En resumen
Pida explícitamente código eficiente y nombre la restricción, como la memoria, las asignaciones o la complejidad algorítmica; luego ejecute las pruebas y mida la energía del código antes de aceptarlo. Una investigación halló que cambiar el prompt podía hacer el código generado hasta un 91,9% más eficiente energéticamente, pero a menudo a costa de su corrección. Dé al asistente principios energéticos que seguir y mantenga a una persona revisando el resultado.
Pasos
- Pida código eficiente y nombre la restricción que importa, como la memoria o los viajes de ida y vuelta a la base de datos.
- Dé al asistente la descripción completa del problema, no una recortada.
- Ejecute el conjunto de pruebas sobre todo lo que produzca.
- Mida la energía, o al menos el tiempo de ejecución y la memoria, antes y después en la misma máquina.
- Dé al asistente un conjunto escrito de reglas energéticas o antipatrones con los que contrastar.
Pida la eficiencia explícitamente y luego verifíquela. Los asistentes de IA escriben código que pasa las pruebas pero puede ser derrochador: bucles con llamadas a la base de datos dentro, copias innecesarias, trabajo repetido.
¿Qué muestra la evidencia?
EnergyBench, de Ionescu, Jensen y Thomsen, puntúa el código escrito por IA tanto por su corrección como por su energía. Hallaron que cambiar el prompt podía hacer el código generado hasta un 91,9% más eficiente energéticamente, pero a menudo a costa de la precisión. En algunos casos, eliminar la mitad de la descripción del problema hizo el código más de cuatro veces más eficiente, mientras que la corrección caía a cero. Lo eficiente pero erróneo no vale nada.
¿Cómo lo pido en el prompt?
- Nombre la restricción. «Evita una consulta a la base de datos dentro del bucle», «procesa el archivo en flujo en lugar de cargarlo en memoria», «mantén esto en O(n log n)».
- Conserve la especificación completa. No recorte el problema para ahorrar tokens; es ahí donde se pierde la corrección.
- Dele reglas. Investigadores de GreenCode publicaron la GreenCode Constitution, un conjunto de principios energéticos y antipatrones que un agente de programación con IA puede seguir: perfilar el código, corregir los antipatrones por orden de prioridad, volver a medir y conservar solo los cambios que ahorran energía.
Errores frecuentes
- Fiarse de la palabra «optimizado» en la respuesta. Mida en la misma máquina y con la misma carga.
- Tratar lo más rápido como más ecológico. El trabajo de GreenCode halló que la energía y la velocidad pueden divergir; mida ambas. Consulte cómo medir la energía que usa la IA en su propio ordenador.
- Saltarse la revisión del código generado que usted no escribió.
Para los métodos de medición, lea cómo medir la energía y el carbono de la IA.
Fuentes
- EnergyBench: holistic benchmark for correct and energy-efficient LLM-generated code, Ionescu, Jensen and Thomsen, FLTA 2025 (2025)
- GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
- Web Sustainability Guidelines, W3C (2025)
Relacionado
¿Cómo uso un asistente de programación con IA sin una gran huella?
Cómo mantener las ventajas de los asistentes de programación con IA reduciendo los tokens desperdiciados: modelo adecuado, contexto centrado y tareas divididas.
¿Cómo mido la energía que usa la IA en mi propio ordenador o GPU?
Mida la energía de la IA local con contadores de hardware, telemetría de la GPU o un medidor de enchufe, muestree todo el trabajo y reste el consumo en reposo.
Cómo medir la energía y el carbono de la IA
Guía práctica para medir o estimar la energía y el carbono del trabajo con IA: herramientas, límites del sistema, métricas por tarea e incertidumbre honesta.
La IA agéntica y el desperdicio de tokens
Por qué los agentes de IA pueden usar muchas veces más tokens y energía que un chat, cómo los bucles los desperdician y qué límites los mantienen a su justa medida.