편집자주 :
이번에 소개할 것은 유엔대학교 물환경보건연구소(UNU-INWEH)에서 나온 인공지능의 에너지 사용에 대한 환경적 비용 보고서입니다. 인공지능 기술은 특히 거대 언어 모델의 대중화와 이에 대한 기업과 국가의 경쟁 및 투자에 힘입어 급속도로 지구의 자원을 잡아먹는 에너지 하마가 되었습니다. 우리는 현재의 인공지능 산업이 남반구 국가들에 대한 자원 채굴과 강제노동 및 아동 착취 그리고 환경 파괴를 기반으로 시작해 전 세계 지역 공동체의 땅과 물과 에너지를 집중적으로 빨아들이고 배출하는 방식으로 작동된다는 사실을 알아야 할 필요가 있습니다. 지구라는 물리적 환경을 기반하는 인공지능 기술이 실제로 어디까지 실현될 수 있는지 또 그 이득은 누가 보는지, 그 과정에서 일어나는 공동체의 피해와 부담, 환경 및 사회적 비용은 어떻게 할 것인지에 대한 논의는 특히 이 기후위기 시대에 반드시 필요한 질문입니다. 해당 보고서는 인공지능 산업의 학습 단계와 추론 단계의 에너지 소비 등 상세한 내용을 다루고 있습니다. 본 글에서는 결론부를 소개합니다.
번역오류는 policy 골뱅이 digitaljustice.kr 으로 알려주세요.
제목 : 인공지능의 환경적 비용: 탄소, 물, 토지 발자국
원문제목 : Environmental Cost of Artificial Intelligence: Carbon, Water, and Land Footprints
원문링크 : https://unu.edu/inweh/collection/environmental-cost-of-AIs-Enrgy-Use-Carbon-water-and-land-footprints
일시 : 2026년 6월 3일
작성 : UNU-INWEH
4.나아갈 길
인공지능은 현재 우리의 일상 곳곳에 스며들어 학습, 창조, 의사소통, 그리고 정부의 작동 방식을 바꾸고 있습니다. 이러한 모든 상호작용에는 물질적 비용이 수반되며 이는 소비되는 에너지 및 에너지 생산으로 인한 탄소, 물, 토지 발자국으로 나타납니다. UNU-INWEH의 이번 보고서는 인공지능의 환경 발자국이 단순히 우리가 이 시스템을 어떻게 쓰는지 그 사용량의 문제가 아니라 사용 방식 즉 작업 유형, 모델의 선택, 배치 그리고 사용자 관행에 따라 크게 달라진다는 점을 보여줍니다. 인공지능의 환경 발자국을 강조하는 이유는 기술 발전을 늦추려는 것이 아니라, 보다 나은 인공지능 시스템을 구축함과 동시에 자원을 현명하고 공정하게 사용하도록 혁신과 책무(stewardship)를 조화시키기 위함입니다.
본 보고서를 통해 밝힌 정량화된 발자국을 넘어선 영향들을 인식하는 것 또한 굉장히 중요합니다. 핵심 광물 채굴, 하드웨어의 수명과 내구성, 데이터 센터의 직접 냉각 방식과 같은 문제들은 환경적, 사회적으로 중대한 영향을 미치며 특히 비서구권(예: 희토류 채굴로 인한 오염)에 그 영향이 집중되어 있습니다. 본 보고서는 에너지와 관련된 물, 토지, 탄소 발자국에 초점을 맞추고 있지만, 정책과 실행은 이러한 광범위하고 상호연관된 물질적, 사회적, 정의적 차원 또한 고려하여 인공지능 공급망 전방에 걸쳐 환경적 책임과 지속가능성을 확보해야 합니다.
4.1 책임 있는 인공지능 생태계를 위한 기본 원칙들
지속가능한 인공지능 생태계는 시스템 구축, 배치 및 사용 방식을 결정하는 서로 상호 보완하는 여섯 가지 원칙에 달려있습니다.
1.투명성은 표준화 되고 비교 가능한 에너지 사용량 공개와 그로 인한 물, 토지, 탄소 발자국을 통해 그 영향을 가시화 합니다. 명확한 보고는 책임성 확보, 대중의 감시 및 정보에 기반한 선택을 가능하게 합니다.
2.설계 단계에서부터 효율성을 고려하면 에너지 및 기타 자원을 현명하게 사용할 수 있습니다. 여기에는 양자화(quantization)와 가지치기(pruning), 증류(distillation), 전문가 혼합(MoE, Mixture-of-Experts routing), 재사용 (reuse of compute) 그리고 가능한 경우 온디바이스 실행 등이 포함됩니다.
3.형평성과 정의는 전력망의 탄소 소비량, 물 소비량, 토지 소비량이 높은 지역이나 자원에 제한된 지역에서 살아가는 사람들이 인공지능 개발과 배치로 인해 불균형한 부담을 지지 않도록 보장합니다.
4.수명주기 책임(Lifecycle responsibility) 는 인공지능이 사용하는 모든 에너지 단위가 물, 토지, 탄소 배출에 영향을 미치며 하드웨어 생산과 광물의 조달 및 폐기 또한 환경에 영향을 준다는 것을 인식하는 것입니다. 이러한 책임은 재료부터 제조, 사용 그리고 수명 종료에 이르기까지 전 과정에 걸쳐 적용되어야 합니다.
5.국제적 협력은 방법론, 정보 공개 및 안전 장치를 조화시켜 이러한 효과가 분산되지 않고 공유되도록 합니다.
6.지속 가능한 사용은 환경에 미치는 영향이 적은 작업을 선택하거나, 더 작은 모델을 사용하거나, 적절한 경우 기존 검색 방식을 사용하는 것처럼 일상적인 결정이 책임감 있는 인공지능 사용의 핵심 요소임을 인정하는 것입니다.
이러한 원칙들은 함께 어우러져 토대를 제공합니다. 다음 단계는 이 원칙들을 측정, 설계, 관리 및 일상적 사용을 위한 구체적 실천 방안으로 전환하는 것입니다.
4.2 측정에서 실행으로
효율성과 현명한 이용은 그 영향이 누구에게 미치고 누가 이득을 보는지에 대한 공정성과 균형을 이루어야 합니다.
보이지 않는 것을 보이게 하세요. 인공지능 개발자와 서비스 제공업체는 표준화된 단위로 보고되는 학습 및 추론 과정의 에너지 및 환경 발자국에 대해 명확하고 표준화된 보고서를 공개해야 합니다. 보고 방식에서 모델, 작업 그리고 지역 전반에 걸쳐 일관성을 유지해야 결과를 검증하고 비교할 수 있습니다. 제공업체는 학습, 배치, 작업 수준 추론을 각각 분리하여 사용자와 정책 입안자로 하여금 어떤 워크로드가 가장 큰 영향을 미치는지 파악할 수 있도록 해야 합니다. 공개적인 투명성 대시보드는 모범 사례에 대한 합의를 촉진하고, 진행 상황에 대한 잘못된 이해를 가져올 수 있는 선택적 정보 공개를 방지하는 데 도움이 될 수 있습니다.
효율성을 고려한 설계 및 반동 관리. 양자화, 가지치기, 증류, 전문가 혼합과 같은 모델 측 개선을 통해 작업 당 에너지 소비를 크게 줄일 수 있습니다. 효율적인 가속기, 활용률이 높은 클러스터, 탄소 배출량을 고려한 라우팅과 같은 배포 방식 또한 낭비를 줄이는 데 큰 도움이 됩니다. 그러나 효율성만으로는 충분치 않습니다. 토큰, GPU 시(GPU-hours), 또는 킬로와트시 단위로 측정되는 리소스 예산을 설정하고, 총 수요가 절감 효과를 상쇄하지 않도록 성장 잠재율을 고려한 목표를 설정해야 합니다. 이는 해상도, 재생 시간, 프레임 수에 따라 에너지 소비가 급격히 증가하는 이미지 및 비디오 생성과 같은 고강도 워크로드에 특히 중요합니다. 낮은 해상도와 짧은 클립 길이 설정과 같은 효율적인 기본 설정은 대규모 환경에서 상당한 에너지 절감 효과를 가져올 수 있으며, 이는 사용자 인터페이스에 명확히 표시되어야 합니다. 고화질 이미지 및 비디오 생성 설정은 에너지 소비를 과도하게 증가시키므로, 효율성을 기본 설정으로 삼을 때에는 해상도, 프레임 수, 클립 길이 등에 대한 명확한 제한 사항과 정보 공개를 포함해야 합니다.
인공지능을 현명하게 활용하세요. 각 사용자, 조직, 기관은 작업에 맞는 도구를 선택해야 합니다. 모든 작업에 항상 거대한 생성형 모델이 필요한 것은 아닙니다. 다수의 일상적인 검색 작업에는 기존 검색 도구나 로컬 도구가 훨씬 효율적입니다. 경량 및 특정 작업에 특수화된 일부 모델들은 에너지 소비가 매우 적고, 거대한 범용 시스템보다 특정 작업에 있어 더 나은 성능을 보이는 경우가 많습니다. 생성형 모델을 기본적으로 사용하기보다는, 그것이 명확히 더 나을 때 사용해야 합니다. 검색, 요약, 실용적인 안내와 같은 대규모 작업에는 간결한 모드나, 검색 증강 설계가 가장 효과적입니다. 이 경우 약간의 정보 축소만으로도 시스템 전반에 걸쳐 상당한 비용 절감 효과를 가져올 수 있습니다.
지속가능한 실천은 간결한 안내 메시지와 출력, 관련 작업 일괄 처리, 이전 결과의 재사용, 불필요한 반복 방지 등이 포함됩니다. 이미지 및 비디오 생성과 같은 응용 프로그램에 있어서 서비스 제공업체는 눈에 잘 띄는 저전력 모드를 제공하고, 사용자의 선택으로 인해 에너지 소비량이 크게 증가할 경우 이를 사용자에게 알려야 합니다.
형평성을 고려하세요. 동일한 작업 부하라 할지라도 지역별 전력 공급 구성에 따라 환경에 미치는 영향은 매우 다를 수 있습니다. 보고서에는 지역별 추정치와 전 세계 평균 추정치를 모두 포함해 그 분배적 효과를 투명하게 공개해야 합니다. 국가 전략과 국제 협력에 있어서는 이 차이를 고려하여 자원이 부족한 지역 사회가 인공지능 인프라 확대로 인해 불균형한 영향을 받지 않도록 해야 합니다. 대규모 컴퓨팅 클러스터의 입지 선정 시에는 지역 사회, 특히 물 부족이나 전력망 부담이 우려되는 지역의 주민들과 의미 있는 (meaningful) 협의를 거쳐야 합니다.
4.3 역할과 책임
이러한 원칙들을 실질적 변화로 만들기 위해서는 인공지능 생태계 전반에 걸쳐 그 책임을 공유해야 하며, 인공지능 시스템의 설계, 관리, 자금 조달 및 사용에 관련된 각 주체가 명확한 역할을 수행해야 합니다.
개발자와 제공업체는 모델 설계, 배치 및 공개에 대한 직접적인 책임을 져야 합니다. 효율성은 아키텍쳐에 내재되어야 합니다. 효율적인 인프라 구축은 반드시 우선되어야 합니다. 사용량과 그것이 미치는 영향은 반드시 검증 및 공정한 비교가 가능한 형식으로 보고되어야 합니다. 간결한 모드, 토큰 제한, 일괄 처리, 저해상도 사전 설정과 같은 사용자 인터페이스 제어 기능을 통해 효율적인 작동을 기본값으로 설정해야 합니다. 수명 주기 지속가능성에는 윤리적으로 조달된 재료, 내구성 있는 하드웨어 설계, 책임 있는 전자 폐기물 관리 등이 포함되어야 합니다.
정부와 규제기관은 인공지능 관련 환경 정보 공개를 일상적 절차로 다뤄야 합니다. 표준에는 모델 수준 및 작업 수준의 환경 발자국을 명확하게 보고하도록 요구하는 내용이 포함되어야 합니다. 기후 및 에너지 계획에는 예상되는 인공지능 관련 수요를 반영해야 합니다. 조달 과정에서는 환경 발자국이 적은 도구와 인프라에 대한 인센티브를 제공해야 합니다. 입지 가이드라인과 인센티브는 데이터 센터가 물 부족 지역이나 탄소 배출량이 많은 지역에서 벗어나도록 유도하고 지역 사회와의 이익 공유를 장려해야 합니다.
국제기구 및 표준 제정 기구는 에너지 및 그로부터 파생되는 환경 발자국을 측정하고 보고하는 방법을 조화시켜야 합니다. 공유되는 표준은 선택적 정보 공개를 방지하고, 국경을 초월한 책임성을 확보하는 데 도움이 되어야 합니다. 국제 포럼은 비서구권 국가의 리더십 강화와 역량 구축을 지원하고 인공지능의 환경 거버넌스를 지속가능성 목표와 명확히 연계해야 합니다.
연구자와 대학은 인공지능 공급망 전체에 걸쳐 영향 평가를 확대하고, 작업 수준의 에너지 소비를 측정할 수 있는 개방적이고 검증 가능한 벤치마킹 도구를 개발해야 합니다. 학제 간 연구를 통해 환경 지표와 사회경제적 성과를 연계해야 합니다. 머신러닝, 시스템 엔지니어링, 환경 거버넌스를 결합한 교육 프로그램을 통해 지속가능한 인공지능 시스템을 구축하고 규제할 수 있는 인력을 양성해야 합니다.
시민사회, 비정부기구(NGO) 그리고 언론은 인공지능의 환경적 영향을 사람들에게 명확히 보여주는 데 핵심적인 역할을 해야 합니다. 이들은 공개된 정보를 추적하고, 환경 발자국을 접근 가능하기 쉬운 비교 자료로 제시하며, 데이터 센터 입지 선정, 물 사용, 핵심 광물 채굴 등으로 피해를 입은 지역 사회의 목소리를 증폭시켜야 합니다. 대중의 감시를 통해 책임성을 강화하고 환경 정의 (environmental justice)를 인공지능 거버넌스의 중심에 두어야 합니다.
사용자와 사용 기업은 인공지능이 환경에 미치는 일상적 영향을 인식해야 합니다. 이들은 필요에 맞춰 저에너지 옵션을 선택하고 실제 필요할 때에만 생성형 모델을 사용해야 합니다. 조직들은 에너지 또는 토큰에 대해 예산을 설정하고 간결한 사용을 장려하며 기본적으로 소규모 모델이나 온디바이스 모델을 사용하도록 해야 합니다. 조달 시에는 환경 발자국과 연관된 기준을 포함시켜야 합니다.
투자자와 금융기관은 실사(due diligence)과정에 환경 발자국을 포함시켜 지속가능한 인공지능으로의 전환을 가속화 해야 합니다. 효율적인 인프라에 자금을 지원하고 환경에 미치는 영향이 적은 제품과 서비스를 지원해야 합니다. 기업의 책무에는 정보 공개, 효율성 개선, 그리고 제품 수명 주기 전반에 걸친 책임 이행에 대한 기대가 포함되어야 합니다.
데이터 센터, 채굴 작업 및 기타 인공지능 관련 인프라로 인해 직접적인 환경 및 사회적 영향을 받는 지역사회를 논의 과정에 참여시켜야만 합니다. 지역 사회는 입지 선정 결정의 초기 단계부터 참여하고 투명한 정보를 제공 받으며 지역 재투자 등 혜택을 받아야 합니다. 이러한 조치와 책임은 실행을 위한 공동의 의제가 되어야 합니다.
4.4 원칙을 실천으로 옮기기
앞으로 나아가기 위해서는 표준, 정보 공개, 인센티브, 사용자 중심 설계, 반동 관리, 형평성과 협력의 조화로운 움직임이 필요합니다. 여기에는 에너지 생산과 소비로 인한 물, 토지 및 탄소 발자국 계산을 위한 공통적인 방법론, 의무적이고 비교 가능한 정보 공개, 설계 단계에서부터 환경에 미치는 영향이 적도록 장려하는 조달 지침, 효율적인 선택을 유도하는 사용자 인터페이스 그리고 반동 효과를 관리하는 자원 예산이 포함됩니다.
특히 원주민 공동체와 비서구권 공동체의 경우 투명한 보고, 포용적인 의사 결정 그리고 맞춤형 역량 강화를 통한 형평성이 최우선 과제로 남아 있어야 합니다.
4.5 결론
인공지능은 놀라운 잠재력을 갖고 있지만 그 잠재력을 책임감 있게 실현하기 위해서는 구조적 변화가 필수적입니다. 모든 상호작용은 한정된 자원을 소모하며 환경에 미치는 총체적 영향은 인공지능 시스템의 설계 방식, 사용 빈도 그리고 수행하는 작업에 따라 달라집니다. 진정한 발전은 하드웨어 및 모델 설계부터 배포, 거버넌스 그리고 공적인 활용에 이르기까지 모든 단계에서의 지속 가능성을 내제화 하는 것에 달려 있습니다. 투명성을 확보하고 효율성을 고려한 설계를 실천하며 사용자와 사용 기관으로써 현명한 선택을 하고 불균형한 부담을 직면하는 공동체를 보호하고 국경을 넘어 협력함으로써, 사회는 인공지능 분야의 발전과 더불어 서로의 돌봄의 질 또한 향상될 수 있도록 보장해야 합니다. 책임감 있는 인공지능은 지구 환경의 한계 내에서 역량과 관리가 함께 성장할 때 비로소 실현 가능합니다.
