# 家族で AI を環境にやさしく使うには？

> 押しつけがましくなく家庭で AI を上手に使う方法：いくつかの習慣を決め、画像や動画は控えめにし、機器を長く使い、トレードオフについて話し合います。

Source: https://greenai.guide/ja/ハウツー/家族で-ai-を環境にやさしく使うには/  
Updated: 2026-11-19

## 要点

規則ではなく、家庭で簡単な習慣をいくつか決めましょう。使える中で最も簡単なツールを使う、明確に質問する、再生成ではなく修正を頼む、AI の画像や動画は際限のない娯楽ではなくたまに楽しむもの、といった習慣です。スマートフォン、タブレット、ノートパソコンを長く使うことも大切です。機器の製造にもフットプリントがあるからです。

## Steps

1. AI が家庭で何に役立ち、何には必要ないかを一緒に話し合います。
2. 明確に尋ねる、再生成ではなく修正を頼むなど、いくつかの習慣を決めます。
3. 遊びで画像や動画を生成することに、ゆるやかな上限を設けます。
4. 共用の機器で、誰も使っていない AI 機能をオフにします。
5. AI 機能のために買い替えず、今ある機器を長く使います。

**厳しい規則より、家族で共有するいくつかの習慣のほうが効果があります。** 多くの家庭では、AI の利用によるエネルギーは、いくつかのことから生じます。大量の画像や動画の生成、何度も繰り返す回答の再生成、動かしっぱなしの機能です。たまにするテキストの質問はわずかなものです。OpenAI の数値によれば、高効率の電球が 2 分ほどで使う電力と同じくらいです。

## どんな習慣を決めるとよいですか？ {#which-habits-are-worth-agreeing}

- **まず適切なツールを。** 検索、電卓、本のほうが早いことがよくあります。
- **明確に尋ね、それから修正を。** 何を変えてほしいかを AI に伝えるほうが、「もう一度試す」を押すより効果的です。
- **画像と動画はほどほどに。** ある研究では、画像の生成には 1,000 枚あたり平均約 2.9 kWh かかり、テキストの分類の 1,000 倍を超えるエネルギーでした。何枚か作るのはかまいませんが、遊びで何百枚も作ると積み重なります。
- **共用の機器を整理する。** 誰も使っていないアシスタントや自動機能はオフにしましょう。
  [AI 機能をオフにする](/ja/ハウツー/使っていない-ai-機能をオフにするには/)をご覧ください。

## 機器についてはどうですか？ {#what-about-devices}

**機器を長く使うことは、家庭でできる最も大きなことのひとつです。** Wang らは、大規模言語モデルが 2020年から 2030年までに 120万〜500万トンの電子廃棄物を生み出す可能性があり、再利用とリサイクルによってこれを大幅に減らせると推計しました。AI の多くはクラウドで動くので、使うために新しいスマートフォンが必要になることはめったにありません。[AI のために機器を買い替えない](/ja/ハウツー/ai-を使うためだけにスマホやパソコンを買い替えなくてもいい/)をご覧ください。

## よくある間違い {#common-mistakes}

- **説教すること。** 好奇心のほうが効果的です。エネルギーがどこに使われているかを一緒に調べましょう。
- **チャットボットに「お願いします」と言うような小さなことを気にして、**動画の生成を見過ごすこと。
- **AI を全面的に禁止すること。** 上手に使えば、宿題、手紙、計画づくりの助けになります。

年下の家族と話すときは、
[AI と環境について子どもと話す](/ja/ハウツー/ai-と環境のことを子どもにどう話せばいい/)を、基本については、
[わかりやすいガイド](/ja/ガイド/グリーン-ai-すべての人のためのやさしいガイド/)をご覧ください。

## 出典

- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [E-waste challenges of generative artificial intelligence](https://doi.org/10.1038/s43588-024-00712-6), Wang et al., Nature Computational Science (2024)
