# 제번스의 역설과 AI: 효율만으로는 충분하지 않은 이유

> 제번스의 역설과 리바운드 효과란 무엇인지, AI 질의당 비용이 낮아져도 AI 총에너지 사용이 늘 수 있는 이유, 연구자들이 효율에 상한이 필요하다고 말하는 이유를 설명합니다.

Source: https://greenai.guide/ko/기사/제번스의-역설과-ai-효율만으로는-충분하지-않은-이유/  
Updated: 2026-11-20

## 요약

제번스의 역설은 1865년 윌리엄 스탠리 제번스(William Stanley Jevons)가 처음 제시한 발견으로, 석탄을 더 효율적으로 쓰게 되자 영국이 석탄을 덜이 아니라 더 많이 태웠다는 것입니다. AI에서도 질의 하나하나는 훨씬 저렴하고 효율적이 되고 있지만, 데이터 센터의 총전력 사용량은 빠르게 늘고 있습니다. 디지털 기술의 기후 영향을 연구하는 연구자들은 총배출량에 상한이 있을 때만 효율이 실제 배출 감축으로 이어진다고 주장합니다.

## 핵심 내용

- 제번스의 역설: 자원을 쓰는 비용이 낮아지면 그 자원의 총사용량이 늘 수 있습니다. 제번스는 1865년 석탄에서 이를 보여 주었습니다.
- 리바운드는 직접적(같은 작업을 더 많이), 간접적(절약분을 다른 곳에 지출) 또는 경제 전반에 걸쳐 나타날 수 있으며, 절감분보다 커지면 백파이어(backfire)라고 부릅니다.
- Google은 Gemini 텍스트 프롬프트 중앙값의 에너지가 1년 만에 33분의 1로 줄었다고 보고했지만, IEA는 데이터 센터 전력 사용량이 2030년까지 두 배 넘게 늘어날 것으로 전망합니다.
- Freitag, Berners-Lee와 동료들은 ICT의 기후 발자국이 과소평가되어 있으며, ICT 덕분에 절감한다는 주장은 근거가 약하다고 보았습니다.
- Widdicks와 동료들은 배출 제약 아래의 효율만이 효율을 진정한 배출 감축으로 바꾸는 유일한 방법이라고 결론 내립니다.
- 실천 방법: 총량을 측정하고, 예산이나 상한을 정하고, 남는 용량은 폐기하고, AI는 가치를 더하는 곳에서만 쓰십시오.

AI는 매우 빠르게 효율적이 되고 있고, AI의 총에너지 사용량도 매우 빠르게 늘고 있습니다. 이 두 사실은 모순이 아닙니다.
제번스의 역설이라고 알려진 160년 된 양상입니다. 이 글은 이 역설과, 그것이 AI에 적용된다는 근거, 디지털 기술을 기후
해법으로 다루는 데 대해 연구자들이 제기한 우려, 그리고 효율을 실제로 배출 감소로 바꾸는 방법을 설명합니다. 효율과
충분성의 기본 개념은 [효율은 충분성이 아닙니다](/ko/기사/효율은-충분성이-아닙니다-ai의-리바운드-효과/)부터 읽어 보십시오.

## 제번스의 역설이란 무엇일까요? {#what-is-the-jevons-paradox}

**제번스의 역설은 자원을 더 효율적으로 쓰는 것이 그 자원을 덜이 아니라 더 많이 쓰게 만드는 현상입니다.** 경제학자
윌리엄 스탠리 제번스(William Stanley Jevons)는 1865년, 영국의 탄광이 고갈될지를 다룬 책 *The Coal Question(석탄
문제)*에서 이를 제시했습니다.

제번스는 효율이 석탄을 아껴 줄 것이라는 생각에 동의하지 않았습니다. 그는 "연료를 경제적으로 쓰는 것이 소비 감소와 같다고
생각하는 것은 완전히 생각의 혼동이다. 진실은 정반대다."라고 썼습니다. 그의 논리는, 더 저렴해진 증기 동력 덕분에 석탄을
훨씬 많은 일에 쓸 가치가 생겨, 기관 하나하나의 사용량이 줄어드는 것보다 총수요가 더 빠르게 늘었다는 것입니다.

이 통찰의 요점은 효율이 나쁘다는 것이 아닙니다. 효율이 어떤 일을 하는 가격을 바꾸고, 사람과 기업, 경제 전체가 가격에
반응한다는 것입니다.

## 리바운드 효과란 무엇일까요? {#what-is-the-rebound-effect}

**리바운드 효과는 효율 향상이 불러오는 추가 사용으로, 절감분을 잠식합니다.** 제번스의 역설은 그 가장 극단적인 형태입니다.
Widdicks와 동료들은 2023년 학술지 *Patterns*에 실린 논문에서 주요 유형을 다음과 같이 설명합니다.

| 유형 | 일어나는 일 | AI의 예 |
|---|---|---|
| 직접 리바운드 | 같은 서비스가 저렴해져 더 많이 쓰입니다 | 프롬프트가 저렴해지면 프롬프트가 늘고, 답변이 길어지고, 에이전트 호출이 많아집니다 |
| 간접 리바운드 | 절약한 돈이나 시간을 역시 에너지를 쓰는 다른 일에 씁니다('소득 효과'와 '시간 리바운드') | AI 비서로 절약한 시간을 에너지를 더 많이 쓰는 활동에 씁니다 |
| 경제 전반의 리바운드 | 더 넓은 경제가 적응합니다. 저렴해진 투입물 위에 새 제품, 시장, 산업이 성장합니다 | 검색, 휴대폰, 사무용 소프트웨어에 AI가 기본으로 탑재됩니다 |

리바운드가 절감분보다 커서 총사용량이나 배출량이 늘어나면 이를 **백파이어(backfire)**라고 부릅니다. 같은 저자들은 세계
경제 전반에서 대부분의 제품과 서비스의 에너지 효율 향상이 1850년 이후 연평균 1.8%의 전 세계 탄소 배출 증가와 함께
진행되어 왔다고 지적합니다. 이들은 이것이 효율이 배출 증가를 일으킨다는 증거는 아니며, 그렇지 않다면 효율이 없었을 때
배출이 훨씬 더 빠르게 늘었어야 한다는 뜻일 뿐이라고 조심스럽게 덧붙입니다.

용어집의 [리바운드 효과](/ko/용어집/#rebound-effect)와 [제번스의 역설](/ko/용어집/#jevons-paradox)을 참고하십시오.

## AI에서도 제번스의 역설이 일어나고 있을까요? {#is-the-jevons-paradox-happening-in-ai}

**근거는 그쪽을 가리킵니다. 질의당 에너지는 빠르게 줄고 있는데 데이터 센터의 총전력 사용량은 늘고 있습니다.** 서로 다른
출처에서 나온, 널리 인용되는 두 수치가 이 양상을 보여 줍니다.

- **질의당.** Google은 2025년, Gemini Apps 텍스트 프롬프트 중앙값이 0.24 Wh의 에너지를 쓰며, 12개월 동안 프롬프트
  중앙값당 에너지가 33분의 1로, 탄소 발자국이 44분의 1로 줄었다고 보고했습니다.
- **총량.** 국제에너지기구(IEA)는 데이터 센터가 2024년에 약 415 TWh, 즉 전 세계 전력의 약 1.5%를 썼으며, 이 사용량이
  2017년 이후 매년 약 12%씩 늘었다고 추정합니다. IEA는 2030년까지 사용량이 두 배 넘게 늘어 약 945 TWh가 될 것으로
  전망하며, AI가 "이 성장의 가장 중요한 원인"이라고 봅니다.

이 수치만으로 인과관계가 입증되지는 않습니다. AI 수요는 가격 외의 이유로도 늘기 때문입니다. 그러나 질의당 큰 향상이
총사용량 증가를 막지 못했다는 것은 보여 줍니다. IEA도 효율 개선 속도를 전망의 주요 불확실성 가운데 하나로 다룹니다.
IEA 시나리오 전반에 걸쳐 2035년 데이터 센터 수요는 700~1,700 TWh입니다.

AI에는 리바운드를 특히 일으키기 쉬운 특징이 있습니다. [추론](/ko/용어집/#inference) 비용이 낮아지면 제공업체는 사람들이
이미 쓰는 도구에 AI를 기본값으로 넣을 수 있고, 에이전트는 작업당 여러 번 모델을 호출할 수 있습니다
([에이전틱 AI와 토큰 낭비](/ko/기사/에이전틱-ai와-토큰-낭비/) 참고). 또 절감분은 저축되기보다 더 큰 모델이나 더 긴
컨텍스트 같은 역량에 쓰이는 경우가 많습니다.

## 마이크 버너스리와 동료들은 어떤 우려를 제기했을까요? {#what-concerns-have-mike-berners-lee-and-colleagues-raised}

**이들은 디지털 기술의 기후 영향이 과소평가되어 있고, 그 효율 향상이 수요에 의해 일상적으로 상쇄되며, 기후 편익 주장에는
훨씬 나은 근거가 필요하다고 주장합니다.** 랭커스터 대학교에 기반을 둔 Small World Consulting의 설립자 마이크
버너스리(Mike Berners-Lee)는 탄소 발자국 산정 전문가로, 이 문제를 다룬 *Patterns* 논문 두 편의 공동 저자입니다.

### 발자국은 보고된 것보다 큽니다 {#the-footprint-is-bigger-than-reported}

Freitag, Berners-Lee, Widdicks, Knowles, Blair, Friday는 2021년 정보통신기술(ICT)의 기후 영향 추정치를 검토했습니다.
이들은 동료 심사를 거친 연구들이 ICT를 전 세계 온실가스 배출의 1.8~2.8%로 보지만, 표준 전 과정 연구에서 빠진 공급망
('절단 오차')까지 계산하면 그 비중이 2.1~3.9%가 될 수 있다는 것을 발견했습니다.

### 효율은 총량을 줄이지 못했습니다 {#efficiency-has-not-cut-the-total}

같은 검토에서 1인당 연산과 기기 수요가 효율 개선을 앞질러, ICT의 에너지 사용과 발자국이 해마다 계속 늘었다는 것이
드러났습니다. 검토 대상이 된 모든 분석가는 ICT 배출이 "광범위한 정치적, 산업적 행동을 포함한 대대적이고 공동의 노력 없이는
줄지 않을 것"이라는 데 동의했습니다. 저자들은 개입이 없다면 배출이 늘 것으로 예상하는 이유를 제시했고, 수요 포화로 인한
자연스러운 정점은 가능성이 낮다고 판단했습니다. 공정하게 말하면, 이들은 연구자 옌스 말모딘(Jens Malmodin)이 개인적으로
전한 반대 견해, 즉 ICT 배출이 현재로서는 안정되었으며 2030년까지 절반으로 줄 수 있다는 견해도 함께 소개합니다.

### '기후를 위한 AI' 주장에는 순편익의 근거가 부족합니다 {#ai-for-climate-claims-lack-evidence-of-net-benefit}

업계 보고서들은 ICT가 다른 부문에서 자체 배출의 몇 배를 절감할 수 있다고 주장해 왔습니다. Freitag와 동료들은 이런
추정치가 리바운드를 매우 제한적으로만 다루며, ICT는 배출을 줄이는 만큼이나 탄소 집약적 산업을 포함한 성장을 부추길 수도
있다고 주장합니다. 이들은 "ICT 성장 추세가 더하는 것보다 더 많은 탄소 배출을 절감할 것이라는 근거가 의심스러운데도"
블록체인, 사물 인터넷, AI에 대한 투자와 도입이 늘고 있다고 씁니다. 이들의 주장에 따르면 ICT는 탄소 집약적 활동 위에
덧붙여지는 것이 아니라 그것을 대체할 때만 다른 곳의 배출을 줄입니다.

이것이 AI가 기후에 도움이 될 수 없다는 뜻은 아닙니다. 각 주장은 AI 자체의 발자국과 리바운드를 계산에 넣은 순편익을
보여 주어야 한다는 뜻입니다. [그린 AI와 AI for Green의 차이](/ko/기사/그린-ai와-ai-for-green-친환경을-위한-ai-의-차이/)를 참고하십시오.

### 효율에는 상한이 필요합니다 {#efficiency-needs-a-cap}

전문가 19명이 참여한 워크숍을 바탕으로 한 Widdicks와 동료들의 2023년 논문은 "온실가스 배출 제약 아래의 효율만이
진정한 배출 감축을 위한 효율을 실현할 수 있는 유일한 방법"이라고 결론 내립니다. 2021년 검토는 전 지구적 탄소 제약이
없다면 ICT의 발자국을 파리 협정에 맞추기 위해 새로운 규제가 필요하다고 주장합니다. 두 논문 모두 상한이 이 부문에도
이롭다고 봅니다. 제약 아래에서는 효율의 가치가 줄지 않고 오히려 커지기 때문입니다.

### 그의 말로 {#in-his-own-words}

THINK Digital Partners의 보도에 따르면, 버너스리는 2026년 2월 런던에서 정부 디지털 책임자들에게 리바운드 문제를 "효율이
높아질수록 우리는 더 많이 한다"라고 요약했고, "많은 사람이 모든 문제에 AI와 머신러닝이라는 큰 망치를 휘두르고 있다"고
경고했습니다.

## 무엇이 효율을 실제 절감으로 바꿀까요? {#what-turns-efficiency-into-real-savings}

**모든 효율 향상을 총량 제한과 짝짓고, 총량을 측정하십시오.** 위의 연구는 다섯 가지 실천 수단을 가리킵니다.

### 예산이나 상한 안에서 일하기 {#work-under-a-budget-or-cap}

제품, 팀, 프로젝트에 에너지, 배출, 컴퓨팅, token의 절대 예산을 정하고, 효율이 좋아져도 그 예산을 유지하십시오. 그러면
효율은 총량을 끌어올리는 대신 예산 안에서 더 많은 일을 할 수 있게 해 줍니다.

### 단위당 수치만이 아니라 절대 영향을 측정하기 {#measure-absolute-impact-not-just-per-unit-figures}

어떤 모델이 '10배 더 효율적'이라는 주장은 총배출이 줄었는지에 대해 아무것도 말해 주지 않습니다. 작업당 에너지와 함께
시간에 따른 총에너지와 총배출을 보고하십시오. [AI 에너지를 측정하는 방법](/ko/모범-사례/ai의-에너지와-탄소를-측정하는-방법/)을 참고하십시오.

### 충분성 실천하기 {#practise-sufficiency}

AI는 실제 가치를 더하는 곳에서 쓰고, 쓸 때는 충분한 성능을 내는 가장 작은 모델을 쓰십시오. 공식, 검색, 데이터베이스
질의로 극히 일부의 에너지만으로 일을 해낼 수 있는 경우가 많습니다. [충분성](/ko/용어집/#sufficiency)을 참고하십시오.

### 절감분 지키기 {#bank-the-savings}

효율 프로젝트로 용량이 남으면, 그 용량을 어떻게 할지 미리 정하십시오. 서버, 예약된 클라우드 용량, 라이선스를 폐기하면
절감이 확정되고, 그대로 두면 새로운 사용이 그 자리를 채우게 됩니다.
[효율 향상이 상쇄되지 않게 하는 방법](/ko/방법/ai-효율-개선-효과가-사용-증가로-상쇄되지-않게-하려면-어떻게-해야-하나요/)을 참고하십시오.

### 총량에 작용하는 정책 수단 쓰기 {#use-policy-levers-that-act-on-totals}

탄소 가격제, 배출 상한, 전력망 연결 제한, 절대 에너지 사용량 보고는 효율 기준만으로는 할 수 없는 방식으로 총수요에
작용합니다. [그린 AI 정책](/ko/모범-사례/그린-ai-정책-작성-방법/)을 참고하십시오.

## 다음에 할 일 {#what-to-do-next}

- 정기 보고에 작업당 수치와 함께 AI 총에너지나 총배출량을 넣으십시오.
- AI 컴퓨팅이나 배출에 예산이나 상한을 정하고, 효율이 좋아져도 유지하십시오.
- 효율 프로젝트마다 시작 전에 남는 용량을 폐기할지 재사용할지 정하십시오.
- 새 AI 기능마다 정말 필요한지, 기본으로 켜 두어야 하는지 물어보십시오.
- AI가 다른 곳의 배출을 줄일 것이라는 주장은 리바운드를 계산에 넣고 검증해야 할 가설로 다루십시오.
- 더 넓은 그림은 [효율은 충분성이 아닙니다](/ko/기사/효율은-충분성이-아닙니다-ai의-리바운드-효과/)와
  [그린 AI와 AI for Green의 차이](/ko/기사/그린-ai와-ai-for-green-친환경을-위한-ai-의-차이/)를 읽어 보십시오.

## 자주 묻는 질문

### 제번스의 역설이란 무엇인가요?

경제학자 윌리엄 스탠리 제번스가 1865년 저서 The Coal Question(석탄 문제)에서 제시한 관찰로, 석탄을 더 효율적으로 쓰게 되자 석탄 사용량이 오히려 늘었다는 것입니다. 효율 덕분에 석탄으로 하는 일이 저렴해져 더 널리 퍼졌기 때문입니다.

### AI가 더 효율적이 되면 배출이 줄어드나요?

질의당으로는 그렇습니다. 총량으로는 꼭 그렇지 않습니다. 질의가 저렴해지면 사용량이 훨씬 늘어나기 때문입니다. 프롬프트당 에너지가 줄어드는 와중에도 데이터 센터의 총전력 사용량은 여전히 빠르게 늘고 있으므로, 총사용량이나 배출량도 함께 제한해야만 효율이 전체 배출을 줄입니다.

### AI에서 리바운드 효과란 무엇인가요?

AI가 더 저렴하거나 쉬워졌을 때 뒤따르는 추가 AI 사용으로, 절약한 에너지를 잠식합니다. 직접적(더 많은 프롬프트), 간접적(절약한 돈이나 시간을 에너지를 쓰는 다른 일에 지출), 경제 전반(저렴한 AI 위에 세워지는 새 제품과 산업)으로 나타날 수 있습니다.

### 백파이어란 무엇인가요?

백파이어(backfire)는 리바운드 효과가 너무 커서 총소비량이나 배출량이 효율 향상 이전보다 오히려 높아지는 경우입니다. 제번스의 역설은 백파이어의 한 예입니다.

### 마이크 버너스리와 공동 저자들은 AI와 기후에 대해 무엇이라고 말하나요?

이들은 동료 심사를 거친 논문에서 ICT의 발자국이 과소평가되어 있고, 효율 향상은 늘어나는 수요에 상쇄되는 경향이 있으며, AI를 포함한 ICT가 기후에 순편익을 준다는 근거는 의심스럽고, 효율이 실제 감축으로 이어지려면 배출 상한이 필요하다고 주장합니다.

### 효율 향상이 상쇄되지 않게 하려면 어떻게 해야 하나요?

작업당 에너지와 함께 총에너지나 총배출량을 측정하고, 예산이나 상한을 정하고, 남는 용량을 어떻게 할지 미리 결정하고, AI는 충분한 가치를 더하는 곳에서만 쓰십시오.

## 출처

- [The Coal Question](https://archive.org/details/in.ernet.dli.2015.224624), W. Stanley Jevons, Macmillan (digitised copy, Internet Archive) (1865)
- [Systems thinking and efficiency under emissions constraints: Addressing rebound effects in digital innovation and policy](https://doi.org/10.1016/j.patter.2023.100679), Widdicks, Lucivero, Samuel, Somavilla Croxatto, Smith, Ten Holter, Berners-Lee, Blair, Jirotka, Knowles, Sorrell, Börjesson Rivera, Cook, Coroamă, Foxon, Hardy, Hilty, Hinterholzer and Penzenstadler, Patterns (2023)
- [The real climate and transformative impact of ICT: A critique of estimates, trends, and regulations](https://doi.org/10.1016/j.patter.2021.100340), Freitag, Berners-Lee, Widdicks, Knowles, Blair and Friday, Patterns (2021)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Measuring the environmental impact of delivering AI at Google Scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- ["We're heading for something pretty grim": Mike Berners-Lee warns digital leaders on climate](https://www.thinkdigitalpartners.com/news/2026/02/26/were-heading-for-something-pretty-grim-mike-berners-lee-warns-digital-leaders-on-climate/), THINK Digital Partners (2026)
