概要

アイデンティティ管理ソフトウェア企業のOktaは、社員が使用するAIソフトウェアツールの排出量を管理するための包括的な実装を2026年4月に完了した。AIツール利用の急拡大に伴い、企業のScope2・Scope3排出量にAI起因の電力消費が無視できない影響を与えるようになっている。

実装ステップ

ステップ1：体制構築（クロスファンクショナルチームの組成）

  • サステナビリティチームが主導し、エンジニアリング・IT部門の担当者と連携チームを構成
  • サステナビリティを「単独のレポーティング業務」ではなく「テクノロジー調達・管理プロセスへの統合」として位置づける
  • AI利用実態の把握は情報セキュリティ部門との連携が不可欠

ステップ2：暫定測定システムの構築（公開データ活用）

現時点ではAIベンダーが排出量データを開示していないため、以下の指標を組み合わせた独自算定式を開発する：

指標データ取得方法
AIが生成したコード行数開発ツールのログ
トークン使用量API利用ログ
モデルのトレーニング要件公開論文・ベンチマーク
従業員の所在地HRシステム
データセンターの地理的位置ベンダー仕様書

電力消費量の推定は、データセンター所在地の電力グリッドの排出係数（g-CO₂/kWh）と掛け合わせてCO₂換算する。

ステップ3：社員向けガイドラインの策定と周知

  • 明確な効率化メリットがあるプロジェクトに限りAI活用を推奨
  • エネルギー消費ベンチマークを参考に「最も軽量なモデル」を選択するよう指示
  • 「OpenWebUI」等のエネルギー効率ランキングツールを導入し、モデル選択の可視化を支援
  • 利用ガイドラインは義務ではなく推奨として運用（定着率を優先）

ステップ4：再生可能エネルギー証書（REC）による相殺

  • 使用頻度上位のAIツール（上位2ツール）から生じる推定排出量を特定
  • 当該排出量に相当するRECを年次で購入
  • REC購入量は毎年AI利用実態の再測定結果に応じて拡大

ステップ5：リアルタイム化（将来ロードマップ）

  • 現在のバッチ式測定をリアルタイムの排出量インサイトへ移行
  • ダッシュボード化により部門別・プロジェクト別の排出量を可視化
  • より迅速な効率化改善と意思決定の向上を実現

使うツール・標準

  • OpenWebUI：AIモデルのエネルギー効率ランキングツール
  • 再生可能エネルギー証書（REC）：AIツール起因排出量の相殺
  • GHGプロトコル Scope3 カテゴリ11（販売した製品の使用）またはカテゴリ1（購入した製品・サービス）：AI利用の算定カテゴリ

成功のポイント

  • AI排出量の算定は「完璧なデータを待つ」より「公開データによる暫定測定を早期に開始する」ことが重要
  • ガイドライン策定は「禁止」ではなく「効率的なAI利用の推奨」というフレーミングで社内受容性を高める
  • AI利用ログは情報セキュリティポリシーに組み込んで日常的に収集する仕組みを作る

日本企業への適用

AIツールの社内利用が急速に拡大する日本企業においても、Scope2・Scope3のAI起因排出量の把握は2025-2026年の開示要件強化の文脈で注目されている。Oktaのアプローチは「測定手法の標準化が進んでいない領域でも、暫定的な測定システムを自社で構築して開示できる」という先例として参考になる。まずはChatGPT・Copilot・Gemini等の主要AIツールの上位利用者を特定し、API利用ログのトークン数から排出量を概算することから始められる。