気候変動への適応は、世界中で急速に経済、政策、業務上の優先事項となりつつある。地球の温暖化は続いており、政府、企業、家庭が対処しなければならない多くのリスクをもたらしている。同時に、AI（人工知能）は確かに世界の排出量増加の一因ではあるが、適応努力を実質的に増幅させる力としても台頭している。リーダーたちがより早期に衝撃を予測し、限られた資源をより正確に配分し、ストレス下でも重要なシステムを機能させ続けることを支援しているのだ。
もちろん、AIが排出量増加に与えた影響は深刻であり、今後も拡大するだろう。しかし、AIが気候変動への適応とレジリエンス（回復力）構築の取り組みにおいても役割を果たすことは明らかだ。そして今、リーダーたちにとっての課題は、特に適応の必要性に関する世界的な議論が高まる中で、AIをいかに責任を持って最適に展開し活用するかということになる。
過去12〜18カ月間で、気候変動への適応とレジリエンスが周縁から主流へと移行しつつあることを示す、数多くの独立したシグナルが現れている。ビル・ゲイツ氏のような影響力のある人物は、2025年10月の書簡で、適応を排出削減と並ぶ実践的な必要性として位置づけた。マッキンゼーのようなグローバル経営コンサルティングのリーダーたちは、適応とレジリエンスが経済的優先事項であると同時に機会でもあることについて、重要な調査を発表している。資本もまた、イノベーションへの資金提供とリスク軽減のために組織化され始めている。Adapt[us] Capitalのような新しいファンドや、MaRS Discovery DistrictのAdaptech Acceleratorが最近立ち上げられた。同時に、Institutional Investors Group on Climate ChangeのClimate Resilience Investment FrameworkやClimate Bonds InitiativeのClimate Resilience Taxonomyのような枠組みを通じて、市場インフラも形成されつつある。適応はまた、COP30のような世界的な会合でもますます中心的な位置を占めるようになっており、Climate and Health Funders Coalitionによる3億ドルのコミットメントやブラジルのベレン健康行動計画などの連合が発表された。最後に、ワールドカップ、オリンピック、音楽フェスティバルなどの主要なエンターテインメントやスポーツイベントも、重要な適応とレジリエンスの考慮事項を組み込まざるを得なくなっている。
独立した、調整されていない声が同じメッセージに収束するとき、緊急性を無視することは難しくなる。
気候変動への適応とレジリエンスの時代におけるAI
AIは適応の解決策ではないが、リーダーたちがリスクをより早期に予測し、資源をより効果的に配分することを支援できる実現レイヤーである。気候変動レジリエンス構築のためにAIを活用する際、リーダーたちは中心的なパラドックスにも直面しなければならない。AIはレジリエンスを強化するかもしれないが、それ自体が実際の環境コストを伴うのだ。AIの展開が排出量とエネルギー需要を加速させるならば、適応努力が対処しようとしているまさにその問題を悪化させるリスクがある。
両方の現実が同時に進行している。AI導入は加速しており、気候変動リスクは悪化している。したがって課題は、リーダーたちがレジリエンスアジェンダにおいてAIに関与するかどうかではなく、いかに思慮深く展開するか、そしてAIが適応を損なうのではなく支援することをいかに確保するかである。そして私たちは、AIが真の価値を付加できる場所についての教訓を提供できる、実践的なユースケースの集合を拡大しつつある。以下は、リーダーたちがすでに気候変動レジリエンス構築のためにAIを活用している5つの方法であり、実世界の事例に基づいている。
1. 気候変動による衝撃をより早期に予測する：リーダーたちは、洪水、嵐、その他の極端な気象現象に対して、AI強化型の予測と早期警告ツールを展開している。これは、警報、避難、資源配置などの業務上の意思決定と予測を組み合わせることを意味する。
具体例：Google Flood Hubは、政府とリスクにさらされているコミュニティに河川洪水の予測と警報を提供している。例えば、バングラデシュでこの技術を使用したケースは、早期洪水予測がいかに運用可能かを示した。警告と早期支援を組み合わせることで、人々は影響が及ぶ前に行動できるのだ。
重要な設計上の示唆：予測は、機関が迅速に行動する能力と信頼を持つときにのみレジリエンスとなる。言い換えれば、適切な対応システム（コミュニケーションチャネル、ロジスティクス、行動能力）が整っている場合に最も効果的である。
2. 重要インフラを故障前に強化する：AIはコンピュータビジョンと機械学習を使用して、公益事業者やインフラ運営者が停電が発生する前にシステムの弱点を特定することを支援しており、大規模な資産ネットワーク全体でメンテナンスの優先順位付けに役立っている。
具体例：Duke Energyは、AWSのMachine Learning Solutions Labと提携し、航空画像を分析して33,000マイルの送電線にわたる送電柱の問題を自動的に特定した。これにより欠陥を検出し、レジリエンスも向上させた。
重要な設計上の示唆：インフラのレジリエンスにおいて、現時点でのAIの役割は主にトリアージである。膨大な資産データを実行可能な意思決定に変換することを支援するが、これも資産所有者の行動能力に依存している。
3. 農家向けツールで食料システムを安定化する：農業は間違いなく最も気候変動に脆弱な産業の1つであり、この分野でのAI活用は拡大している。作物病害検出、播種アドバイザリー、気象パターンの変化に応じて農家が実践を適応させるのを支援する局所的な意思決定支援などが挙げられる。
具体例：PlantVillage Nuruは、農家向けのAIアシスタントであり、作物病害診断にコンピュータビジョンを使用し、小規模農家と普及サービスを支援している。別の例として、マイクロソフトとICRISATがインドでAI駆動型の播種アドバイザリーを開発し、農家が変動する気象条件下で播種の意思決定を最適化することを支援している。
重要な設計上の示唆：このユースケースは、信頼されるチャネル（多くの場合SMS、現地言語、普及ネットワーク）を通じて提供される意思決定支援の理想的な例であり、現地の農学と信頼に根ざしている。
4. 超局所的マッピングを通じて人々を熱から守る：極端な暑さは世界的に蔓延する気候変動リスクであり、その被害は近隣レベルでも不均等になり得る。このリスクへの対処を支援するため、都市のリーダーたちはAIと衛星データを使用して脆弱性をマッピングし、冷房センター、日陰、健康アウトリーチなどの介入を標的化している。
具体例：インドでは、AIと衛星が熱脆弱性のマッピングに使用されており、場合によっては建物レベルまで詳細化されている。ここでの価値は、マッピング自体を通じて透明性を創出することに部分的にあるが、健康と冷房の介入を最も必要とされる場所に標的化できる能力にもある。
重要な設計上の示唆：AIは行動の標的化を支援できるが、行動自体は物理的かつ社会的である。冷房、診療所、労働保護、住宅改修、公衆衛生対応などだ。予測のユースケースと同様に、介入を標的化するためのデータは、洞察に基づいて行動する能力と同程度にしか優れていない。
5. 資金提供者が気候変動リスクをナビゲートすることを支援する：保険会社や銀行が気候変動リスクの高い地域での取引に慎重になっているという記事を読むことは珍しくない。しかし、AIはここでも支援できる。物件レベルの気候変動リスク評価を改善し、引受業務を支援し、災害リスクの高い地域で保険と金融を機能させ続けることができるのだ。
具体例：ZestyAIの山火事リスクモデル（Z-FIRE）は、山火事の危険が激化する中で引受業務と価格設定の意思決定を支援するように設計されている。California Casualtyは、山火事の引受業務と持続可能な保険の取り組みを支援するため、ZestyAIとのパートナーシップを発表した。
重要な設計上の示唆：これらのツールは、強力なガバナンスと透明性を持って使用されなければならない。AI駆動型のリスクモデルが、保険会社が高リスク地域から撤退することを単に容易にするだけであれば、レジリエンスを強化するのではなく不平等を深める可能性がある。目標は、投資と保護への道筋と組み合わされたリスクの可視性であるべきであり、排除ではない。
これらの応用例全体を通じて、いくつかのパターンがある。第一に、AIは実現要因であるが、それ自体が目的ではない。各ユースケースは、特定のレジリエンスのボトルネックを中心に展開している。それが洪水を時間内に予測できないこと、インフラを大規模に検査できないこと、または熱介入を効果的に標的化できないことであれ。多くのユースケースは、大規模なデータセットを理解し、トレンドを予測することに依存しているが、予測だけではレジリエンスは構築されない。AIツールは、業務上のプレイブックと行動する能力と組み合わされたときに、気候変動リスクへの対処において最大の価値を提供する。そしておそらく最も重要なことは、これらの取り組みがAIと物理的ソリューションを融合させていることだ。アルゴリズムは標的化と意思決定を最適化できるが、ハードインフラ（冷房、改修、植生管理、灌漑改良、洪水防御）がなければ、AIの価値は限定的である。
レジリエンスのためのAIを正しく実現するために必要なこと
これらのツールが真の保護を提供するために必要な条件と、そうでない場合のリスクについて、明確に認識する必要がある。
第一に、AIの利益はデフォルトでは均等に分配されない。多くの気候変動AIツールは、信頼性の高い電力、ブロードバンド接続、高品質なデータセット、現地の技術能力を必要とする。これらは、低所得で気候変動に脆弱な地域では十分に利用できない可能性がある前提条件である。国連気候変動枠組条約（UNFCCC）は、脆弱な国々が気候変動対策のためにデジタルツールを活用できるよう、技術移転、能力構築、実現環境の重要性を強調している。
第二に、適応とレジリエンスの労働力を育成する必要がある。AIはしばしば雇用破壊者として位置づけられるが、適応の文脈では実際にハイブリッドスキルセットへの需要を創出する可能性がある。AIの洞察を解釈し、それを行動に変換できる計画者、エンジニア、農家、保健当局者、緊急事態管理者などだ。
第三に、ガバナンスは任意ではない。多くのAI対応レジリエンスシステムは、重大な結果を形成する。誰が警告を受け取るか、どこでインフラが優先されるか、リスクがどのように価格設定されるか。経済協力開発機構（OECD）のAI原則のようなグローバルな枠組みは、公共の利益の文脈で使用されるAIは、透明で、説明責任があり、堅牢で、人間の監視下になければならないことを強調している。
最後に、リーダーたちは「輝く物体」の罠に抵抗しなければならない。マッキンゼーの適応マッピングは、最も影響力のあるレジリエンス介入の多くが本質的にデジタルではなく、資本集約的であることを強調している。冷房、排水、灌漑、沿岸防御、建物改修などだ。AIはこれらの資産のパフォーマンスを最適化できるが、それらを置き換えることはできないし、それらなしでは基準に達する機能を果たすこともできない。
確かに、AIは適応とレジリエンスの取り組みにとって力の増幅器となり得る。責任を持って展開される方法に応じて、進歩を加速させることも、脆弱性を増幅させることもできる。成功するリーダーは、AIをレジリエンスの基礎的な作業（インフラ、包摂性、人材、信頼）と組み合わせる者たちである。
より地に足のついたリーダーシップアジェンダ
課題は、AIが気候変動への適応を形成するかどうかではなく、リーダーたちがそれを責任を持って、公平に、そして信頼を獲得する方法で展開するかどうかである。気候変動レジリエンスはアルゴリズムだけでは構築されないが、より良い情報とよりスマートなシステムなしでも構築されない。AIは、それがどのように管理され適用されるかに応じて、進歩を加速させることも、脆弱性を増幅させることもできる。
私たちはまた、有望な面でも懸念される面でも、表面をなぞっているに過ぎない。一方では、AIは適応とレジリエンスのための強力な新しいイノベーションを解き放つ可能性がある。他方では、適切に管理されなければ新たなリスクをもたらす可能性がある。これには、リスク専門家が「脱線リスク」と呼ぶものが含まれる。気候変動の影響の拡大と不適応な対応が、気候変動そのものに対処する社会の能力を侵食し、緩和と適応の両方を損なう可能性である。今後数年間は、レジリエンスを劇的に強化する画期的な進歩がもたらされるかもしれないが、AIがシステミックな圧力に寄与し、適応をより困難にし、公共の信頼を弱め、またはより広範な気候変動対策を遅らせる真のリスクもある。
次の10年の気候変動リーダーたちは、排出削減を求められるだけではない。温暖化する地球に社会が適応し、レジリエンスを構築することを支援することが期待される。それはインフラに根ざし、倫理に導かれ、意図を持って使用されるAIによってますます可能になるのだ。
