5분 읽기
- AI기술은 2025년 전 세계 데이터센터 전력소비량의 약20% 차지, 전 세계전력소비량의 3%
- 석탄에서 바이오에너지로 전환하면; 물수요 30배, 토지사용량은 100배 증가
- AI가 이미지를 생성할 때 단순 텍스트를 분류보다 약 1,450배 더 ​​많은 에너지 필요
- 2030년까지 AI 인프라는 연간 최대 250만 톤의 전자 폐기물을 발생시킬 수 있다.
- 이 양은 에펠탑 250개의 무게에 해당

인공지능: 환경 발자국은 예상보다 큰가?

인공지능(AI)의 폭발적인 성장은 점점 더 강력한 AI 모델을 만들어내고 있으며, 더 많은 사람이 이 기술을 사용하고 있다. 새로운 보고서에 따르면, 이는 AI 데이터 센터의 전력 소비량 증가뿐 아니라, 심지어 "친환경" AI 데이터 센터조차도 더 많은 물과 토지 수요를 야기하고 있다. 연구진은 또한 전자 폐기물 문제가 과소평가되었다고 지적한다. 그러나 이 보고서는 일부 오래된 데이터와 특히 효율적인 AI 기술을 거의 고려하지 않았다는 점에서 비판을 받고 있다. 

▲ 인공지능을 위한 데이터 센터 및 기타 인프라는 환경에 점점 더 큰 영향을 미치고 있다. 새로운 보고서는 이러한 환경적 영향을 정량화하려고 시도했다. © UNU-INWEH

인공지능은 빠르게 발전하고 있으며, AI 모델과 AI 에이전트는 점점 더 많은 작업을 독립적으로 처리할 수 있게 되었다. GPT, Gemini, Claude 등의 모델은 이제 단순히 텍스트, 이미지, 비디오, 컴퓨터 코드를 생성하는 것을 넘어 프로세스를 계획하고, 구조를 최적화하고, 더 복잡한 문제까지 해결할 수 있다. 하지만 이러한 발전에는 대가가 따른다. 대규모 AI 모델이 강력해질수록 더 많은 컴퓨팅 성능을 요구하게 된다. 고성능 프로세서는 학습과 운영 모두에 필수적이다.

“AI는 단순한 코드가 아니다.”

유엔대학교 물·환경·보건연구소(UNU-INWEH)의 미리암 아첼(Miriam Aczel) 연구원과 동료들은 “AI는 단순한 코드가 아니라 데이터 센터, 칩, 전력, 냉각 시스템, 용수, 토지 이용, 핵심 원자재, 그리고 궁극적으로는 전자 폐기물에 이르기까지 물리적 인프라와 공급망을 포괄하는 개념이다”고 밝혔다. AI의 급속한 발전이 가져올 잠재적인 환경적 영향에 대한 논의는 주로 전력 소비와 이산화탄소 배출량에 집중돼 왔다.

이번 보고서에서 연구팀은 물 발자국, 토지 이용, AI 자원의 불균등한 분배, 그리고 전자 폐기물 처리 문제 등 AI 사용 증가가 가져오는 다른 영향들도 함께 고려했다. UNU-INWEH 소장이자 프로젝트 책임자인 카베 마다니(Kaveh Madani)는 “이 보고서는 인공지능 자체에 반대하는 주장이 아니다. 인공지능은 전 세계 수십억 명의 삶을 개선하는 기술적 혁신이다”고 강조했다. 

▲ OpenAI의 ChatGPT/DALL·E를 사용하여 2026년 5월에 생성된 AI의 환경 발자국 개념 이미지. 표준 해상도 AI 이미지당 추정 발자국: 문헌 기준 및 전 세계 평균 전력 발자국 계수를 기반으로 2.9 Wh의 전력, 1.22 g의 CO₂e, 28.6 mL의 물, 0.45 cm²의 토지에 해당. © UNU-INWEH

마다니는 "이는 기술을 책임감 있게 사용하고, 의도치 않은 결과에 대해 선제적으로 대처하여 지속가능하고 공평한 방식으로 활용해야 한다는 촉구"라고 말했다. AI 산업의 급속한 성장을 고려할 때, 지구 환경의 한계를 존중하는 지속 가능한 발전을 보장할 수 있는 기회는 얼마 남지 않았다.

"친환경" AI 데이터 센터조차 모든 문제를 해결하지는 못한다.

 

보고서에 따르면, AI 기술은 2025년 전 세계 데이터 센터 전력 소비량의 약 20%를 차지했으며, 이는 약 448테라와트시(TWh)에 달한다. 그러나 연구진은 2030년까지 AI 용량이 급격히 증가하여 데이터 센터 전력 소비량이 945TWh로 두 배 증가할 것으로 예측한다. 이는 전 세계 전력 소비량의 약 3%에 해당한다. 또한 보고서는 2030년 AI로 인한 물 수요를 약 9조 3천억 리터, 토지 사용량을 14만500㎢로 추산했다. 

▲ 대규모 AI 데이터 센터에서 고급 머신 러닝 모델을 학습하고 실행하는 데 사용되는 텐서 처리 장치(TPU) v4 보드. 이 맞춤형 칩은 최신 인공지능 시스템에 필요한 방대한 계산을 처리하며, 컴퓨팅 성능을 높이기 위해 대규모 클러스터로 연결된다. TPU는 상당한 전력을 소비하고 열을 발생시키기 때문에 광범위한 냉각 및 인프라가 필요하며, 이는 AI 데이터 센터의 환경 발자국에 영향을 미친다. 사진: Norman P. Jouppi 외 (Wikimedia Commons).

흥미롭게도, AI 데이터 센터에서 발생하는 CO2 배출량을 줄이기 위해 "친환경적인" 에너지 혼합으로 전환하는 것이 항상 환경에 이로운 것은 아니다. 아첼은 "가장 놀랐던 점은 소위 '친환경적인' 대안들이 궁극적으로 CO2 배출량 측면에서 물이나 토지에 부정적인 영향을 미치는 경우가 많다는 것이다"고 말했다. 예를 들어, 석탄에서 바이오에너지로 전환하면 CO2 배출량은 70% 감소하지만, 물 수요는 30배, 토지 사용량은 100배 증가한다.

"따라서 낮은 CO2 배출량이 자동으로 물이나 토지 절약으로 이어지는 것은 아니다"며, "이러한 비대칭성은 지역 사회의 환경 문제를 악화시킬 수 있는 반면, AI의 전략적 이점은 대개 다른 곳에서 나타난다"고 보고서는 지적했다.

▲ 미국 오리건주 댈러스에 위치한 구글 데이터센터의 급수 및 배수관.

프롬프트 처리가 전력 수요의 80~90%를 차지

이 보고서는 또한 인공지능이 가장 많은 자원을 필요로 하는 단계에 대한 일반적인 가정을 바로잡는다. 이전에는 AI 모델 학습에 초점이 맞춰졌다. GPT-4 학습에만 50~70기가와트시가 소모된다는 추산이 있었다. "그러나 AI의 진정한 환경 비용을 이해하려면 일상적인 운영으로 인한 영향도 고려해야 한다"고 연구진은 설명했다. 단일 프롬프트는 큰 영향을 미치지 않는 것처럼 보일 수 있지만, 전 세계적으로 매일 수십억 개의 프롬프트가 사용되기 때문에 그 영향은 누적된다.

결과적으로, 일반적인 AI 운영이 이제 전력 소비의 대부분을 차지한다. 보고서에 따르면 전체 에너지 소비량의 80~90%가 프롬프트 및 작업 처리에 사용된다. AI가 이미지를 생성할 때는 단순히 텍스트를 분류하는 것보다 약 1,450배 더 ​​많은 에너지가 필요하다. 비디오 클립의 경우 415와트시(Wh)가 소모되는데, 이는 약 20만 배에 달하는 수치다. 프롬프트의 길이와 같은 요소 또한 AI 모델에 필요한 토큰 수, 즉 컴퓨팅 파워에 영향을 미친다.

마다니는 "많은 사람이 AI 기술이 발전하고 효율성이 높아짐에 따라 AI의 환경 발자국이 줄어들 것이라고 생각하지만, 이는 부분적으로만 사실이다"고 말했다. AI 기술이 더욱 효율적이고 저렴해질수록 더 많은 사람이 이를 사용하게 될 것이다. 하지만 이는 사용자 수와 요청 수를 증가시키고, 결과적으로 컴퓨팅 파워와 전력 수요를 증가시킨다.

▲ 세계 20대 데이터센터 허브의 전력 발자국. 주요 데이터센터 소재국의 전력 공급으로 인한 탄소, 물, 토지 발자국 강도를 보여준다. 국가별 전력 구성의 차이는 국가 간 AI 환경 발자국의 차이를 유발하며, 데이터센터 위치가 전반적인 영향에 어떻게 영향을 미치는지 결정한다. © UNU-INWEH

폐기물 문제

종종 과소평가되는 또 다른 문제는 발생하는 전자 폐기물의 양이다. 고성능 프로세서는 수명이 짧아 몇 달 또는 몇 년 만에 교체되는 경우가 많으며, 이로 인해 버려지는 마이크로칩과 회로 기판의 양이 엄청나게 많아진다. 연구진은 "2030년까지 AI 인프라는 연간 최대 250만 톤의 전자 폐기물을 발생시킬 수 있는데, 이는 에펠탑 250개의 무게에 해당한다"고 지적했다.

보고서는 전반적으로 "AI는 놀라운 잠재력을 지니고 있지만, 이를 책임감 있게 실현하기 위해서는 시스템적인 변화가 필요하다"고 결론짓는다. 아첼(Aczel)과 동료 연구진은 하드웨어 및 모델 설계부터 공급망, 구현, 사용, 그리고 수명이 다한 부품 폐기에 이르기까지 모든 단계에서 지속가능성을 통합해야 진정한 발전을 이룰 수 있다고 강조한다. 연구진은 "성능과 지구 환경 한계 내에서의 책임 있는 관리가 조화를 이룰 때 책임감 있는 AI가 가능하다"고 결론짓는다.

전문가들로부터 보고서 비판 받아

그러나 유엔 인공지능연구소(UNU)의 AI 보고서는 비판도 받고 있다. 빌레펠트 대학교의 AI 연구원인 다비드 카펠(David Kappel)은 "현재 인공지능의 자원 소비에 대한 신뢰할 수 있고 정확한 수치를 발표하는 것은 방대한 정보를 제대로 이해하는 데 매우 중요하다. 하지만 이 보고서는 이러한 기대에 부응하지 못하고 있다. 때로는 이해하기 어렵고, 오래된 데이터에 기반하고 있거나, 적절한 맥락에서 제시되지 않았다"고 지적했다. 예를 들어, 보고서에 인용된 전 세계 데이터 센터의 전력 구성 및 전력 소비량 수치는 2015년 데이터에 기반하고 있다.

여러 AI 전문가들은 딥시크(DeepSeek)와 같이 특히 효율적인 AI 모델이 고려되지 않았고, 하드웨어의 발전과 새로운 개발이 반영되지 않았다는 점도 비판했다. 독일 인공지능연구센터(DFKI)의 볼프강 마스(Wolfgang Maaß)는 "최근 몇 년간 기술적 효율성 향상은 놀라울 정도다"고 말했다. "양자화, 지식 정제, MoE 아키텍처, 그리고 플래시 어텐션(Flash Attention)과 같은 하드웨어별 최적화 기술은 이미 오늘날 상당한 효율성 향상을 가능하게 한다.”

물 발자국 데이터에 대한 또 다른 비판은 보고서가 소비와 사용을 구분하지 않는다는 점이다. 소비는 증발, 지하수 침투, 오염 등으로 더 사용할 수 없는 물을 의미한다. 반면 냉각이나 전력 생산에만 사용되는 물은 재사용이 가능하다. 포츠담 대학교의 수문학자 토르스텐 바게너(Thorsten Wagener)는 "에너지 생산 후 다른 용도로 사용할 수 있는 물이라면 훨씬 덜 문제가 된다"고 설명했다.

출처:
United Nations University – Institute for Water, Environment and Health, 2026, Report: Environmental Cost of AI’s Energy Use
유엔대학교 물·환경·보건연구소, 2026, 보고서: AI 에너지 사용의 환경 비용

[더사이언스플러스=문광주 기자]

[저작권자ⓒ the SCIENCE plus. 무단전재-재배포 금지]