AIエージェントの電力は対話の600倍｜不動産のAI運用3つの論点

AIエージェントの消費電力は、通常のチャット1回の約600倍でした。

気候科学者のゼケ・ハウスファーザーが、自身のコーディングエージェント利用を8週間にわたって記録し、1回の指示あたり約150ワット時の電力を使っていたと2026年8月8日に公表しました。グーグルが示す対話1回0.24ワット時という数字と比べると、およそ600倍にあたります。物件資料の一括生成や問い合わせ対応の自動化にエージェント型のAIを使い始めた不動産事業者にとって、これは環境の話であると同時に、コスト設計の前提が変わるという実務的な通知です。本記事は、宅建業免許（東京都知事(1)第113520号）を保有し、AI導入コンサル100社超の実績を持つ株式会社オルセル（不動産のチカラ運営）が解説します。

何が起きたか：8週間で32億トークン、1指示あたり150ワット時

今回の分析の核心は、AIの利用量を「回数」で測ることが実態に合わなくなったという指摘です。The Decoderによると、ゼケ・ハウスファーザーは8週間の利用ログを集計し、自身が打ち込んだ1,138件の指示が1万4,000回を超えるモデル呼び出しに展開されていたことを示しました。指示1件あたり平均12回、処理されたトークンは合計32億にのぼります。

内訳がさらに示唆的です。処理量の96パーセントはキャッシュの読み込みで、エージェントが各ステップごとに、それまでに積み上がった文脈をまるごと読み直していたためです。利用者が画面で目にする出力は、全処理量のわずか0.4パーセントにすぎませんでした。指示1件あたりの処理量は平均290万トークンで、推論や検索を伴わない通常のチャット1往復が約1,000トークンであることと比べると、桁が3つ違います。

電力に換算すると、8週間で約170キロワット時、幅を持たせて70から330キロワット時という推計になります。1セッションの中央値は約0.6キロワット時、1日平均は約3.0キロワット時で、これは冷蔵庫2台分の1日の消費を上回ります。複数のエージェントを並行させた最も重い日は約11キロワット時と見積もられ、米国の平均的な世帯が1日に使う電力の3分の1を超えました。なお、The Climate Brink に掲載された分析自体が、トークン数は実測、電力への換算は3通りの手法による推計だと明記しています。断定的な実測値ではない点は押さえておく必要があります。

不動産事業者にとっての3つの論点

第一に、AI予算を「使った回数」で組むと外れるという点です。多くの不動産会社は、月額いくらの定額プランか、社員1人あたりいくらという発想でAIの費用を見積もっています。ところがエージェント型の利用では、1つの指示が十数回のモデル呼び出しに膨らみます。レインズの出力データを読み込んで傾向を整理する、募集図面の情報を一括で文章化するといった作業は、まさにこの型に入ります。従量課金のAPIを使っている場合、想定と実績の乖離が生じやすいのはこの構造が理由です。予算はトークン量、つまり処理量を単位に置き直すのが実態に合います。

第二に、渡す文脈の量が費用と電力の両方を決めるという点です。96パーセントがキャッシュ読み込みだったという内訳は、エージェントに大量の資料を持たせるほど、毎ステップでその全量を読み直すコストが積み上がることを意味します。物件データベースを丸ごと参照させるのではなく、対象エリアや対象期間で切り出してから渡すだけで、処理量は大きく下がります。精度の話に見えて、実はコストの話でもあります。

第三に、環境負荷の扱いは業界事情として無視しにくくなるという点です。年間に換算した排出量は約368キログラム（幅は149から734キログラム）で、電気衣類乾燥機を1年動かした場合の262キログラムをやや上回り、サンフランシスコとニューヨークを往復する飛行機のエコノミー1席分700キログラムの半分程度にあたります。個人の利用としては大きすぎる数字ではありません。ただ不動産業は、保有物件のエネルギー使用量やCO2排出量の開示が投資家から求められる業界です。全社でAIエージェントを常用するようになったとき、その分をどこに計上するのかという整理は、現時点では制度的に定まっておらず要確認の領域です。

初動として何を確認するか

まず、自社のAI利用を処理量で可視化することをおすすめします。多くのサービスは管理画面でトークン使用量を確認できます。月次で見るだけでも、どの業務がコストを押し上げているかは見えてきます。

次に、業務ごとにモデルを振り分けます。この分析では、小規模なモデルはトークンあたりの消費が最上位モデルの5分の1から7分の1で済むとされています。問い合わせメールの分類や物件情報の要約のように定型度が高い工程は小さいモデルに寄せ、重要事項説明の下書きや契約書のレビューのように誤りが許されない工程だけ上位モデルを使う設計が現実的です。なお、こうした工程でAIの出力を使う場合も、最終的な確認は宅建士が行う体制を維持してください。

三つ目に、エージェントに渡す資料の範囲を決めておくことです。参照先を業務単位で限定するルールを作れば、処理量が抑えられるうえ、顧客の氏名や住所を含むデータが不用意に読み込まれる事態も避けやすくなります。個人情報保護の観点からも、渡す範囲の明文化は先に済ませておく価値があります。

四つ目に、電力とデータセンターの動向は、業務コストとは別枠の投資テーマとして追っておくことです。米国では、データセンター向けに計画されている自家発電の4分の3近くが天然ガスによるものだと指摘されています。用地と電力の確保が事業計画を左右する構造は、不動産開発に関わる立場から見て無関係な話ではありません。国内の立地動向や電力供給の条件については、地域ごとに事情が異なるため個別の確認が必要です。

まとめ

今回の分析が示したのは、エージェント型のAIでは1回の指示が十数回のモデル呼び出しと数百万トークンの処理に展開され、電力換算で対話1回の約600倍に達していたという事実です。不動産事業者にとっての意味は、AIの費用と負荷を「回数」ではなく「処理量」で捉え直すこと、そして渡す文脈を絞る運用設計が、コストと精度の両面で効いてくるという点にあります。数字はいずれも推計であり幅がある前提で、自社の利用ログと突き合わせて判断するのが現実的な進め方です。

参考文献

※不動産のチカラでは、生成AIの導入支援から運用最適化まで、貴社の不動産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://fudosannochikara.jp/contact/

引用元: The Decoder

【監修】齋藤竹紘（株式会社オルセル代表 / EC支援19年5,000社超・AIコンサル100社超 / 宅建業免許東京都知事(1)第113520号）