要点
作業あたりのエネルギーだけでなく AI のエネルギー総量も追跡して増加が見えるようにし、削減分をどうするかを事前に決めましょう。空いた容量を廃止する、予算や上限を設ける、あるいは意図的に再投資する、といった選択です。新しい用途ごとにその価値があるかを問い、効率性に充足性を組み合わせます。こうした取り組みがなければ、安くなった AI はただ多く使われるようになりがちです。
手順
- 見直しのたびに、作業あたりのエネルギーとあわせて、AI のエネルギーまたは排出の総量を報告します。
- 効率化プロジェクトの前に、それで空く容量や予算をどうするかを決めます。
- チームやサービスごとに、計算量、トークン、支出の総量に予算または上限を設けます。
- 効率化で不要になったサーバー、ライセンス、予約済みのキャパシティを廃止します。
- 新しい AI の用途を承認する前に、それが必要かどうかを問います。
効率化が削減につながるのは、それで空いた容量をどうするかを誰かが決めたときだけです。 そうでなければ、安くなった AI はより多くのことに、より頻繁に使われ、総量は増え続けます。
なぜこうなるの?
経済学者ウィリアム・スタンレー・ジェヴォンズは 1865年、蒸気機関の効率が上がると、石炭の消費は減るどころか増えたことを指摘しました。Luccioni、Strubell、Crawford は、同じリバウンドの力学が AI にも当てはまると論じています。効率化でコストが下がると、利用が増えることがあるのです。国際エネルギー機関は、リクエスト1件ごとのコストが下がっても、データセンターの電力使用量は 2024年から 2030年の間に2倍を超えて増え、その最大の要因は AI になると予測しています。
組織にできることは?
- 総量を見えるようにする。 作業あたりの数値だけでは、着実に進歩しているように見えてしまいます。
- 予算を設ける。 ほかの資源と同じように、チームに計算量、トークン、支出の予算を与えます。
- 削減分を確保する。 モデルやワークフローが効率化されたら、不要になった容量を停止するか返却します。
- 意図して再投資する。 削減分を新しい用途に使うのが正しい選択のこともありますが、なし崩しではなく、判断として決めましょう。
- 充足性を実践する。 その作業にそもそも AI が必要か、これほど大きなモデルが必要かを問いましょう。AI が必要かどうかを判断するをご覧ください。
よくある間違い
- 効率化の割合を、排出の削減として発表する。
- 空いたサーバーを「念のため」動かしたままにする。
- 1つひとつが安いからという理由で、新しい AI 機能をすべて承認する。
数学者、計算機科学者、産業界が集まった 2026年の英国のグリーン AI サンドピット(集中討議型ワークショップ)では、リバウンド効果を避けることが、グリーン AI の主な未解決の課題の1つに挙げられました。詳しくは効率性は充足性ではないをお読みください。
出典
- The Coal Question, W. Stanley Jevons, Macmillan (1865)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Energy and AI, International Energy Agency (2025)
関連
効率は充足ではない:AI におけるリバウンド効果
AI の効率を高めても全体のエネルギー使用量が減るとは限らない理由、リバウンド効果(ジェボンズ効果)とは何か、そして節約を本物にするための方法を説明します。
AI のエネルギーと排出量の目標はどう決めればいい?
意味のある AI のエネルギーと排出量の目標の立て方:実測したベースライン、原単位と総量の目標の組み合わせ、定期的な見直しを説明します。
AI プロジェクトが環境負荷に見合うか確かめるには?
AI プロジェクト自体のエネルギー、炭素、ハードウェアと、それがもたらす効果を、構築前と運用後に比べる簡単な方法です。
グリーン AI ポリシーの書き方
組織のグリーン AI ポリシーを書くための段階的なガイドです。利用、モデル、測定、購入、主張、見直しを網羅したテンプレートの骨子も紹介します。