# 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。

Source: https://greenai.guide/ja/ガイド/企業のためのグリーン-ai/  
Updated: 2026-11-19

## 要点

企業にとってのグリーン AI とは、必要な成果を、より少ないエネルギー、費用、炭素で AI から得ることです。削減の大部分は、いくつかの判断から生まれます。価値を生む場面に限って AI を使うこと、仕事をきちんとこなせる最も小さなモデルを選ぶこと、エネルギーデータを公開しているサプライヤーを選ぶこと、そして何かを主張する前に測定することです。

## 要点

- ほとんどの企業では、最も安く、速く、環境にやさしい AI はたいてい同じものです。小さなモデル、少ないトークン、少ないやり直しです。
- 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、世界全体の約1.5%でした。2030年には約945 TWhになると予測されています。
- 同じタスクであれば、タスク特化型モデルの運用コストは、汎用の生成モデルより桁違いに低くなることがあります。
- サプライヤーには、リクエストあたりのエネルギー、使用するデータセンター、測定方法を尋ね、その回答を契約書に盛り込みましょう。
- 測定した数値や出典の明確な数値で裏付けられない環境配慮の主張はしないでください。

## 企業がグリーン AI を気にかけるべき理由は？ {#why-should-a-business-care-about-green-ai}

AI を環境にやさしくする工夫の多くは、AI をより安く、速く、信頼できるものにする工夫でもあるからです。計算が減れば、請求額が下がり、回答が速くなり、待ち時間も減ります。長いプロンプト、何度ものやり直し、大きすぎるモデルといった、エネルギーを無駄にする習慣は、お金とスタッフの時間も無駄にします。

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）でも、同様の見方が示されました。買い手はコスト、速度、品質で選ぶので、グリーン AI はそれらと競合するのではなく、それらと両立しなければならない、というものです。これは企業にとって良い知らせです。環境負荷を小さくするために成果を犠牲にする必要は、ほとんどありません。

ほかにも注目すべき理由が4つあります。

- **規模。** 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。これは2030年までに2倍以上の約945 TWhになると予測されており、その最大の要因は AI です。あなたの会社の AI 利用も、その需要の一部です。
- **報告。** エネルギーと排出量を報告しているなら、数えているかどうかにかかわらず、AI はすでにその数字の一部です。
- **規制。** AI やデータセンターの事業者にエネルギーデータを求める規則ができ始めており（下記参照）、サプライヤーについてより良い情報が手に入るようになります。
- **信頼。** 顧客、従業員、投資家から、AI をどう使っているかを尋ねられることが増えています。明確で誠実な回答が役に立ちます。

## AI のエネルギーはどこで使われるのか？ {#where-does-the-energy-in-ai-go}

一般的な企業の AI エネルギーの大部分は、モデルの学習ではなく、**推論**、つまりリクエストに答えるためにモデルを動かすことに使われます。大規模なモデルを自社で学習させることはほとんどありませんが、プロンプトのひとつひとつ、自動化されたワークフローのひとつひとつ、ソフトウェアに組み込まれた AI 機能のひとつひとつが、どこかのハードウェアで推論を実行しています。

エネルギーが使われる主な場面は次のとおりです。

| 段階 | 何が起きるか | 誰が管理するか |
|---|---|---|
| 学習 | モデルがデータから学ぶ。一度または時々 | 主にモデル提供者 |
| ファインチューニング | 既存のモデルを自社のタスクに合わせて調整する | 自社またはサプライヤー |
| 推論 | モデルが各リクエストに答える | 共同：量とモデルは自社が選ぶ |
| データセンター | 冷却、電力変換、ネットワーク | ホスティング事業者 |
| ハードウェア | チップやサーバーの製造（内包炭素） | 事業者。機器をどれだけ長く使うかを通じて |

企業にとって、最も大きく変えられるのは推論の部分です。その量は次の要素で決まります。

- **モデルの大きさと種類。** Luccioni、Jernite、Strubell の研究では、同じタスクに対して、汎用の生成モデルはタスク特化型のシステムより運用コストが桁違いに高いことがわかりました。彼らの試験では、画像生成には1,000リクエストあたり平均約2.9 kWh、テキスト分類には約0.002 kWhが使われました。
- **トークン数**（モデルが読み書きするテキストの断片）。長いプロンプト、貼り付けた文書、冗長な回答は、すべて積み重なります。
- ワークフローが行う**呼び出しの回数**。計画し、確認し、やり直すエージェントは、1つのタスクのために何十回も呼び出しを行うことがあります。
- **どこで、いつ**実行するか。1キロワット時に含まれる炭素は、その地域の電力網によって変わるからです。

リクエストあたりの規模感として、Google は、Gemini アプリへのテキストプロンプトの中央値のエネルギー使用量は0.24 Whで、この数値は1年で33分の1に下がったと報告しています。測定方法は事業者によって異なるので、こうした数値は目安として扱ってください。細部がなぜ重要かについては、[AI のエネルギーの測定](/ja/グッドプラクティス/ai-のエネルギーと炭素を測る方法/)をご覧ください。

## 適切なモデルはどう選べばよいか？ {#how-do-we-choose-the-right-model}

仕事を確実にこなせる最も小さなモデルを使い、それを自社の実際の業務で試してください。メールの仕分け、請求書からの項目抽出、要約、翻訳など、多くの業務タスクでは、小型または特化型のモデルで十分です。

UNESCO とユニバーシティ・カレッジ・ロンドンは、適したタスクであれば、小型のタスク特化型モデルを使うことで性能を落とさずにエネルギー使用量を最大90%削減でき、プロンプトと回答を短くすることで半分以上削減できることを示しました。

実践のステップです。

1. **AI のタスクを一覧にし**、それぞれについて「十分な水準」とは何かを決めます。たとえば、請求書の項目の98%が正しいこと、などです。
2. 実際の事例のサンプルで、**小さいモデルから大きいモデルへ順に試します**。基準を満たした最初のモデルで止めます。
3. **リクエストを振り分けます。** 定型的なリクエストは小さなモデルに、難しいものだけを大きなモデルに送ります。これはモデルルーティングと呼ばれることが多い方法です。
4. **見せかけの節約に注意します。** 小さすぎるモデルが失敗して大きなモデルで再実行することになると、最初から大きなモデルを使うよりエネルギーが多くかかることがあります。呼び出しあたりのコストではなく、一度で成功する率を測ってください。
5. **作り直さず、再利用します。** 同じ回答、テンプレート、コードがまた必要になる場合は、毎回モデルに尋ねるのではなく、保存して再利用します。ITEA の研究プロジェクトである GreenCode は、検索、対応できる最も安価な構成要素へのルーティング、スケジューリングを使って、自らの AI 利用を小さく保つ方法を紹介しています。

独立した評価は、オープンなモデルの比較に役立ちます。Hugging Face とパートナーが立ち上げた AI Energy Score は、一般的なタスクにおけるエネルギー効率で、モデルを1つ星から5つ星で評価します。詳しくは[適切なモデルの選び方](/ja/グッドプラクティス/用途に合ったモデルを選ぶ/)と[生成よりオーケストレーション](/ja/記事/生成よりオーケストレーション/)をご覧ください。

## AI サプライヤーに何を尋ねるべきか？ {#what-should-we-ask-ai-suppliers}

数値、方法、場所を尋ね、その回答を契約書に盛り込んでください。多くのサプライヤーはまだ完全には答えられませんが、尋ねることで需要があることを伝えられ、どのサプライヤーが真剣に取り組んでいるかもわかります。

入札や契約更新に含めるべき質問です。

- **リクエストあたりのエネルギー。** 使用するモデルについて、一般的なリクエストあたり、または1,000トークンあたりのエネルギー（Wh）はどれくらいですか。測定値ですか、推計値ですか。どのように求めましたか。
- **システム境界。** その数値には、待機中の容量、冷却、ネットワークが含まれますか。それともチップだけですか。
- **実行場所。** 自社のワークロードは、どのデータセンターと地域で処理されますか。その電力使用効率（PUE、施設全体のエネルギーと計算に使うエネルギーの比）と水使用量はどれくらいですか。
- **電力。** 年単位の証書でまかなうのではなく、1時間ごとにクリーンな電力と一致させている割合はどれくらいですか。
- **モデルの選択肢。** より小さなモデルを選んだり、モデル間でリクエストを振り分けたりできますか。データを国内や社内にとどめる必要がある場合、自社のハードウェアで実行できますか。
- **報告。** 自社のアカウントについて、自社の報告に使える形で、毎月のエネルギーと排出量のデータを提供してもらえますか。
- **ハードウェアの寿命。** サーバーをどれくらいの期間使い続けますか。その後はどうなりますか。
- **変更の通知。** サービスの裏で使っているモデルを切り替える場合、知らせてもらえますか。

EU 域外であっても、知っておく価値のある EU の法律が2つあります。大手サプライヤーはこれらを幅広く適用しているからです。

- **EU AI 法**は、汎用 AI モデルの提供者に対し、モデルの既知または推計のエネルギー消費量を文書化することを求めています（附属書 XI）。
- **エネルギー効率指令**は、IT 電力需要が500 kW以上のデータセンターの運営者に対し、エネルギーと水の使用量を含むエネルギー性能を欧州のデータベースに報告することを求めています（委任規則 2024/1364）。

より詳しい質問リストは[持続可能な AI 調達](/ja/グッドプラクティス/持続可能な-ai-調達/)ガイドにあり、回答の意味は[ホスティングとデータセンター](/ja/グッドプラクティス/グリーン-ai-のホスティングとデータセンター/)で解説しています。サプライヤーは[製品ディレクトリ](/ja/製品/)で、独立した支援は[コンサルタントディレクトリ](/ja/コンサルタント/)で探せます。

## AI のエネルギーと排出量はどう測定するか？ {#how-do-we-measure-ai-energy-and-emissions}

測定できるものは測定し、残りは方法を明らかにして推計し、自社で管理できるものを記録してください。完璧な数値が手に入ることはまれですが、一貫した方法があれば、改善しているかどうかがわかります。

- **自社のハードウェアやクラウドのマシン。** CodeCarbon などのオープンソースツールは、プロセッサーとメモリーが使う電力と、地域の電力網の炭素強度から排出量を推計します。
- **外部の AI サービス。** トークン数、呼び出し回数、使用したモデルを記録します。サプライヤーがリクエストあたりのエネルギーの数値を示していれば、それを掛け合わせます。示していなければ、公開されている推計値を使い、その旨を明記します。
- **単位。** エネルギーは kWh、排出量は kg CO₂e（二酸化炭素換算）で報告し、どの電力網の係数を使ったかを示します。
- **成果あたり。** 合計だけでなく、処理した請求書1件あたりなど、役に立つ成果1件あたりのエネルギーを記録します。これにより、やり直しや再試行の影響が見えるようになります。

[AI のエネルギーの測定方法](/ja/グッドプラクティス/ai-のエネルギーと炭素を測る方法/)と[測定がボトルネックである理由](/ja/記事/グリーン-ai-のボトルネックは測定にある/)をご覧ください。

## AI は CSRD や ESG 報告にどう関わるか？ {#how-does-ai-fit-into-csrd-and-esg-reporting}

AI の電力は自社のエネルギー使用量の一部なので、別の報告書ではなく、既存の排出量報告に含めるべきものです。ほとんどの報告枠組みでは、自社でハードウェアを運用している場合は購入電力（スコープ2）に、クラウドや AI のサービスを利用している場合は購入したサービス（スコープ3）に入ります。

EU では、企業持続可能性報告指令（CSRD）の対象が2026年に絞り込まれました。2026年2月の EU 理事会による最終承認で、対象は従業員1,000人超かつ年間純売上高4億5,000万ユーロ超の企業に限定されました。これを下回る場合でも、対象となる大口顧客からデータを求められたり、任意で報告することを選んだりする場合があります。EU 域外では、自国の規則と、自社が従っている任意の枠組みを確認してください。

義務の有無にかかわらず、AI はほかの重要なエネルギー使用と同じように扱ってください。方法、境界、不確かさを明記することです。

## 従業員の良い習慣はどう育てるか？ {#how-do-we-build-good-habits-among-staff}

毎回エネルギーのことを考えるよう求めるのではなく、いくつかの簡単なルールと、適切なツールを最初から用意してください。習慣が最も大きな意味を持つのは、多くの人が1日に何度も AI を使う場面です。

- **適切なツールを選ぶ。** 検索エンジン、テンプレート、表計算ソフト、既存のソフトウェアで十分なことはよくあります。AI は、本当に時間を節約できる場面や品質が上がる場面で使いましょう。
- **簡潔にする。** はっきりした質問をし、短い回答を求め、一部で足りるときは文書全体を貼り付けないようにします。
- **「スロットマシン」のような使い方を避ける。** 画像や回答を何度も作り直すのはコストがかかります。代わりに依頼内容を磨きましょう。
- 社内ツールでは**小さなモデルを標準にし**、必要なときに大きなモデルを使えるようにします。
- **使っていないものは止める。** ソフトウェアで初期設定のまま有効になっている AI 機能や、使われていない試験用マシンも、エネルギーを使います。
- **重い処理は時間を決めて実行する。** 夜間の文書処理など、待てるバッチ処理は、電力網がよりクリーンな時間帯に実行できます。

これらを短い方針にまとめましょう。[グリーン AI 方針](/ja/グッドプラクティス/グリーン-ai-ポリシーの書き方/)ガイドにはテンプレートがあり、[AI を効率よく使う](/ja/グッドプラクティス/ai-を効率よく使う-日々の習慣/)には日々のヒントがさらに載っています。

## どうすれば誠実に伝えられるか？ {#how-do-we-talk-about-it-honestly}

測定したことだけを、明示した基準と比べて主張し、限界も示してください。「持続可能な AI」や「カーボンニュートラルな AI」のようなあいまいな主張は、規制当局や顧客から厳しい目を向けられます。

良い実践です。

- **基準**（「以前のモデルと比べて」）と**測定方法**を明記します。
- **効率**（タスクあたりのエネルギーの減少）と**総使用量**（それでも増えることがある）を区別します。AI が安くなると AI の利用が増えることが多く、これは[リバウンド効果](/ja/用語集/#rebound-effect)と呼ばれます。
- オフセットや年単位の再生可能エネルギー証書だけを根拠に、サービスを環境にやさしいと呼ばないようにします。
- ある事業者の自己申告の数値は、ほかの事業者の数値と比較できない場合があることを忘れないでください。

詳しくは[誠実な環境配慮の主張](/ja/グッドプラクティス/ai-についての誠実な環境主張/)と[効率は充足ではない](/ja/記事/効率は充足ではない-ai-におけるリバウンド効果/)をご覧ください。

## 次にすること {#what-to-do-next}

1. **AI の利用状況を洗い出します。** 使っているツール、モデル、自動化されたワークフローを一覧にし、それぞれがおおよそどれくらいの頻度で動いているかを書き出します。
2. **利用量の多いタスクを1つ選び**、より小さなモデルが自社の品質基準を満たすかどうかを試します。
3. 主な AI サービスについて**トークン数と呼び出し回数の記録を始め**、自社でハードウェアを運用している場合はエネルギーも記録します。
4. 次回の入札や契約更新に、**上記のサプライヤーへの質問を加えます**。
5. [方針ガイド](/ja/グッドプラクティス/グリーン-ai-ポリシーの書き方/)を使って、AI をいつ、どう使うかについての**短い従業員向け方針を公表します**。
6. マーケティングや報告書の**主張を**、[誠実な主張のガイド](/ja/グッドプラクティス/ai-についての誠実な環境主張/)に照らして**見直します**。
7. **必要なら支援を受けましょう。** [コンサルタントディレクトリ](/ja/コンサルタント/)で支援を、[製品ディレクトリ](/ja/製品/)でツールを探せます。

## よくある質問

### グリーン AI はコストが高くなりますか？

たいていはそうなりません。小さなモデル、短いプロンプト、繰り返し実行の削減といった主な手段は、API の料金と応答時間も減らします。追加の費用は主に、測定やモデル間のルーティングを設定するためのスタッフの時間です。

### 自社の AI のエネルギー使用量を報告する義務はありますか？

多くの地域では、独立した項目としての報告義務はありません。ただし AI の電力は自社のエネルギー使用量と排出量の一部なので、対象企業に適用される EU の CSRD や、任意の ESG 報告など、より広い報告の範囲に含まれます。

### 小さなモデルのほうが必ず環境にやさしいのですか？

いいえ。小さすぎるモデルは失敗することがあり、やり直しや、より大きなモデルでの再実行が必要になります。実際のタスクで試してください。最も環境にやさしいモデルとは、一度で正しく仕上げられる最も小さなモデルです。

### 自社で運用していないクラウド AI サービスのエネルギーは、どう測定できますか？

サプライヤーに、リクエストあたりのエネルギーとその算出方法を尋ねてください。回答が得られない場合は、公開されているプロンプトあたりの推計値を、注意点を明記したうえで使い、トークン数や呼び出し回数など、自社で管理できるものを記録しましょう。

## 出典

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
