概要
AIの利用拡大に伴い、企業のGHGインベントリにAI起因の排出量（Scope 2および購買サービスのScope 3）を計上する動きが加速している。Trellisが2026年8月17日に公開した最新ツール・フレームワーク集を基に、AI環境負荷の測定から削減実装まで整理する。
実装ステップ
Step 1：測定ツールの導入
| ツール | 用途 | 費用 |
|---|---|---|
| Watershed トークンベース会計（2026年8月3日公開） | AI排出量算定の「守れるスタート地点」 | 有料 |
| AI Energy Score（Hugging Face / Salesforce） | モデル別電力消費量のランキング・比較 | 無料 |
| Greenpixie Emissions Comparison Tool | AIモデル間のエネルギー消費比較 | 無料（基本） |
| Tokenomics Foundation（Accenture・IBM支援） | トークン単位のコスト・エネルギー標準化 | 有料 |
- トークンを計算単位に採用（Watershedアプローチ）: プロンプトの最小単位「トークン数 × モデルの電力効率」で排出量を算定。最も監査可能性が高い手法
- AI生成動画は約1,000倍のエネルギー: テキストAIチャットと比較してAI生成動画は約1,000倍のエネルギーを消費（Sustainable AI Group調べ）→ 動画生成の代替手段を優先的に検討
Step 2：ベンダー評価・調達への組み込み
- Data Center Air Pollution Tracker: Amazon・Anthropic・Google・Meta・Microsoft・OpenAI・Oracle・xAIの8社をデータセンターの自然ガス発電使用・系統電源の炭素強度で0〜100点評価（現状最高点は70点未満）
- Business Council on Climate Change ベンダー質問テンプレート: GHG・淡水影響の未開示リスクを問う標準的な条文・RFPテンプレート。AI調達時の契約条項として使用
Step 3：組織横断チームの設置
企業実装事例:
- SAP: 全AIプロジェクトに環境基準の評価を義務化。小規模モデルを積極採用
- Salesforce: MLモデルのファクトシートにトレーニング・推論フェーズ両方のエネルギー・排出データを追加
- Okta: サステナビリティ・エンジニアリング・IT部門の横断チームがAI展開パラメータを定義
- GitLab: ベンダー開示要求を標準化、RFP評価ツールにAIサステナビリティスクリーニングを追加
使うツール・標準
- GHGプロトコル Scope 3カテゴリ1・2: 購入したAIサービスの排出量算定基準
- ISO 14064-1: 組織レベルのGHGインベントリ標準（AI起因分の計上根拠）
- GenAI Footprint Alliance（Publicis主導）: AI動画生成の排出量オープンソースツール
成功のポイント
- AI生成動画の1,000倍エネルギーリスクを最初に特定・排除する。これだけで大半の企業はAI排出量を大幅削減できる
- トークンベース会計は今後の義務的開示（CSRD・ISSB等）に最も対応しやすい手法として先行採用の価値が高い
- 「サステナビリティ部門だけのテーマ」ではなく、エンジニアリング・調達・IT・法務を巻き込んだ体制設計が成功の鍵
日本企業への適用
- ChatGPTやMicrosoft Copilotを全社展開している企業は、まずトークン数レポートをベンダーから取得し、Scope 2または3に計上する試算を行う
- 生成AI使用量をGHGインベントリ改訂の中で新たな排出源として明示的に追加する対応が2026〜2027年に求められる可能性が高い
- CDP質問票にもAIエネルギー使用の開示が追加される可能性があるため、早期の計測習慣化が重要
