脱炭素 / GXの切り札となりうるAI / DataRobotの可能性
DataRobotで製造業や電力・ガス、エネルギーや建設業のお客様を担当しているAIサクセスマネージャーの笹口です。
ここ数年、新聞やニュース等で”脱炭素”や”GX（グリーン・トランスフォーメーション）”といったキーワードを目にする機会が増えてきました。私自身、担当する多くのお客様と会話する中で、企業にとって脱炭素やカーボンニュートラル、GXが経営アジェンダとして非常に重要度が高まっていることを体感しています。一方で、その必要性や意義は理解できるものの、取り組みに必要な投資判断の難しさや、いざ現場において具体的に何をどの程度行えばよいかが不明確である 等の難所もあり、多くの企業が苦心されています。
そこで、本稿では以下についてご紹介します。
- 脱炭素/GXのトレンドと、脱炭素/GXという壮大な課題に対する現実解
- 現実解の実現に向けた切り札となりうるAI/DataRobotの可能性
- 特に従来の業務・改善活動の中でも取り組める内容は多く存在するため、どのような領域・施策にAI/DataRobotを活用できるか、具体的な事例を踏まえてご紹介します。
1 企業の経営アジェンダとして重要度が増す脱炭素/GX
ここ数年で脱炭素やカーボンニュートラル、GXは多くの企業が取り扱うようになった経営アジェンダの一つです。そのトリガーとなったのは2020年10月、臨時国会にて菅首相（当時）が所信表明演説で表明した「2050年カーボンニュートラル宣言」です。[1] 脱炭素/カーボンニュートラルの定義についてですが、これは国内の温室効果ガスの排出を2050年までに「実質ゼロ」とする方針です。そして、それを加速させる動きとして、岸田首相のもと、「GX実現に向けた基本方針」が2022年12月に決定されました。この基本方針では、150兆円超のGX投資を官民で実現するために、国として20兆円規模の大胆な先行投資支援の実行を目指すことが表明されました。[2]
このような政府動向に加えて、投資家や顧客企業、個人といった企業を取り巻くステークホルダーの観点からも企業として脱炭素やGXは無視できない経営アジェンダになりつつあります。
2 一方、脱炭素/GXの実践難易度は高く、多くの企業が苦心
このように、企業の経営アジェンダとしての重要度が増す脱炭素やカーボンニュートラルですが、一方で、その実践には苦心される企業の方々も少なくありません。そこにはいくつかの要素が関係しています。[3] 例えば、設備導入/刷新の難しさがあります。 脱炭素やカーボンニュートラルを実現するための主な方向性として、日本経済団体連合会（経団連）は大きく7つを挙げています。[4]
出典：一般社団法人 日本経済団体連合会 グリーントランスフォーメーション(GX)に向けて
- ゼロ・エミッション電源の確保
（再エネの主力電源化／原子力利用の積極的推進/脱炭素化力の実現) - 電化の推進
- 次世代電力ネットワークの実現
- 熱源へのカーボンフリー水素・アンモニア・合成メタンの導入
- 生産プロセスの変革、革新的製品・サービスの開発・普及
- 材料におけるカーボンリサイクル、ケミカルリサイクルの推進
- ネガティブエミッション（森林吸収源対策、DACCS[5]、BECCS[6]）
さて、これらの方向性ですが、脱炭素化技術や脱炭素化サービスの多くは既存設備の刷新や新規導入が必要な施策となります。しかし、産業用の設備は設備コストが非常に高く、そう簡単に導入できる訳ではありません。また、仮に導入コストが捻出できたとしても、産業用設備の寿命は20-40年程度と長いため、設備刷新の機会も限定的です。さらに、単に設備を刷新・導入するだけではなく、場合によっては周辺インフラの転換も必要になる場合もあり、その場合は導入コストが益々増加します。
これに加えて、脱炭素技術導入や新技術・材料開発に伴うコスト転換や製品・サービス品質低下のリスクも存在します。前者については、省エネや脱炭素技術は既存技術と比較して現状高額なため、将来的に価格低減が進まない場合にはコストを製品・サービスへ転換せざるを得ない場合が考えられます。また、後者については、低炭素化された製造プロセス・燃料を活用した上で、従来と同水準以上の製品・サービス品質が維持できるかは読みきれない部分でもあります。
3 脱炭素/GX実現への現実解とAI/機械学習の可能性
このように、脱炭素/GX実現に向けた実践へのハードルは高い所ですが、だからと言って何もせずに立ち止まっている訳にもいきません。既にいくつかの企業では脱炭素/GX実現に向けて先進的な取り組みに着手しています。例えば、ソニーグループでは専門部隊が取引先の温室効果ガス削減計画を検証する活動を開始したり、日立製作所も省エネ投資の効果を試算するシステムを取引先に提供する等、自社内での脱炭素/カーボンニュートラルだけでなく、取引先を含めた対策を進めています。[7]
勿論、全ての企業が同様の取り組みをできる訳ではありません。では、脱炭素/GX実現に向けた現実的な解は何になるでしょうか。まず、設備導入/刷新や新技術開発といった取り組みはハードルは高いものの大幅な温室効果ガス削減に貢献するため、中長期視点では不可避な取り組みと考えられます。一方で、この一本足打法では社内での取組機運向上や意識変革は進まないことが予想されます。そこで、並行して既存プロセスの更なる改善や生産性向上による着実な温室効果ガス削減による実績の蓄積も並行して実施するべきと考えられます。当然、既存プロセスの更なる改善や生産性向上だけで脱炭素/GXの実現はできません。しかし、投資を抑えながら一定の温室効果ガス削減が期待できる施策でもあります 。[8]
さて、既存プロセスの更なる改善や生産性向上の余地が果たしてあるのか？と思う方もいるのではないでしょうか。確かに、日本では特に製造業や電力・ガス、エネルギー業界を始めとする多くの企業で長年”カイゼン”活動が行われてきました。
一方で、昨今はその領域に対してデータやデジタル技術、テクノロジーの活用やDX（デジタル・トランスフォーメーション）の推進によって、更なる改善や生産性向上を実現してきたのも事実です。そして、ここでAI/機械学習が力を発揮します。つまり、これまで人がKKD（勘／経験／度胸）で行っていた業務上の判断や意思決定に対して、データに基づき正確かつ説明可能な状態で判断・意思決定することで、既存プロセスの更なる改善や生産性向上に貢献するのです。
4 脱炭素/GXの切り札になりうるAIの可能性
脱炭素/カーボンニュートラル x AIの期待貢献ポテンシャル
では、AI/機械学習は脱炭素／カーボンニュートラル実現に対してどの程度のポテンシャルを持つ存在なのでしょうか。グローバル大手コンサルティングファームのボストン・コンサルティング・グループ（BCG）の推計[9] によると、AIを活用することで温室効果ガス排出量に対する必要な削減量の5-10%程度、つまり2.6〜5.3ギガトンのCO2eの削減が可能だと試算されています。また、それだけでなく、AIを企業のサスティナビリティ全般に活用した場合、2030年までに1兆3千億~2兆6千億ドルの潜在的な価値を生み出すとも推計しています。この潜在的な価値には、AIを活用することで発生する追加収益やコスト削減による双方の価値が考慮されています。
出典：ボストン・コンサルティング・グループ：デジタルXサステナビリティ
ちなみに、脱炭素xAI活用によるコスト削減は直感的にも構造が理解しやすいですが、追加収益とは何によって発生するのでしょうか。例えば、AIを活用して他社よりも温室効果ガス排出削減を実現した場合、取引先からの脱炭素対応要請に対して他社よりも優位な立場に立つことができます。その結果、従来以上の取引を獲得することで追加収益を得られる可能性があります。既に海外大手企業では、サプライヤーへの脱炭素化要請の動きが発生しており、中にはサプライヤーのCO2削減状況等を調達先選定時に考慮する企業もあります。[10] そして国内大手企業もこの動きに追随しつつあり、例えば、積水ハウスやセイコーエプソン、トヨタ自動車等もサプライヤーへの脱炭素を求める動きを始めています。[11]
出典 JETRO 企業に求められる「守り」と「攻め」の脱炭素（世界）
このように、脱炭素/カーボンニュートラルに対してAIを活用することは、温室効果ガス排出量の削減だけでなく、追加価値やコスト削減といった収益面での貢献ポテンシャルを持っており、脱炭素/GXの切り札になる可能性があります。
脱炭素/カーボンニュートラル x AIの活用領域
ここまで見てきたように、脱炭素/カーボンニュートラル x AI活用は企業にとって良い可能性を秘めた存在ですが、具体的にどのような場面で力を発揮するのでしょうか。前提として、温室効果ガス排出量の削減には大きく3つのステップがあります。まず、排出量を可視化すること。次に、排出量を減らすこと。そして、クレジット等で排出量を埋め合わせること。この3ステップがあります。なお、”排出量を減らす”は、排出自体を回避や削減することと、排出した温室効果ガスを回収や吸収、貯留することに細かく分類されます。
このうち、特に”排出量の可視化”と”排出量を減らす”場面でAI/機械学習を活用する場面が多数あります。例えば、”排出量の可視化”では、自社内＋自社外での温室効果ガス排出量のモニタリングや集計、将来の排出量予測 等での活用が期待されます。また、”排出量を減らす”では、工程改善に効く要因の分析や生産設備の異常検知・予知保全、製品需要予測に基づく生産量の最適化やプラントの運転パラメーター最適化等による生産ロス削減/工程効率化での活用が期待されます。さらに、脱炭素化が進むと再生可能エネルギーや蓄電用設備が企業にもこれまで以上に導入され、それらの生産性向上の重要性が高まります。その時に鍵となる施設・工場等の電力需要予測や再エネ設備からの発電量予測、設備の効率的な保守点検を実現する補修時期予測 等の活用も想定されます。加えて、従来よりも低炭素な材料や温室効果ガスを吸収する素材や材料の開発といったMI（マテリアルズ・インフォマティクス）領域での活用も期待されます。
5.脱炭素/GX x AI活用を実現するDataRobot
脱炭素/GX x AIのアキレス腱（枯渇するDS人材）を解決するDataRobot
しかしながら、脱炭素/GX x AIにも”アキレス腱”となる懸念材料があります。それはAI活用を支えるデータサイエンティスト人材が枯渇していることです。2019年3月に経済産業省が発表した「IT人材需給に関する調査[12]」では、2030年にはデータサイエンティスト等のAI人材は最大14.5万人不足すると試算されています。従って、企業においてデータサイエンティスト人材を始めとするAI人材の獲得競争は益々激しくなります。加えて、企業内で一からデータサイエンティストを育成するのは一朝一夕にはいきません。この状況を打開する存在がDataRobotです。
DataRobotは組織にAI人材・DX人材が不足していてもAI活用を推進できるAIプラットフォームであり、高度なAIモデルの構築・運用・メンテナンスといったAIライフサイクルに必要な多くの作業を一元的に自動化するソリューションです。これまで国内外の様々な企業のAI活用における、非データサイエンティストの戦力化とデータサイエンティストの生産性向上に貢献し、AIによるビジネスインパクトの創出を支援してきました。そして、これまでのノウハウを活用することで脱炭素やカーボンニュートラル、GX実現を目指す企業の方々を支えるアクセラレーターとしても力を発揮します。
国内外で脱炭素/カーボンニュートラル実現を支えるDataRobot事例
では、具体的に脱炭素/カーボンニュートラル実現に向けてDataRobotが活用された事例をいくつかご紹介します。
まずは、トルコの大手セメントメーカーであるOYAK Cimento社の事例です。[13] OYAK Cimentoでは、コストとCO2排出量の両方を削減できるようなプラント制御の改善方法を探していました。そこでDataRobotによって構築された高精度なAIモデルを利用して粉砕プロセスの最適化や原料使用効率の向上、メンテナンスニーズの予測や原料品質の維持プロセス改善 等を行いました。その結果、代替燃料の使用率が7倍に向上し、CO2排出量を年間約20万トン抑制できるようになりました。これは、同社での全排出量の約2%に相当する規模でした。それに加えて、操業プロセスの生産性が向上したことで年間で約3,900万ドルのコスト削減も達成しました。
この他にも日本国内にてカーボンニュートラル実現に向け、DataRobotを活用した取り組みが多数ございます。例えば、大手建設会社様では、Scope3 Stage1[14] におけるCO2排出量を算出するために、DataRobotを活用した分類作業の自動化・効率化に活用されて、この分類作業に基づき集計された結果は第三者保証往査もクリアする精度を実現しました。また、大手エネルギー企業様では、ガス製造工程で課題だった電力源単位の削減を目的に、DataRobotを活用して運転パラメーターの最適化による電力原単位の改善に取り組まれています。さらに、ある製造業の企業様では、DataRobotを活用して工場の電力消費量を予測し、節電や発電機の稼働、生産計画変更を事前に行うことで、契約電力(kW)の引き上げ回避や電力使用量(kWh)の削減に貢献しました。その他にもR&Dフェーズの取り組みとして、低炭素材料の配合最適化において、DataRobotを用いて逆問題解析を行う活用も進みつつあります。
なお、ここで取り上げた事例はあくまで一部であり、他にも脱炭素/GX実現に貢献する様々なDataRobot活用事例が存在します。
6 脱炭素の本丸[Scope3削減]にもAI/DataRobotの活用可能性が
ここまでご紹介してきた脱炭素/カーボンニュートラルに向けたDataRobot活用事例は主に自社向けの内容でしたが、カーボンニュートラルを実現するためには自社だけでなく、自社外を含めたサプライチェーン全体での温室効果ガス削減が鍵となります。むしろ、自社外の排出であるScope3に対してどのように削減するか？という論点の重要度・難易度は自社内の温室効果ガス削減よりも高いかもしれません。
出典：環境省 サプライチェーン排出量算出をはじめる方へ
そして、このScope3の排出量可視化と削減施策は多くの企業が悩んでいる所です。一方で、実はScope3の排出量可視化・削減施策においてもAI/DataRobotの活用可能性が存在します。Scope3排出量可視化に関しては前述した通りですが、削減に関しては、例えば、輸送・配送・物流領域でのロス削減の施策として、原材料の需要予測高度化や燃費・電費予測に基づく燃費・電費効率が向上された物流・調達経路検討 等の領域での活用が考えられます。
それだけでなく、DataRobotで作成したAIモデルを自社サービスに組み込み[15]、サプライチェーン全体としての温室効果ガス削減に活用することも考えられます。例えば、建設業界では昨今ZEB（ネット・ゼロ・エネルギー・ビル）[16] 実現に向けた取り組みが活発に行われていますが、ZEB実現には電力需要予測に基づく最適なエネルギー管理が重要になります。その部分において発電・蓄電設備の最適な運用・制御にAI/DataRobotを活用することも考えられます。それだけでなく、前述したソニーや日立製作所の取り組みのように、サプライチェーン全体としての温室効果ガス排出量の可視化・削減計画策定の検証に留まらず、自社で取り組んだAI/DataRobotを活用した削減施策を社外向けに削減サービスとして提供することも考えられます。
このように、自社内での温室効果ガス削減だけでなく、サプライチェーン全体として温室効果ガスの可視化と削減にもAI/DataRobotは力を発揮する可能性を秘めています。
7 まとめ
本稿では、「脱炭素/GXの切り札となりうるAI/DataRobotの可能性」と題して、脱炭素やカーボンニュートラルにおけるAI/DataRobotの活用事例等を紹介しました。企業における脱炭素/GXの活動はまだ始まったばかりであり、これから各社が本腰を入れて取り組んでいくことが予想されます。その時に取り組みのギアをあげ、スピードをあげる存在としてAI/DataRobotを活用いただければと思います。皆様にとって本稿が脱炭素/GXを実現する上での一助となれば幸いです。
8 脱炭素xDataRobotのウェビナーご案内
脱炭素xDataRobot活用について、オンデマンドウェビナーを公開しています。本稿で説明した内容に加えて、脱炭素xDataRobotの活用事例詳細やデモンストレーションを交えて、脱炭素xDataRobotの活用可能性を体感いただければと思います。ご関心のある方は、以下URLよりご視聴ください。
脱炭素/GXの切り札となりうるAI/DataRobotの活用可能性
参考文献
[1] 首相官邸「第二百三回国会における菅内閣総理大臣所信表明演説」(2020年10月26日)
[2] GX実行会議「GX実現に向けた基本方針(案) ~今後10年を見据えたロードマップ~」 (2022年12月22日)
[3] 資源エネルギー庁「2050年カーボンニュートラルの実現に向けた検討」(2021年1月27日)
[4] 一般社団法人 日本経済団体連合会「グリーントランスフォーメーション(GX)に向けて <ポイント>」(2022年7月27日)
[5] DACCS: Direct Air Capture (直接空気回収)とCCS = Carbon dioxide Capture and Storage (二酸化炭素回収・貯留)を組み合わせた名称で、大気中からCO2を永続的に除去し、CO2の排出量をマイナスにする仕組み
[6] BECCS: Bioenergy with Carbon Capture and Storageの略で、CCSとバイオマスエネルギーを結びつけた技術を指す造語
[7] 日本経済新聞「ソニー、取引先も脱炭素 調達網全体で取り組み」(2022年8月6日)
[8] 日本経済新聞「気温上昇は止められるの？費用は巨額、効果には時間」(2023年1月21日)
[9] ボストン・コンサルティング・グループ「温室効果ガス排出量削減にAIのパワーを活用する」(2022年6月)
[10] JETRO 「企業に求められる「守り」と「攻め」の脱炭素（世界）」(2022年10月12日)
[11] サステナブル・ブランドジャパン「グローバル企業に続き、日本でもサプライチェーン全体を含めた脱炭素推進の動きが加速」(2021年7月7日)
[12] 経済産業省「IT人材需給に関する調査」(2019年3月)
[13] DataRobot 「OYAK Cement社、代替燃料の使用率を4%から30%へ引き上げ、約3,900万ドルの削減を達成」
[14] Scope3とは、事業者自らによる温室効果ガスの直接排出（Scope1）と他社から供給された電気、熱・蒸気の使用に伴う間接排出(Scope2)以外の間接排出(事業者の活動に関連する他社の排出)であり、15個のカテゴリ分類が存在する。そのうち、Stage1は、原材料の調達やパッケージングの外部委託、消耗品の調達等に伴う間接排出。
[15] DataRobotでは、DataRobotユーザーによる社外サービス展開のニーズに応えるためのサービス・プロバイダー向けパートナープログラムも存在。詳細はブログにて記載。
[16] ZEB(ネット・ゼロ・エネルギー・ビル) とは、省エネや再生可能エネルギーを利用し、一次エネルギー消費量を限りなくゼロにするという考え方。
DataRobotでは主に建設業や製造、ユーティリティのお客様へのAI戦略策定や組織・人材育成 等に従事。あわせて、脱炭素・GXへの AI活用・促進を担当。前職はコンサルティングファームのマネージャーとして事業戦略策定やDX新規事業立案 等に従事。
-
AI/機械学習を実務に活かす：レコメンドコンペティション優勝解法徹底解説（2）
2024/12/12· 推定読書時間 3 分 -
AI/機械学習を実務に活かす：レコメンドコンペティション優勝解法徹底解説（1）
2024/12/12· 推定読書時間 4 分 -
ビジネスのためのAIの次なる進化：私たちのブランドストーリー
2024/12/05· 推定読書時間 1 分
最近のブログ記事