# AI의 물 발자국은 어떻게 추정하나요?

> 에너지와 데이터센터의 물 사용 효율(WUE)로 AI의 물 사용을 추정하고, 발전에 쓰인 물을 더하며, 어디서 쓰였는지 밝히는 방법입니다.

Source: https://greenai.guide/ko/방법/ai의-물-발자국은-어떻게-추정하나요/  
Updated: 2026-11-19

## 요약

물 사용은 에너지 사용을 따라갑니다. 현장 냉각에 대해서는 AI 작업의 에너지에 데이터센터의 물 사용 효율(WUE)을 곱하고, 범위에 포함된다면 전력 생산에 쓰인 물을 더하십시오. 발표된 프롬프트당 수치는 1밀리리터 미만부터 수십 밀리리터까지 다양한데, 주로 각기 다른 것을 세기 때문입니다. 물을 얼마나 쓰는지만큼 어디서 쓰는지도 중요합니다.

## Steps

1. 먼저 AI 작업의 에너지를 킬로와트시 단위로 추정합니다.
2. 현장 물 사용량을 구하려면 데이터센터의 WUE(킬로와트시당 리터)를 곱합니다.
3. 범위에 포함된다면 발전에 쓰인 현장 밖 물 사용량을 더합니다.
4. 위치와 그 지역이 물 부족 지역인지를 기록합니다.
5. 범위를 밝히고, 단일 수치보다 범위로 제시합니다.

**에너지로 물을 추정한 다음, 어디서 쓰였는지 밝히십시오.** 데이터센터는 주로 냉각에 물을 쓰고, 발전소는 전기를 만드는 데 물을 쓰므로, AI 답변 하나의 뒤에는 둘 다 있습니다.

## 발표된 수치는 얼마나 되나요? {#how-big-are-the-published-figures}

| 출처 | 측정 대상 | 물 |
|---|---|---|
| Google (2025) | Gemini 텍스트 프롬프트 중앙값 | 0.26 mL |
| Mistral AI 전과정평가 (2025) | 더 많은 단계를 센 400 토큰 응답 하나 | 45 mL |
| Li, Yang, Islam, Ren | Microsoft 미국 데이터센터에서의 GPT-3 학습 | 직접 증발량 약 700,000리터 |

Li와 동료들은 또한 GPT-3가 실행되는 시간과 장소에 따라 중간 길이 응답 약 10~50개마다 500 mL 물 한 병을 "마신다"고 추정했고, 2027년 전 세계 AI 수요가 42억~66억 세제곱미터의 취수량을 차지할 수 있다고 전망했습니다. 이는 오래된 모델 하나와 일부 데이터센터에 대한 추정치입니다. Google의 수치처럼 더 최근의 기업 수치는 훨씬 낮습니다. 결론을 내리기 전에 각각 무엇을 세는지 비교하십시오.

## 추정에는 무엇이 들어가나요? {#what-goes-into-an-estimate}

- **현장 물:** 에너지 × [WUE](/ko/용어집/#wue). [PUE와 WUE 이해하기](/ko/방법/pue와-wue-수치는-어떻게-이해해야-하나요/)를 참고하십시오.
- **현장 밖 물:** 지역 발전소가 킬로와트시당 쓰는 물입니다.
- **제조:** 범위가 넓다면, 칩 제조에도 물이 쓰입니다.

## 흔한 실수 {#common-mistakes}

- **취수량과 소비량을 섞는 것.** 가져갔다가 되돌려 놓은 물은 증발한 물과 같지 않습니다.
- **위치를 무시하는 것.** 가뭄 지역의 1리터는 물이 풍부한 곳의 1리터보다 더 중요합니다.
- **위 표처럼 범위가 다른 수치끼리 비교하는 것.**

물 사용을 줄이려면 [AI의 물 발자국 줄이기](/ko/방법/ai의-물-발자국을-줄이려면-어떻게-해야-하나요/)와 [호스팅과 데이터센터](/ko/모범-사례/그린-ai-호스팅과-데이터센터/)를 참고하십시오.

## 출처

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
