Em resumo
Use o assistente onde ele claramente compensa, dê-lhe um contexto focado em vez de repositórios inteiros, escolha um modelo menor ou mais rápido para edições de rotina e divida as tarefas difíceis em passos simples que você revê. Um estudo concluiu que a programação assistida por IA teve cerca de 33 vezes a pegada de carbono da abordagem manual nas tarefas testadas, por isso os hábitos importam.
Passos
- Decida se a tarefa precisa do assistente ou se é mais rápido você mesmo escrever.
- Escolha um modelo menor ou mais rápido para completamentos e edições de rotina.
- Indique ao assistente os arquivos relevantes em vez do repositório inteiro.
- Divida uma tarefa difícil em passos pequenos e reveja cada um antes de avançar.
- Defina limites de passos ou de gastos nos modos de agente e pare as execuções que entrem em loop.
- Acompanhe o uso do assistente pela sua equipe junto com o custo.
Use o assistente de forma deliberada, e não por reflexo, e mantenha pequeno o que ele lê. Os assistentes de programação são úteis, mas a sua energia é invisível para quem os usa.
Por que isso importa?
Cheung e colegas compararam o desenvolvimento manual e o assistido por IA num conjunto de tarefas de programação e concluíram que a abordagem assistida por IA teve cerca de 33 vezes a pegada de carbono da manual, com a diferença a aumentar à medida que as tarefas ficavam mais difíceis. Isso não quer dizer nunca usar assistentes; quer dizer usá-los onde poupam tempo real.
Os modos de agente custam ainda mais. A Anthropic relatou que os seus agentes usavam normalmente cerca de quatro vezes mais tokens do que um chat, e os sistemas multiagente cerca de quinze vezes.
O que faz a maior diferença?
- Contexto. Cada arquivo que o assistente lê é processado de novo a cada turno. Abra ou refira apenas os arquivos que importam, e comece uma nova sessão para uma nova tarefa.
- Escolha do modelo. Muitas ferramentas deixam você escolher um modelo. Um modelo pequeno e rápido costuma bastar para completamentos, renomeações e código repetitivo; guarde o grande para o desenho e a depuração.
- Limites para agentes. Dê aos agentes um objetivo claro, uma condição de parada e um limite de passos. Veja como evitar que os agentes de IA desperdicem tokens.
- Passos pequenos com revisão. Uma pessoa que verifica cada passo evita longas execuções na direção errada.
Erros comuns
- Deixar um agente "corrigir os testes" num loop sem fim definido.
- Gerar de novo um arquivo inteiro para mudar uma linha.
- Aceitar código sem verificar a sua eficiência: veja como fazer a IA escrever código eficiente em energia.
Para o quadro geral, leia IA agêntica e desperdício de tokens.
Fontes
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- How we built our multi-agent research system, Anthropic (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)
Relacionados
Como faço a IA escrever código eficiente em energia?
Como pedir código eficiente às ferramentas de IA, por que código eficiente e errado não vale nada e como testar e medir o código gerado antes de aceitá-lo.
Como evito que agentes de IA desperdicem tokens?
Proteções práticas para agentes de IA: condições de parada, limites de passos e tokens, deteção de loops, corte de contexto e modelos pequenos para passos simples.
IA agêntica e desperdício de tokens
Por que agentes de IA podem usar muitas vezes mais tokens e energia que um chat, como os loops os desperdiçam e as salvaguardas que os mantêm no tamanho certo.
Use a IA com eficiência: hábitos do dia a dia
Hábitos do dia a dia que reduzem a energia do uso da IA: prompts claros, menos ciclos de regeneração, cuidado com imagens e vídeo, cache e desativar padrões.