AIエージェントの1指示あたり電力は単発チャットの約600倍と試算されました。

ニュースレター The Climate Brink を共同執筆するゼーク・ハウスファーザーが2026年8月5日、AIエージェントの消費電力を自分の利用ログから実測した分析を公開しました。1指示あたりの電力が、各社が公表してきた単発チャットの数値のおよそ600倍にあたるという内容です。生成AIの環境負荷はこれまで「1問い合わせあたり0.3ワット時程度」という小さな数字で語られてきましたが、AIエージェントが利用の主流になるにつれ、その前提が実態から離れ始めているという指摘になります。士業事務所にとっても、AI利用のコストをどの単位で見積もるかに関わる話題です。

トークン内訳と推定電力の構成。出典: The Climate Brink

8週間で1,138指示、32億トークンという実測値

まず数字から確認します。The Climate Brink の分析によれば、ハウスファーザーは2026年5月31日から7月25日までの8週間に、コーディングエージェントの Claude Code へ1,138件の指示を入力しました。その1,138件が14,000回を超えるモデル呼び出しを引き起こし、処理されたトークンは32億に達しています。推定電力はおよそ170キロワット時で、算定手法と前提の違いによる幅は70から330キロワット時とされています。

1指示あたりに直すと約150ワット時、幅は60から290ワット時です。比較対象として、Google が2025年に公表した論文では Gemini のテキストプロンプト中央値が0.24ワット時、サム・アルトマンは ChatGPT の平均的なクエリを約0.34ワット時としていました。150ワット時はこの中央値の約600倍にあたり、幅を取れば250倍から1,200倍という試算になります。

積み上げると規模が見えてきます。中央値のセッション1回で約0.6キロワット時、1日平均では3.0キロワット時で、これは冷蔵庫2台を動かすより多い水準です。1年に換算すると約1.1メガワット時、米国平均の系統原単位を当てはめて約370キログラムのCO2相当という計算になります。なお同記事は、Anthropic が1プロンプトあたりや1トークンあたりの電力を公表していない点を、この分野の最大のデータ欠落として挙げています。

電力の96パーセントは「自分の記憶を読み直す」分

なぜここまで開くのか。理由は、AIエージェントが1回の指示に対して何度もモデルを呼び直す構造にあります。同じ分析の計測では、1指示あたり平均12回のモデル呼び出しが発生し、平均290万トークンが処理されました。推論も検索も伴わない通常のウェブチャットのやり取りが1,000トークン程度であることを踏まえると、単位そのものが変わっていることが分かります。

内訳はさらに示唆的です。エージェントはコマンドを実行し、ファイルを読み、ツールを呼ぶたびに、蓄積したコンテキスト全体を読み直します。処理トークンの96パーセントはこの読み直し分で、利用者が実際に目にする出力はわずか0.4パーセントでした。読み直しは新規入力より安く、価格でおおむね10分の1であるため、この比率をエネルギー換算の中心値に置き、1パーセントから25パーセントを不確実性の幅として扱ったと同記事は説明しています。

同じ傾向は他の研究でも確認されています。Watershed が公表したAI排出量算定のフレームワーク白書は、AIタスク1件あたりの電力が5桁以上の幅で分布し、フロンティアモデルを5回から50回呼び出すエージェント型ワークフローは50から500ワット時の帯に入るとしています。Bai らの2026年の測定では、コーディングエージェントが通常のチャットの約1,000倍のトークンを消費しました。そして Anthropic のEconomic Indexによれば、同社API利用の97パーセントが自動化中心のパターンを示しています。

600倍という数字は幅を持つ、KAIST研究の136.5倍との違い

ここで注意したいのは、この種の倍率が一つに定まらないことです。KAIST の研究チームは、Llama の700億パラメータモデルで Reflexion というエージェント基盤を動かした場合、1タスクあたり348.41ワット時、単発のチャット応答は2.55ワット時で、その比が136.5倍だったと測定し、2026年2月のコンピュータアーキテクチャ学会 HPCA で発表しました。

この136.5倍について、Forbes はレンジの上端であって中央値ではないと整理しています。同じモデルでも LATS という別のエージェント基盤では62倍にとどまり、推論をどこまで回すかで倍率は2倍以上動きます。同記事はさらに、より重要な発見として、ツールを多用するタスクでGPUが最大54.5パーセントの時間アイドル状態にあった点を挙げています。外部APIやコード実行の応答を待つ間も高価なハードウェアが電力を消費し続けるという構造です。

同研究にある「1日137億リクエストなら199ギガワット」という数字も、実測値に Google の検索件数を掛け合わせた仮定計算であって需要予測ではない、と Forbes は注記しています。公的な見通しとしては、Lawrence Berkeley National Laboratory が米国のデータセンター電力を2023年時点で176テラワット時、全国電力の約4.4パーセントとし、2028年に最大12パーセントまで達する経路を示しています。IEA は2030年に世界のデータセンター消費が倍増して約945テラワット時になると見込んでいます。いずれもクエリ件数の増加を前提としており、1件あたりが重くなる可能性は織り込まれていない、というのが今回の一連の分析が突いている点です。

士業事務所がこのニュースから読み取れること

士業事務所の視点で拾えるのは、AI関連費用をどの単位で見積もるかという論点です。Forbes は、ベンダーに対して1クエリあたりの単価ではなく完了した1タスクあたりの費用を尋ね、そのうちGPUの待ち時間がどれだけを占めるかを確認する、という見方を示しています。定額プランでリサーチ型やコード生成型のエージェントを常用する事務所では、想定より早く利用上限に触れる場面も考えられます。エージェントの実行範囲そのものが広がっている点は、Claude Code の自動承認モードが既定になる件でも取り上げたとおりです。あわせて、Watershed が企業向けのAI排出量算定フレームワークを公表したように、AI利用分の電力と排出を非財務情報でどう扱うかは、公認会計士や中小企業診断士が顧問先の開示を見る際の新しい論点になりつつあります。開示ルール側の取り扱いは現時点では要確認です。

データの取り扱いについても一点触れておきます。今回の分析が成立したのは、Claude Code がセッションごとにモデルIDやトークン数、タイムスタンプを含む記録を端末側に保存しているためだと同記事は説明しています。事務所の端末でエージェント型ツールを使う場合、こうしたローカル記録の保存先と保管期間が、情報管理上の確認先の一つになります。なお、入力データが学習に使われるかどうかについては、本稿が参照した資料からは確認できません。各社が公表しているポリシーで個別に確かめる領域です。

まとめ

AIエージェントの消費電力は、単発チャットを基準にした数字とは桁が違います。The Climate Brink の8週間の実測では1指示あたり約150ワット時、中央値チャットの約600倍という試算が出ました。倍率はKAIST の研究が示すように基盤やモデルによって62倍から136.5倍まで動くため、単一の数字を鵜呑みにせず、完了タスク単位でコストと電力を捉え直す段階に入っています。

参考文献

• The Climate Brink「The real energy use of agentic AI」
• Watershed「AI emissions framework」白書
• KAIST ほか「The Energy Cost of Reasoning」arXiv:2506.04301
• Forbes「The Real Energy Problem With AI Agents Isn’t The Number Going Viral」
• Lawrence Berkeley National Laboratory 2024 データセンター電力使用報告
• IEA「Energy and AI」エグゼクティブサマリー

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/

引用元: The Climate Brink