Impacto Energético na Refatoração de Código Usando LLMs

• Processo: 26/04086-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2026
• Data de Término da vigência: 23 de agosto de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Pesquisador responsável: Markus Endler
• Beneficiário: Alexandre César Brandão de Andrade
• Instituição Sede: Centro Técnico Científico (CTC). Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
• Vinculado ao auxílio: 23/00811-0 - EcoSustain - Ciência de Dados e Computação para o Meio Ambiente, AP.TEM
• Assunto(s): Aprendizado computacional Ciência de dados Engenharia de software Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Ciência de dados | Engenharia de Software | Inteligência Artificial | Large Language Models | Refatoração de código | Ciência de Dados e Engenharia de Software

Resumo

O projeto de pesquisa "Impacto Energético na Refatoração de Código Usando LLMs" propõe investigar, de forma sistemática, os efeitos do uso de grandes modelos de linguagem (LLMs) na refatoração automática de código, com ênfase na avaliação do consumo energético associado a essas transformações. Vinculada ao Projeto Temático FAPESP EcoSustain - Ciência de Dados e Computação para o Meio Ambiente (Proc. 2023/00811-0), a proposta insere-se na interseção entre engenharia de software, inteligência artificial e sustentabilidade computacional, buscando produzir evidências empíricas sobre o impacto de técnicas emergentes de IA generativa em atributos relevantes de sistemas de software.O objetivo central do estudo é analisar se refatorações de código geradas com apoio de LLMs podem contribuir para a redução do consumo de energia de artefatos de software, sem prejuízo à corretude funcional e à qualidade estrutural do código. Para tanto, a pesquisa parte de artefatos previamente identificados como portadores de problemas de qualidade (code smells) por ferramentas especializadas, os quais serão submetidos a processos de refatoração assistida por LLMs. A partir da comparação entre versões originais e refatoradas, pretende-se avaliar, de maneira controlada e reproduzível, alterações em consumo energético, tempo de execução, métricas de qualidade e consistência das transformações realizadas.Do ponto de vista metodológico, o projeto organiza-se em duas frentes complementares. A primeira compreende a revisão da literatura e o aprofundamento técnico sobre refatoração de código, qualidade de software, consumo energético e uso de LLMs em tarefas de transformação de código, incluindo o estudo de estratégias de prompting, seleção de modelos e critérios de avaliação. Essa etapa também contempla a investigação de ferramentas de medição de energia e custo computacional, bem como a integração da proposta ao pipeline experimental já adotado pelo grupo de pesquisa. A segunda frente consiste na execução dos experimentos, abrangendo a seleção dos artefatos de código, a definição de protocolos de uso de LLMs para geração de refatorações, a aplicação de diferentes abordagens e a mensuração comparativa dos resultados antes e depois da transformação.A relevância científica da proposta decorre da necessidade de compreender, com base empírica, se o emprego de LLMs em atividades de melhoria de código produz benefícios efetivos sob a perspectiva da sustentabilidade computacional, ou se pode, em determinados contextos, introduzir novos custos energéticos. Embora a refatoração assistida por IA apresente potencial para aumentar produtividade, legibilidade e manutenibilidade, ainda são escassos estudos que examinem seus efeitos concretos sobre eficiência energética. Nesse sentido, o projeto busca preencher uma lacuna importante da literatura ao articular qualidade de software, automação por IA e avaliação energética em uma mesma abordagem experimental.Como principal contribuição, espera-se propor uma metodologia experimental reprodutível para avaliação energética de refatorações assistidas por LLMs, além de gerar conhecimento científico sobre os cenários em que tais transformações produzem ganhos, perdas ou neutralidade do ponto de vista energético. A pesquisa também contribuirá para o fortalecimento da agenda do Projeto Temático EcoSustain, ao ampliar a discussão sobre o papel da computação e da ciência de dados na promoção de práticas tecnológicas mais sustentáveis. (AU)