投稿者 投稿日: カテゴリー AIニュース
AIエージェントの電力は、通常チャットの約600倍と実測されました。
気候データ研究者のZeke Hausfatherが2026年8月5日にThe Climate Brinkで公開した自己計測レポートによると、8週間分のコーディングエージェント利用は1,138プロンプトで約170キロワット時の電力を消費しました。1プロンプトあたり約150ワット時で、これはGoogleが公表したGeminiの中央値テキストプロンプト0.24ワット時のおよそ600倍にあたります。この数字が重要なのは環境問題としてではなく、AIの費用単位が「1回の質問」から「1つのタスク完了」へ移ったことを、実測データが初めて明確に示したからです。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
1,138プロンプトが32億トークンに｜実測で見えた600倍の中身
AIエージェントが電力を食う理由は、モデルが賢くなったからではなく、同じ文脈を何度も読み直しているからです。
Hausfatherの計測では、本人が入力した1,138プロンプトが14,000回を超えるモデル呼び出しに膨らみ、処理されたトークンは合計32億に達しました。1プロンプトあたり平均12回の呼び出し、平均290万トークンという計算になります。通常のWebチャットのやり取りが1回あたり約1,000トークンであることを考えると、桁が3つ違います。
内訳がさらに示唆的です。32億トークンのうち96パーセントはキャッシュ読み出し、つまりエージェントが自分の作業メモリを毎ステップ読み直した分でした。人間の目に見える生成テキストは全体のわずか0.4パーセントです。エージェントは1手進むたびに、それまでの文脈をまるごと再処理します。この構造が、見た目の作業量と実際の計算量を大きく乖離させています。
推定値には幅があります。Hausfather自身が3種類の公開手法で計算し直し、8週間の消費電力は70〜330キロワット時のレンジに収まると述べています。Anthropicがトークン単位の電力を公表していないため、精度には限界があることは押さえておくべきです。それでも、1,138プロンプトを一般的なチャット単価で計算した場合の約0.3キロワット時と比べると、実態は150倍から1,200倍の開きがあります。
136.5倍は上限値です｜本丸はGPU遊休54.5%という空回り
より広く出回っている「エージェントはチャットの136.5倍の電力」という数字は、事実ですがレンジの上端であり、そのまま平均として扱うと判断を誤ります。
出典は韓国科学技術院（KAIST）のJiin KimとMinsoo Rhuらによる研究で、コンピュータアーキテクチャの国際会議HPCAで発表されました。Llamaの700億パラメータモデル上でReflexionというエージェント方式を動かすと1タスクあたり348.41ワット時、同じモデルの素のチャット応答は2.55ワット時。この比が136.5倍です。ただし同じ論文でLATS方式は62倍にとどまっており、方式とモデルサイズを変えるだけで数値は2倍以上動きます。
Forbesはこの点を指摘したうえで、本当に読むべきはもう一つの数字だと書いています。ツールを多用するタスクでは、GPUが外部のAPIやコード実行の応答を待つあいだ、最大54.5パーセントの時間を電源が入ったまま何もせずに過ごしていました。高価な計算資源の半分近くが待機に費やされているわけです。Earth.comによれば、木構造探索型のLATSは1リクエストで平均71回もモデルを呼び出しており、この往復のたびに待ちが発生します。
EC事業者にとって、これは環境の話ではなく見積書の話です。商品説明の一括生成、レビューの分類、問い合わせの一次対応をエージェントに任せる構成では、費用は「何回聞いたか」ではなく「1件を完了させるのに何往復したか」で決まります。同じ100件の処理でも、途中で自己検証を挟む設計にした瞬間に請求額が数倍になる可能性がある、ということです。
EC事業者が今週確認すべき3つの盲点
やるべきことは3つに整理できます。いずれも来週の予算会議で使える粒度です。
第一に、AI関連の見積もりを「完了タスク単価」で取り直すことです。Forbesは、ベンダーに聞くべきは1クエリの価格ではなく完了タスクの価格であり、そのうちどれだけがGPUの遊休時間かだと述べています。定額のAPI従量課金で提示されている見積もりは、チャット前提の単価を流用している可能性があります。1,000商品の説明文生成なら「1商品あたり何トークン・何回の呼び出しになるか」をベンダーに確認し、テスト100件の実測を根拠に本番費用を推定してください。
第二に、キャッシュ設計を費用項目として扱うことです。実測データで消費トークンの96パーセントを占めたキャッシュ読み出しは、Anthropicの料金体系では通常入力の10パーセントで課金されます。裏を返せば、共通のブランドガイドラインや禁止表現リストを毎回まるごと入力に混ぜる設計は、キャッシュを効かせるかどうかで実費が大きく変わります。この論点はClaudeのコスト可視化とバッチ・キャッシュ活用とプロンプトキャッシュを含むAPIコスト設計で具体的に扱っています。
第三に、モデルの使い分けを運用ルールに落とすことです。Hausfatherは、単純な作業を小型モデルに回すとトークンあたりの消費が5〜7倍軽くなると述べています。SKUの表記ゆれ統一、カテゴリ分類、定型の在庫アラート判定といった機械的な処理までフラッグシップモデルに投げているなら、そこは削減余地です。実際の支出をどう可視化するかはAI支出を3指標で管理する考え方、エージェントに投じる予算の考え方はエージェントのコスト地平に関する研究が参考になります。
なお、日本の電力単価に換算した具体的な金額や、国内モールの管理画面から取得できるトークン相当の指標については公開情報が乏しく、現時点では要確認です。自社のAPI利用明細から逆算するのが最も確実です。
まとめ
エージェント利用の実測データは、AIの費用が「質問の回数」ではなく「タスクの往復回数」で決まることを示しました。136.5倍も600倍もレンジの一部であり、自社の数字は自社の実測でしか出せません。EC事業者がいま取るべきスタンスは、見積もりをタスク単価で取り直し、キャッシュ設計を費用項目として扱い、軽い処理は小型モデルに逃がすという3点です。エージェントを止める理由にはなりませんが、予算の立て方を変える理由にはなります。
参考文献
- The Climate Brink｜The real energy use of agentic AI（Zeke Hausfather, 2026-08-05）
- arXiv｜KAISTによるAIエージェントのエネルギーコスト計測論文（HPCA 2026）
- Forbes｜The Real Energy Problem With AI Agents Isn’t The Number Going Viral（2026-07-06）
- Earth.com｜AI agents bring a steep energy cost beyond ordinary chatbots（2026-07-07）
- Watershed｜企業のAI排出量会計フレームワーク白書（Bistline et al. 2026）
- Lawrence Berkeley National Laboratory｜米国データセンター電力使用レポート
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業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://uruchikara.jp/contact/
引用元: The Climate Brink
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
