Questo articolo è stato pubblicato in origine su The New Stack.
L’adozione dell’intelligenza artificiale e di grandi infrastrutture IT per supportarne lo sviluppo è aumentata drasticamente nel settore IT, nel disperato tentativo di semplificare i processi, ottimizzare i costi e ridurre il time-to-market.
Tuttavia, l’adozione impropria e sconsiderata di tecnologie emergenti che richiedono giganteschi data center non fa che aumentare i costi del cloud computing e il consumo energetico. Secondo un rapporto dell’Agenzia Internazionale per l’Energia (IEA), si prevede che lo sviluppo e l’implementazione dell’intelligenza artificiale determineranno un’impennata della domanda di energia destinata a crescere ulteriormente.
Curiosamente, questo scenario apre la strada a nuove opportunità, a patto che venga adottato un approccio più responsabile e sostenibile nello sviluppo e nell’ingegneria di software ecologici.
Lo sviluppo software sostenibile implica sforzi per ridurre l’impatto ambientale delle infrastrutture IT durante l’intero ciclo di vita dello sviluppo software. Comprende anche la riduzione dell’impatto economico e organizzativo del software, puntando a un total cost of ownership inferiore. Questo obiettivo può essere raggiunto con hardware efficiente, insistendo su un approccio GreenOps e, più in generale, effettuando scelte “green” nella progettazione e nello sviluppo di applicazioni software.
Comprendere il fabbisogno energetico dell’AI
L’intelligenza artificiale permea ogni aspetto della nostra vita. Ogni organizzazione, piccola o grande che sia, è attratta dalle promesse che l’implementazione dell’AI offre in prodotti, applicazioni e servizi.
Eppure molti ignorano che i carichi di lavoro dell’intelligenza artificiale possono essere particolarmente dispendiosi in termini di energia, con un impatto ambientale enorme. Tra i punti critici più comuni rientrano il consumo energetico necessario per addestrare modelli AI di grandi dimensioni, i requisiti energetici dei data center per supportare solide infrastrutture per l’AI, ma anche i rifiuti elettronici.
Pratiche di sviluppo software inefficienti non possono che peggiorare la situazione. Tutte queste preoccupazioni trovano riscontro in una previsione di Gartner, che anticipa la volontà delle aziende globali di dare priorità alla sostenibilità del software, accanto ad altri requisiti non funzionali. Inoltre, la sostenibilità sarà probabilmente un fattore determinante nell’acquisto di tecnologia, con un potenziale tasso di rifiuto del 50% nelle decisioni di acquisto.
In sostanza, la scrittura e l’elaborazione del codice e del software su cui si basa l’intero paradigma dell’intelligenza artificiale richiedono un enorme consumo energetico e producono emissioni eccessive. Se l’energia necessaria per alimentare sia il software che l’hardware proviene da fonti non rinnovabili e da cattive pratiche, l’impatto sull’ambiente sarà indubbiamente negativo.
GreenOps: al centro di uno sviluppo software sostenibile
Come possiamo quindi ridurre al minimo l’impatto ambientale mantenendo elevati standard di efficienza e qualità?
GreenOps è un approccio olistico che combina pratiche aziendali e innovazioni tecnologiche per migliorare l’efficienza del cloud riducendo al contempo l’impatto ambientale.
Vale la pena sottolineare che GreenOps apre la strada a opportunità per migliorare la propria efficienza in termini di operazioni e competitività sul mercato. Ciò si addice specialmente a tutte quelle aziende che devono far fronte alle elevate pressioni derivanti dal dibattito sulla sostenibilità e dai piani di allocazione del proprio budget.
In sostanza, un approccio GreenOps potrebbe offrire vantaggi sia in termini di sostenibilità che economici. Implica l’utilizzo di configurazioni cloud; la scelta di risorse che non richiedono troppa energia e potenza di calcolo; il ridimensionamento, la pianificazione e il rinnovo delle risorse; l’eliminazione dei carichi di lavoro “zombie” e il passaggio alla componibilità.
FinOps: un approccio complementare a GreenOps
Oltre al tema ambientale, è necessario gestire i costi nascosti del cloud. Proprio come GreenOps affronta l’impatto ambientale dell’infrastruttura cloud, FinOps è un approccio collaborativo tra IT, finanza e business per gestire la responsabilità dei costi delle risorse negli ambienti cloud attraverso un team centralizzato e interfunzionale.
Ciò è possibile attraverso un dialogo reciproco e un monitoraggio, una gestione e previsioni precise dei costi. E richiede un cambiamento sostanziale dal punto di vista culturale.
Lavorando insieme, GreenOps e FinOps possono ottimizzare costantemente le risorse cloud per ridurre costi, consumi energetici ed emissioni di gas. In definitiva, vincono tutti.
Sviluppo software sostenibile e AI: best practice
L’uso intelligente e responsabile dell’intelligenza artificiale può promuovere la sostenibilità, ma è fondamentale iniziare con un approccio sostenibile fin dalle fondamenta del progetto.
Potete iniziare con queste best practice:
- Migrazioni e ottimizzazioni nel cloud: le tecnologie cloud sono efficienti dal punto di vista energetico e sono scalabili, riducendo significativamente i rifiuti elettronici e le emissioni di carbonio.
- GreenOps e FinOps: la combinazione degli approcci GreenOps e FinOps può aiutare a monitorare sia i costi che le emissioni.
- Green coding: la gestione dell’intero ciclo di vita dello sviluppo software sostenibile implica pratiche di green coding, tra cui l’ottimizzazione degli algoritmi, la codifica con linguaggi di programmazione efficienti, ma anche la riduzione di ridondanze e complessità.
- Strumenti per ottimizzare le risorse: alcuni strumenti sono utili per ridurre al minimo o ottimizzare l’uso di risorse che richiedono molta memoria e potenza di elaborazione. Ad esempio, Kube-green è uno strumento open source che gestisce il ridimensionamento dei cluster Kubernetes per ottimizzare il consumo energetico dell’infrastruttura IT, riducendo così le emissioni di carbonio. Kube-green è un controller Kubernetes che utilizza una risorsa personalizzata per mettere in pausa e riavviare i pod. Le distribuzioni possono quindi essere ridotte a zero e i cron job possono essere limitati alle ore lavorative.
- Architettura software: la scelta di un’architettura software come il serverless computing e altri approcci componibili aiuta a garantire flessibilità, scalabilità e adattabilità, promuovendo il riutilizzo e riducendo i costi.
- Utilizzo intelligente dell’AI: un’implementazione responsabile dell’AI offre opportunità per raggiungere obiettivi di sostenibilità. Tra le varie strategie, ad esempio, emerge l’uso di assistenti o agenti AI per ottimizzare i processi, automatizzare le attività di routine, monitorare il consumo energetico o i tassi di errore e analizzare le tendenze dei dati. Le FinOps Aumentate, ovvero l’integrazione di AI e machine learning (ML) nelle FinOps per semplificare la gestione dei costi del cloud, contribuiscono a ridurre gli sprechi, i costi e le emissioni di carbonio e a fornire dati per decisioni più ecologiche.
Internal Developer Platform ed AI per mirare alla sostenibilità
Le internal developer platform (IDP) forniscono un mezzo per tenere a mente la sostenibilità, insieme ai costi e all’affidabilità nella distribuzione del software.
Una IDP con funzioni AI integrate può promuovere la sostenibilità distribuendo le attività ad alta intensità energetica in diversi ambienti e individuando aree in cui è possibile risparmiare energia.
Nello specifico, Mia-Platform può facilitare pratiche di sviluppo eco-compatibili attraverso virtualizzazione efficiente, containerizzazione e consolidamento delle risorse. Mira a gestire l’intero ciclo di vita delle applicazioni cloud native su larga scala, offrendo vantaggi in termini di produttività, governance e sostenibilità.
Inoltre, assistenti e agenti di intelligenza artificiale possono aiutare a raccogliere risorse della piattaforma, supportare le attività quotidiane degli sviluppatori, generare e riutilizzare risorse software, creare e testare modelli e componenti, monitorare gli errori e l’efficacia del consumo energetico per identificare le aree di ottimizzazione.
La relazione simbiotica tra AI e sostenibilità
Seguire la strada della sostenibilità non significa solo risparmiare energia e ridurre le emissioni, ma anche ridurre il total cost of ownership del software, minimizzandone l’impatto economico, organizzativo e ambientale.
Alcuni benefici includono:
- Ritorno di investimento: lo sviluppo di intelligenza artificiale basato sulle risorse riduce al minimo i costi di elaborazione e l’impatto ambientale. Le piattaforme potenziate con AI hanno strumenti automatizzati che comportano minori spese operative, cicli di sviluppo più rapidi e un migliore utilizzo delle risorse, migliorando il ROI e allineandosi al contempo a obiettivi di sostenibilità più ampi con efficienza e responsabilità.
- Miglioramento della reputazione del marchio e della fiducia dei clienti: i consumatori più attenti all’ambiente scelgono sempre più aziende che adottano pratiche sostenibili, con un conseguente significativo miglioramento dell’immagine del marchio, della reputazione e della fidelizzazione dei clienti. Abbracciare la sostenibilità non è solo un impegno etico, ma anche un potente fattore discriminante nel mercato odierno.
- Mitigare i rischi ambientali associati all’intelligenza artificiale: le pratiche di sviluppo software sostenibile promuovono la crescita etica e scalabile dell’AI, riducendone al contempo gli effetti negativi sull’ambiente, tra cui l’elevato consumo energetico e i rifiuti elettronici.
Conclusioni
Per un futuro sostenibile è necessario dare priorità alle pratiche sostenibili nello sviluppo del software.
Le best practice fondamentali includono l’adozione di un approccio sostenibile all’intero ciclo di vita della distribuzione del software, la scelta di hardware e infrastrutture efficienti, l’utilizzo di codice e architettura ecologici, l’adozione di GreenOps e FinOps e l’implementazione intelligente dell’intelligenza artificiale.
L’adozione dell’AI, in rapida crescita, impone un’integrazione responsabile e non derogabile.
È fondamentale non lasciarsi trasportare dall’entusiasmo e scegliere tecnologie di automazione basate su casi d’uso specifici e risultati tangibili, il che contribuisce a un’implementazione efficiente e pragmatica. Questo approccio riduce gli sprechi di sforzi e risorse, ma minimizza anche l’impatto ambientale.
Se avete bisogno di una struttura completa e degli strumenti essenziali per gestire senza problemi l’intero ciclo di vita dello sviluppo del software e affrontare obiettivi di sostenibilità insieme ad altri obiettivi, scegliete Mia-Platform, una internal developer platform con funzioni AI avanzate e integrate nativamente.
