AIと持続可能な観光 – 天秤の両端にあるものは？

国際エネルギー機関（IEA）の試算によると、2024年には世界のデータセンターが約415テラワット時の電力を消費しました。これは世界の総電力消費量の約1.5％に相当します。 基本シナリオでは、2030年には消費量が945テラワット時に達し、2倍以上に増加し、世界の総電力消費量の約3％を占める可能性があります。（IEA, 2025）

この増加の主な要因の一つがAIですが、データセンターは必ずしもAIシステムだけをサポートしているわけではありません。クラウドサービス、オンラインビデオ、業務用ITシステム、その他多くのデジタルサービスも大きな容量を必要とします。

一方で、単一のAIクエリの環境への影響は、従来の一般的な推定が示唆するよりもはるかに小さい可能性があります。

Googleが2025年8月に発表した運用測定によると、平均的、より正確には中央値のGeminiテキストクエリの処理では：

• 0.24ワット時のエネルギーを消費し、
• 0.03グラムの二酸化炭素相当量を排出し、
• 約0.26ミリリットルの水を必要としました。

このエネルギー消費は、テレビを約9秒間視聴する消費量に相当し、水量は約5滴に相当します。（Elsworth et al., 2025）

今日、多くの観光事業者がAIと初めて接触するのはマーケティングの分野です。文章作成、翻訳、ソーシャルメディア投稿の作成、ニュースレター、画像生成、顧客レビューへの返信に使用されています。その理由は明白です。結果がすぐに見える、使用が比較的簡単で、特別なIT開発が必要ないことが多いからです。

しかし、持続可能性の観点から見ると、マーケティングは単にFacebook投稿が迅速に完成するだけではありません。コミュニケーションは以下に大きな影響を与える可能性があります：

誰が特定の場所に訪れるのか；いつ旅行するのか；どれだけの時間を過ごすのか；どの観光名所を訪れるのか；そしてどこでお金を使うのか。

例えば、春や秋のキャンペーンをうまく構築することで、夏のピークシーズンの負担を軽減することができます。また、あまり知られていない地域や地元の事業者を紹介することで、訪問者が同じ数か所に集中しないようにすることができます。AIは、小規模な事業者や観光組織でも、異なるターゲット層に向けて異なるメッセージを作成することを可能にします。静かな時期に旅行したい人、小さな子供を連れた家族、サイクリスト、地元の食材や生産者を探している人など、それぞれに異なるコンテンツを提供することができます。

多言語でのコミュニケーションも、より安価で迅速になります。これは特に、以前は特別なマーケティング予算が割り当てられていなかった小規模な送客市場にとって有益です。

AIはまた、あまり知られていない観光名所、地元の物語、小規模な事業者を紹介するのにも役立ちます。多くの観光地のウェブサイトでは、最も有名な観光名所については詳細な説明が多く見られる一方で、小さな価値あるものはほとんど取り上げられていません。技術は情報処理を加速させることができますが、地域の知識や信頼できる物語は依然として人間が提供する必要があります。

需要予測とキャパシティ計画

過去の予約データ、イベントカレンダー、天候、交通情報などの要素に基づいて、予想される需要に関するより正確な予測を作成できます。

これにより、以下のようなことが可能になります：

• 労働力のスケジュール管理；
• 在庫計画；
• 交通容量の調整；
• 訪問時間帯の設定；
• および混雑した時間帯の早期発見。

予測は混雑を解消するものではありませんが、問題を早期に可視化することで、介入のための時間を増やすことができます。

AIの提案の問題点の1つは、すでに人気のある場所をさらに目立たせることが多い点です。

LeeとPennington-Grayの研究予備調査では、100万件のモデル化されたアメリカ国内旅行を基に、大規模言語モデルが実際の観光パターンよりも季節性が高く、不均一で多様性に欠ける旅行フローを生み出すことが判明しました。これらのシステムは特に、すでに人気のある目的地と時期の組み合わせを強化しました（Lee–Pennington-Gray, 2026）。

これは予備調査であるため、結果はさらなる研究で確認される必要がありますが、明らかになったリスクは注目に値します。

多くの人が同じいくつかのシステムにアドバイスを求め、これらのシステムが定期的に同じ場所を推奨する場合、混雑がさらに増加する可能性があります。

もう1つの問題は「見えない存在」です。

Chen、Weng、Moroの2026年の予備調査では、アメリカの5つの都市304地区でのレストラン推薦を3つの大規模言語モデルで調査しました。モデルが検証済みの実際の飲食店リストから選択できる場合でも、場所の47.5％が一度も推薦されませんでした。見えないままの事業者の31.9％は、調査対象の3つのモデルファミリーすべてで同じでした（Chen–Weng–Moro, 2026）。

これは、AIが単に利用可能な情報を収集するだけでなく、その中から選別も行うことを示しています。一部の場所を定期的に目立たせ、他の場所をほとんど、またはまったく表示しない場合があります。

これは特に、小規模でレビューが少ない、またはデジタルプレゼンスが弱い地元の事業者に不利をもたらす可能性があります。

まずデータを整備しよう

AIはデジタルでアクセス可能で解釈可能な情報からしか作業できません。

ウェブサイトの営業時間が不正確で、住所や地理的位置が欠けており、バリアフリー情報が記載されていない、サービスの説明が不明確である場合、AIシステムも誤ったまたは不完全な情報を提供する可能性があります。

特に重要なのは：

• 正確な名称、住所、連絡先情報；
• 最新の営業時間；
• 料金と予約条件；
• 交通手段；
• バリアフリー情報；
• サービスの適切なカテゴリ分け；
• およびウェブサイトの構造化データの提供。

よく管理された、機械が解釈可能なデータは、もはや検索エンジン最適化の問題だけではありません。AIベースの推薦で目立つための条件の1つにもなり得ます。

私たちはこのプロセスを外から眺めているふりをするつもりはありません。I-DESTの開発や専門的な作業において、私たちも定期的にAIを使用しています。AIを独立した意思決定者としてではなく、特定のプロセスを迅速化し、関連性を明らかにし、人間の不注意によるエラーを減らすことができる作業ツールとして見ています。

予測とシナリオの作成

需要の時系列、季節性、キャパシティ負荷、およびさまざまな開発シナリオを分析しています。

AIは、間違いのない答えを提供するために役立つのではありません。短時間で多くのバリエーションを検討し、手作業では見つけにくい関連性を特定するのに役立ちます。

ただし、入力データの品質がすべてを決定します。不正確または不完全な基本データから、システムはすぐに誤った予測を作成する可能性があります。そのため、AIはデータ検証を代替するものではなく、むしろそれをさらに重要にします。

ソフトウェア開発とバグ検出

I-DESTの技術開発にもAIを活用しています。これにより、長いコードセクションを迅速に確認し、特定の論理エラー、不整合、セキュリティリスクを特定し、テストケースを簡単に作成することができます。目標は、AIが人間の確認なしにシステムをプログラムすることではありません。開発を複数の観点から検証し、問題を早期に特定し、ユーザーが問題に直面する前に可能な限り修正することです。これは、I-DESTのような複雑なシステムでは特に重要です。このシステムでは、さまざまなデータソース、言語、ユーザーインターフェース、評価モジュール、および推薦機能が相互に関連しています。1つの変更が他の複数の機能に影響を与える可能性があります。

AIベースのコード分析とテストは、従来の開発者およびユーザーテストに加えた追加の検証層を提供します。ただし、AIの使用だけではエラーのないソフトウェアが保証されるわけではありません。AIが提案するコードにもエラー、古い解決策、またはセキュリティ問題が含まれる可能性があります。そのため、すべての重要な変更は開発者が確認し、システムの動作は導入前にテストする必要があります。

したがって、目標は開発者を置き換えることではなく、エラーの数を減らし、テストを支援し、開発作業をより信頼性の高いものにすることです。

翻訳と用語の一貫性確認

戦略、提案書、観光説明、規格の多言語処理にもAIを使用しています。機械翻訳は、すべての重要な文書で人間による確認が行われます。観光、持続可能性、EUの専門用語では、1つの誤訳が文や要件の意味を変える可能性があります。一方で、AIは長い文書で一貫して同じ用語や名称を使用するのに役立ちます。用語の一貫性は、国際規格、認証要件、多言語デジタルプラットフォームにおいて特に重要です。また、AIはI-DESTの多言語対応を確保し、観光地や事業者が多言語でデータをシステムに入力する必要がないようにします。必要最小限の作業で済むようにしています。

マーケティングとコンテンツ作成

AIは、初期の文章案、多言語コンテンツ、異なるターゲット層向けのコミュニケーションの準備を支援します。

使用中は、いくつかの簡単なルールを守っています：

• 独自のトーンでコミュニケーションする；
• 検証可能な実際のデータを使用する；
• 最終的なコンテンツは人間が承認する；
• 持続可能性の主張は証拠に基づける；
• クリック数や予約数だけを成果と見なさない。

マーケティングにおけるAIの持続可能性への影響は、主にシステムにどのような目標を設定するかによって決まります。短期的なコンバージョンだけを重視する場合、アルゴリズムはすでに人気のある時期や場所をさらに強化しがちです。しかし、季節性、地域分散、地元事業者の可視性が目標に含まれる場合、異なるタイプのキャンペーンや提案が作成される可能性があります。非常に稀ですが、AIはポスターや広告用の要約作成にも役立つことがあります。

AIの環境負荷は現実のものです。しかし、観光業における最大の環境負荷は、依然として主に移動、交通、建物の運営、消費、人気のある場所の季節的な過剰負荷に関連しています。

AIの利点も現実のものですが、それは自動的に得られるものではありません。

同じシステムが混雑した場所を避けるのを助けることもあれば、さらに多くの訪問者をそこに送ることもあります。地元の事業者を見つけるのを助けることもあれば、それを見えなくすることもあります。食品廃棄物を削減することもあれば、データに基づかない魅力的な持続可能性キャンペーンを作成することもあります。

重要な問題は、AIか持続可能性かではありません。

システムがどのようなデータを使用するか、何を求めるか、どのような目標を設定するか、そして誰が結果を確認するかが重要です。

これは単なる技術的な問題ではありません。専門的および経営的な決定です。

したがって、観光地、観光事業者、旅行者も、AIが観光のさらなる集中を助長するのか、それともよりバランスの取れた、アクセス可能で効率的な運営を支援するのかを形作ることができます。