排出量 — AIによる推奨事項
カーボンフットプリントが統合されると、dAioは測定から行動へと移行します。最新の排出量計算に基づき、人工知能が最も排出量の多い項目を分析し、優先順位付けされ、数値化された推奨事項のリストを生成します。各推奨事項について、見込まれるCO₂削減量、導入コスト、年間削減額、投資回収率がわかります。
目的は、現状把握を、経営陣にも監査人にも説明できる具体的なロードマップへと変えることです。
ヒント：推奨事項は、最新のスナップショットを計算した後に生成してください（排出量の概要）。設備、請求書、スコープ3のデータが充実しているほど、AIの提案はより的確になり、数値もより正確になります。
推奨事項を生成する
- 排出量セクションを開き、次に推奨事項タブを開きます。
- 推奨事項を生成をクリックします。
- 確認ウィンドウに、操作のLLMクレジットコストが表示されます。確認して分析を開始します。
- AIが最新のスナップショットを検討し、優先順位順に並べたリストを作成します。処理には通常数秒かかります。
注意：生成は、サブスクリプションの割り当てから差し引かれるLLMクレジットを消費します。正確なコスト（デフォルトで50クレジット）と残高は、確認の前に表示されます。あなたの同意なしに生成が開始されることはありません。
推奨事項のカテゴリ
各推奨事項は、リスト内の色で識別できる次の3つのカテゴリのいずれかに属します。
クイックウィン
大きな投資を必要とせず、すぐに実施できる、迅速な成果のための施策：
- 設備の稼働時間を最適化する
- 不要な移動や運行をなくす
- 暖房・空調の設定を調整する
投資
予算を必要としますが、大きな投資回収をもたらす施策：
- ディーゼル発電機をハイブリッド型に置き換える
- 太陽光パネルを設置する
- 電気自動車のフリートに切り替える
行動
ほぼゼロコストで実現できる、組織内の慣行の変更：
- ドライバーにエコドライブの研修を行う
- カープールや環境にやさしい移動を促す
- 紙の印刷を減らす
推奨事項を読む
各推奨事項カードは、判断に必要な要素を一目で示します。
| 項目 | 説明 |
|---|---|
| カテゴリ | クイックウィン、投資、または行動。 |
| 優先度 | 影響度と実現可能性に基づいてAIが付与する1〜10のスコア。 |
| タイトルと説明 | 施策とその実施内容の要約。 |
| 推定削減量 | 年間に回避されるCO₂量、tCO₂e単位。 |
| 導入コスト | 推定される初期投資額、ユーロ単位。 |
| 年間削減額 | 年間に見込まれる運用コストの削減。 |
| ROI | 月単位で表される投資回収率。 |
ヒント：優先度の高い、クイックウィンカテゴリの推奨事項から始めましょう。労力対効果の比率が最も高く、ステークホルダーに迅速に成果を示すことができます。
LLMクレジット
推奨事項の生成は人工知能モデルに依存するため、月間割り当てからLLMクレジットを消費します。コストは固定で、各生成の前に表示されます。
- 残りのクレジット残高は確認ウィンドウに表示されます。
- 割り当てを使い切ると、サイクルが更新されるか、サブスクリプションをアップグレードするまで生成は停止されます。
- 同じクレジットは、文書の自動抽出やレポートの生成にも使われます。最適に配分するため、消費量を確認してください。
ベストプラクティス
- 生成前にスナップショットを更新する：最新で完全なデータに基づく推奨事項は、はるかに実行しやすくなります。
- 優先度の高いものから対応する：炭素面・財務面の影響が最も大きいところに労力を集中させましょう。
- 意思決定を記録する：実施した推奨事項の記録を残し、今後の集計への効果を測定しましょう。
- カテゴリを組み合わせる：いくつかのクイックウィンを構造的な投資と組み合わせ、即時の成果と長期的な軌道のバランスをとりましょう。
- 大きな変化のたびに再生成する：新しい設備、フリートや拠点の変更など、AIが削減のレバーを再評価します。
ヒント：施策を選んだら、排出量の概要で削減目標を設定し、社内または監査人に提示するため、結果をレポートに正式にまとめましょう。