AIに「あとはよろしく」と任せられる日が、思ったより早く近づいています。旅行の計画も、面倒な調べ物も、自分で動いて片づけてくれるAIエージェント。その便利さに慣れはじめた今、ふと気になることがあります。あの「賢く動いてくれている裏側」では、いったい何が起きているのでしょうか。韓国の研究チームが、これまで誰もはっきり測ってこなかった「エージェントの電気代」に、初めて数字で光を当てました。その答えは、便利さを手放したくない私たちにこそ、知っておく価値のあるものでした。
The Korea Timesが2026年7月5日に報じた。KAIST（韓国科学技術院）の研究チームが、先端的なAIエージェントの電力消費を初めて定量化した研究を発表した。研究はリュ・ミンス氏が率いた。それによると、AIエージェントは1クエリあたり、従来型の生成AIツールの最大136.5倍のエネルギーを消費する。
応答生成にかかる時間は最大153.7倍に達し、処理中はグラフィックスチップが半分以上の時間アイドル状態となる。1回の複雑なリクエストは平均348.41ワット時を消費する。エージェントが主流となり、世界全体で1日137億件のリクエストを処理する場合、データセンターの総電力需要は米国全体の平均エネルギー消費量の約半分に達する。
リュ氏は、AIモデル、マイクロチップ、データセンターの電力網をゼロから再設計する必要があると指摘した。
From: 
Advanced AI uses 136.5 times more electricity than standard chatbots, study warns – The Korea Times
【編集部解説】
「AIは思ったより電気を食う」——そんな話は、これまで何度も耳にしてきたはずです。今回のニュースが新しいのは、消費電力の主役が「AIの訓練」でも「チャットの回答」でもなく、自律的に動く『AIエージェント』へと移ったことを、初めて数字で示した点にあります。
まず用語を整理させてください。従来のチャットボットは、質問に一度答えれば仕事を終えます。一方AIエージェントは、「旅行を計画して」と頼まれると、自分で検索し、計算し、プログラムを実行し、何度も自分自身に問い直しながらゴールへ向かいます。この「何度も問い直す」動作が、電力の正体です。
KAISTの研究は、この反復を「データセンターが処理し続けねばならない新種の負荷」として捉え直しました。すると見えてきたのが、応答時間が最大153.7倍に伸びる一方で、高価なGPUが最大で全体の54.5%もの時間を「外部ツールの返事待ち」で遊ばせている、という奇妙な非効率です。賢くなるほど、計算資源が空回りする——ここが今回の核心だと私は受け止めています。
センセーショナルに独り歩きしがちな「最大136.5倍」という数字は、正確ではありますが、前提を添えないと誤解を招きます。これはAIエージェント全般の平均ではなく、700億パラメータ級のモデルに「何度も自己点検しながら解くタイプの手法」を組み合わせ、あるベンチマークでGPUの消費エネルギーを測った条件下での比率です。基準はあくまで単純な一問一答で、数値に含まれるのはGPU分のみ。CPUや冷却などは計算に入っていません。1クエリ平均348.41ワット時という値も、この条件での計測だと押さえておくと、受け止め方が変わってきます。
もう一つ目を引く「米国の消費電力の約半分」も補足が要ります。試算された198.9ギガワットは、1日137億件（Google検索の規模を想定した仮定値）をエージェントが処理したら、という将来シナリオの数字です。しかもギガワットは「使った電力量」ではなく、ある瞬間の「電力の大きさ（平均負荷）」を指します。論文は米国の平均電力需要を約476.9ギガワットと置いており、198.9ギガワットはその4割強にあたります。今日の現実でもなければ、単位も電力量とは別物——ここは冷静に読みたいところです。
つまりこれは「明日エネルギー危機が来る」という予言ではなく、「この設計思想のまま普及させたら立ち行かない」という警告であり、設計変更への招待状です。リュ・ミンス教授も、モデルだけを賢くする競争から、半導体・データセンター・電力インフラを一体で最適化する「co-design（協調設計）」へ軸足を移すべきだと提言しています。原文のニュアンスも「作り直す」より「見直す・協調的に最適化する」に近く、「ゼロから再設計」という強い言い換えは割り引いて受け止めるのが正確でしょう。
情報源としての信頼性も押さえておきます。この研究の本体はプレプリント（arXiv）で公開され、査読を経てコンピュータアーキテクチャの最高峰会議IEEE HPCAの第32回大会（2026年1月末〜2月開催）で発表されました。筆頭著者は博士課程のキム・ジイン氏、実装とベンチマークはGitHubでオープンソース公開されています。単発の話題づくりではなく、誰でも追試できる形で世に問われている——ここは元記事が触れていない、評価すべき点です。
では、私たち読者にとって何が変わるのでしょうか。ポジティブに見れば、エージェントは「調べて・考えて・実行する」までを肩代わりしてくれる存在で、働き方を確実に前へ進めます。しかし裏側では、その1回の便利さが、条件次第で従来の数十〜百数十倍の電力を静かに消費することがある。この「見えないコスト」を知ったうえで使うのと、知らずに使うのとでは、社会全体の選択が変わってきます。
規制と政策への波及も見過ごせません。日本でも2026年から、データセンターの電力使用量や効率（PUEなど）の報告・公表を求める制度対応が始まっています。AIサービス単位の開示にまで広がるかは未知数ですが、効率を評価軸に組み込む流れは強まりそうです。データセンターの新設が相次ぐ日本にとって、電力確保・立地・半導体戦略は決して他人事ではありません。「賢いAI」から「効率的なAI」へ——競争の物差しが変わる転換点として、この研究を記録しておく価値があると考えます。
最後に、長期的な視点をひとつ。最大54.5%もGPUが遊ぶという非効率は、裏を返せば「まだ最適化されていない黎明期の姿」でもあります。論文自身も、スケジューリングやキャッシュ、プロンプト設計などの改善余地を挙げています。今回の数字を「AIの限界」ではなく「これから削られていく伸びしろ」として読むこと。それが、未来を報じる立場から差し出せる、もう一つの視点です。
【用語解説】
AIエージェント
目標を与えると、自分で計画を立て、Web検索・計算・コマンド実行などの外部ツールを組み合わせ、複数の手順を自律的にこなすAIを指す。質問に一度答えて止まる従来型チャットボットとは、動作の仕組みが根本的に異なる。
生成AI（従来型）
質問に対して文章や画像などを一度だけ生成して応答するAIを指す。本記事では、消費エネルギーを比較する際の「単純な質疑応答」の基準として用いられている。
GPU（グラフィックスチップ）
大規模なAI計算に使われる高性能な演算チップである。今回の研究では、エージェントが外部ツールの応答を待つ間、このGPUが最大で全体の54.5%もの時間で遊んでしまう「非効率」が問題として指摘された。
パラメータ（700億パラメータ）
AIモデルの規模や表現力を示す内部変数の数である。348.41ワット時という消費電力は、商用サービスに匹敵するとされる700億パラメータ級のモデル（ただし今日の最大級モデルよりは小さい）を使ったエージェントで計測された数値だ。
ワット時（Wh）／ギガワット（GW）
ワット時は消費した電力量、ギガワットはある瞬間の電力の大きさ（10億ワット）を表す。試算された198.9ギガワットは電力量ではなく平均的な電力需要であり、現在建設中のAIデータセンター（数ギガワット規模）を大きく上回る水準とされる。
co-design（協調設計）
AIモデル、半導体、データセンター、電力インフラを別々にではなく、一体で最適化する設計思想を指す。研究チームが持続可能なAIの鍵として提言している考え方である。
IEEE HPCA
コンピュータの設計・アーキテクチャ分野で最も権威ある国際会議の一つ。本研究は2026年1月末から2月にかけて開催された第32回大会で発表された査読付き論文である。
【参考リンク】
KAIST（韓国科学技術院）公式サイト（外部）
研究を発表した韓国の国立研究大学。1971年設立で、AI半導体やコンピュータアーキテクチャ分野に強みを持つ研究機関だ。
リュ・ミンス教授 KAIST教授ページ（外部）
研究を率いた研究者の公式ページ。NVIDIA本社での勤務を経て2018年にKAISTへ着任し、AI半導体を専門とする経歴が確認できる。
AgentBench（VIA-Research／GitHub）（外部）
論文で用いたAIエージェント実装とベンチマークを公開する著者らのリポジトリ。数値の追試や検証に使える一次資料である。
資源エネルギー庁「データセンターの電力需要と省エネ制度」（外部）
日本のデータセンター電力需要の増加と、2026年から始まる報告・公表制度を解説する公的資料である。
【参考記事】
The Cost of Dynamic Reasoning（arXiv・論文本体／一次情報）（外部）
研究そのもの。136.5倍や348.41Wh、198.9GWの各数値と、その測定条件を直接確認できる一次資料である。
KAIST identifies the “hidden energy cost” of AI agents（EurekAlert!）（外部）
KAIST公式のプレスリリース。主要数値とリュ教授のco-design提言を確認する裏取りに用いた。
KAIST Unveils AI Agents’ Hidden Energy Cost（Mirage News）（外部）
KAIST発表をほぼそのまま配信した記事。数値と論旨の再確認のために参照した。
One AI Agent Query Can Use 136× More Power（Windows News・補助的参考）（外部）
専門系ブログ。2025年時点の業界推計10〜30倍という文脈補足のために参照した補助資料である。
【関連記事】
スタンフォード発「ワットあたりの知能(IPW)」とは―小型ローカルAIがクラウドに挑む
「効率」を正面から扱った記事。賢さより効率へという本記事の論旨と最も強く重なる一本だ。
OpenJarvis 登場、Ollama 対応のローカルファーストAI─スタンフォード発「Intelligence Per Watt」の挑戦
パーソナルAIエージェントの消費電力効率を扱う。エージェントの電力という論点が重なる。
Perplexity「ハイブリッド推論」発表—AIの問いは「何ができるか」から「どこで動かすか」へ
エージェントを「どこで動かすか」で電力とコストを最適化する発想。co-designの実装例だ。
【編集部後記】
先日、カフェで作業をしていたら、隣の席の会話がなんとはなしに耳に入ってきました。パソコンで調べ物をしている男性に、隣の女性が「AIってめちゃめちゃ電気使うらしいから、家じゃなくてカフェで作業するのがいいわね」と。思わず、そっと苦笑してしまいました。
でも、笑ったあとで、ふと考え込んでしまったのです。彼女はきっと、家で使う電気をカフェに肩代わりしてもらえる、というつもりだったのでしょう。でも、面白いのはここからです。AIが実際に動いているのは、手元のパソコンではなく、どこか遠くのデータセンター。私たちの端末は、問いを投げて答えを受け取っているだけです。つまり、家で作業してもカフェで作業しても、AIそのものが食べる電気は、ほとんど変わらないのです。場所を移したところで消えるのは自宅の照明代くらいで、肝心の”AIの電気”は、見えないところで同じように使われ続けている。彼女の一言は、笑い話のようでいて、実は「その電気はどこで使われているのか」という核心を、裏側からそっと照らしていた気もします。
そう思うと、次に浮かんでくるのは、もっと素朴で、もっと大きな問いです。その電気は、いったい誰が、どうやってつくっているのか。火力なのか、原子力なのか、それとも太陽や風なのか。そしてそのコストは、最終的に誰が払うのか。カフェのレジでも、家庭の電気代の明細でもない、もっと遠い場所で積み上がっていく請求書があるはずなのに、その宛先を意識する人は、まだそう多くないのかもしれません。私自身、この研究に触れるまでは、正直そこまで考えていませんでした。
ただ、これを「AIは電気を食うから控えよう」という話に縮めてしまうのは、もったいないとも思っています。研究者たちが指し示しているのは、後ろ向きな結論ではなく、「作り方そのものを見直せば、まだいくらでも良くできる」という前向きな余白です。半分近く遊んでしまうというGPUの時間も、裏を返せば、これから磨かれていく伸びしろでしょう。技術の歴史は、初期の無駄を工夫で削ってきた歩みの連続でもありました。
だから私は、カフェのあの女性の一言を、否定したいわけではありません。むしろ、ああして日常の中でAIと電気を結びつけて考える人が増えていくことこそ、この先の技術との付き合い方を変えていく第一歩なのだと思います。便利さに驚きながら、その裏側にある見えないコストにも、そっと目を向けてみる。そのバランス感覚を、みなさんと一緒に育てていけたら嬉しいです。
みなさんは、次にAIに何かを頼むとき、その一問がどこの、誰がつくった電気で動いているか、想像してみたことはあるでしょうか。答えを急ぐ必要はありません。ただ、その問いを胸の片隅に置いておくだけで、技術との距離の取り方は、少し変わってくる気がしています。
