AI의 환경 비용, Big Tech의 기후 약속을 압박하다

Google News는 충격적인 추산을 소개했다. 인공지능의 영향으로 데이터 센터는 2030년까지 매년 945테라와트시의 전력을 소비할 수 있다는 내용이다.

이 전망은 AI의 탄소·물·토지·전자폐기물 발자국을 분석한 United Nations University 보고서에서 나왔다. 이 보고서의 결과는 더 효율적인 칩과 청정에너지만으로 AI의 환경 비용을 통제할 수 있다는 업계의 주된 주장을 흔든다.

이제 갈등은 혁신과 기술을 싫어하는 사람들 사이의 대립이 아니다. 전 세계 규모로 AI를 제공하기 위해 필요한 물리적 인프라와 Big Tech의 기후 약속 사이의 충돌이다.

Google, Microsoft, Amazon, Meta 등 운영사들은 청정 전력, 효율적인 컴퓨팅, 물 복원에 투자해 왔다. 이러한 노력은 중요하다. 그러나 AI 서비스 수요는 많은 환경 개선책이 상쇄할 수 있는 속도보다 더 빠르게 증가하고 있다.

이 보고서는 측정 문제도 드러낸다. 기업들은 종종 AI와 기타 워크로드를 구분하지 않은 채 조직 전체의 전력 사용량, 배출량, 물 사용량만 공개한다. 연구자들은 불완전한 공개 정보를 바탕으로 AI의 비중을 추정해야 한다.

그 한계가 환경 압박을 허구로 만드는 것은 아니다. 오히려 책임성 격차를 더 중요한 문제로 만든다.

UN 보고서가 확장한 AI의 환경 청구서

핵심 결론은 AI가 모델 학습에 사용되는 전력을 훨씬 넘어선 환경 비용을 수반하는 물리적 시스템이라는 점이다.

2026년 6월 보고서는 United Nations University Institute for Water, Environment and Health에서 발표했다. 주요 데이터 센터 시장 전반의 전력 수요와 그에 따른 탄소·물·토지 발자국을 분석했다.

이 보고서의 환경 비용 보고서는 전 세계 데이터 센터 전력 사용량이 2030년에 약 945테라와트시에 이를 것으로 전망한다. 이는 2024년 추정치의 두 배를 넘는 수준이다.

International Energy Agency도 자체 모델링을 통해 같은 핵심 전력 전망에 도달했다. AI의 정확한 비중에는 여전히 불확실성이 있지만, 이 같은 일치는 광범위한 결론의 신뢰도를 높인다.

전력은 영향의 첫 번째 층위일 뿐이다. 전력 생산에는 물과 토지가 필요하고, 자재를 사용하며, 온실가스를 배출한다. 데이터 센터는 냉각을 위해서도 직접 물을 사용한다.

UN 연구진은 관련 물 발자국이 13억 명의 기본적인 연간 가정용 물 수요와 맞먹을 수 있다고 추정했다. 토지 발자국은 14,500제곱킬로미터를 넘을 것으로 전망했다.

이 비교는 13억 명에게서 물리적으로 물을 빼앗는다는 뜻이 아니라, 모델링된 전 세계 발자국을 설명한다. 물의 영향은 위치, 계절, 기술, 전력원에 크게 좌우되므로 이 구분은 중요하다.

물이 풍부한 지역에서 소비되는 1리터는 심각한 가뭄 중 소비되는 1리터와 같은 위험을 만들지 않는다. 전 세계 총량은 이런 지역적 차이를 가릴 수 있다.

보고서는 AI 인프라가 2030년까지 매년 최대 250만 톤의 전자폐기물을 발생시킬 수 있다고도 추정한다. 하드웨어가 개선되면서 서버, 가속기, 네트워킹 장비, 전력 시스템은 모두 교체가 필요하다.

학습이 반드시 가장 큰 지속적 부담은 아니다. 보고서는 추론으로 알려진 일상적 사용이 모델의 운영 수명 전반에서 대부분의 에너지 수요를 차지할 수 있다고 주장한다.

추론은 배포된 모델이 프롬프트에 답하거나, 이미지를 생성하거나, 문서를 처리할 때마다 수행하는 연산이다. 한 번의 응답이 남기는 발자국은 제한적이지만, 수십억 건의 반복 요청은 누적된다.

이 변화는 정책 질문을 바꾼다. 널리 쓰이는 AI 서비스의 평생 비용은 한 차례의 눈에 띄는 대규모 학습 실행만 측정해서는 설명할 수 없다.

영향력을 쥔 주체도 달라진다. 개발자는 모델 크기를 선택하고, 기업은 제품을 설계하며, 클라우드 제공업체는 인프라를 운영하고, 사용자는 연산 비용이 높은 기능을 얼마나 자주 실행할지 결정한다.

따라서 보고서는 환경 성과를 시스템 전체의 책임으로 본다. 한 계층의 효율 개선은 다른 곳에서 수요가 늘어나면 사라질 수 있다.

이것이 첫 번째 중요한 반전이다. AI의 환경 청구서는 모델 출시와 함께 끝나는 일시적 학습 비용이 아니다. 채택이 늘수록 계속 커진다.

Google News 헤드라인이 탄소를 넘어서는 이유

Google News 기사가 중요한 이유는 탄소만을 기준으로 한 회계가 물 사용, 토지 수요, 또는 지역사회 노출을 늘리는 선택에 보상을 줄 수 있기 때문이다.

기후 보도는 환경 성과를 하나의 배출량 수치로 압축하는 경우가 많다. 이 접근법은 비교를 쉽게 만들지만, 서로 다른 에너지원이 만드는 상충관계를 감출 수 있다.

UN 분석은 인상적인 사례를 제시한다. 모델링된 시나리오에 따르면 석탄을 바이오에너지로 대체하면 관련 탄소 배출량을 크게 줄일 수 있다.

그러나 보고서는 같은 대체가 물 발자국을 약 30배 늘릴 수 있다고 말한다. 토지 발자국은 약 100배 증가할 수 있다.

바이오에너지는 연료로 쓰일 식물 원료를 생산하기 위해 토지와 물을 필요로 한다. 탄소 프로필은 더 나아 보일 수 있지만, 더 넓은 자원 수요는 정반대 방향으로 움직일 수 있다.

교훈은 석탄이 더 낫다는 뜻이 아니다. 석탄은 심각한 기후·건강·오염 비용을 수반한다. 핵심은 하나의 환경 지표가 모든 결과를 대표할 수 없다는 점이다.

태양광은 화석 연료 발전보다 운영 단계의 탄소 발자국이 작지만, 대규모 설비에는 토지와 자재가 필요하다. 수력발전은 많은 환경에서 직접 탄소 집약도가 낮지만, 저수지는 생태계를 변화시킬 수 있다.

원자력 발전소는 제한된 토지 요구량으로 저탄소 전력을 제공한다. 그러나 냉각수, 긴 건설 기간, 신중한 폐기물 관리도 필요하다.

재생에너지 전력 인증서 역시 면밀한 검토가 필요하다. 연간 전력 소비량을 재생에너지 구매와 맞춘다고 해서 모든 데이터 센터가 매시간 무탄소 전력으로 운영된다는 의미는 아니다.

지역 기반 배출량은 현지 전력망에서 이용 가능한 전력을 반영한다. 시장 기반 회계는 다른 지역 프로젝트에서 구매한 계약이나 인증서를 반영할 수 있다.

두 측정 방식 모두 유용한 질문에 답한다. 그러나 어느 하나만으로는 추가 AI 워크로드가 피크 수요 시 지역 전력망 혼잡, 물 스트레스, 또는 화석 연료 발전을 초래하는지 드러낼 수 없다.

이것이 보고서의 시스템 전체 접근법이 주목받아야 하는 이유다. 모든 킬로와트시는 원천을 가지며, 모든 원천은 서로 다른 부담의 조합을 수반한다.

물 계산도 마찬가지로 복잡하다. 데이터 센터는 물을 취수할 수 있고, 증발을 통해 소비할 수 있으며, 발전소에서 사용하는 물에 간접적으로 의존할 수도 있다.

취수는 일부가 나중에 돌아오더라도 원천에서 제거된 물을 측정한다. 소비는 일반적으로 사용 후 즉각적인 유역에서 이용할 수 없게 되는 물을 뜻한다.

이 수치를 서로 바꿔 쓸 수 있는 것으로 취급해서는 안 된다. 공개 보고에서는 종종 한쪽만 제시하고 다른 쪽은 불분명하게 남긴다.

공급망은 또 다른 층위를 더한다. 첨단 칩은 고순도 물, 에너지 집약적 제조, 특수 화학물질, 핵심 광물에 의존한다.

완성된 가속기는 서버 랙 안에서 깨끗해 보인다. 하지만 그 내재된 영향은 설치 훨씬 전부터 시작되며 여러 국가에 걸칠 수 있다.

AI의 혜택도 국경을 넘지만, 인프라 부담은 특정 지역에 집중된다. 사용자는 이를 생산하는 데이터 센터에서 수천 마일 떨어진 곳에서도 즉각적인 응답을 받을 수 있다.

호스트 지역사회는 물 수요, 송전선, 비상 발전기, 건설, 토지 전환을 경험한다. 일자리와 세수 혜택을 얻을 수 있지만, 그러한 혜택이 자동으로 공정하게 분배되는 것은 아니다.

이 지리적 분리는 일반적인 소비자 피드백을 약화시킨다. 사용자는 프롬프트가 어디에서 실행되는지, 그곳의 자원 조건이 어떤지 거의 알지 못한다.

원래 Google News 목록은 이 결과를 우려스러운 환경 이야기로 제시했다. 더 중대한 결론은 현재의 대시보드로는 책임을 완전히 배분할 수 없다는 점이다.

전 세계 탄소 총량은 주민들에게 제안된 시설이 지하 대수층에 부담을 줄지 알려줄 수 없다. 물 보충 프로젝트도 다른 유역에서 손실된 물을 자동으로 대체할 수는 없다.

따라서 환경 회계는 더 지역적이고, 시의적절하며, 워크로드별로 구체화되어야 한다. 이런 변화가 없다면 겉보기에는 정밀한 총량도 잘못된 결정을 낳을 수 있다.

Big Tech의 기후 약속, 인프라 현실과 맞서다

핵심 충돌은 기업의 기후 약속과 절대적인 자원 수요를 계속 늘리는 AI 인프라 확장 사이에 있다.

Google의 최신 공개 자료는 이러한 긴장을 잘 보여준다. 이 회사는 인프라 확장에 따라 2025년 전력 수요가 전년 대비 37% 증가했다고 보고했다.

Google은 운영 배출량이 전년 대비 2% 감소했다고도 밝혔다. 한 해 동안 12기가와트를 넘는 신규 청정에너지 계약을 체결했다.

2026 환경 보고서에 따르면 효율성과 에너지 이니셔티브를 통해 5,800만 톤이 넘는 이산화탄소 환산량 배출을 피했다. Google은 77억 갤런의 물을 보충했다고도 보고했다.

이 수치는 진지한 완화 노력이 진행 중임을 보여준다. 그러나 확장이 환경적으로 중립적이 되었다는 것을 입증하지는 않는다.

회사는 AI 인프라가 전력망의 탈탄소화 속도보다 빠르게 성장하고 있음을 인정했다. 이 인정은 개별 프로젝트 목록보다 업계의 핵심 문제를 더 명확하게 포착한다.

효율성 조치는 정해진 컴퓨팅 단위에 필요한 자원을 줄인다. 그렇다고 총수요가 감소한다고 보장하지는 않는다.

쿼리 하나에 필요한 에너지가 절반으로 줄어드는 동시에 쿼리 규모가 세 배가 되면, 전체 전력 소비량은 여전히 증가한다. 경제학자들은 이를 흔히 반동 효과라고 부른다.

AI 제품은 사용량을 늘리도록 설계된다. 제공업체들은 검색, 오피스 소프트웨어, 휴대폰, 광고 시스템, 코딩 환경, 고객 서비스, 미디어 도구에 모델을 넣고 있다.

멀티모달 기능은 특히 연산 집약적일 수 있다. 이미지, 오디오, 비디오 생성은 일반적으로 짧은 텍스트 답변을 반환하는 것보다 더 많은 처리를 요구한다.

에이전트 기반 제품은 또 다른 배수를 더한다. 하나의 사용자 요청이 결과를 내기 전에 반복적인 모델 호출, 검색, 도구 실행, 검증 단계를 유발할 수 있다.

제공업체는 각 호출을 개선할 수 있지만 제품은 더 많은 호출을 수행한다. 이런 긴장 때문에 쿼리당 개선과 기업 전체 수요 증가는 양립할 수 있다.

Google은 중간값 Gemini 텍스트 프롬프트와 관련된 에너지, 탄소, 물을 추정한 연구를 공개했다. 이 연구는 칩, 호스트 시스템, 유휴 용량, 시설 오버헤드를 고려함으로써 측정을 진전시켰다.

하지만 한 제공업체의 중간값 프롬프트가 전체 시장을 대표할 수는 없다. 결과는 모델 크기, 출력 길이, 하드웨어 활용률, 전력망 구성, 냉각 조건에 따라 달라진다.

Microsoft, Amazon, Meta 역시 서로 다른 지역에서 서로 다른 장비군을 운영한다. 이들의 회계 경계와 보고 분류는 동일하지 않다.

따라서 헤드라인 수치를 비교하면 허위 정밀성을 만들어낼 수 있다. 더 많은 항목을 공개하는 기업이 더 좁은 총량만 발표하는 기업보다 더 나빠 보일 수 있다.

이 때문에 투명성은 경쟁의 일부가 되었다. 환경 보고는 더 이상 평판을 위한 문서로만 기능하지 않는다.

전력회사, 규제기관, 주민, 투자자, 기업 고객은 인프라 약속을 평가하기 위해 이 데이터가 필요하다. 또한 일관된 정의도 필요하다.

업계의 긍정적 측면을 외면해서는 안 된다. AI는 전력망 운영을 개선하고, 재생에너지 발전량을 예측하며, 건물을 최적화하고, 운송 연료 사용을 줄이고, 기후 모델링을 강화할 수 있다.

Google은 9개 제품이 2025년 동안 사용자와 파트너가 약 4,100만 미터톤의 배출을 피하는 데 기여했다고 밝혔다. 이러한 활용 사례는 상당한 가치를 창출할 수 있다.

그러나 회피 배출량은 반사실적 추정치다. 이는 관측되거나 모델링된 결과를, 해당 제품이 없었다면 연구자들이 발생했을 것이라고 보는 결과와 비교한다.

직접 전력 소비량과 추정 회피 배출량은 동등한 회계 범주가 아니다. 이를 하나의 순수치로 결합하려면 투명한 가정이 필요하다.

업계는 주장하는 혜택이 추가적이고, 측정 가능하며, 지속적이라는 점을 입증해야 한다. 또한 누가 그 혜택을 받고 누가 비용을 부담하는지도 보여줘야 한다.

유용한 환경 성과표는 절대 수요, 효율성, 지역 자원 압박, 내재된 영향, 검증된 다운스트림 혜택을 구분해야 한다. 현재 기업 보고서는 이 그림을 일부만 제공한다.

더 많은 인프라가 인허가 절차에 들어서면서 압박은 커질 것이다. 기업은 더 이상 모든 지역적 우려에 답하기 위해 전 세계 청정에너지 구매에만 의존할 수 없다.

청정에너지가 자원 간 상충관계를 없애지는 않는다

가장 어려운 환경적 결정은 더 깨끗한 에너지를 사용할지 여부가 아니라, 물·토지·자원으로 피해를 전가하지 않으면서 탄소를 어떻게 줄일 것인가다.

에너지 수요 전망은 2030년까지 데이터센터 전력 소비량이 약 945테라와트시로 늘어날 것으로 예상한다. AI는 이 성장의 가장 중요한 동력이다.

IEA는 2030년까지 늘어나는 수요의 약 절반을 재생에너지가 충당할 것으로 예상한다. 천연가스, 석탄, 원자력도 증가하는 데이터센터 부하에 전력을 공급할 것이다.

이러한 혼합 전력 공급은 중요하다. 새로운 시설은 개발업체의 지속가능성 선언문으로 운영되지 않는다. 장비에 연결된 실제 전력망으로 운영된다.

전력구매계약은 청정 발전을 위한 자금을 조달할 수 있으며, 이는 가치가 있다. 그러나 송전 제약과 계통연계 지연은 그 발전량을 새 수요가 발생하는 시간대와 장소로부터 분리할 수 있다.

데이터센터는 높은 신뢰성을 요구한다. 바람이 잔잔한 밤, 폭염, 흐린 기간, 장비 고장, 전력망 비상 상황에도 전력이 필요하다.

더 깨끗한 발전 설비가 충분히 빠르게 가동되지 못할 경우 화석연료 발전이 단기 공백을 메울 수 있다. IEA는 긴 접속 대기열이 고성장 시나리오에서 더 많은 수요를 화석연료로 향하게 할 수 있다고 경고한다.

지역적 집중은 문제를 더욱 선명하게 만든다. 데이터센터는 전 세계 전력 소비에서 차지하는 비중이 크지 않지만, 개별 클러스터는 지역 부하 증가를 지배할 수 있다.

따라서 전 세계 비율은 관리 가능한 수준으로 보일 수 있지만, 특정 전력회사는 대규모 확장 필요에 직면할 수 있다. 새 변전소, 송전선, 발전 설비는 계획에 수년이 걸린다.

지역적 혜택이 분명해지기 전에 주민들이 더 큰 위험을 감당할 수 있다. 여기에는 소음, 토지 전용, 디젤 발전기 오염, 제한된 물 공급을 둘러싼 경쟁이 포함된다.

냉각 설계에는 실질적인 선택지가 있다. 증발식 시스템은 전력 사용량을 줄일 수 있지만 물을 소비한다. 공랭식 냉각은 직접적인 물 소비를 줄일 수 있지만 더운 조건에서는 더 많은 전력을 사용한다.

폐쇄형 순환 시스템은 냉각수를 재사용하지만, 여전히 에너지가 필요하고 주기적인 보충수가 필요할 수 있다. 침지 및 액체 냉각은 고밀도 AI 하드웨어를 더 효율적으로 처리할 수 있지만, 도입에는 새 장비가 필요하다.

모든 상황에 적용되는 최선의 설계는 없다. 책임 있는 선택은 기후, 전력망 구성, 물 스트레스, 시설 밀도, 예상 워크로드에 따라 달라진다.

그렇기 때문에 시설 단위 공개가 필수적이다. 기업 전체 물 사용량만으로는 이미 스트레스를 받는 유역에서 소비가 늘었는지 알 수 없다.

연간 보고는 계절적 노출도 놓칠 수 있다. 습한 달의 물 사용량은 가뭄이나 폭염 중에 소비되는 동일한 물량과 다르다.

토지 회계도 마찬가지로 신중해야 한다. 그 범위에는 시설 자체뿐 아니라 이를 뒷받침하는 발전, 송전, 채굴, 제조, 폐기물 관리가 포함된다.

기업은 한 요소를 줄이면서 다른 요소를 확대할 수 있다. 더 조밀한 데이터센터는 직접 사용하는 토지는 줄이지만, 같은 부지에서 더 큰 냉각 및 전력망 수요를 만들 수 있다.

하드웨어 교체 주기는 또 다른 상충관계를 더한다. 새 가속기는 구형 시스템보다 전력 단위당 더 많은 작업을 수행할 수 있다.

하드웨어를 빠르게 교체하면 운영 효율은 개선될 수 있다. 동시에 제조 단계의 영향과 전자폐기물은 증가할 수 있다.

구형 장비를 더 오래 사용하면 교체 수요는 줄지만, 비효율적인 칩은 동일한 워크로드에 더 많은 전력을 소비할 수 있다. 전 과정 분석은 두 효과를 모두 비교해야 한다.

소프트웨어 팀도 이 방정식에 영향을 미친다. 더 작은 모델은 가장 큰 가용 시스템을 호출하지 않고도 많은 분류, 요약, 검색 작업을 처리할 수 있다.

반복되는 결과를 캐싱하고, 불필요한 출력을 제한하며, 단순한 요청을 효율적인 모델로 라우팅하면 연산량을 줄일 수 있다. 이러한 기법은 새 데이터센터에 쏠리는 관심을 받는 경우가 드물다.

그럼에도 중요한 이유는 추론 수요가 매일 반복되기 때문이다. 수십억 건의 상호작용에 곱해지는 작은 감소는 단일 최적화 학습 실행에서 얻는 절감보다 클 수 있다.

기업 구매자는 이 지점에서 영향력을 행사할 수 있다. 조달팀은 공급업체에 워크로드별 에너지 산정 방식, 지역 호스팅 옵션, 모델 라우팅 제어, 보존 정책을 요구할 수 있다.

개발자는 모든 인터페이스에 자동 생성 기능이 필요한지 의문을 제기할 수도 있다. 사용되지 않는 콘텐츠를 만드는 기능도 여전히 자원을 소비한다.

목표는 가치 있는 AI 사용을 억제하는 것이 아니다. 인프라 결정이 영구화되기 전에 가치 있는 연산과 낭비적인 연산을 구분하는 것이다.

숫자가 여전히 입증할 수 없는 것

이 보고서는 신뢰할 만한 방향성을 제시하지만, 가장 큰 전망치는 AI만의 정밀 측정치가 아니라 시나리오로 다뤄야 한다.

첫 번째 한계는 귀속 문제다. 데이터센터는 클라우드 저장소, 스트리밍, 엔터프라이즈 소프트웨어, 암호화폐 서비스, 기존 컴퓨팅, AI 워크로드를 호스팅한다.

운영업체는 워크로드별 완전한 분석을 거의 공개하지 않는다. 연구자들은 시장 전망, 하드웨어 가정, 기업 전체 성과를 활용해 AI 비중을 추정해야 한다.

이로 인해 불확실성 범위가 넓어진다. 전망치는 특정 모델이나 제품의 정확한 발자국을 예측하지 못하더라도 방향성 측면에서 유용할 수 있다.

945테라와트시 수치는 AI만이 아니라 전 세계 데이터센터 수요를 포괄한다. IEA는 다른 디지털 서비스와 함께 AI를 가장 큰 성장 동력으로 지목한다.

전체 수치를 AI에 할당하는 설명은 기초 증거가 보여주는 범위를 과장한다. 신중한 보도는 이 경계를 유지해야 한다.

두 번째 한계는 물 비교와 관련된다. 어떤 발자국이 13억 명의 기본적인 생활 수요와 같다고 말하는 것은 규모를 전달한다.

그렇다고 데이터센터가 그 사람들에게 공급됐을 물을 직접 소비한다는 뜻은 아니다. 추정치의 상당 부분은 서로 다른 지역의 전력 생산과 연관된 물을 반영한다.

이 비교는 정의된 기본 수요 기준도 사용한다. 실제 가정용 소비는 국가, 기후, 인프라, 소득에 따라 크게 달라진다.

세 번째 한계는 미래 기술이다. 모델, 칩, 냉각 시스템, 소프트웨어 최적화는 2030년 이전에 변화할 것이다.

효율은 예상보다 빠르게 개선될 수 있다. 반면 영상 생성, 에이전트, 로보틱스, 내장형 어시스턴트가 확대되면서 수요도 더 빠르게 늘 수 있다.

이 힘들은 반대 방향으로 움직인다. 순효과를 예측하려면 도입률과 각 작업이 사용하는 컴퓨팅 양에 대한 가정이 필요하다.

네 번째 한계는 일관되지 않은 기업 보고다. 조직은 운영 배출, 공급망 배출, 취수, 소비, 보충에 서로 다른 경계를 적용한다.

일부 수치는 제3자 검증을 받지만, 다른 수치는 내부 추정에 의존한다. 독자는 모든 지속가능성 지표를 직접 비교할 수 있다고 여겨서는 안 된다.

보충에는 특별한 주의가 필요하다. 습지를 복원하거나 물 프로젝트에 자금을 지원하면 유역 건강과 지역사회 접근성을 개선할 수 있다.

그러나 보충이 모든 지역적 영향을 없애지는 않는다. 한 유역의 프로젝트가 다른 유역에서 소비된 물을 자동으로 상쇄할 수는 없다.

탄소 매칭도 비슷한 문제가 있다. 연간 재생에너지 구매량이 연간 소비량과 같아도, 시간대별 운영은 여전히 화석연료 비중이 높은 전력에 의존할 수 있다.

다섯 번째 불확실성은 AI의 환경적 혜택과 관련된다. 이 기술은 에너지 효율을 개선하고 과학 연구를 가속할 수 있다.

IEA는 AI가 전력 시스템을 최적화하고 운영상 절감 기회를 식별할 수 있는 가능성을 문서화했다. 이러한 혜택은 타당하며 일부 활용 사례에서는 이미 확인되고 있다.

그 총규모는 여전히 검증하기 어렵다. 기업은 모델링된 모든 고객 혜택을 인프라 발자국에서 단순히 빼서는 안 된다.

일부 개선은 일반적인 소프트웨어, 운영 변화, 기존 자동화를 통해서도 발생했을 수 있다. 다른 개선은 활동의 비용을 낮춰 반동 효과를 유발할 수 있다.

따라서 가장 강한 결론은 하나의 무서운 숫자가 아니라 거버넌스에 관한 것이다. 의사결정권자들은 AI 인프라를 평가할 표준화되고 세분화된 데이터가 부족하다.

UN 투명성 제안은 기업에 탄소 오염, 물 사용, 토지 영향을 공개하도록 요구한다. 또한 더 깨끗한 에너지에 대한 약속도 촉구한다.

의무적인 공통 기준은 비교를 개선하겠지만, 공개만으로 정책을 결정할 수는 없다. 규제당국에는 여전히 지역 물 스트레스, 전력망 준비도, 오염, 지역사회 혜택에 대한 기준선이 필요하다.

공개 데이터에는 시설 위치, 연간 및 계절별 물 소비량, 냉각 유형, 에너지 수요, 지역 전력망 배출량, 비상 발전이 포함돼야 한다.

워크로드 수준 보고는 추정 방법을 설명해야 한다. 보안에 민감한 운영 세부사항을 노출해서는 안 되지만, 비밀주의가 기본값으로 남아서는 안 된다.

Google News 헤드라인은 이해할 만한 경각심을 포착한다. 증거는 특히 인프라 성장의 속도와 집중도에 대한 우려를 뒷받침한다.

그렇다고 모든 프롬프트에 하나의 고정된 전 세계 발자국이 있다고 볼 수는 없다. 환경 영향은 무엇이 실행되는지, 어디서 실행되는지, 무엇이 전력을 공급하는지에 달려 있다.

이러한 복잡성은 지연의 이유가 아니다. 기업이 다음 세대 시설을 고정하기 전에 더 나은 측정을 요구해야 하는 이유다.

AI가 책임 있게 성장할 수 있는지를 보여줄 세 가지 신호

다음 시험대는 공개, 청정전력 공급, 컴퓨팅 효율이 절대적인 AI 수요보다 더 빠르게 개선될 수 있는지 여부다.

첫 번째 신호는 표준화된 시설 단위 보고다. 규제당국이나 주요 운영업체가 비교 가능한 전력, 물, 토지, 배출 데이터를 공개하는지 지켜봐야 한다.

가장 유용한 공개는 취수와 소비를 구분할 것이다. 또한 유역 상태를 식별하고, 연간 재생에너지 매칭과 시간별 무탄소 전력을 구별할 것이다.

공통 보고 기준이 등장하면 UN 보고서의 책임성 주장은 더 강해지고 집행하기도 쉬워진다. 공개가 자발적이고 일관되지 않은 상태로 남으면 가장 큰 주장은 계속 검증하기 어려울 것이다.

두 번째 신호는 AI 클러스터가 성장하는 곳에서 새 청정전력이 실제로 공급되는지다. 발표된 계약은 프로젝트가 관련 전력망에 연결될 때만 의미가 있다.

재생에너지, 원자력, 지열, 저장장치, 송전 프로젝트는 각각 다른 일정이 필요하다. 지연은 단기 수요의 더 큰 부분을 천연가스나 석탄이 충당하게 만들 수 있다.

계통연계 대기열, 전력회사의 자원 계획, 데이터센터 접속 계약을 주시해야 한다. 이 문서들은 기업 구호보다 실제 전력 공급에 대해 더 많은 것을 보여준다.

진전은 신규 서버와 함께 청정 발전과 전력망 용량도 확보되는 것을 의미한다. 전력망 병목 현상이 계속된다면 인프라 확장이 기후 목표와 양립할 수 있다는 주장은 약화될 것이다.

세 번째 신호는 워크로드별 효율성이다. 칩 제조사와 모델 제공업체는 와트당 성능 향상을 꾸준히 발표하지만, 결국 결정적인 지표는 총소비량이다.

기업은 에이전트, 더 긴 출력, 멀티모달 생성까지 고려했을 때 효율성이 완료된 작업당 절대 에너지 사용량을 낮추는지 공개해야 한다.

개발자는 일상적인 작업을 더 작은 모델로 라우팅하고 불필요한 연산을 제한함으로써 기여할 수 있다. 구매자는 조달 검토 과정에서 신뢰할 수 있는 환경 방법론을 요구할 수 있다.

지식 노동자에게도 비례에 맞는 선택을 할 수 있을 만큼의 정보가 필요하다. 그렇다고 유용한 도구를 사용하기 전에 모든 프롬프트를 하나하나 세어야 한다는 뜻은 아니다.

이는 반복적인 생성에 물리적 비용이 따른다는 점을 인식한다는 의미다. 팀은 동일한 분석을 반복해서 새로 만들기보다 가치 있는 발견을 개인 지식 베이스에 보존할 수 있다.

더 넓은 기준은 실용성을 유지해야 한다. 높은 가치를 지닌 의료, 과학, 접근성, 기후 분야의 활용은 상당한 연산을 정당화할 수 있다.

가치가 낮은 자동화 콘텐츠와 사용되지 않는 출력은 더 큰 회의적 검토를 받아야 한다. 책임 있는 AI 경제는 가능한 한 많은 생성량이 아니라 결과를 최적화해야 한다.

Google News는 우려스러운 전망에 관심을 불러일으켰지만, 관심은 시작일 뿐이다. 진짜 질문은 기업이 자사의 환경 주장을 검증할 수 있을 만큼 충분한 데이터를 공개할지 여부다.

독자는 무엇이 측정되는지, 어떤 전력 프로젝트가 실제로 연결되는지, 그리고 총자원 수요가 감소세로 전환하는지 지켜봐야 한다. 이러한 신호는 AI 효율성이 진정한 진전을 뜻하는지, 아니면 더 많이 소비해도 된다는 허가에 불과한지를 보여줄 것이다.