# AI のエネルギーを合計ではなくタスクごとに追跡するには？

> 文書あたりや成功したタスクあたりなどの機能単位を選び、それに対してエネルギーと品質を記録し、合計と並べて報告する方法です。

Source: https://greenai.guide/ja/ハウツー/ai-のエネルギーを合計ではなくタスクごとに追跡するには/  
Updated: 2026-11-19

## 要点

要約した文書あたりや成功したタスクあたりなど、AI が生み出す価値に合った機能単位を選び、エネルギーをそれで割りましょう。単位あたりのエネルギー、単位あたりの品質、合計を並べて追跡します。単位あたりの数値はシステムの効率が上がっているかを示し、合計は利用の増加がそれを上回っていないかを示します。

## Steps

1. 機能単位を選びます。呼び出しあたりより、成功したタスクあたりを優先します。
2. 再試行や失敗した試みも含め、モデルの呼び出しすべてに、属するタスクを記録します。
3. 実測または推定したエネルギーを、提供した単位の数で割ります。
4. 同じ単位について、品質や成功率を追跡します。
5. 毎月、単位あたりの数値と合計をあわせて報告します。

**合計は利用の増加とともに増え、効率化を隠してしまいます。タスクあたりの数値なら、それが見えます。** 両方を追跡すれば、改善しているかどうか、そしてそれで十分かどうかがわかります。

## どの単位を選べばよいですか？ {#which-unit-should-i-choose}

| 単位 | 向いている用途 | 注意点 |
|---|---|---|
| 呼び出しあたり | 簡単な記録 | 再試行やエージェントのループが隠れる |
| リクエストあたり・回答あたり | チャットや検索の機能 | 回答が役に立ったかはわからない |
| 文書・チケット・画像あたり | バッチ処理 | 文書の大きさはさまざま |
| 成功したタスクあたり | エージェントとワークフロー | 成功の明確な判定が必要 |

ユーザーのリクエスト 1 件に多くの呼び出しが伴うことがあるので、通常は成功したタスクあたりが最適です。Anthropic によると、同社のエージェントは通常、チャットでのやり取りの約 4 倍、マルチエージェントシステムでは約 15 倍のトークンを使いました。

## なぜ合計も残すのですか？ {#why-keep-the-total-too}

Luccioni、Strubell、Crawford は、AI の効率化による効果が利用の増加で打ち消されうると警告しています。これが[リバウンド効果](/ja/用語集/#rebound-effect)です。タスクあたりのエネルギーが半分になっても、タスクの数が 3 倍になれば、合計はやはり増えます。Green Software Foundation の SCI 仕様が機能単位あたりの率になっているのはこのためですが、それでも絶対値を並べて報告すべきです。

## よくある間違い {#common-mistakes}

- **成功した呼び出しだけを数えること。** 失敗した試みが数値から消えてしまいます。
- **報告ごとに単位を変えること。**
- **品質を示さずに効率を報告すること。** 安くても失敗が増えるタスクは改善ではありません。

[効率化の効果が打ち消されるのを防ぐ方法](/ja/ハウツー/ai-の効率化の成果が利用増加で相殺されないようにするには/)と[AI のエネルギーを測る方法](/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/)をご覧ください。

## 出典

- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
