요약
AI와 환경에 관해 사람들이 가장 자주 묻는 질문에 출처와 함께 짧게 답합니다. AI가 에너지를 얼마나 쓰는지, 상황이 나아지고 있는지 나빠지고 있는지, 개인과 조직과 정부가 무엇을 할 수 있는지 다룹니다. 더 자세한 페이지가 있으면 답마다 링크를 걸어 두었습니다.
핵심 내용
- IEA는 2024년 데이터센터가 세계 전체 전력의 약 1.5%인 약 415 TWh를 썼다고 추정하며, 2030년에는 그 두 배가 넘을 것으로 내다봅니다.
- 기업 수치로 보면 일반적인 텍스트 프롬프트 하나는 1와트시에도 못 미치는 전력을 쓰지만, 이미지, 동영상, 긴 에이전트형 작업은 훨씬 많이 씁니다.
- 효율 향상은 실제로 빠르게 일어나고 있지만, 리바운드 효과 때문에 전체 사용량은 여전히 늘어날 수 있습니다.
- 측정은 아직 들쭉날쭉합니다. 프롬프트당 수치 대부분은 기업이 스스로 보고한 것이며 서로 직접 비교할 수 없습니다.
AI와 환경에 관해 사람들이 가장 자주 묻는 질문에 짧게 답합니다. 모든 수치는 이름이 밝혀진 공개 출처에서 가져왔으며 출처는 페이지 끝에 정리되어 있습니다. 수치는 빠르게 바뀌므로 연도를 확인하세요. 몇 문장으로 답하기 어려운 질문은 링크를 따라 안내서, 모범 사례 페이지, 기사를 읽어 보세요. 전문 용어는 용어집에서 설명합니다.
찾는 질문이 없다면 문의해 주세요.
자주 묻는 질문
그린 AI란 무엇인가요?
그린 AI는 에너지, 탄소, 물, 자원 발자국을 최대한 낮게 유지하는 방식으로 인공지능을 개발하고 사용하며, 실제 가치를 더하는 곳에 쓰는 것입니다. 효율(더 적은 자원으로 같은 일을 하는 것)과 충분성(AI가 애초에 필요한지 묻는 것)을 모두 포함합니다.
AI는 전기를 얼마나 쓰나요?
AI만의 정확한 수치를 발표하는 곳은 없습니다. 국제에너지기구(IEA)는 2024년 전 세계 데이터센터가 세계 전력의 약 1.5%인 약 415 TWh를 썼다고 추정하며, AI를 증가의 가장 중요한 원인으로 꼽습니다.
AI의 에너지 사용은 계속 늘어날까요?
지금 추세라면 그렇습니다. IEA는 데이터센터 전력 사용량이 2030년까지 두 배 넘게 늘어 약 945 TWh에 이를 것으로 예상합니다. 이는 현재 일본의 전체 소비량보다 조금 많은 양이며, 2030년까지 세계 전력 수요 증가분의 약 10분의 1을 데이터센터가 차지할 것으로 봅니다.
ChatGPT나 Gemini 프롬프트 하나는 에너지를 얼마나 쓰나요?
OpenAI는 ChatGPT 질의 하나가 평균 약 0.34 Wh를 쓴다고 밝혔고, Google은 Gemini 텍스트 프롬프트의 중앙값이 0.24 Wh라고 보고했습니다. 둘 다 서로 다르고 일부는 공개되지 않은 방법을 쓴 기업 수치이므로 같은 조건의 비교가 아니며, 이미지나 동영상이 아닌 텍스트만 다룹니다.
AI는 물을 많이 쓰나요?
데이터센터는 냉각에 물을 쓰는 경우가 많으므로 AI도 물을 씁니다. Google은 Gemini 텍스트 프롬프트 중앙값 하나에 약 0.26 mL, 대략 물방울 다섯 개를 쓴다고 보고했고, OpenAI는 ChatGPT 질의 하나에 평균 약 0.000085갤런을 쓴다고 밝혔습니다. 더 큰 우려는 지역 차원의 문제로, 물 부족 지역에 지어지는 대형 데이터센터입니다.
AI를 학습시키는 것과 사용하는 것 중 어느 쪽이 환경에 더 나쁜가요?
둘 다 중요합니다. 학습은 한 번에 크게 드는 비용으로, Meta는 Llama 3.1 제품군 학습에 11,390톤 CO₂e(위치 기반)가 들었다고 보고했습니다. 추론은 누군가 모델을 쓸 때마다 일어나므로, 널리 쓰이는 도구라면 모델이 운영되는 동안 계속 쌓입니다.
이미지 생성은 텍스트 생성보다 더 나쁜가요?
대개 그렇습니다. 2024년 한 연구에서는 시험한 모델 중 가장 비효율적인 모델로 이미지 1,000장을 만드는 데 스마트폰 522번 충전에 해당하는 11.49 kWh가 들었고, 가장 효율적인 텍스트 모델은 1,000번 실행에 한 번 충전의 9%에 해당하는 양을 썼습니다.
데이터센터의 탄소 발자국은 얼마인가요?
주로 데이터센터가 쓰는 전기의 양과 그 전기가 얼마나 깨끗한지에 달려 있습니다. IEA는 데이터센터의 전력 사용이 연간 약 1억 8천만 톤의 CO₂를 배출한다고 추정하며, 기본 시나리오에서는 2035년까지 3억 톤으로 늘어날 것으로 봅니다.
AI는 더 효율적이 되고 있나요?
네, 빠르게 그렇습니다. Google은 1년 만에 Gemini 텍스트 프롬프트 중앙값의 에너지를 33분의 1로 줄였다고 보고했습니다. 하지만 효율이 높아지면 AI가 더 저렴하고 쓰기 쉬워져 전체 사용량이 여전히 늘어날 수 있는데, 이것이 리바운드 효과입니다.
리바운드 효과란 무엇인가요?
효율이 높아져 무언가가 저렴해지면 사람들이 더 많이 사용하게 되어, 절약분의 일부 또는 전부가 사라지는 현상입니다. 경제학자 윌리엄 스탠리 제번스는 1865년에 그 극단적인 경우를 설명했는데, 더 효율적인 증기기관이 영국의 석탄 사용을 늘린 사례였습니다.
AI가 기후 변화 대응에 도움이 될 수 있나요?
그럴 수 있습니다. IEA는 기존 AI 응용 프로그램이 널리 도입되면 데이터센터 배출량보다 훨씬 많은 양, 즉 2035년 에너지 관련 배출량의 약 5%를 줄일 수 있다고 봅니다. 하지만 리바운드 효과가 이를 깎아 먹을 수 있으며 AI는 '만능 해결책이 아니다'라고 경고합니다.
AI를 더 지속가능하게 쓰려면 어떻게 해야 하나요?
그 일에 AI가 필요한지 먼저 묻고, 모호한 프롬프트 여러 개 대신 명확한 프롬프트 하나를 쓰고, 짧은 답을 요청하고, 필요 없는 이미지나 동영상은 만들지 마세요. 2025년 UNESCO와 UCL 보고서에 따르면 프롬프트와 응답을 짧게 하면 에너지 사용을 절반 넘게 줄일 수 있습니다.
작은 AI 모델이 환경에 더 좋은가요?
많은 작업에서 그렇습니다. UNESCO와 UCL 보고서는 시험에서 작고 작업에 특화된 모델이 에너지 사용을 최대 90%까지 줄일 수 있음을 확인했고, 연구에 따르면 같은 일을 할 때 범용 생성형 모델이 작업 특화 모델보다 훨씬 많은 비용이 듭니다.
토큰이란 무엇인가요?
토큰은 언어 모델이 읽거나 쓰는 텍스트 조각으로, 단어의 일부인 경우가 많습니다. OpenAI가 제시하는 영어 기준 대략적인 규칙은 약 네 글자, 즉 단어의 4분의 3 정도입니다. 토큰이 많을수록 컴퓨팅도 많아집니다.
PUE란 무엇인가요?
전력 사용 효율(PUE)은 데이터센터의 전체 에너지 사용량을 컴퓨팅 장비가 쓰는 에너지로 나눈 값입니다. PUE 1.0이면 완벽하며, Uptime Institute의 2025년 조사에서는 업계 평균이 약 1.54였습니다.
내 기기에서 AI를 실행하는 것이 클라우드보다 친환경적인가요?
경우에 따라 다릅니다. 작은 모델을 로컬에서 실행하면 네트워크와 데이터센터의 부가 비용을 피하고 데이터를 비공개로 지킬 수 있지만, 대형 데이터센터가 작업당 더 효율적일 수 있고 수백만 대의 작은 기기도 모이면 커집니다. 모델, 작업, 하드웨어에 따라 달라집니다.
AI를 쓰는 것과 직접 하는 것 중 어느 쪽이 더 친환경적인가요?
경계를 어디에 두느냐에 따라 다릅니다. 나의 시간, 나의 컴퓨터, AI가 틀렸을 때 다시 하는 작업까지 따져야 합니다. 간단한 사실 확인이나 간단한 계산이라면 보통 검색이나 계산기가 더 가벼운 선택입니다.
AI의 에너지 사용은 어떻게 측정하나요?
이상적으로는 하드웨어가 작동하는 동안 계측하는 것이지만, 발표된 수치 중 많은 것이 측정값이 아니라 추정값입니다. CodeCarbon과 EcoLogits 같은 도구는 에너지와 배출량을 추정하며, ISO/IEC 21031로도 발표된 Green Software Foundation의 Software Carbon Intensity 방법은 작업 단위당 탄소를 보고하는 표준 방식을 제공합니다.
AI 기업은 에너지 사용량을 보고해야 하나요?
EU에서는 AI Act가 범용 AI 모델 제공자에게 모델의 알려졌거나 추정한 에너지 소비량을 규제 당국을 위해 문서화하도록 요구합니다. 대부분의 나라에서는 아직 모든 AI 서비스에 대해 공개적이고 비교 가능한 보고를 요구하지 않습니다.
AI용 에너지 라벨이 있나요?
아직 공식 라벨은 없습니다. Hugging Face의 AI Energy Score 같은 프로젝트가 일반적인 작업에서의 에너지 사용으로 모델을 평가하고 있으며, 연구자와 표준 기관이 라벨 형태의 벤치마크를 만들고 있습니다.
AI의 그린워싱이란 무엇인가요?
AI 제품이나 기업을 근거가 뒷받침하는 것보다 더 환경친화적으로 들리게 하는 것입니다. 예를 들어 상쇄만을 근거로 '탄소 중립 AI'라고 주장하는 경우입니다. EU에서는 지침(EU) 2024/825가 입증할 수 없는 일반적인 환경 주장을 소비자에게 하는 것을 금지합니다.
데이터센터는 왜 지금 있는 곳에 지어지나요?
운영자는 안정적인 전력, 전력망 연결, 서늘한 기후나 냉각용 물, 부지, 통신 연결, 가까운 고객을 찾습니다. 한곳에 몰리면 지역 전력망에 부담을 줄 수 있습니다. 아일랜드에서는 2024년 데이터센터가 계량된 전체 전력의 22%를 썼는데, 2015년에는 5%였습니다.
학교에서 그린 AI를 가르쳐야 할까요?
그린 AI는 기존의 컴퓨팅, 과학, 지리, 시민 교육 수업에 자연스럽게 어울리며, 학생들이 AI를 사려 깊게 사용하는 사람이 되도록 돕습니다. 학교 섹션에는 유료 도구가 필요 없는 교사용 안내서와 수업 아이디어가 있습니다.
출처
- Energy and AI, International Energy Agency (2025)
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
- The Gentle Singularity, Sam Altman (OpenAI) (2025)
- Llama 3.1 8B model card, Meta (Hugging Face) (2024)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
- W. Stanley Jevons, The Coal Question, 1865, Yale University, Energy History (1865)
- What are tokens and how to count them?, OpenAI Help Center (2025)
- Uptime Institute global data center survey 2025, Uptime Institute (2025)
- CodeCarbon, CodeCarbon (2025)
- EcoLogits, GenAI Impact (2025)
- ISO/IEC 21031:2024 Software carbon intensity (SCI) specification, International Organization for Standardization (2024)
- Annex XI: technical documentation for providers of general-purpose AI models, European Commission, AI Act Service Desk (2024)
- AI Energy Score, Hugging Face (2025)
- Directive (EU) 2024/825 on empowering consumers for the green transition, European Union (2024)
- Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)