AIの隠れた炭素排出、企業の気候会計から漏れる

Google Newsは、Sierra Clubの調査が示した印象的な矛盾を取り上げた。AIによる最大の炭素排出は、テクノロジー企業が報告する数値の外側に存在している可能性がある。

8月31日の報告書は、「有効化排出量（enabled emissions）」を検証している。これは、AIによって化石燃料の採掘、精製、発電の生産性が高まることで生じる追加的な汚染を指す。こうした排出は、データセンターが使用する電力とは異なる。AIの導入後、顧客がAIを使って何を実現するかによって発生する。

この区別は、気候をめぐる議論を大きく広げる。Microsoft、Google、Amazon、Metaは、報告範囲に違いはあるものの、事業運営とサプライチェーンに関する数値を公表している。しかし、こうした開示で、特定のAIサービスによる世界全体の生産量変化が示されることはほとんどない。

8月に発表された査読済み研究は、エネルギー経済全体でAI支援による生産性向上が、検証したすべての均衡的な導入シナリオで年間の二酸化炭素排出量を増加させると推定している。モデル上の増加量は0.47〜1.8ギガトンに達する。

この結果は、すべてのAIアプリケーションが排出量を増やすことを証明するものではない。サーバーだけを測定していては、より大きな経済的影響を見落とし得る理由を示している。AIは風力発電所を最適化できる一方で、石油生産者による埋蔵量の特定、坑井管理、採掘コスト削減も支援できる。

したがって主な対立は、効率的なコンピューティングと非効率的なコンピューティングの間にあるのではない。企業の気候会計と、AI製品が容易にする現実世界の活動との間にある。

Sierra Clubの報告書がGoogle Newsに加えた視点

この報告書は、AIを動かす機械から、それらの機械が拡大し得る産業生産へと注目を移す。

AIに関する環境報道の多くは、データセンターから始まる。コンピューティング施設は電力を消費し、水を必要とし、炭素集約的な機器を含むため、この焦点には合理性がある。一部の施設は、ガスタービンやディーゼル発電機にも依存している。

Sierra Clubの調査は、この一般的なフットプリントでは不十分だと主張する。AI支援による化石燃料生産に伴う汚染に目を向けるよう促しており、これは通常、テクノロジー企業が報告するインベントリーの範囲外にある。

この第2層は、より把握しにくい。クラウドプロバイダーは、ワークロードが消費した電力を推計できる。また、サーバー製造時のフットプリントの一部を顧客に配分することもできる。

一方で、そのシステムが探査や製油所の性能を向上させた結果、どれだけ追加の石油が市場に供給されたかを、プロバイダーが通常把握することはできない。その関係が判明している場合でも、既存の炭素会計にはそれを記載する標準的な項目がない。

基礎となる研究は、この効果を有効化排出量と呼んでいる。この用語は、AIが炭素集約的な産業にもたらす生産性向上によって生じる追加の温室効果ガスを表す。

有効化排出量は、Scope 3排出量とは異なる。Scope 3は、購入した機器、建設資材、出張、販売製品の特定の使用などを含む、バリューチェーン上の間接的な汚染を対象とする。

テクノロジー企業のScope 3インベントリーには、サーバー製造を含められるが、そのソフトウェアがもたらす下流の経済的影響のすべてを含めるわけではない。会計上の境界は、あらゆる市場反応ではなく、定義された企業関係に従う。

この違いが、この話題がGoogle Newsを通じて注目を集めた理由を説明している。企業のサステナビリティ発表で用いられる数値に疑問を投げかけつつ、それらの数値が必ずしも誤りだとは主張していない。

企業は現行の会計ルールに従いながら、自社技術が気候にもたらす影響について不完全な像を示すことがあり得る。準拠と完全性は別の問題である。

この話題が浮上したのは、データセンターへの反対が環境団体の枠を超えた時期でもある。電力会社、規制当局、住民、料金支払者の擁護団体は、新たな電力を誰が供給し、送電網の増強費用を誰が負担するのかについて、ますます疑問を呈している。

それでも、運用時の電力は問題の一部にすぎない。AIが化石燃料生産も低コスト化するなら、その影響はモデルを提供する施設をはるかに超えて続く。

この再定義が重要なのは、企業の気候報告書が、有益な顧客向けアプリケーションと有害なアプリケーションをしばしば分けて扱うためだ。企業は、送電網の最適化、再生可能エネルギーの予測、エネルギー効率化を、回避排出量として強調する。

掘削、精製、石油化学製品の生産、化石燃料発電に使われるAIについて、同等の推定値を公表することはほとんどない。この不均衡は、利益を可視化する一方で、害を枠外に残しかねない。

Sierra Clubの報告書は、この欠落を中心的なニュース事象に変えている。読者に対し、電力メーターだけでなく経済的な結果を通じてAIを評価するよう問いかけている。

炭素会計はデータセンターで止まる

現在の報告では、サーバーの電力使用量を数えられても、その上で動くソフトウェアが生む追加的な生産量を見落とし得る。

温室効果ガスのインベントリーは、排出量を大きく3つのScopeに分ける。Scope 1は企業が管理する排出源からの直接排出を対象とする。Scope 2は、購入した電力などのエネルギーに関連する排出を対象とする。

Scope 3は、バリューチェーン全体にわたるその他の間接排出を捉える。データセンター建設、ハードウェア製造、輸送、購入サービス、販売製品の最終的な使用などを含めることができる。

AIプロバイダーにとって、各カテゴリーには測定の難しさがある。電力は複数の系統から供給され得る一方、契約上の再生可能エネルギー購入は、所在地ベースの計算とは異なる合計値を生み得る。

ハードウェアも別の課題をもたらす。先進的なアクセラレーターには、エネルギー集約的な半導体製造、専用メモリー、ネットワーク機器、冷却システム、鉄鋼、コンクリート、そして頻繁な機器交換が必要となる。

国際電気通信連合は、原材料の取得、生産、使用済み段階の処理に伴うライフサイクル上の汚染を、埋め込み排出量として定義している。同連合のAI評価ガイドラインは、トレーニングと推論を分けて報告するよう推奨している。

この指針は比較を改善するが、依然としてシステム境界に依存する。ライフサイクル評価はその境界を広げられるものの、最終的にはどの結果が製品に帰属するかを決めなければならない。

Google Cloudは現在、顧客フットプリントの方法論にハードウェアの埋め込み炭素を含めて説明している。同社の炭素算定方法論には、材料採掘、輸送、機器製造が含まれる。

AWSも同様に、顧客向け報告の境界にハードウェアと特定の建物に由来する埋め込み排出量を含めている。顧客には電力使用量の推定だけでは不十分であるため、これは意義のある改善だ。

ただし、どちらのアプローチも市場全体の有効化排出量を自動的に捉えるものではない。石油会社は、ひとつの生産プログラムで複数のクラウドプロバイダー、社内システム、サードパーティーモデルを利用する可能性がある。

その場合、分析者には信頼できる反実仮想が必要となる。AIがなければどれだけの生産が行われたか、また追加供給に対してエネルギー市場がどう反応したかを推定しなければならない。

この作業は不可能ではないが、従来の帰属とは異なる。経済モデリング、顧客の利用情報、価格、代替、需要、政策に関する仮定が必要となる。

ベンダーがAIを汎用サービスとして説明する場合、報告上のギャップはさらに大きくなる。汎用サービスは、あるアカウントでは再生可能エネルギーの予測を支援し、別のアカウントでは貯留層モデリングを支援し得る。

クラウドプロバイダーは、顧客のワークロードを完全には把握できない場合もある。プライバシー保護、契約上の境界、階層化されたソフトウェアサービスによって、最終的な用途が見えにくくなる可能性がある。

これは単純な開示不全ではなく、実際の測定問題を生む。基準、データ、帰属ルールが未確定である以上、企業は数値を信頼性高く報告できない。

それでも、不確実性はその効果をゼロとして扱う根拠にはならない。これがSierra Clubの記事が生んだ重要な圧力である。

企業報告書は、このカテゴリーを認め、既知の化石燃料セクターとの関係を開示し、シナリオを公表できる。測定済みの排出量と、モデル化された影響を分けることもできる。

こうした追加がなければ、読者は精密に算出された運用上のフットプリントを、AIの気候への完全な影響だと誤解するかもしれない。狭い境界内での精度は、その境界が包括的であることを意味しない。

有効化排出量は従来のAI気候ストーリーを覆す

化石燃料の生産性と再生可能エネルギーの生産性を同じ経済モデルに組み込むと、AIの気候収支は変わる。

査読済みの気候モデルは、2026年8月4日にnpj Climate Actionで発表された。著者らは、競合するエネルギー経路全体でAIを生産性の増幅器としてモデル化している。

この研究は、化石燃料の採掘、精製、発電、再生可能電力、送電網インフラ、選定された需要側活動に生産性向上を適用している。その上で、経済全体の反応を推定する。

並行導入シナリオでは、モデルは年間0.47〜1.8ギガトンの二酸化炭素排出純増を示す。これは2024年のエネルギー関連排出量の1.2〜4.8％に相当する。

研究者らは、有効化排出量のみでは年間0.6〜2.4ギガトンと推定している。この範囲を、参照した2025年推定におけるデータセンター由来の0.18ギガトンと比較している。

この前提では、モデル化された化石燃料セクターの影響は、引用されたデータセンター排出量の3.3〜13.3倍に達する。この比較は規模感を示すが、両推定値を単純に合算すべきではない。

研究は、データセンターの数値を外部参照として明確に扱っている。経済全体のモデルは二次的な生産効果を対象とする一方、参照値は直接的な運用排出を対象とする。

最も重要な結果は非対称性に関するものだ。モデル化された純排出量が均衡に達するには、再生可能エネルギーの生産性が化石燃料の生産性より4〜5倍速く改善しなければならない。

これは、生産性向上が、なお化石燃料が支配的なエネルギーシステムの内部で作用するためである。既存の炭素集約的なサプライチェーンをより効率化すれば、出力は急速に拡大し得る。

AIは、地震探査データの解釈、掘削地点の特定、機器監視の自動化、製油所スケジューリングの改善を支援できる。それぞれの用途が、コスト低下や操業中断の削減につながり得る。

こうした改善の一部は、1バレル当たりの排出量を削減できる。しかし、生産コストの低下は、供給総量の増加、資産寿命の延長、追加埋蔵量の経済性向上にもつながり得る。

これはリバウンド効果であり、効率化によるコスト低下が、総消費量または総生産量を増やすほど大きくなる場合に生じる。単位当たりがよりクリーンでも、総フットプリントが小さくなるとは限らない。

再生可能エネルギーシステムもAIの恩恵を受ける。予測は送電網への統合を改善でき、予知保全は停止時間を減らし、より良い計画は蓄電設備の導入を支援できる。

モデルは、こうした便益を否定していない。むしろ、それらを別々に示すのではなく、AIの化石燃料用途と併せて検証している。

研究の仮定の下では、最も強い燃料中立シナリオにおいて、送電網と選定された効率改善は年間排出量を約0.1ギガトン削減する。供給側の結果を覆すには至らない。

この逆転は、一般的な企業の物語に異議を唱える。テクノロジー企業はしばしば、AIの電力需要を、将来の気候アプリケーションが回収できる短期的なコストとして描いている。

この研究は、自動的に相殺されるわけではないと結論づけている。結果は、生産性向上がどこで生じるか、どの産業がそれを採用するか、そして政策が炭素集約的な拡大を抑制するかどうかに左右される。

この結論は、導入されたすべてのシステムを直接測定したものではなく、あくまでモデルによる結果である。その幅は、導入、生産性、市場、経済的反応に関する仮定を反映している。

それでも、このメカニズムは注目に値するほど信頼性がある。生産性の向上は、相互接続されたエネルギー市場全体で、生産量、価格、投資、消費に影響を及ぼす。

したがって、AIの炭素排出量をチップ効率だけで理解することはできない。より効率的なモデルであっても、高排出の活動を加速させれば、総汚染量を増やし得る。

Big Techは約束と現実の試練に直面する

テクノロジー企業は現在、気候目標と、化石燃料供給を拡大する産業へのAI販売を整合させるよう圧力を受けている。

最大手のクラウドおよびプラットフォーム企業4社は、大規模な気候目標を掲げている。同時に、コンピューティング施設、アクセラレータ、エネルギー契約、顧客向けAIサービスにも多額の投資を行ってきた。

これらの戦略は衝突しつつある。AI需要は電力使用量と建設由来の排出量を増やす一方、エネルギー、製造、輸送、資源採掘における新たな商機を開いている。

Microsoftは2030年までにカーボンネガティブになる目標を示している。Googleはネットゼロの事業運営とバリューチェーンを追求しており、AmazonとMetaもそれぞれ独自の気候目標を維持している。

企業開示はすでに、急速なインフラ拡大がそれらの目標を複雑にしていることを示している。建設資材、購入ハードウェア、電力使用量は、他の領域での効率化策による排出削減を上回るペースで増加し得る。

Googleは、温室効果ガス総排出量が2019年から2023年にかけて48％増加したと報告した。同社は、その増加の一部をデータセンターのエネルギー使用とサプライチェーン由来の排出に結び付けた。

Microsoftは以前、データセンター建設の拡大に伴い、排出量が2020年の基準値から増加したと報告している。鉄鋼、コンクリート、チップ、電力はいずれもこの圧力に寄与した。

これらの数値は、認識されている企業排出インベントリに関するものだ。促進された排出量は、AI販売と顧客の生産判断を結び付けるため、第二の試練をもたらす。

石油・ガス業界は何十年にもわたり高度な分析技術を利用してきた。現代の機械学習は、地質分析、予知保全、プロセス最適化の規模、速度、利用しやすさを拡大している。

ベンダーは、デジタルツールが安全性を高め、メタン漏出を減らすと合理的に主張できる。より良い監視は設備故障を特定し、より効率的な操業を支援できる。

業界関係者はまた、エネルギー生産の増加と排出量削減が本質的に両立しないという前提も退けている。彼らは効率性、炭素管理、世界的な需要の拡大を強調する。

この反応は、産出単位当たりの汚染を測る排出原単位に焦点を当てたものだ。これに対し新たな研究は、生産性の変化が供給と需要に影響を及ぼした後の総排出量を重視している。

どちらの指標も重要だが、答える問いは異なる。生産者は単位当たりの排出量を削減しながら、生産量の増加を通じて総汚染量を増やすことができる。

Big Techに対する圧力は、測定と同じくらいガバナンスにも関わる。プロバイダーは、どの顧客に専門チーム、カスタムモデル、インフラ支援、公開事例を提供するかを決定する。

また、セキュリティ、監視、兵器における高リスク用途の方針も定めている。気候負荷の高い用途が同等の精査を受けることはほとんどない。

信頼できる対応には、より効率的なチップをもう1つ投入する以上のことが求められる。企業は下流用途を分類し、化石燃料部門との関与を説明し、一貫した評価ルールを確立する必要がある。

こうした方針には商業的なコストが伴う。特定のプロジェクトを拒否または制限すれば、より弱い気候目標しか持たない競合他社に収益を譲る可能性がある。

この緊張関係は、任意開示の進展が遅い理由を説明する。会計上の問いに直面する企業自身が、評価対象となる活動から財務的利益を得ているためだ。

規制によって最終的に報告が標準化される可能性はあるが、帰属の特定は依然として難しい。政策立案者には、比較可能で、監査可能で、二重計上に強い境界設定が求められる。

テクノロジー企業が、すべての顧客によって生じるすべての排出を自動的に引き受けるべきではない。同時に、ベンダーが主張するAIによる回避排出量には、促進された汚染についても対称的な扱いが求められる。

中心となる基準は一貫性である。企業がAIによって顧客の排出回避を支援したと評価するなら、AIが炭素集約的な生産を拡大した場合にも、同等の証拠を検討すべきだ。

それに満たなければ、一方向的な台帳が生まれる。便益は計算に組み込まれる一方で、害は誰か別の者の責任のままとなる。

数値が依然として証明できないこと

促進された排出量の推計は見過ごされてきたリスクを示すが、その上限値と下限値は観測された合計値ではなくシナリオである。

この研究は、産業、消費者、価格、貿易が経済変化にどう反応するかを表す応用一般均衡モデルを用いている。この手法は、より単純な計算では見落とされる相互作用を捉える。

ただし、仮定にも依存する。研究者は、AI主導の生産性ショックの規模、導入率、市場弾力性、基準となるエネルギー需要、政策条件を選ばなければならない。

小さな変化でも、世界規模のモデル全体に波及し得る。これが、0.47〜1.8ギガトンという結果の範囲が広い理由である。

このモデルは、すべてのクラウド契約を特定の油田まで追跡するものではない。あるモデルの導入が追加生産の正確な量を引き起こしたと示すこともできない。

その代わり、AIが定義された部門全体で生産性を向上させた場合に、あり得るシステム全体の帰結を推計する。読者はこの結果を企業排出量の請求書ではなく、シナリオに基づく証拠として扱うべきだ。

著者らにはアドボカシーとのつながりもある。数名は、AIの気候への影響とテクノロジー・ガバナンスに焦点を当てる非営利団体、Enabled Emissions Campaignに所属している。

彼らはこの関係を非財務的な競合利益として開示している。査読は研究を強化するが、不確実性をなくしたり、すべての境界設定に関する疑問を決着させたりするものではない。

このモデルにおけるイノベーションの扱いも、別の制約を提示する。AI能力、エネルギー技術、導入パターンは、経済の基準線よりも速く変化し得る。

再生可能エネルギー分野での用途は、現在の仮定を上回る成果を出すかもしれない。化石燃料分野での用途は、規制、物理的制約、低い導入率、需要減少に直面する可能性がある。

逆もまたあり得る。探査、精製、発電全体で導入がより速く進めば、この研究の中位の仮定は保守的なものとなる可能性がある。

炭素価格は、テストされた水準の範囲ではモデル上の不均衡を縮小するが、解消はしない。この発見は、生産者と消費者が価格にどう反応するかに依存している。

さらに因果関係の問題もある。石油会社はすでに自動化と生産性向上を進めている。分析者は、AIによって特に可能になった改善と、通常の技術進歩を区別しなければならない。

また、反実仮想も選ばなければならない。あるAIシステムがなければ、生産は別のベンダー、従来型ソフトウェア、または追加の労働力を通じて進むかもしれない。

こうした問題により、促進された排出量は電力使用量よりも監査が難しくなる。しかし、このカテゴリーを無関係なものにするわけではない。

環境会計では、回避排出量、オフセット、再生可能エネルギープロジェクト、政策評価において、すでに反実仮想的な推論が用いられている。課題は、有害な結果にも同等の厳密さを適用することだ。

もう1つのリスクは二重計上である。同じ追加燃料が、生産者のバリューチェーン、消費者の燃焼排出、テクノロジーベンダーのモデル上の影響に現れる可能性がある。

責任ある枠組みでは、これらの数値を明確にラベル付けしなければならない。促進された排出量は、既存のインベントリに黙って加算されるのではなく、それを補完すべきだ。

この研究は、有用なAI用途を消し去るべきでもない。メタン漏出を検出し、電力網を最適化し、再生可能エネルギーの予測を改善するシステムは、測定可能な便益をもたらし得る。

問題は、それらの便益が他の場所で促される追加汚染を上回るかどうかである。この研究の答えは、均衡の取れた導入シナリオの下では「いいえ」だ。

将来の証拠は、この結論を強めることも弱めることもあり得る。より良い顧客レベルのデータ、独立して検証された事例研究、透明性の高い生産性測定は、不確実性を減らすだろう。

現時点で正しい対応は、退けることでも無条件に受け入れることでもない。この研究は、既存の企業報告が十分に検証していない重大なリスクを特定している。

Google News読者が次に注目すべきこと

3つのシグナルが、促進された排出量が実際の説明責任基準となるのか、それとも不都合な研究結果のままなのかを示す。

第1のシグナルは、大手クラウドプロバイダーによる開示だ。次回の環境報告書では、下流のAI用途が何らかの気候評価に含まれているかを説明すべきである。

意味のある開示は、用途カテゴリーを特定し、評価境界を説明し、観測データとモデルによる効果を区別するものとなる。AIの有益性に関する一般的な声明では、この批判に答えられない。

Google、Microsoft、Amazon、Metaは、化石燃料顧客向けの専門的な取り組みをどう扱うかも開示すべきだ。重要なのは顧客名だけではなく、生産への影響である。

あるプロバイダーが再現可能な手法を公表すれば、競合他社への圧力は高まる。共有された手法は、この見落としに対処できるという研究の中心的な主張を強化するだろう。

沈黙が続いても、促進された排出量が存在しないことの証明にはならない。それは、企業会計が下流の経済的結果ではなく、資産と購入エネルギーに焦点を置き続けていることを示す。

第2のシグナルは独立した再現研究である。研究者は、異なる経済モデル、仮定、地域データ、産業事例研究を用いて結果を検証する必要がある。

0.47〜1.8ギガトンという範囲は、気候政策に影響を及ぼし得るほど大きい。この規模の主張には、経済学者、ライフサイクル専門家、エネルギー分析者による継続的な精査がふさわしい。

研究者は、探査、採掘、精製、輸送、発電も分けて検討すべきだ。AIは各段階に異なる影響を与える可能性があり、地域規制によって結果も変わり得る。

直接的な事例研究は特に価値が高い。同様の操業をAIあり・なしで比較しつつ、価格、地質、設備、政策を統制する研究が考えられる。

公表された範囲に近い再現結果は、正式な報告基準を求める根拠を強めるだろう。結果が大幅に小さければ、根本的なメカニズムを消し去ることなく、政策上の懸念は限定される。

第3のシグナルは規制または調達方針である。政府や大企業の購買者は、下流用途のリスクを含むライフサイクル評価を要求できる。

ITU methodology はすでに、透明性の高い境界設定、具体化された排出量、データ品質、独立したレビューを重視している。AI固有のルールは、この基盤の上に構築できる。

調達基準は、国家規制に先行して進む可能性がある。大口の買い手は、ワークロード単位の電力、ハードウェア、水、用途影響の推計をベンダーに求めることができる。

金融規制当局も、気候移行リスクについてより明確な説明を求める可能性がある。化石燃料資産を延命するAI提携は、年間排出量の合計を超えるエクスポージャーを生み出すかもしれない。

これらの政策は、誤った精密さを避けなければならない。仮定を明示した透明な範囲は、隠れた選択に基づく単一の数値よりも信頼できる。

開発者とエンタープライズの購入者にとって、当面の教訓は実務的だ。モデル効率は重要だが、アプリケーション設計は効率向上を上回る影響を持ち得る。

チームは、自社のシステムがどのような行動を変えるのか、どの活動を拡大させるのか、そしてコスト低下が総消費量を増やすのかを問うべきだ。こうした問いは、レイテンシーや精度の指標と並べて扱われる必要がある。

ナレッジワーカーも、環境に関する主張を慎重に読むべきだ。「AI for climate」はアプリケーションのカテゴリーを示すものであり、商業ポートフォリオ全体の正味の影響を意味するものではない。

Google Newsの最新報道を見ると、この区別を無視することは難しい。データセンター内部の炭素排出は測定可能で、可視化され、報告もますます増えている。

一方、データセンターの外部でその技術によって可能になる炭素排出は、依然として議論が分かれ、モデルに依存し、企業の台帳にはほとんど記載されていない。この不確実性こそ、透明性のある調査が重要である理由だ。

大手AIプロバイダーによる次の気候報告書は、率直な問いに答えるべきだ。企業は、自ら運用するインフラだけを算定しているのか。それとも、自社技術が可能にする生産活動も算定しているのか。

この問いに測定可能な答えが示されるまで、公表されるAIの炭素排出量は、はるかに大きなシステムの一部しか示さないものにとどまる。