CLEERの推計値を開示に使う前の確認項目|確定する人を決める

CLEERの推計値を開示に使う前の確認項目|確定する人を決める

「取引先の質問状に、生成AIの利用による排出量の欄が増えた。手元にあるのは各社の請求額とトークン数だけだ」「外部の推計ツールの数字を、そのまま報告書に載せてよいのか判断がつかない」——サステナビリティ推進と情報システムの両方の担当者から、この半年で急に増えた相談です。2026年9月29日、米国の Sustainable AI Group は、Claude や GPT、Gemini のような中身が公開されていない生成AIモデルについて、使ったトークン数から電力とCO2を推計する公開の方法 CLEER を発表しました。便利な道具が出てきたことは確かです。ただ、推計の係数を自社の数字に入れた瞬間、その数字の説明責任は自社に移ります。この記事では、CLEER の推計値を開示や社内の判断に使う前に確かめる項目と、誰が数字を確定して社外に出すかを整理します。


カメ先生カメ先生

外部の推計値は、専門家が作った数字だから載せれば済むと思われがちなんだ。でも本当は、推計の前提を自社の使い方に合わせて選んだ時点で、その選び方の説明は自社の仕事になるんだよ。


カメ子カメ子

道具は外のものでも、数字を出すのは自分たち、ということですか。


カメ先生カメ先生

そう。しかも CLEER は、提供元がより良いデータを出せば係数を差し替える前提で作られている。去年の数字と今年の数字で版が違うこともあり得る。だから、どの版を使い、誰が確定したかを残す運用が欠かせないんだ。


カメ子カメ子

開示の数字というより、社内でモデルを選ぶ材料としても使えそうですね。


この記事のポイント
  • CLEER は公開モデルの実測をもとに、非公開モデルの電力をトークン単位で推計する方法で、2026年9月に報告書・計算書・ダッシュボードが公開された
  • 電力の係数の初期値は米国の全国平均で、モデル開発分の上乗せも含むため、日本の会社がそのまま使うと前提がずれる
  • 数字を確定して社外に出す人と、版・前提を記録する人を先に決め、まずは社内のモデル選びの材料から使い始める

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

CLEERとは:非公開モデルの電力を、トークン数から推計する公開の方法

CLEER は、非公開のAIモデルの電力消費を推計するための方法と、それを使ったデータの総称です。公開モデルなら、実際に計算機を動かして電力を測ることができます。一方で Claude や GPT、Gemini のように、モデルの重みも提供の仕組みも公開されていないモデルは、外から測れません。公式の発表は、この差を埋めるために「公開モデルを現実に近い条件で実測し、その結果を非公開モデルの推計に当てはめる」と説明しています。

作ったのは、2026年に設立されたと報じられている Sustainable AI Group です。公式サイトによると、共同創業者の一人は Hugging Face でAIと気候の研究を率いた研究者、もう一人は Salesforce でAIの持続可能性の責任者を務めた技術者で、二人は以前から公開モデルの電力を比べる指標づくりに関わってきました。CLEER は、その延長で利用者が最も使っている非公開モデルに範囲を広げたものと位置づけられています。

ここで押さえておきたいのは、CLEER が測定ではなく推計だという点です。同社自身も「より良いものが出てくるまでの推計」と書き、提供元が信頼できるモデル別の測定値を公表すれば、その値で置き換えられる設計だとしています。最終的な答えではなく、提供元の開示が足りない間を埋める仮の物差しとして扱うのが、この道具の正しい距離感です。

2026年9月29日に公開された四つのもの

発表と同時に公開されたのは、四つです。第一に、推計の作り方を説明した技術報告。第二に、その推計を企業の温室効果ガスの集計に入れるための計算書(0926版)。第三に、チャットとエージェントの典型的な使い方ごとに、モデル別の電力・費用・性能を並べて比べられる公開のダッシュボード。第四に、そのデータを置いた GitHub の公開リポジトリです。リポジトリの説明では、公開時点のダッシュボードは51モデル(非公開35、公開16)を扱っています。

これに加えて、炭素会計の仕組みや社内の監視の仕組みにモデル別の係数を組み込みたい企業や事業者向けに、係数を継続して提供するサービスも用意されています。米国の環境系の業界メディアは、方法そのものは無料で、炭素会計の仕組みで継続して使うデータは有償で利用許諾を受けられると報じました。公開されたデータを読むだけの使い方と、係数を自社の集計に組み込む使い方は、契約の形が別だと考えておく必要があります。

開発には実際の企業も加わっています。発表によると、米国の手作り品の電子商取引大手、投資会社の Hg、税務ソフトの Sovos が試験導入に参加しました。また、約800社が使うと公表している米国の炭素会計の基盤と、係数を組み込む方法を検討する提携も発表されています。APIでの提供は「近いうちに予定」とされており、現時点で自動連携を前提にした計画は立てにくい段階です。

公表された五つの結果は、何を言っていて何を言っていないか

発表では、推計から得られた結果が五つ示されています。数字は同社の推計で、測定値ではありません。それでも、社内でのAIの配り方を考えるうえでは示唆が大きいので、要点を表にまとめます。

同社が公表した結果読み取れること読み取ってはいけないこと
同じ作業でも、モデルの選び方で電力が30倍を超えて変わるモデルの選択が、排出量に最も効く変数になり得るどのモデルが常に優れているか
価格の安いモデルのほうが電力の推計が大きい組み合わせが、比較の約5回に1回ある費用の削減と排出の削減は必ずしも一致しない安いモデルは環境に悪いという一般論
同じモデルでも、典型的なエージェントの利用は典型的な対話の約27倍、重い使い方では100倍を超えるエージェントを配る範囲が、電力の増え方を大きく左右する自社のエージェントがちょうど27倍だという見積もり
上位の格のモデルは、軽量の格のモデルに比べ平均で約4倍の電力既定のモデルを上位にするかどうかの判断に効く上位の格を使うべきでないという結論
新しいモデルほど効率が良いとは言えない(発表時期と電力に意味のある関係がない)新モデルへの切り替えを、排出の削減策とは呼べない新モデルは効率が悪いという結論

表の右の列が大事です。たとえば27倍という数字は、公開の作業データから作った「典型的な」対話とエージェントの比較であり、自社のエージェントの使い方がその典型に当てはまる保証はありません。社内の資料にこの倍率を引用するときは、「同社の推計では」と出典と前提を添え、自社の見積もりとは区別して書くのが安全です。

推計の作り方:公開モデルの実測から、非公開モデルへ当てはめる

技術報告によると、CLEER はまず20以上の公開モデル(パラメータ数は200億から2.8兆)を、計算機の構成や同時に処理する件数、並列化の仕方を変えながら実測しています。試験の回数は2,400回以上、測ったトークン数は4億2,500万以上と公表されています。そのうえで、提供元が公表している限られた実績値で補正し、非公開モデルを性質の近い公開モデルに対応づけ、公表されている応答速度などから1トークンあたりの電力を推計します。

ただし、すべてのモデルが同じ方法で推計されているわけではありません。Google の Gemini は自社開発の専用の計算機で動いており、電力を直接測れる手段がないため、別の方法で推計していると明記されています。Google が公表した計算機の電力の開示を起点に、観測した性能と仮定を組み合わせ、不確かさを計算で広げる形です。同じダッシュボードに並んでいても、モデルごとに推計の根拠の強さが違うことは、比較の前に知っておくべき点です。

もう一つ、計算書の0926版は文章の処理だけを対象にしています。画像・動画・音声は「今後の拡張」とされており、マーケ部門で量が増えやすい画像生成や動画生成の電力は、現時点の CLEER の係数では扱えません。自社のAI利用のうち、どの部分が係数の対象外かを先に洗い出しておくことが、後の説明を楽にします。

炭素の数字になるまでに掛かる係数を確かめる

CLEER が出すのは、計算機そのものの電力です。企業の集計に入れるには、そこに建物全体の電力や電気の排出係数などを掛ける必要があり、計算書がその手順と初期値を示しています。主な初期値は次のとおりです。

段階計算書の初期値(0926版)自社で確かめること
計算機の周辺機器の上乗せ1.50倍(専用計算機で動くモデルは1.43倍)上書きできる根拠を提供元が出しているか
待機中の設備の上乗せ1.10倍同上
建物全体の電力効率1.45(代わりの値。提供元の実測ではない)提供元の公表値があれば差し替えるか
電気の排出係数1キロワット時あたり0.41キログラム(米国の全国平均+燃料の上流分)処理された地域が分かるか。日本の値を使うべきか
モデル開発分の上乗せ利用時の計算機の電力の1.5倍を開発分として配分自社の開示の範囲に開発分を含めるか

計算書の例示では、利用時の計算機の電力が80.3メガワット時のとき、集計に載る排出量は約207.5トンで、そのうちモデル開発の配分が約58%を占めます。応答だけに絞った排出量は約87.4トンで、集計の数字はその2.37倍です。同じ利用量でも、どの範囲を載せるかで数字が2倍以上変わるということです。数字を出す前に、どちらの範囲を採ったかを決めて記録しておかなければ、翌年の比較も他社との比較もできません。

不確かさの扱いにも決まりがあります。計算書は、報告する数字は中央の推計値を一つとし、幅は別に示すとしています。慎重を期すために幅の上限を報告値にすり替えることはしない、という考え方です。また、モデル同士の推計の誤りは同じ方向に偏り得るとして、複数のモデルの幅は足し合わせて示します。この幅は統計的な信頼区間ではなく、確率は付けないと明記されています。社外に出すときは、中央値と幅を並べ、幅の意味を一文で添えるのが、計算書の考え方に沿った書き方です。

日本の会社がそのまま使うと、ずれやすい三つの点

一つ目は電気の排出係数です。計算書は、処理された地域が開示されていれば地域の係数を、提供元が全体の平均値を開示していればそれを使い、どちらもなければ米国の全国平均を初期値とする、という順番を定めています。日本の会社が国内向けの領域を選んで契約していても、その事実を集計に反映するには、どの地域で処理されたかを契約や管理画面の設定で示せることが条件になります。示せなければ米国の初期値のままで、その旨を注記するのが筋です。

二つ目は、再生可能エネルギーの扱いです。計算書は、提供元の一般的な再生可能エネルギーの主張だけでは、契約に基づく係数を下げないとしています。自社の利用分に結びつけられる契約上の証書がなければ、契約に基づく数字は地域の平均に基づく数字と同じになり、理由を開示する決まりです。提供元の環境報告書に「再生可能エネルギー100%」とあっても、それをそのまま自社の数字に反映してはいけません。

三つ目は、モデル開発分の上乗せです。計算書は、提供元の開発に使われた電力のうち、自社が使ったトークンの割合に応じた分を自社に配分します。この考え方は温室効果ガスの国際的な算定基準に沿ったものだと説明されていますが、上乗せの比率1.5は、ある提供元の支出の報道と業界の推計から導いた値です。根拠が報道と推計である値を、自社の開示にどこまで載せるかは、外部の道具ではなく自社が決めることです。

自社の数字の入口:トークン数をどの段階で取れるか

推計の精度は、係数よりも先に、自社の利用量の取り方で決まります。計算書は利用量のデータを五段階に分けています。モデル別のトークン数を直接取れるのが最上位、一部の期間だけトークン数があり残りを別の指標で延ばすのが二段目、利用者数や会話数などをトークン数に換算するのが三段目、製品独自の利用単位から電力に直接換算するのが四段目、外部の参考データで代用するのが五段目です。金額からの推計は、ほかに手段がない場合に限るとされています。

ここで問題になるのは、社内で使われているAIの多くが、トークン数を見せてくれないことです。API経由で使っている業務アプリならモデル別のトークン数を取れますが、全社に配った対話型のAIや、他社の業務ソフトに組み込まれたAIは、利用者数や会話数しか分からないことが少なくありません。どの利用がどの段階のデータかを一覧にしておくだけで、数字の確からしさを説明できるようになります。

トークン数が取れる場合も、入力と出力を分けて残すことが大切です。計算書は、出力のトークンは入力より電力が大きいのが通例だとして、入力・再利用された入力・出力を分けて扱います。再利用された入力の電力は、提供元の価格の比率を代わりの指標にして小さく見積もる形です。合計のトークン数しか残していないと、この区別ができず推計が粗くなります。また、計算書が示す「1トークンは英文で約3.5〜4文字」という目安は英語のもので、日本語の文章の量にそのまま当てはめることはできません。

  • API経由の利用:モデル別の入力・出力・再利用された入力のトークン数を、月単位で残しておく
  • 全社配布の対話型AI:管理画面で取れる指標(利用者数・会話数など)と、その換算の根拠を記録する
  • 業務ソフトに組み込まれたAI:使われているモデルが分からない場合が多い。分からないこと自体を記録する

使ってよいか:データの利用条件と版の管理

社内導入の可否で最初に確かめるべきは、データの利用条件です。GitHub のリポジトリの説明では、画面とスクリプトのソフトウェアは改変や商用利用が認められた形で公開されている一方、データはクリエイティブ・コモンズの表示・非営利の条件で、商用での利用には同社の書面の許可が必要とされています。自社の開示資料や、顧客向けの提案資料に係数を使うことが商用に当たるかどうかは、法務の確認が要ります。継続して使うなら、先に触れた有償の係数提供の契約を検討するのが素直な道です。

次に版の管理です。リポジトリによると、データは CLEER の版に合わせて四半期ごとに更新され、画面の機能は版の間でも更新されることがあります。実際、2026年10月30日には、モデルごとの出力の長さの違いを補正する切り替えが加わりました。補正をオンにすると出力トークン数がモデルごとに調整され、補正のデータがないモデルは表示されなくなります。同じ画面を見ても、設定によって数字が変わるので、どの版のどの設定で見た数字かを必ず残してください。

計算書も、係数の変更はすべて公開で記録すると約束しています。逆に言えば、昨年の数字を今年の版で計算し直すと結果が変わり得るということです。開示の数字を前年と比べる場合、版の違いによる差と、利用の増減による差を分けて説明できるようにしておくことが、後から問われたときの備えになります。

同社は、技術的な指摘や修正の提案、追加のデータを GitHub の公開の場で受け付け、議論と改訂の経緯を追えるようにするとしています。正式な査読に出す意向も示していますが、現時点では査読を経た方法ではありません。社内の承認資料には、この位置づけも一行添えておくと、後の監査で前提を問われたときに説明しやすくなります。

開示より先に効く使い道:モデルの格とエージェントの配り方

CLEER の数字が最も役に立つのは、年に一度の開示より、日々のAIの配り方の判断かもしれません。発表で紹介された試験導入の企業は、推計値を社内の監視の仕組みに取り込み、費用の隣に環境負荷が見えるようにしたといいます。そうすることで、排出が起きる前に判断できるようにするのが狙いだと説明されています。

具体例として挙げられているのが、依頼を「十分にこなせる最も小さなモデル」に振り分ける仕組みです。費用の効果は示しやすい一方、環境面の効果は、非公開モデル同士の電力差に数字を付けられなかったため示せませんでした。モデル別の係数があれば、品質と費用と炭素を同じ表で比べられます。社内で既定のモデルを上位の格にするか、軽量の格にするか、エージェントの機能を誰に配るかを決める会議で、判断材料の一つにできるわけです。

ただし、判断を数字に任せてはいけません。約5回に1回は安いモデルのほうが電力の推計が大きかったという結果が示すとおり、費用と電力は単純に連動しません。品質が足りないモデルに振り分けて作業がやり直しになれば、かえって利用量は増えます。比較表は議論の出発点であり、どの業務にどの格を使うかは、業務の担当と情報システム部門が品質を確かめて決めることです。

四半期ごとに回す:定着させる五つの段取り

一度の計算で終わらせると、版の更新や利用の変化に追いつけず、数字は半年で古くなります。CLEER のデータが四半期ごとに更新されることに合わせ、次の段取りを四半期の定例にしておくと定着しやすくなります。

STEP1
利用量を集める

API経由の利用はモデル別のトークン数、全社配布のAIは管理画面の指標を集め、前の節の段階のどれに当たるかを記録します。業務ソフトに組み込まれたAIは、使われているモデルを提供元に問い合わせた結果も残します。

STEP2
版と設定を固定する

その四半期に使う CLEER の版、ダッシュボードの補正の設定、計算書の版を一つに決め、記録します。途中で版が上がっても、同じ四半期の集計は同じ版で通します。

STEP3
前提を選んで記録する

電気の排出係数をどの段で取るか、モデル開発分を含めるか、建物全体の電力効率に提供元の公表値を使うかを選び、選んだ理由を一行で書きます。

STEP4
社内の判断に回す

モデル別・用途別の推計を、費用と並べて情報システム部門とAI導入の担当に渡します。既定のモデルやエージェントの配布範囲を見直すかどうかは、この会議で決めます。

STEP5
確定者が承認して保存する

数字を確定する担当が、利用量・版・前提の記録を確かめて承認し、社外に出す数字と社内用の数字を分けて保存します。承認の記録がない数字は社外に出しません。

誰が推計値を確定して社外に出すか

CLEER の数字は、情報システム部門が持つ利用量と、サステナビリティ推進が持つ算定の方針と、法務が持つ利用条件の確認が揃って初めて社外に出せます。どれか一つの部門に任せると、利用量は正しいのに前提の選び方が説明できない、あるいは前提は正しいのにデータの利用条件を確かめていない、といった穴が残ります。役割の分け方の一例を示します。

  1. 情報システム部門:モデル別のトークン数、AIの配布範囲、処理地域の設定を持ち、利用量のデータの段階と、取れない利用の扱いを決める
  2. サステナビリティ推進:算定の方針と前年との比較を持ち、電気の係数の段、開発分を含めるか、使う版を決める
  3. 法務:データの利用条件と係数提供の契約を確かめ、開示や提案資料での使い方が条件に合うかを判断する
  4. AI導入の担当:既定のモデルとエージェントの利用ルールを持ち、推計を配り方の見直しにどう使うかを決める
  5. 確定の責任者(役員など):上の記録一式を読み、社外に出す数字を承認する

ポイントは、確定する人と、数字を計算する人を分けることです。計算した本人が承認まで行うと、前提の選び方の偏りに気づく機会がなくなります。小さな会社で兼務せざるを得ない場合でも、少なくとも前提の記録を別の人が読んで確かめる手順は残しておくべきです。

AIに任せないこと、AIに書かせること

排出量の集計の作業そのものに生成AIを使いたくなる場面もあります。利用ログの整理や、前提の説明文の下書きは、AIが得意な作業です。一方で、どの係数を採るか、どの範囲を載せるかをAIに判断させてはいけません。AIはもっともらしい前提を選んで滑らかな説明文を書けますが、その選び方の責任を負えないからです。

AIに下書きを任せるときは、数字や前提の一つひとつに、計算書のどの節、どの版に基づくかの根拠を書かせてください。根拠の箇所が示されていない数字は、人が元の資料に当たって確かめるまで使わないという線を引きます。とくに倍率や比率は、AIが別の資料の数字と取り違えやすい部分です。米国の業界メディアの記事でも、公式発表の「30倍」が「30パーセント」と書かれていたように、人が書いた二次情報ですら数字はずれます。

社外に出す文章の最終確認は、必ず人が行います。確認する人は、数字が推計であること、どの版の係数か、どの範囲を載せたか、処理地域が分からない場合の扱い、の四点が書かれているかを見ます。この四点が欠けた文章は、たとえ数字が正しくても、読み手に誤解を与えます。

やりがちな失敗

CLEER のような公開の推計を使い始めた会社で起きやすい失敗を、前提の取り違え、データの扱い、運用の三つの面から挙げます。どれも、道具の性能ではなく、使う側の決め方の問題です。

  • ダッシュボードで見たモデル別の数字を、版と補正の設定を記録せずに資料に貼る
  • 米国の全国平均の排出係数のまま計算し、その旨を注記せずに日本の拠点の数字として載せる
  • 提供元の「再生可能エネルギー100%」を理由に、契約に基づく数字をゼロにする
  • エージェントは対話の27倍という同社の推計を、自社の実測のように引用する
  • 画像や動画の生成も含めた「AI全体の排出量」として、文章だけの推計を出す
  • 非営利の条件のデータを、利用条件を確かめずに顧客向けの提案資料に使う

いずれも、後から指摘されると数字全体の信頼を落とします。とくに注記の漏れは、数字の誤りよりも問題視されがちです。推計であることを隠さず、分からないことは分からないと書く姿勢のほうが、読み手からの信頼につながります。

開示に使う前の確認項目

最後に、CLEER の推計値を社外に出す前に確かめる項目を一覧にします。四半期の定例や、質問状への回答の前に、この一覧を上から確かめてください。

CLEER の推計値を使う前の確認項目
  • 使った CLEER の版、計算書の版、ダッシュボードの補正の設定を記録したか
  • 利用量のデータが五段階のどれに当たるか、利用ごとに記録したか
  • トークン数が取れない利用と、使われているモデルが分からない利用を一覧にしたか
  • 電気の排出係数をどの段で取ったか、処理地域を示す根拠があるか
  • 再生可能エネルギーの主張を、契約上の証書なしに反映していないか
  • モデル開発分を含めたか、含めた場合はその比率の根拠を注記したか
  • 画像・動画・音声の生成が係数の対象外であることを書いたか
  • データの利用条件(非営利・商用は書面の許可)を法務が確かめたか
  • 前年の数字と比べる場合、版の違いによる差を分けて説明できるか
  • 計算した人と確定する人が分かれ、承認の記録が残っているか

この一覧は、CLEER に限らず、外部の推計係数を自社の数字に入れるときに共通して使えます。逆に言えば、一覧のどれかに答えられない間は、社外には出さず社内の判断材料にとどめるのが妥当な線です。

まとめ

CLEER は、中身が公開されていない生成AIモデルの電力とCO2を、使ったトークン数から推計する公開の方法です。2026年9月に技術報告、計算書、ダッシュボード、データが公開され、モデルの選び方で電力が30倍を超えて変わる、エージェントの利用は対話の約27倍といった推計も示されました。ただし、これらは測定ではなく推計で、電気の排出係数の初期値は米国の全国平均、モデル開発分の上乗せは報道と業界の推計に基づく値、対象は文章の処理だけ、データの商用利用には書面の許可が必要、という前提がついています。前提を選び、版を記録し、計算した人とは別の人が確定して社外に出す。この線を先に決めておけば、推計値は開示の数字としても、モデルの格やエージェントの配り方を決める材料としても使えます。AIに係数の選択を判断させず、根拠の箇所を必ず示させ、最後は人が確かめる。外部の物差しを借りるときこそ、自社の決め方が問われます。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次