人工知能は、そのエネルギー消費ゆえに排出量の問題の一因となることが少なくありませんが、排出量削減の強力な手段にもなり得ます。
プロセスの最適化、廃棄物の削減、資源効率の大規模な向上を通じて、組織のカーボンフットプリント削減に役立ちます。
AIを構造的な推進力として活用し、テクノロジーに関する意思決定にサステナビリティを組み込み、排出量を削減し、気候目標を達成できます。
人工知能（AI）の活用は業界全体で加速し、組織の事業運営や競争のあり方を変えています。同時に、規制、投資家の期待、社会的な要請を背景に、気候変動への取り組みを果たすよう求める圧力も強まっています。
こうした力が収束し、リーダーシップにとっての重要課題が生まれています。環境目標を損なうのではなく、その達成を後押ししながら、組織はどのようにAIを大規模に展開できるでしょうか。
テクノロジーは、排出量の問題の一因と見なされることがよくあります。データセンターやクラウドインフラ、コンピューティング能力への需要の高まりによって、デジタルシステムの環境負荷は増大しています。
しかし、テクノロジーは排出量削減に利用できる最も強力な手段の一つでもあります。ここに明確な逆説があります。エネルギー消費を増やす同じテクノロジーが、より効率的でサステナブルな事業運営を可能にするのです。
AIはプロセスを最適化する一方、エネルギー需要の増加にも寄与する
AIはこの逆説の核心にあります。エネルギー需要の増加に寄与する一方で、組織がプロセスを最適化し、廃棄物を削減し、資源効率を大規模に高めることも可能にします。
調査は、この機会の大きさを示しています。多くの組織は、AI主導の取り組みによって今後数年間で測定可能な排出削減を実現できると見込んでいます。また、テクノロジー分野のリーダーの3分の2は、AIやデジタルの取り組みにより事業活動からの排出量を6%から30%削減できると考えています。
これは、変革的な効果が期待できる一方で、ほとんどの組織にとってAIの価値は、複数のプロセスにわたる改善の積み重ねにあることを示しています。
同時に、組織はAIがサステナビリティの成果に直接貢献できる具体的なユースケースを優先し、この可能性をすでに実現しようとしています。最も重視されているのは、業務効率と資源最適化の向上です。これに続いて、環境・社会・ガバナンス（ESG）データと意思決定インテリジェンス、ITインフラの最適化が重視されています。
半数を超える組織が、2028年までにこれらの分野でAIを導入する計画です。一方、サプライチェーンの脱炭素化や製品ライフサイクルの最適化も勢いを増しています。
しかし、優先事項が明確である一方、実行はしばしば断片的なままであり、より体系的なポートフォリオ単位のアプローチが必要とされています。
ある企業が環境への効果にAIを活用する方法
AIを大規模に導入し、中核業務に組み込むとどうなるのかを、具体例が示しています。
ユニリーバは、インドのティンスキアにあるビューティー＆ウェルビーイング工場で、AI主導の取り組みを50件以上エンドツーエンドのサプライチェーン全体に導入しました。機械学習を活用した計画により、計画を固定する期間が14日からわずか1日に短縮され、需要への対応力が大幅に向上しました。
同時に、AIを活用した画像認識システムにより、切り替え時間が85%短縮され、短い生産ロットが可能になりました。また同工場では、AIを活用したデジタルツインで、よりサステナブルな包装の選択肢をシミュレーションし、製造に取り入れる前に検証しています。
このアプローチにより試験が加速し、再生材の配合拡大が進みました。その結果、同工場では包装に使用する、バージンプラスチックが21%削減されました。
こうした例は、中核的な事業プロセスに適用すれば、AIが測定可能な環境効果をもたらし得ることを示しています。製造や物流では、AIが需要予測と生産計画を改善し、過剰生産、在庫水準、不要な輸送を削減します。
IT運用では、AIが動的なワークロード管理と異常検知を通じてインフラを最適化し、データセンターやクラウド環境全体のエネルギー消費を削減します。同時に、AIを活用したプラットフォームが分断されたESGデータをリアルタイムで統合し、報告の改善、リスク検知、意思決定を支援します。
AI主導のサステナビリティの取り組みは企業全体に広げる必要がある
しかし、こうした可能性があるにもかかわらず、重要な隔たりが残っています。多くの組織は依然として、AI主導のサステナビリティを、企業全体を貫く一貫した戦略ではなく、個別の取り組みとして進めています。試験導入で価値が示されても、自動的に大規模展開につながるわけではありません。こうした枠組みがなければ、AI主導のサステナビリティが持つ可能性を十分に生かせないおそれがあります。
AIの可能性を最大限に引き出すには、組織はAIの取り組みが生み出す排出量と、回避に役立つ排出量を比較し、その環境影響を体系的に評価する必要があります。言い換えれば、AIプロジェクトのポートフォリオが、測定可能な正味の環境便益をもたらすようにしなければなりません。
この転換には、ガバナンスの強化と、テクノロジー戦略とサステナビリティ戦略の緊密な連携が必要です。多くの組織では、この2つの領域は依然として別々に運営されています。テクノロジー部門はパフォーマンスとイノベーションに重点を置き、サステナビリティ部門は報告とコンプライアンスに重点を置いています。この隔たりを埋めることが不可欠です。AIの取り組みは、コストと事業価値だけでなく、気候目標への貢献度も評価すべきです。
データも重要な推進要素です。多くの組織では、デジタル活動の環境影響、特に複雑なサプライチェーン全体にわたる影響について、信頼できる詳細なデータが不足しています。こうした可視性がなければ、進捗の測定、取り組みの優先順位付け、情報に基づく意思決定は困難です。バリューチェーン全体の透明性を高めることが、説明責任の強化に不可欠です。
その結果、CIOとCTOの役割は変化しています。テクノロジーリーダーの責任は、もはやシステムの性能と信頼性だけではありません。企業全体のデータ、システム、事業プロセスをつなぎ、サステナビリティを統括する役割もますます期待されています。これにより、テクノロジーに関する意思決定の最初の段階からサステナビリティを組み込む、より統合的なアプローチを推進できる立場にあります。
「グリーン・バイ・デザイン」のアプローチが重要な原則として広がりつつあります。これは、システムの設計、ベンダーの選定、投資の優先順位付けに際して環境影響を考慮することを意味します。また、ガバナンスプロセスにサステナビリティ指標を組み込み、部門横断で説明責任を確保することも含まれます。
大きな機会があります。効果的なガバナンスのもとで環境に配慮して活用すれば、AIは企業全体の気候目標を達成するための構造的な推進力となり、漸進的な改善を超えた、より根本的な業務変革を可能にします。
AIはすでに、測定可能な効果を一部で生み出しています。今後の課題は、その効果を体系化することです。そのためには、個別のユースケースから、正味の環境貢献が統治・測定され、説明責任が課されるポートフォリオへ移行する必要があります。これを実現する組織は、排出量を削減し、事業全体でテクノロジーに関する意思決定と実行にサステナビリティを組み込むことができます。
