギー使用量を半分以上減らせることを示しました。
- 簡単な質問なら、アプリに「高速」「mini」「lite」などのモデルがある場合は軽い選択肢を選ぶ。
- 設定で可能なら、アプリや機器の使っていない AI 機能をオフにする。
あまり影響のない習慣:
- 「お願いします」や「ありがとう」と言うこと。増える言葉は、長い回答に比べればごくわずかです。
- テキストのチャットボットにたまに質問すること。OpenAI の数値では、1回あたり、高効率の電球を数分間つけるのと同じくらいのエネルギーです。
より大きな視点で見ると、個人の習慣よりも、非常に多くの人が使う製品やサービスに AI がどう組み込まれているかのほうが重要です。効率と誠実な情報を求める声が最も大きな違いを生むのは、そこです。ヒントはAI を効率よく使うのページにもっと載っています。
AI と環境に関する主張は、どう見極めればよいか?
何を測ったのか、誰が測ったのか、何と比べているのかを確かめてください。これらが抜けていると、不安をあおる主張も安心させる主張も、誤解を招くことがあります。
確かめるべき質問です。
- 何あたりか? 質問1回あたり、画像1枚あたり、1年あたり、利用者1人あたり? 大きな総量が1回あたりではわずかなこともあり、その逆もあります。
- 誰が言っているのか? 企業自身の数値か、独立した研究か、それとも古い推計を繰り返しているニュース記事か。
- 何が含まれているか? コンピューターのチップだけか、それともデータセンター全体、電力供給、製造まで含むか。
- どれくらい古いか? 数値はすぐに変わります。数年前の数値は、10倍高すぎたり、低すぎたりすることがあります。
- 何と比べているか? 「検索の10倍」と言われても、検索がどれくらい使うかを知らなければ、ほとんど意味がありません。
- 効率と使用量の減少を混同していないか? 質問1回あたりの AI が安くなると、人々は単にもっと使うようになるかもしれません。これはリバウンド効果と呼ばれます。
裏付けとなる数値のない「グリーン」「クリーン」「カーボンニュートラル」といった言葉には注意してください。独立した評価も登場し始めています。Hugging Face とパートナーが立ち上げた AI Energy Score は、家電のラベルのように、AI モデルのエネルギー効率を1つ星から5つ星で評価します。詳しくはAI のエネルギーラベルをご覧ください。
どうすれば意見を伝えられるか?
何を選ぶか、職場や学校で何を求めるか、そしてデータセンターや規制についての公的な決定を通じて、グリーン AI に影響を与えることができます。十分な数の人が求めれば、組織は耳を傾けます。
- 利用者として: エネルギーと水についての明確な情報を公開しているサービスを選び、公開していない企業にはそう伝えましょう。
- 職場で: 勤務先に、AI の利用やサプライヤーの選定についての方針があるかを尋ねましょう。企業向けガイドを紹介することもできます。
- 学校や大学で: AI とその環境コストがどのように教えられているかを尋ねましょう。先生方は学校のセクションで教材を見つけられ、子どもたちは児童・生徒のみなさんへから始められます。
- 地域で: 多くの国では、新しいデータセンターには計画許可が必要です。計画申請や地域の意見募集は、電力、水、排熱について尋ねる機会です。
- 国全体で: 政府は AI、エネルギー、デジタル政策について意見を募集します。パブリックコメントに応じたり、選出された議員に手紙を書いたりして、AI 事業者にエネルギーと水の報告を求めましょう。
- 地域社会で: 慈善団体や地域のグループも、AI を上手に活用できます。慈善団体向けガイドが役に立つかもしれません。
AI は環境の役にも立つのか?
はい、使い方によっては役に立ちます。それも全体像の一部です。AI は天気の予報、送電線の故障の発見、再生可能エネルギーの利用計画、科学モデルの高速化などに使われており、こうした用途の中には、消費するより多くのエネルギーを節約できるものもあるかもしれません。
問題は、そうした節約が測定されることはまれである一方、日々の AI 利用のコストが膨大な数の機器やサービスに分散していることです。グリーン AI は、両方の面を誠実に数えることを求めます。AI のある使い方にどれだけのコストがかかり、実際にどれだけ節約できるのかです。また、よく知られた簡単な方法で用が足りるならそれを使い、AI は新しい価値を加えられる問題のためにとっておくことを勧めます。
研究者たちは、AI モデルをはるかに小さく、安く動かせるようにする方法を研究しています。その多くは、より多くの計算能力ではなく数学を使うものです。この研究が重要なのは、同じ助けを、より少ないエネルギーで、より多くの機器で、より多くの人に届けられるようになるからです。
次にすること
- 次に AI を使うときは、もっと簡単なツールで足りないか考えてみましょう。
- 本当は必要のない画像や動画の生成を減らし、作り直す代わりに依頼を磨きましょう。
- 手短な返事だけが必要なときは、短い回答を求めましょう。
- AI と環境について見かけた主張を1つ、上の6つの質問で確かめてみましょう。
- 勤務先、学校、自治体に、AI とエネルギーについての取り組みを尋ねてみましょう。
- さらに学ぶ: まずはグリーン AI とは?とグリーン AI が今重要な理由から始めるか、若い人と一緒に学校のセクションを見てみましょう。
よくある質問
ChatGPT への質問1回で、どれくらいのエネルギーを使いますか?
OpenAI の最高経営責任者は、平均的な質問で約0.34 Wh、オーブンを1秒ちょっと使うのと同じくらいだと述べています。Epoch AI は独自に、一般的な質問で約0.3 Whと推計しました。長い依頼や複雑な依頼では、より多くを使います。
AI は水をたくさん使うのですか?
テキストのプロンプト1回あたりではわずかで、Google は Gemini のプロンプトの中央値で0.26 mLと報告しています。より重要なのは総量です。研究者の推計では、Microsoft の米国のデータセンターで GPT-3 を学習させたときに、約70万リットルの淡水が蒸発した可能性があります。地域への影響は、データセンターがどこにあるかによって変わります。
地球のために AI を使うのをやめるべきですか?
必ずしもそうではありません。OpenAI の数値では、たまにするテキストの質問は、高効率の電球を数分間つけるのと同じくらいのエネルギーです。役に立つ場面で AI を使い、何十枚も画像を生成するような無駄な習慣を避け、より良い情報を求めるほうが理にかなっています。
チャットボットに「お願いします」や「ありがとう」と言うと、エネルギーの無駄になりますか?
言葉が1つ増えるごとに処理はほんの少し増えますが、長い回答や画像、動画を生成するエネルギーに比べればごくわずかです。気にする必要のある習慣ではありません。
出典
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- Energy and AI, International Energy Agency (2025)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
関連
グリーン AI とは何か?
グリーン AI をわかりやすく定義します。環境のための AI と AI 自体のグリーン化、効率と充足、そしてエネルギー、炭素、水、資材のフットプリントを解説します。
なぜ今グリーン AI が重要なのか
AI はデータセンターの電力需要を急増させ、電力網に負担をかけ、コストを押し上げています。2026 年時点の規模、エネルギー、コスト、政策の根拠を解説します。
AI のエネルギーラベルとベンチマーク
2026 年時点の AI のエネルギー評価の現状を、AI Energy Score、MLPerf Power、EU AI 法の文書化義務、データセンターの格付けから整理し、ラベルで何がわかるかを説明します。
AI を効率よく使う:日々の習慣
AI を使うときのエネルギーを減らす日々の習慣。明確なプロンプト、再生成の繰り返しを減らすこと、画像や動画の慎重な利用、キャッシュ、初期設定をオフにすることを紹介します。