WorldRoadコラムは、各メンバーがグローバル・ローカル、様々なプロジェクトをする中で閃いたトピックを深掘りし、調査や公開情報、データ、事例などをまとめています
AIは環境に良い？悪い？
チャットができるAIからAIエージェント、さらにフィジカルAIへ。
AIの進化は加速度的に進んでいます。仕事での調査や資料作成、日常の検索や翻訳など、生成AIを使う機会は確実に増えています。
一方で、AI向けデータセンター向けの巨額投資が加速し、電力需要が逼迫しているというニュースも目にするようになってきました。
果たしてAIは環境に良いのでしょうか、それとも悪いのでしょうか？
この問いに、単純なYes／Noで答えることはできません。
AIは「環境負荷を高める存在」であると同時に、「環境課題を解決する力」も持っているからです。
その両面を整理する概念として、2019年頃から研究者のあいだで注目されはじめたのが「Green AI」です。
性能向上を最優先し、環境負荷を考慮しないAIを「Red AI」と呼ぶのに対し、環境に配慮したAIを「Green AI」と定義し、その重要性が広く議論されるようになりました。
Green AIとは何か ー2つのアプローチ
Green AIには、大きく２つの意味があります。
一つは、「AIそのものを環境に優しくする（Green in AI）」。少ない計算量で同等の性能を実現したり、インフラ面では再生可能エネルギーを使用するなど、環境負荷の低いAIを目指すアプローチです。
※Green in AIはGreen of AIと表現される場合もあります。
もう一つは、 「AIを使って環境課題を解決する（Green by AI）」です。こちらはAIを利用して、人間には難しい環境問題に取り組もうという試みです。
Green in AI ーAIそのものを「グリーン」にする取り組み
生成AIの学習や運用には膨大な電力が必要です。
大規模言語モデルでは、数千〜数万規模のGPUや専用チップが使われ、同時に大量の計算が行われます。
それに伴い、大量の電力が消費され、発生する熱を冷却するための水資源もまた大量に必要となるのです。
国際エネルギー機関（IEA）の報告では、AI需要の拡大によりデータセンターの電力消費が今後大幅に増加する可能性を指摘しています。
出典: IEA (2025)「Global data centre electricity consumption, by equipment, Base Case, 2020-2030」, Licence: CC BY 4.0
AIの環境負荷は、無視できないテーマになりつつあるのです。
しかし、何も対策がされていないわけではありません。
Red AIの課題を解決すべく、AIそのものを環境に優しくする取り組みを、「Green in AI」と呼んでいます。
モデルの軽量化
対策の一つがモデルの軽量化です。
大規模モデルの知識を活かしつつ、計算量を抑える設計が進んでいます。
蒸留技術や効率化アルゴリズムにより、同等の性能をより少ないエネルギーで実現する取り組みが広がっています。
「性能」だけではなく、「効率」も評価軸に含める動きが強まっているのです。
専用チップの開発
AI開発に欠かせない汎用GPUに加え、AI処理に特化した専用チップの開発も加速しています。Googleが開発したTPUや、AppleのNPUは、用途への最適化により電力消費を抑えつつ高速な処理を実現しています。
ハードウェアの進化もまた、Green in AIの重要な要素です。
再生可能エネルギーの活用
Googleは2017年に、データセンターとオフィスを含む全世界の事業で、消費電力を100%再生可能エネルギーで賄うと発表しました。さらに2020年には「2030年までに24時間365日カーボンフリーエネルギー」という目標を掲げています。
MicrosoftやAmazonなども同様に脱炭素目標を掲げており、テクノロジー企業が挑む「カーボンフリー・データセンター」の実現が期待されています。
このように、ガソリン車がハイブリッド車を経て、電気自動車へと進化してきたように、AIもまた膨大な電力消費による環境負荷の高い状況から、徐々に「エコ」な存在へと進化しつつあるのです。
Green by AI ーAIが環境課題を解決する
そしてもう一つの顔が、AIを活用して環境課題そのものを解決する取り組み「Green by AI」です。
AIは環境負荷の高い技術ではあるものの、一方で複雑なパラメータを同時に扱うことに長けています。
この特性は、人間やコンピュータだけでは解決が難しい、複雑な環境問題の解決に貢献できる可能性を秘めています。
最適化
電力網や物流ルートのように、多くの要素が動的に変化するシステムでは、人間や従来のアルゴリズムだけでは最適化が難しい場合があります。AIによるリアルタイムの最適化は、エネルギー効率の向上に貢献する可能性が期待されています。
実際に、GoogleのAI開発部門であるDeepMindは、AIを活用して自社データセンターの冷却に使うエネルギーを最大40%削減したと報告しています。
これは、AIによる環境負荷削減の代表的な事例として注目されています。
研究支援
新素材や新技術の候補探索をAIが担うことで、研究開発のスピードを加速させる事例も増えています。膨大な計算量を自律的にこなすことができるAIは、脱炭素技術や環境素材の研究においても重要なパートナーとなりつつあります。
予測と可視化
複雑な気象データの解析や災害予測、サプライチェーンの排出量可視化などもAIが活躍する分野です。
AIが扱えるデータの幅は広く、環境リスク管理や情報開示（ESGレポーティング）における活用も期待されています。
【事例紹介】「Green AI」活用事例 3選
ここからは実際にAIをサステナビリティに活用している事例を3つ紹介します。
Case 1｜廃棄物をAIでデータ化する ーGrey Parrot (イギリス)
Grey Parrotは、廃棄物をAIでデータ化するイギリスのスタートアップです。
廃棄物にはプラスチックや金属、紙などさまざまな素材が混ざり合っており、手選別では限界がありました。 そこでGrey Parrotは、AIカメラとAIで廃棄物をリアルタイムに分析し、素材や重量を特定することでリサイクル効率を劇的に向上させました。
50カ国以上で導入が進んでいると発表しており、今後の更なる活用が期待されています。
Case 2｜ビル自体が”呼吸”して省エネ – BrainBox AI (カナダ)
都市の温暖化にAIの技術で立ち向かうのが、カナダのスタートアップBrainBox AIです。
都市の温室効果ガスの多くはビルの空調（HVAC）から排出されています。 そこで、BrainBox AIは、ビルの空調の制御にAIを活用することで解決方法を提案しています。ビル内の状況や気候など、ビルの空調には多くのパラメータが存在します。その複雑な状況を瞬時に分析、判断し、自律的に空調を制御することで、エネルギー消費を削減することに成功しました。
導入ビルにおいて、HVACエネルギー消費を最大25%削減したという報告もなされています。
Case 3｜海洋プラスチックゴミを可視化する – The Ocean Cleanup (オランダ)
オランダ発のスタートアップThe Ocean Cleanupは、プラスチックゴミ問題の解決に取り組んでいます。
広大な海に散らばるプラスチックゴミの回収は効率が悪いという課題がありました。 そこで、衛星画像やAI分析を活用し、海洋プラスチックが集中するエリアを特定することで、回収効率を上げることに成功しました。
公式発表によると、累計で数百万キログラム規模のプラスチック回収を実現しています。
まとめ：賢い「使い手」になるために
AIは現時点では、環境負荷の高い技術であることは事実です。
電力消費や水資源の問題など、課題は無視できませんが、Green AIという概念のもと、負荷を低減しながら環境課題を解決する取り組みがビジネスの現場でも確実に広がっています。
企業にとってAIを使わないという選択肢は、もはや現実的ではないかもしれません。
だからこそ「どのAIを選ぶべきか」「どう使うか」という問いが、サステナビリティ戦略の重要な一部となってきています。
例えば、以下のような観点から、AIの利用を見直すことがGreen AIの実践につながります。
- 用途に応じて小規模モデルや軽量モデルを選び、不要な大規模モデルの利用を避ける。
- 利用するAIサービスの環境方針（再生可能エネルギーの使用状況、脱炭素目標）を確認する。
- AIを環境データの分析、最適化、可視化に積極的に活用し、ESG課題解決に役立てる。
テクノロジーの進化を批判するだけでなく、環境負荷を意識した使い方を選ぶこと。Green AIを意識したAIの活用は、未来のビジネスモデルを大きく変える可能性を秘めています。
「義務」としてのサステナビリティを超えるWorld Roadの伴走支援
CSO・サステナビリティ代行／代表 https://www.worldroad.org/cso
World Road : https://www.worldroad.org/
Share this story (Short Link)