投稿者 global-ai-media 
スコットランドのデータセンター環境政策が、昨今の生成AIによる電力消費の急増を反映できていないという指摘がなされました。本記事ではこの事例を端緒に、AI活用と環境負荷のトレードオフに直面する日本企業が、どのようにESG対応とビジネス実装を両立すべきかを探ります。
AIの急激な進化に取り残される環境基準
英国スコットランドにおいて、「グリーンデータセンター」に関する政策が、昨今の生成AIの普及に伴う温室効果ガス排出量の増加を十分に考慮していないとの指摘がなされました。環境保護団体の分析によれば、同地におけるグリーン施設の定義はChatGPTが公開される以前の2022年に策定されたものであり、現在の大規模言語モデル（LLM）が要求する膨大な計算資源と電力消費の現実から乖離しているといいます。
AIの学習や推論には、高性能なGPU（画像処理半導体）を大量に稼働させる必要があり、従来の一般的なクラウドサービスとは比較にならないほどの電力を消費します。政策や法規制の策定スピードが、AI技術の進化とそれに伴うインフラの劇的な変化に追いついていない現状は、特定の地域に限らずグローバルな課題となっています。
日本におけるデータセンター誘致と環境課題のトレードオフ
この問題は、日本国内でAIインフラの整備を進める上でも重要な示唆を与えています。現在、日本では経済安全保障やデータ主権（機微なデータを国内のサーバーで管理・処理すべきという考え方）の観点から、国を挙げてデータセンターの国内誘致やクラウド基盤の整備を進めています。
一方で、日本政府や多くの日本企業は、2050年のカーボンニュートラル実現という高い目標を掲げています。データセンターの稼働には莫大な電力に加えて冷却用の水資源も必要となりますが、日本国内では再生可能エネルギーの調達コストが依然として高く、安定供給にも課題が残っています。地方自治体がデータセンターを誘致する際も、地域の雇用創出やデジタルインフラ整備といったメリットがある半面、環境への負荷やエネルギー資源の逼迫というリスクを慎重に評価する必要に迫られています。
企業の実務に迫る「Scope 3」としてのAI排出量
企業が業務効率化や新規プロダクト開発のためにAIを活用する際、これまではセキュリティやハルシネーション（AIが事実と異なるもっともらしい回答をする現象）といった直接的なリスク対応が議論の中心でした。しかし今後は、ESG（環境・社会・ガバナンス）の観点がAI実務に直結してくることが予想されます。
特に、サプライチェーン全体での温室効果ガス排出量を示す「Scope 3」の算定において、クラウドサービスや外部のAI APIの利用に伴う排出量が無視できない割合を占める可能性があります。グローバルで事業を展開する日本企業や、厳格なESG情報開示が求められる企業にとって、「どのAIモデルを、どのような環境で動かすか」は、単なるIT部門の技術的判断ではなく、経営方針やコンプライアンスに関わる重要な課題となりつつあります。
日本企業のAI活用への示唆
AIがもたらすビジネス上の便益と環境負荷のバランスをとるために、日本企業は以下のポイントを実務に組み込むことが求められます。
第一に、適材適所のモデル選定です。あらゆる業務に汎用的で巨大なLLMを使用するのではなく、用途に合わせてパラメータ数の少ない軽量な小規模言語モデル（SLM）や、タスク特化型の機械学習モデルを選択することが重要です。これにより、運用コストの削減と電力消費の抑制を同時に実現する「グリーンAI」のアプローチが可能になります。
第二に、クラウドベンダーやインフラの環境パフォーマンス評価です。AI基盤として外部のクラウドサービスやAPIを選定する際、機能やレスポンス速度だけでなく、データセンターの再生可能エネルギー利用率や電力使用効率などの環境指標も評価基準に含める必要があります。自社のScope 3排出量管理の観点からも、環境負荷への透明性が高いベンダーを選ぶことが重要です。
第三に、AIガバナンスへのESG要件の統合です。日本企業の多くがAI利用ガイドラインの策定を進めていますが、倫理やセキュリティに加えて「環境への影響」を考慮する枠組みを設けることが望まれます。AI導入による業務効率化（ペーパーレス化や移動削減など）がもたらす環境へのプラス効果と、計算資源消費によるマイナス面を総合的に評価し、持続可能なビジネス展開につなげることが今後の実務における鍵となります。