# AI コーディングアシスタントのフットプリントを抑えて使うには？

> 開発者が AI コーディングアシスタントの恩恵を保ちつつ、無駄なトークンを減らす方法：モデルを適正化し、コンテキストを絞り、作業を分割します。

Source: https://greenai.guide/ja/ハウツー/ai-コーディングアシスタントのフットプリントを抑えて使うには/  
Updated: 2026-11-19

## 要点

明らかに元が取れる場面でアシスタントを使い、リポジトリ全体ではなく絞り込んだコンテキストを与え、定型的な編集には小さなモデルや高速なモデルを選び、難しい作業は確認しながら進める簡単なステップに分けましょう。ある研究では、検証した作業において、AI を使ったコーディングのカーボンフットプリントは手作業の約 33 倍でした。だからこそ習慣が大切です。

## Steps

1. その作業にアシスタントが必要か、自分で書いたほうが早いかを判断します。
2. 定型的な補完や編集には、小さなモデルや高速なモデルを選びます。
3. リポジトリ全体ではなく、関係するファイルをアシスタントに示します。
4. 難しい作業は小さなステップに分け、次に進む前にそれぞれを確認します。
5. エージェントモードにはステップ数や支出の上限を設け、ループする実行は止めます。
6. チームのアシスタント利用量を、コストと並べて追跡します。

**反射的にではなく意図してアシスタントを使い、読み込ませる量を小さく保ちましょう。** コーディングアシスタントは便利ですが、そのエネルギーは使う人には見えません。

## なぜ重要なのですか？ {#why-does-it-matter}

Cheung らは、一連のプログラミング作業で手作業と AI 支援の開発を比べ、AI 支援のほうが手作業の約 33 倍のカーボンフットプリントになり、作業が難しくなるほどその差が広がることを明らかにしました。アシスタントを使うなということではなく、本当に時間を節約できる場面で使おうということです。

エージェントモードはさらにコストがかかります。Anthropic は、同社のエージェントが通常チャットの約 4 倍、マルチエージェントシステムでは約 15 倍のトークンを使ったと報告しています。

## いちばん差が出るのは何ですか？ {#what-makes-the-biggest-difference}

- **コンテキスト。** アシスタントが読んだファイルは、やり取りのたびに処理し直されます。関係するファイルだけを開くか参照し、新しい作業には新しいセッションを始めましょう。
- **モデルの選択。** 多くのツールではモデルを選べます。補完、名前の変更、定型コードには、たいてい小さく高速なモデルで十分です。大きなモデルは設計とデバッグに取っておきましょう。
- **エージェントの上限。** エージェントには明確な目標、停止条件、ステップ数の上限を与えます。
  [AI エージェントのトークンの無駄をなくす方法](/ja/ハウツー/ai-エージェントがトークンを無駄遣いしないようにするには/)をご覧ください。
- **確認しながら小さなステップで。** 人が各ステップを確認すれば、間違った方向に長く走り続けるのを防げます。

## よくある間違い {#common-mistakes}

- 終わりのないループの中で、エージェントに「テストを直させる」こと。
- 1 行を変えるために、ファイル全体を再生成すること。
- 効率を確認せずにコードを受け入れること。
  [AI にエネルギー効率の良いコードを書かせる方法](/ja/ハウツー/ai-に省エネなコードを書いてもらうには/)をご覧ください。

全体像については、[エージェント型 AI とトークンの無駄](/ja/記事/エージェント型-ai-とトークンの無駄/)をお読みください。

## 出典

- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (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)
