出典：GitHub公式
詳細を読む
GitHubとイェール大学の気候変動コミュニケーション・プログラムは2026年春、米国のGitHub月間利用者1,039人を調べ、8割がエネルギー効率の高いコードを書く支援ツールに関心を持つと公表しました。開発者はAIを含むソフトウェアの環境負荷を懸念する一方、無駄な計算を見つけ、改善効果を測り、修正の根拠を示す実用的な手段を求めています。
回答者の71％はAIシステムのエネルギー・水使用量や炭素排出を懸念し、75％は勤務先が環境負荷の削減に取り組むことを重要だと答えました。ただし、調査はマーケティング情報の受信に同意したGitHub利用者を対象とする非確率標本であり、全開発者を代表する結果ではありません。
需要は関心だけにとどまりません。効率化のベストプラクティスを学びたい人は78％、ソフトウェアや開発工程の環境影響を測りたい人は74％、持続可能性を扱うオープンソースへの参加に関心を持つ人は70％でした。
改善では、コードの重複計算や非効率なアルゴリズム、過剰なデータ取得、重複通信、不要な画面描画など、測定可能な無駄から着手します。実行時間、CPU使用量、メモリ割り当て、通信量を変更前後で比較し、再現手順や保守性とのトレードオフも示すことが、根拠ある判断につながります。
GitHubは、リポジトリを点検して測定可能な改善案を草案プルリクエストにする「Daily Efficiency Improver」を紹介しました。導入時は権限、設定、モデル利用、実行頻度、計算コストを確認し、AIの提案を仮説としてテストしたうえで、採否は保守担当者が決める運用が必要です。