08. AI導入による環境への影響を測定する

まず第一に、環境関連の追跡を製品指標の一部に組み込みましょう。グリーン・ソフトウェア財団の「ソフトウェア炭素強度仕様（SCI）」の「Cloud Carbon Footprint」などのオープンソースツールやライブラリを活用し、技術チームに対し、二酸化炭素排出量やエネルギー使用量といった指標の採用と定期的な報告を促してください。

データチームやインフラチームと連携し、データストレージ、クラウドプラットフォーム、AI開発フレームワーク、MLOpsパイプライン、バージョン管理システム、監視・ロギングシステムなど、すべてのAI製品環境におけるコンピューティング使用量とエネルギー消費量の推定値を追跡しましょう。

リソースに余裕がある場合は、AIモデルの処理、ハードウェアの製造、データセンターの排出量から始め、ライフサイクルアセスメントの導入を検討してください。コスト面での懸念がある場合は、無料で利用できるツール（オープンソースのカーボンフットプリント計算ツールなど）を活用するか、初期の価値を実証するために、軽量なパイロット測定から始めてみてください。

モデルおよびベンダー選定における透明性を追求する：

• AIモデルの機能や性能特性を一貫性のある標準化された形式で文書化した「モデルカード」を活用する。Hugging Faceのガイドを参照し、AIモデル向け「Energy Score」提案に基づき、幅広いモデルの環境フットプリントが開示されている内容を確認する。
• クラウドプロバイダーや研究所などのベンダーから直接、詳細なエネルギー消費レポートを要求する。正確な数値を提供できるのは、彼らこそが最も適した立場にあるからだ。

タスクレベルでの推論フットプリントを追跡してください。同じタスクであっても、モデルによって消費エネルギー量が異なる場合があります。

規制に先んじて対応しましょう。例えば、AIに関する初の包括的な規制である欧州AI法では、基盤モデルの構築に伴う環境影響に関する情報の公開が義務付けられており、違反した場合は多額の罰金が科されます。AIシステム設計者として、前述のモデルカードを活用し、使用するモデルの環境フットプリントを比較検討することができます。

推論における使用量ベースの推定値を算出する：GenAIの影響は、「EcoLogits」というオープンソースツールを提供しています。このツールは、主要なAIサービスからの推論について使用量ベースの推定値を提供し、AIプロジェクトに組み込むことができます。

可能な限りオープンソースモデルを優先する：オープンソースモデルは透明性が高く、エネルギー使用量や環境への影響をより明確に把握でき、多くの場合、軽量です。