#2 ~ Efficienza non è sostenibilità
Disclaimer: due parole prima di iniziare.
Questa newsletter la scriviamo noi di Green Software Italia: non siamo una redazione, abbiamo tante voci e vogliamo che si sentano. Ogni articolo ha un suo tono, a volte anche un’idea che cozza con quella che leggerai nel pezzo dopo e per noi va bene così.
Quello che leggi qui è il pensiero di chi l’ha scritto, non la posizione ufficiale di nessuno. Qualcuno di noi, quando scrive, usa l’AI come strumento compensativo e lo diciamo perché ci sembra onesto: cerchiamo di farlo con la testa, sapendo che anche questi strumenti hanno un costo e che la cosa più preziosa, alla fine, resta avere qualcosa di vero da dire.
Buona lettura. 📖
C’è una frase che gira da anni nei nostri ambienti, nei talk, nelle slide, nei post qui su LinkedIn:
“Rendiamo il software più efficiente e sarà più sostenibile.”
È vero. In parte. E forse è proprio quel “in parte” che evitiamo di guardare fino in fondo.
L’efficienza piace perché si misura.
Ci dà una sensazione di controllo, quasi di aver fatto la cosa giusta.
Tagli il 30% di CPU, sgonfi la memoria, riduci le query e qualcosa dentro si sistema.
Peccato che la storia ci abbia giocato uno scherzetto: quando una tecnologia diventa più efficiente, a livello di sistema finiamo per usarne molta di più. Lo chiamano rebound effect o paradosso di Jevons se ci vogliamo dare un tono. Lo enunciò un economista nel 1865 osservando che le macchine a vapore più efficienti non riducevano il consumo di carbone: lo aumentavano, perché rendevano economicamente sensati usi che prima non esistevano.
E questa cosa, se ci pensi, non è nemmeno così sorprendente. È esattamente come siamo abituati a costruire.
Qualche numero, perché senza diventa fuffa.
I data center hanno migliorato il PUE medio da circa 2,50 nel 2007 a 1,56 nel 20241: mediamente il 30% più efficienti. Eppure il consumo elettrico globale dei data center è passato da circa 200 TWh nel 2010 a 460 TWh nel 2022, con proiezioni IEA che parlano di superare i 1000 TWh entro il 20262. Più efficienti, molto più affamati. E no, non è un paradosso: è il sistema che funziona così.
La compressione video è un altro caso da manuale. Dal MPEG-2 al H.265 abbiamo ridotto il bitrate necessario a parità di qualità di un fattore 4-6. Il risultato non è stato meno traffico: è stato lo streaming HD prima, 4K poi, su qualunque dispositivo, ovunque. Oggi il video è circa il 65% del traffico internet mondiale3. La compressione non ha tagliato la banda usata: ha reso possibili modelli di consumo che senza non sarebbero esistiti.
Gli LLM seguono lo stesso copione, in modo ancora più estremo. Negli ultimi anni l’efficienza algoritmica è migliorata enormemente: architetture come i transformer, ottimizzazioni come FlashAttention, tecniche di quantizzazione e mixture-of-experts hanno ridotto drasticamente il costo per token. Ma la scala è cresciuta più in fretta dell’efficienza: il compute usato per addestrare i modelli di frontiera è raddoppiato ogni 5-6 mesi nell’ultimo decennio4. Il training di GPT-3 ha richiesto circa 1.287 MWh ed emesso oltre 500 tonnellate di CO2 equivalente5; per GPT-4, OpenAI, non ha pubblicato dati ufficiali, ma le stime indipendenti parlano di un consumo energetico significativamente superiore.
E al training si aggiunge l’inferenza, che ormai è il vero collo di bottiglia energetico: una singola query a un LLM consuma circa 10 volte una ricerca Google tradizionale2, moltiplicato per centinaia di milioni di utenti al giorno.
Il pattern è sempre lo stesso: più efficiente → più economico → più usato → impatto totale uguale o maggiore.
Non è colpa del singolo endpoint o della singola libreria, ma è un effetto collaterale alimentato dall’ottimizzazione.
E la cosa scomoda è che lo sappiamo mentre succede.
E se la sostenibilità non fosse questione di come facciamo le cose, ma di quanto?
Tutta la nostra industria gira intorno al fare di più: più feature, più utenti, più dati, più scala, più engagement. Il successo lo misuriamo in crescita, sempre.
Però, mano sul cuore: quanti dei sistemi che costruiamo devono davvero esistere così come sono? Quante dashboard non le guarda nessuno, quanti microservizi potevano essere una funzione, quante pipeline di dati girano ogni notte per produrre report che nessuno apre.
Se siamo onesti, lo abbiamo visto tutte/i almeno una volta.
C’è una parola che usiamo poco quando parliamo di green software: minimalismo.
Costruire meno, togliere, spegnere, dire no a una feature, dismettere un servizio che non serve più invece di tenerlo acceso perché “non si sa mai”.
Il software più sostenibile è quello che non scriviamo.
E dirlo ad alta voce fa ancora un po’ strano, perché ci pagano per costruire, non per fermarci. Ma è qui che ESG smette di essere un acronimo da report annuale: l’impatto del software non sono solo joule e CO2, è anche complessità che si scarica sulle persone. Sviluppatori in burnout per tenere in piedi sistemi che nessuno ha avuto il coraggio di staccare, utenti sommersi da interfacce gonfie, aziende che bruciano budget su infrastrutture che esistono solo perché esistevano già ieri.
La “S” di ESG non è staccata dalla “E”: un software minimalista è anche un software più gentile. Non sono due discorsi separati, anche se spesso li trattiamo così.
L’efficienza è una virtù dell’esecuzione. La sostenibilità è una virtù della scelta.
La prima risponde alla domanda “come lo faccio meglio?”. La seconda a un’altra: “devo davvero farlo?”.
E la seconda, nel nostro mestiere, ce la facciamo pochissimo.
Non ho una conclusione pulita e non credo serva.
Mi resta in testa solo questo: forse il futuro che programmiamo non si misurerà in quanta intelligenza riusciamo a mettere nei sistemi, ma in quanta roba siamo capaci di togliere senza che il mondo se ne accorga.
E se la prossima rivoluzione del software fosse sottrattiva e non additiva, saremmo pronti, come community, a chiamarla progresso? O ci sembrerebbe di aver fatto troppo poco?
Se questo pensiero ti ha smosso qualcosa, scrivilo nei commenti: le voci servono, anche quelle in disaccordo.
Grazie di aver letto sin qui.
Il futuro digitale non arriva da solo. In buona parte lo programmiamo noi.
Chiara Corrado, co-founder di Green Software Italia
Fonti
- Uptime Institute, Global Data Center Survey 2024
- International Energy Agency, Electricity 2024. Analysis and forecast to 2026
- Sandvine, Global Internet Phenomena Report 2023
- Epoch AI, Compute Trends Across Three Eras of Machine Learning, 2022
- Patterson et al., Carbon Emissions and Large Neural Network Training, Google Research, 2021