# AI に省エネなコードを書いてもらうには？

> AI コーディングツールに効率的なコードを頼む方法、効率的でも誤りなら価値がない理由、生成コードを受け入れる前に試験し測定する方法です。

Source: https://greenai.guide/ja/ハウツー/ai-に省エネなコードを書いてもらうには/  
Updated: 2026-11-19

## 要点

効率的なコードをはっきり求め、メモリ、メモリ割り当て、計算量といった制約を具体的に伝えましょう。そのうえで、受け入れる前にテストを実行し、コードのエネルギーを測ります。研究では、プロンプトを変えると生成コードのエネルギー効率が最大 91.9% 高まりましたが、正確さを犠牲にすることがよくありました。アシスタントには従うべきエネルギーの原則を与え、結果は人が確認し続けましょう。

## Steps

1. 効率的なコードを求め、メモリやデータベースとの往復回数など、重要な制約を具体的に伝えます。
2. 問題の説明は削らずに、すべてアシスタントに渡します。
3. 生成されたものすべてにテストスイートを実行します。
4. 同じマシンで前後のエネルギー、少なくとも実行時間とメモリを測ります。
5. 照らし合わせるべきエネルギーのルールやアンチパターンを、文書にしてアシスタントに渡します。

**効率をはっきり求め、それから確かめましょう。** AI アシスタントはテストに通るコードを書きますが、無駄が多いことがあります。ループ内でのデータベース呼び出し、不要なコピー、同じ処理の繰り返しなどです。

## 証拠は何を示していますか？ {#what-does-the-evidence-show}

Ionescu、Jensen、Thomsen の EnergyBench は、AI が書いたコードを正確さとエネルギーの両面で評価します。プロンプトを変えると生成コードのエネルギー効率は最大 91.9% 高まりましたが、正確さを犠牲にすることがよくありました。問題の説明を半分削ると、コードの効率が 4 倍以上になった一方で、正確さがゼロに落ちた例もあります。効率的でも誤っていれば、価値はありません。

## どのようにプロンプトを書けばよいですか？ {#how-do-i-prompt-for-it}

- **制約を具体的に伝えましょう。** 「ループ内でデータベースに問い合わせない」「ファイルはメモリに読み込まずストリームで処理する」「O(n log n) を保つ」などです。
- **仕様は全部残しましょう。** トークンを節約しようと問題を削ってはいけません。そこで正確さが失われます。
- **ルールを与えましょう。** GreenCode の研究者は、AI コーディングエージェントが従えるエネルギーの原則とアンチパターンをまとめた GreenCode Constitution を公開しました。コードをプロファイリングし、順位付けされたアンチパターンを修正し、再び測定して、エネルギーを節約できる変更だけを残す、という流れです。

## よくある間違い {#common-mistakes}

- **回答にある「最適化済み」をうのみにすること。** 同じマシン、同じ負荷で測りましょう。
- **速いほどグリーンだと考えること。** GreenCode の研究では、エネルギーと速度が一致しない場合があることがわかりました。両方を測りましょう。[自分のコンピューターで AI が使うエネルギーを測る方法](/ja/ハウツー/自分のパソコンや-gpu-で-ai-が使うエネルギーはどう測る/)をご覧ください。
- **自分が書いていない生成コードのレビューを省くこと。**

測定方法については、[AI のエネルギーと炭素を測る方法](/ja/グッドプラクティス/ai-のエネルギーと炭素を測る方法/)をお読みください。

## 出典

- [EnergyBench: holistic benchmark for correct and energy-efficient LLM-generated code](https://doi.org/10.1109/flta67013.2025.11336593), Ionescu, Jensen and Thomsen, FLTA 2025 (2025)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
- [Web Sustainability Guidelines](https://www.w3.org/TR/web-sustainability-guidelines/), W3C (2025)
