フィリップ・アジオン（近年のノーベル賞受賞者）を含むフランスの経済学者によるワーキングペーパーは、下水処理に適用された予測型機械学習モデルがもたらす節約効果を検証している。本研究は、水道サービスの世界的リーダーが運営するフランスの下水処理場全体に導入された specialised AI 曝気制御システムを分析対象としている。

曝気——下水に空気を注入し、有機物を分解する微生物の活動を維持するプロセス——は、活性汚泥処理施設において通常、単一で最大の電力消費源であり、施設の総エネルギー使用量の40〜60%を占めることが多い。この工程の最適化は長年、効率改善の標的とされてきたが、従来の制御システムは固定スケジュールや手動調整に依存しており、流入量の変動、汚染物質負荷、天候条件の変化にリアルタイムで対応することができない。

研究者らは、導入時期とシステム停止の両方における準実験的変動を利用し、電力使用量、炭素排出量、エネルギー支出に対するAIの因果的影響を推定した。論文によると、フルタイムのAI制御により、処理場の電力消費量は5.4%、炭素排出量は6%それぞれ削減され、エネルギー支出は8.2%削減された。これらの削減は、著者らが述べる「負の削減コスト（negative abatement costs）」をもたらし、システムがエネルギー節約によって自己投資を回収すると同時に、排水の水質も向上することを意味する。

論文は、AIモデル自体が生成する追加の電力需要が、達成された節約量の1%未満であると指摘している。重要な点として、この数値は上記の5.4%、6%、8.2%という削減率に対する直接比較可能なパーセントポイントの相殺ではない。むしろ、AIシステム自体の電力消費が、それが生み出す節約量に対して無視できる程度であることを示している。

直接的な効率改善にとどまらず、研究ではAI搭載処理場が極端な気象事象や化学汚染物質のピーク時における高い運用ストレスに対してより高い回復力を示すことが判明した。また、システムは電力消費をピーク時からオフピーク時へシフトさせることで負荷管理を改善する。この機能は、間欠的な再生可能エネルギーが発電量に占める割合が拡大する中、送電網事業者の需要側フレキシビリティに対する高まるニーズと合致している。

より広範な影響を評価するため、著者らはDICE（Dynamic Integrated Climate-Economy）モデル——経済活動と気候結果を結びつける、2018年のノーベル賞受賞者ウィリアム・ノードハウスが開発した統合評価フレームワーク——を3つの普及シナリオに適用した。彼らは、この産業用AIユースケースに関連するCO2削減が実質的な世界的福祉の向上をもたらすと結論付けている。

論文の全文は国立経済研究局（NBER）から入手できる。

Marginal Revolutionでの論文に関するコメントで、ブログの著者は、研究者らが自身の発見をAIのエネルギー使用と環境影響への懸念との対比として枠組みを設定していると指摘している。著者はそれらの懸念を「ほぼ完全に数学的リテラシーを欠き、口実的なもの」と特徴づけ、論文を反論として位置付けることで、そうした懸念に本来以上の信頼性を与えていると主張している。さらに著者は、AIのより広範な影響は、多岐にわたる産業においてこの種の小さな改善の積み重ねを通じて現れると観察している。