人工知能のエネルギー消費が2030年までに倍増し、世界の総発電量の約3%に達するとの予測を、国連大学が2026年6月7日に公表した報告書で明らかにした。この拡大に伴う二酸化炭素排出量は英国の年間排出量に匹敵し、システム冷却に必要な水の量は全世界の年間飲料水消費量を上回る見通しだ。報告書は、技術の効率化が必ずしも総消費削減につながらないという、19世紀に提唱された経済理論を基に分析している。同文書は国連大学の公式サイトで公開されており、エネルギー、炭素、水、土地使用の各側面からAIの環境コストを総合的に評価している。
効率向上が逆に消費を拡大させる「ジェボンズのパラドックス」
報告書が依拠するのは、経済学者ウィリアム・スタンレー・ジェボンズが19世紀に定式化した概念だ。この理論は、資源利用の効率が向上しても、必ずしも総消費量が減少するわけではないと主張する。むしろ、技術が安価で利用しやすくなるほど、使用量が増加し、全体的な需要が高まる傾向があるという。ジェボンズはビクトリア朝時代のイギリスで、石炭効率の改善がかえって消費拡大を招く現象を観察した。AI分野に当てはめれば、より効率的なモデルが技術の普及をさらに促進し、様々な分野で新たな応用を生み出し、技術的向上を帳消しにする可能性がある。
低コスト化が生む採用拡大の連鎖
運用コストの低下とアクセスしやすさの向上に伴い、人工知能は生産工程やサービスにより広く組み込まれるようになる。報告書はこの動きが既に進行中だと指摘し、2025年時点でデータセンターの消費電力量は、世界有数のエネルギー消費国であるサウジアラビアの年間使用量に相当したと述べている。もし消費が10年までに倍増すれば、その排出量を相殺するために、10年間で約67億本の樹木を植林する必要があると試算する。この試算は、技術的効率だけでは環境問題を解決できないという主張を裏付けている。
衝撃的な環境負荷の実態
消費エネルギーのみならず、AI拡大を支えるインフラには約9.3兆リットルの水と、メキシコシティの約10倍の面積が必要になると報告書は警告する。同時に、世界のAIインフラの地理的偏在も浮き彫りになった。現在、AI専用のクラウドコンピューティングシステムを設置している国はわずか32カ国で、その能力の約90%は米国と中国に集中している。報告書の執筆陣は、この格差がデジタル・ディバイドを深刻化させ、多くの国々を技術の消費者に追いやり、鉱物採掘や電子廃棄物の処理に伴う環境負荷だけを負わせる危険性を指摘する。
インフラ集中がもたらす不平等の深化
同文書は、AIの環境影響が利用頻度と実行されるタスクの種類に依存することも強調している。テキスト生成、プログラミング、画像作成、動画制作など、タスクごとに必要な計算処理量は異なり、エネルギー消費と資源使用に直接影響する。モデルの選択も重要で、類似の作業を実行してもシステムによって環境コストは大きく異なる。こうした状況を受け、国連は持続可能な開発のための原則セットを提案している。透明性、設計段階からの効率性、ライフサイクル全体にわたる責任、公平性、国際協力、天然資源の持続可能な利用などが含まれる。
規制の在り方と持続可能な道筋
報告書の勧告には、AIシステムの開発・運用期中の定期的な環境報告の実施が含まれる。また、各国政府に対し、エネルギー計画や気候計画にAI需要の予測を組み込むよう促している。この懸念は、人工知能が公共サービスに統合されるにつれて一層重要になる。既にニュージーランドとオーストラリアは、政府機関でのAI利用を拡大する国家戦略を実施している。ニュージーランドは公共部門でのAI導入を導く枠組みを構築し、オーストラリアでは視聴覚アーカイブの自動文字起こしや政府申請処理支援などのプロジェクトが進んでいる。
しかし報告書は、両国とも原則重視の「軽い」規制モデルを採用していると指摘する。執筆陣は、こうしたアプローチはAI拡大に伴う環境影響を軽視する恐れがあると警告する。同文書は、原材料の採掘から設備のリサイクル・廃棄に至るまで、AIのバリューチェーン全体を考慮した分析を提唱している。このシステム的な視点が欠ければ、効率向上の恩恵が技術利用の急成長によって打ち消されかねない。