No.1247

タグの写真から、服1着ごとの環境負荷を推計するAI

AI-LCA

AI-LCA

概要

「AI-LCA」は、AIを活用して衣類1点ごとの環境負荷を推計する技術だ。フリマアプリ「メルカリ」に出品された商品の画像や説明文から、ビジョン言語モデル(VLM)が素材構成などの情報を読み取り、1着ごとの温室効果ガス(GHG)排出量を算出する。メルカリの研究開発組織「mercari R4D」が、東京大学大学院工学系研究科の川原圭博研究室と共同で研究。成果をまとめた論文は、2026年に学術誌『Journal of Cleaner Production』に掲載された。
製品の環境負荷を評価するライフサイクルアセスメント(LCA)は、従来、製品ごとの素材・製造・使用状況のデータ収集に膨大なコストがかかり、一点ものの中古品への適用が困難だった。AI-LCAは、出品者が投稿した写真や説明文という非定型データから「データ収集の壁」を突破し、リユースの環境貢献を1点単位で可視化する。

なにがすごいのか?

  • タグ画像と説明文からLCAパラメータを自動抽出:
    出品された服の写真や品質表示タグ、説明文から、素材組成やサイズなどの環境負荷算定に必要な情報をAIが自動で読み取り。

  • 代表値ではなく「1着ごとの素材差」を反映した精密推計:
    カテゴリー別の平均値ではなく、個々の服の混紡比率や仕様の違いを反映したGHG排出量を算出。

  • 一点ものの中古品でもリユース貢献度を定量化:
    データ収集の手間を自動化することで、二次流通市場における環境負荷削減効果を1点ごとに可視化。

なぜ生まれたのか?

研究の出発点は、mercari R4DのリサーチャーであるMoon Dami氏の実体験だった。まだ寿命の残るモノが廃棄される一方、リユース品に対しては「なぜわざわざ中古品を買うのか」という視線も根強い。そこで「中古品を選ぶことは本当に環境に良いのか」を感覚ではなく客観的な数値で証明したいと考えた。

メルカリの2026年度版「Impact Report」では、日米の取引によるGHG削減貢献量は年間約85万トンに達する。しかし、2026年11月の同社調査では、リユース衣料を選ぶ理由に「環境にやさしい」を挙げた人は18.1%にとどまり、58.3%がCO2削減効果に「疑問がある・よくわからない」と回答した。マクロな削減量は大きくても、消費者一人ひとりの手元では実感しにくいギャップがあった。

従来の算定はカテゴリーごとの代表値(平均的な重さや素材)に取引件数を掛ける手法であり、個々の商品の違いを反映できなかった。さらに欧州では製品の環境情報を開示する「デジタル製品パスポート(DPP)」の法制化が進むなか、情報やタグが失われがちな二次流通品のデータをどう補完するかが課題となっていた。AIによる自動推計は、二次流通の環境価値を支える実用的なインフラとして構想された。

なぜできるのか?

タグ画像と説明文から4つのパラメータを同時抽出

AI-LCAは、画像と文章を同時に理解できるビジョン言語モデル(VLM)で、出品情報からLCAに必要な情報を取り出す。東京大学のプレスリリースによると、研究で使ったモデルは、OpenAIのGPT-4oだ。出品者が提供した「商品画像(服全体やタグの写真)」「商品説明文」「商品の状態」から、GHGの排出量の算出に欠かせない4つのパラメータ、「素材組成」「衣類サイズ」「洗濯方法(水洗いの可・不可)」「推定使用回数」を自動で抽出する。説明文に素材が書かれていなくても、品質表示タグの画像を読み取って素材を特定する。「試着のみ」「数回着用」といった説明文の記述からは、その服がどれくらい使われたかを推定する。

用語を標準化して、排出係数のデータベースにつなぐ

AIが抽出した断片的な情報は、そのままでは計算に使えない。そこで、既存のGHG排出係数のデータベース(産業技術総合研究所のAIST-IDEAなど)と自動で結びつける仕組みを作った。データベースとつながるように、用語の標準化(たとえば、素材名を統一表記に変換する)を行い、生産、流通、使用(洗濯・乾燥)、廃棄の各段階のGHGを算出する。

人手の評価で、精度を確かめる

2020年にメルカリで取引された中古トップス3,500点(レディース、メンズ、キッズ、ベビー)を対象に、14名のレビュアーによる人手評価で抽出精度を検証。その結果、素材組成は81.6%、サイズは92.3%の精度で抽出できた。一方で、洗濯方法の抽出精度は56.6%にとどまった。LCA算定の結果、対象衣料の排出量は1着あたり平均11.9kg-CO₂eqと推計された。従来の衣類LCAが洗濯頻度などの「使用段階」に着目しがちだったのに対し、実際の流通品には多様な混紡素材が存在し、生産段階における素材構成の違いこそが1着ごとのGHGを左右する主要因であることが示唆された。

素材の違いが、服のGHGを左右する

3,500点を1点ずつ分析すると、これまで見えなかったことが分かった。従来の衣類のGHGの分析は、素材を固定して、洗濯の仕方や頻度といった使用段階の違いに焦点を当てる傾向があった。しかし、実際に流通している服には、単一素材だけでなく、多種多様な混紡素材がある。この素材の多様性と、それぞれの生産段階での違いが、個々の服のGHGを左右する主要な要因の1つであることが示唆された。デザイン段階での素材選びが重要なことも、この結果から見えてくる。

相性のいい産業分野

流通・モビリティ

ECサイトやリユースショップの商品ページに1点ごとの環境負荷や削減貢献量を表示し、価格・デザインに続く「環境指標」による購買選択を支援

製造業・メーカー

素材構成がGHG排出量を大きく左右する知見を活かし、企画・デザイン段階で素材ごとの環境負荷をシミュレーションしながらサステナブル設計を推進

環境・エネルギー

企業のスコープ3(サプライチェーン全体の排出量)算定において、把握が困難だった二次流通・リユース領域の一次データ収集を自動化

官公庁・自治体

欧州のデジタル製品パスポート(DPP)をはじめとする製品環境情報開示制度において、情報欠損が生じやすい中古品データの補完インフラとして活用

住宅・不動産・建築

環境配慮型ライフスタイルの可視化指標として、グリーンスコアに応じたポイント還元や優遇プログラムと連携

この知財の情報・出典

株式会社メルカリ(mercari R4D)、東京大学大学院工学系研究科 川原圭博研究室 この知財は様々な特許や要素技術が関連しています。 詳細な情報をお求めの場合は、お問い合わせください。 Top Image : © 株式会社 メルカリ(mercari R4D)

おすすめの知財

もっと見る

おすすめのニュース

もっと見る