Un reciente estudio ha puesto bajo la lupa la viabilidad de las prácticas sostenibles dentro del código generado por herramientas de inteligencia artificial generativa. La investigación, llevada a cabo por un equipo de investigadores de Accenture, destapa que las populares herramientas AI, tales como ChatGPT, BARD y Github Copilot, tienden a crear código que no sigue las pautas de eficiencia energética, lo que podría traducirse en un incremento en las emisiones de carbono si se dejan sin ajustar.

El estudio subraya la falta de optimización energética en el código generado por los AI, hecho que no solo involucra a un par de herramientas, sino a la mayoría de ellas. A través del análisis de las respuestas proporcionadas por estas herramientas bajo escenarios comunes en la programación, se observó que herramientas como Github Copilot persistentemente sugerían patrones de codificación menos sostenibles en comparación con sus contrapartes, ChatGPT y BARD, quienes también presentaban ciertas deficiencias en el seguimiento de prácticas verdes.

El cálculo fue drástico: al menos un 40% de las sugerencias de Copilot para algunos casos incumplían las normas de codificación eficiente. Por ejemplo, a pesar de la eficiencia reconocida del uso de StringBuilder en bucles para evitar la concatenación ineficiente de cadenas de texto, las herramientas recomendaban prácticas opuestas en varias ocasiones. Asimismo, el uso de funciones como Scanner o FileInputStream en programación Java, aunque comunes, contribuyen a patrones de consumo que aumentan la huella de carbono del código final. Esta tendencia es igualmente evidente en las funciones de Javascript y Python estudiadas.

Esta tendencia podría tener implicaciones significativas. Con la adopción de herramientas de codificación asistida por AI en auge, se estima que para 2027, un 70% de los desarrolladores recurrirán a estas técnicas diariamente, poniendo en riesgo la sustentabilidad del software que compone un 2-7% de las emisiones de gases de efecto invernadero a nivel global.

El estudio no solo revela la necesidad de ajustar los algoritmos de estas herramientas, sino que sugiere que las organizaciones deberían considerar enfoques mixtos que incluyan ajustes manuales al código sugerido por AI o la implementación de “ingeniería de prompts” que optimicen energéticamente las salidas de estas inteligencias artificiales.

Si bien los resultados apuntan a que aún hay camino por recorrer para que la AI generativa se alinee con la sostenibilidad, abren la puerta a nuevas discusiones sobre cómo equilibrar el avance tecnológico con el imperativo ambiental. A medida que estas tecnologías continúan transformándose, está claro que la sostenibilidad y la optimización del código deberán ocupar un lugar central en las agendas de desarrollo futuras.