사진: panumas nikhomkhai / Pexels

AI 작업 하나의 전기는 해마다 크게 줄지만, 쓰는 양이 더 빨리 는다. 효율, 시간 옮기기, 공개 — 덜 쓰기의 세 갈래를 따져 봤다

GaiaBeacon 「실어 나르고, 담고, 덜 쓰고」 · 3편

AI는 전기를 덜 쓸 수 있을까? 작업 한 번으로 보면 이미 덜 쓰고 있다. 국제에너지기구(IEA)는 AI 작업 하나의 에너지가 해마다 적어도 10배씩 준다고 본다. 그러나 쓰는 양이 더 빨리 늘어 전체가 커진다. 효율은 전체를 줄이되 사용 증가에 묻히기 쉽고, 시간 옮기기는 빠듯한 때의 부담을 덜며, 공개는 둘을 확인하게 한다(GaiaBeacon 해석).

1편은 데이터센터가 전기 있는 곳으로 가는 길을, 2편은 남는 전기를 담아 두는 일을 다뤘다. 마지막 3편은 전기를 쓰는 쪽의 이야기, 덜 쓰기다.

이 글의 차례

AI에게 질문 한 번 — 전기는 얼마나 들까

AI에게 질문 한 번을 할 때 드는 전기는 추정마다 크게 다르다. Wh(와트시)는 전력량 단위로, 1,000Wh가 1kWh다.

추정	한 번에 드는 전기	시점
초기 추정(챗봇 질문 한 번)	약 3Wh	2023~2024년
작은 공개 모델 / 큰 공개 모델의 텍스트 답변	약 0.03Wh / 약 1.9Wh	2025년 5월
독립 연구기관 추정(일반 질문)	약 0.3Wh	2025년 2월
미국 대형 AI 기업들이 공개한 텍스트 질문 수치	0.24~0.34Wh	2025년
독립 연구기관 추정(아주 긴 문서를 넣은 질문)	약 40Wh	2025년 2월
공개 모델로 5초 영상 생성	약 940Wh	2025년 5월

자료: 드 브리스(2023)·미국 전력연구소(2024), MIT 테크놀로지 리뷰, 에포크AI, 각 기업 발표.

텍스트 답변 하나도 추정이 약 100배 벌어진다. 모델 크기, 질문과 답의 길이, 어떤 칩을 썼는지, 칩만 셀지 냉방과 대기 서버까지 셀지, 그리고 언제 잰 값인지에 따라 숫자가 달라진다. 2023년의 3Wh는 이미 낡은 추정이 됐고, 최근 대형 모델은 독립 추정(약 0.3Wh)과 기업 공개치(0.24~0.34Wh)가 비슷하다. 다만 기업 수치는 자체 방법으로 계산한 값이고 외부 검증을 거치지 않았다.

일의 종류에 따라서는 더 크게 다르다. MIT 테크놀로지 리뷰의 측정에서 공개 모델로 5초짜리 영상을 만드는 데 약 940Wh가 들었다. 전자레인지를 1시간 넘게 돌리는 양이다. 같은 질문도 큰 모델은 작은 모델보다 약 59배 많이 썼다. 공개 AI 모델 40개를 잰 2025년 12월 분석에서는 한 단계씩 따져 답하는 추론 모델이 평균 30배, 같은 모델에서 추론 모드를 켜면 많게는 수백 배의 에너지를 더 썼다.

내 AI 사용은 얼마나 될까

정부가 2023년 전기요금 인상 영향을 설명하며 가정한 4인 가구의 한 달 사용량은 332kWh다. 여기에 견줘 보면 이렇다(AI 계산, 하루 사용 횟수는 가정).

텍스트 질문 하루 20번(한 번 0.3Wh): 한 달 약 0.18kWh, 가구 사용량의 약 0.05%
추론 모드 질문 하루 20번(많이 쓰는 편인 공개 모델 측정, 한 번 약 9.5Wh): 한 달 약 5.7kWh, 약 1.7%
5초 영상을 하루 1편씩 한 달 내내(한 편 940Wh): 한 달 약 28kWh, 약 8.5%

텍스트 질문은 가정 전기에서 작은 몫이다. 영상 생성이나 추론 모드를 습관처럼 쓰면 얘기가 달라진다. 다만 영상·추론 수치는 공개 모델을 잰 값이고, 상업 서비스의 실제 값은 공개되지 않았다. 어떤 모델이 기본으로 켜지고 추론 모드가 언제 작동하는지는 상당 부분 서비스 기업이 정한다(GaiaBeacon 해석).

한 번은 줄었는데, 전체는 늘어난다

AI 작업 하나에 드는 에너지는 빠르게 줄고 있다. IEA는 2026년 보고서에서 AI 작업당 에너지가 최근 몇 년간 해마다 적어도 10배씩 줄었다고 봤다. AI 칩의 전력 대비 성능도 해마다 약 40%씩 좋아지고 있다(에포크AI, 2024년 분석).

그런데 전체 전기 사용은 늘었다. IEA에 따르면 세계 데이터센터 전력 사용은 2024년 약 415TWh에서 2025년 485TWh로 17% 늘었다(1TWh는 10억kWh). AI 전용 데이터센터의 전력 사용은 50% 늘었다. 2030년에는 약 950TWh로 두 배가 될 전망이다. 한국 데이터센터 전력 사용은 2023년 약 5TWh에서 2040년 31.6TWh로 늘 것이라는 에너지경제연구원 기준 전망이 있다. 다만 추정 방식마다 값이 다르고, 김성환 장관도 10월 국정감사에서 AI 데이터센터 수요 전망이 과잉된 측면이 없지 않다고 답했다.

전체가 늘어나는 데는 두 가지가 겹친다. 하나는 작업 자체가 무거워진 것이다. 추론 모드, 긴 문서, 영상, 스스로 여러 단계를 처리하는 AI 에이전트처럼 한 번에 많은 전기를 쓰는 용도가 늘고 있다. 다른 하나는 더 많이 쓰게 된 것이다. IEA는 이렇게 짚었다.

「비용을 낮추고 AI 도구를 더 유능하고 쓰기 쉽게 만들면서, 효율 향상은 AI 서비스의 더 넓은 확산도 부추기고 있다. 제번스 역설로 알려진 현상이다.」 — 국제에너지기구(IEA), 「에너지와 AI에 관한 핵심 질문」(2026)

제번스 역설은 무언가를 더 효율적으로 쓰게 되면 오히려 전체 사용량이 늘 수 있다는 19세기 영국 경제학자 제번스의 관찰이다. 한 기업 안에서도 비슷한 모습이 보인다. 미국의 한 대형 AI 기업은 2024년 5월~2025년 5월 질문 한 번에 드는 에너지를 33분의 1로 줄였다고 밝혔는데, 2025년 한 해 회사 전체 전력 사용은 37% 늘었다. 회사 전력에는 AI 말고 다른 서비스도 섞여 있어, 두 흐름이 같은 시기에 나타났다는 정도까지만 말할 수 있다. 효율 향상이 사용 증가를 얼마나 일으켰는지 그 크기를 숫자로 떼어 낸 연구는 찾지 못했다.

덜 쓰기 ① 건물 효율 — 세계 평균은 더디고, 한국은 기준이 없다

데이터센터 건물의 효율은 전력효율지수(PUE)로 잰다. 건물 전체가 쓴 전기를 서버가 쓴 전기로 나눈 값으로, 1.0에 가까울수록 냉방과 설비에 새는 전기가 적다.

세계 평균은 더디다. 미국 업타임 연구소 조사에서 세계 평균 PUE는 2007년 2.5에서 2014년 1.65까지 빠르게 낮아진 뒤, 1.5~1.6대에서 거의 제자리다(2025년 1.54, 2026년 조사 1.52). 다만 새로 짓는 대형 시설은 이미 1.1~1.3 수준이다. 평균을 붙잡고 있는 것은 오래되고 작은 시설이다.
한국은 공식 수치도, 의무 기준도 없다. 감사원 분석에서 2023년 기준 국내 데이터센터 PUE는 약 1.76으로 추정됐다. 실측한 405곳만 보면 1.60이고, 대형 운영사들이 스스로 밝힌 값은 1.2~1.49다. PUE를 일정 수준 이하로 맞추거나 측정해 보고하라는 의무는 없고, 업계 자율 인증(그린데이터센터)을 받은 곳은 2025년까지 30곳이다. 2027년 시행되는 AI 데이터센터 특별법에도 보도된 내용 기준으로는 효율·물 사용 기준이 들어 있지 않다.
다른 나라는 기준을 두고 있다. 중국은 새로 짓는 대형 데이터센터에 PUE 1.25 이하, 일본은 2029년도부터 새 데이터센터에 1.3 이하를 요구한다. EU는 일정 규모(500kW) 이상 데이터센터에 에너지·물 사용을 해마다 보고하게 했고, 집행위원회는 2026년 9월 A~G 등급제를 채택했다(의회·이사회 검토 뒤 발효). 독일은 새 데이터센터에 1.2 이하를 요구하는 법을 만들었지만, 2026년 6월 기존 시설 기준을 완화하는 개정안을 내놓아 논의 중이다.

건물 효율을 높이면 같은 일을 하면서 전체 사용을 줄일 수 있다. 에너지경제연구원은 국내 데이터센터 PUE를 2023년 약 1.6에서 2030년 1.2, 2030년대 중반 이후 1.1 이하로 낮추는 시나리오에서, 2030년대 중반 이후 데이터센터 전력 수요가 기준 전망보다 약 18%, AI 수요가 더 빨리 느는 시나리오보다 16~17% 준다고 분석했다. 다만 같은 연구가 내다본 수요 증가 속도(연평균 7.2~9.3%)로 보면, 효율로 아낀 몫은 2~3년 치 증가분과 맞먹는다(AI 계산). 그래도 한 번 낮춘 효율은 해마다 쌓인다. 에너지경제연구원은 2060년 연 11.6~22.2TWh를 아낄 수 있다고 봤다.

덜 쓰기 ② 쓰는 시간을 옮기기 — 해외는 실험 중, 한국은 연구 단계

시간을 옮기는 것은 전체를 줄이는 방법은 아니다. 대신 전기가 가장 빠듯한 때 덜 쓰게 하고, 남는 태양광 전기를 쓸 수 있게 한다. AI를 가르치는 학습이나, 모아서 한꺼번에 처리하는 일괄 작업은 피크를 피해 미뤄도 된다.

실험 결과: 2025년 미국 피닉스에서 전력 피크일에 맞춘 실험에서는 AI 계산용 칩(GPU) 256개 규모의 작업이 3시간 동안 전력을 25% 줄였고, 서비스 약속을 어긴 경우는 없었다. 영국 런던 실험에서는 GPU 96개로 모의 신호 200여 회에 대응해 최대 40%까지 줄였고, 감축을 최장 10시간 이어 갔다. 미국의 한 대형 AI 기업은 2026년 3월까지 전력회사 다섯 곳과 필요할 때 데이터센터 전력을 줄이는 계약을 맺어, 줄일 수 있는 용량이 1GW(대형 원전 1기 안팎 규모)에 이르렀다. 다만 이는 계약한 용량이지 실제로 줄인 실적은 아니다.
얼마나 도움이 되나: 미국 듀크대 연구(2025년 2월)는 새로 들어오는 대형 전기 사용처가 연간 전력 사용의 0.25%만큼(연 85시간 남짓에 걸쳐) 줄여 주면, 미국 주요 전력망이 76GW를 더 받아들일 수 있다고 봤다. 다만 송전 제약은 따지지 않았다. 반대로 미국 최대 전력시장의 독립 감시인(2025년 11월)은 이런 유연성이 실제로 지켜질지 의문을 제기하며, 비용이 다른 소비자에게 넘어갈 수 있다고 경고했다.
한계: 옮길 수 있는 것은 학습이나 일괄 작업이고, 검색이나 실시간 답변 같은 서비스는 옮기기 어렵다.

한국은 아직 연구 단계다. 전력 수요가 몰릴 때 사용을 줄이고 보상받는 수요반응(DR) 시장에는 2024년 말 약 4.5GW가 등록돼 있다. 데이터센터가 참여한 사례도 있지만, 확인된 사례는 연산 작업을 옮기지 않고 비상발전기를 돌려 전력망에서 받는 전기를 줄이는 방식이었다. 이는 사용이 주는 것이 아니고, 발전기 연료에 따라 대기오염 물질과 탄소가 나올 수 있다. 데이터센터의 전력 사용과 무정전전원장치(UPS) 같은 설비를 수요반응 자원으로 쓰는 기술 개발은 2026년 4월 시작돼 2029년까지 130억원 규모로 진행된다. 연산 작업을 옮기는 방식이 들어가는지는 밝혀지지 않았다. AI 데이터센터 특별법에는 이런 유연성 조항이 없다.

기회는 있다. 2026년 6월부터 데이터센터가 내는 일반용 전기요금의 시간대별 요금에서 낮 11~12시와 13~15시가 가장 비싼 시간대에서 빠져 9~15시가 모두 중간 시간대가 됐고, 저녁 18~21시가 가장 비싼 시간대가 됐다. 봄철 낮에는 태양광 전기가 남아 발전을 멈추게 하는 출력제어가 잦다(2025년 봄 93일 가운데 30일). AI 학습 같은 작업을 이 시간으로 옮기는 국내 제안이나 실증은 아직 찾지 못했다.

덜 쓰기 ③ 얼마나 쓰는지 밝히기

얼마나 쓰는지 모르면 효율도, 시간 옮기기도 확인할 수 없다. 2025년 5월 여러 AI 모델을 중개하는 한 플랫폼에서 많이 쓰인 상위 20개 모델의 사용량(AI가 처리한 글자 조각인 토큰 기준) 가운데 84%는 환경 정보를 전혀 공개하지 않는 모델에서 나왔다(AI 에너지 평가 연구진 분석). 2025년 몇몇 기업이 처음으로 질문당 수치를 내놓은 것은 진전이지만, 텍스트 질문에 한정되고 계산 방법이 서로 다르다.

국내도 비슷하다. 녹색전환연구소가 2025년 9월 국내 대형 데이터센터 운영사 6곳을 살펴본 결과, 데이터센터별 전력 사용량을 공개한 곳은 1곳이었다.

제도는 막 움직이기 시작했다. EU는 2025년 8월부터 여러 용도에 두루 쓰는 대형 AI 모델(범용 AI 모델)의 제공자에게 에너지 사용을 문서로 남기게 했다. 다만 일반에 공개하는 것이 아니라 당국이 요청할 때 내는 방식이다. 한국의 AI 데이터센터 특별법에는 에너지 사용 공개 조항이 없다.

AI가 다른 곳의 에너지를 아껴 줄까

AI가 전력망과 건물, 공장의 에너지를 아껴 줄 수 있다는 기대도 있다. IEA는 2025년 보고서에서 이미 있는 AI 기술이 널리 쓰이면 2035년 이산화탄소를 14억t 줄일 수 있다고 봤다. 2035년 데이터센터 예상 배출의 3~4배다. 그러나 IEA 스스로 이런 확산을 보장할 동력이 지금은 없다고 덧붙였다. 아낄 수 있는 몫은 가능성이고, 늘어난 사용은 이미 측정된 사실이다(GaiaBeacon 해석).

정리와 3부작 마무리

덜 쓰기의 세 갈래는 역할이 다르다(GaiaBeacon 해석).

효율은 전체를 줄일 수 있는 갈래다. 다만 칩과 모델의 효율은 사용 확산에 묻히고 있어, 같은 일을 하며 새는 전기를 줄이는 건물 효율이 더 직접적이다. 한국 데이터센터 건물 효율은 추정 평균이 1.6~1.76으로 새 시설(1.1~1.3)보다 높고 기준도 없어, 개선 여지가 크다.
시간 옮기기는 빠듯한 때의 부담을 던다. 전체 사용량은 그대로지만 전력망이 받아들일 수 있는 양이 늘어난다.
공개는 앞의 둘을 확인하게 한다. 얼마나 쓰는지 모르면 효율도, 시간 옮기기도 검증할 수 없다.

3부작을 돌아보면 이렇다.

1편 실어 나르기: 데이터센터를 전기 있는 곳으로 옮기는 일은 출발점이지만, 고객·물·전원·지역 동의가 함께 맞아야 한다.
2편 담기: ESS는 남는 전기를 담아 시간을 옮기고, 송전선이 지어질 시간을 번다.
3편 덜 쓰기: AI의 한 번은 줄고 있지만, 전체를 줄이려면 효율에 더해 시간 옮기기와 공개가 함께 가야 한다.

세 가지는 어느 하나를 고르는 문제가 아니다. 어떤 전기를 만들든 함께 풀어야 할 일이다.

아직 모르는 것

상업 AI 서비스의 영상·추론 모드 전기 사용: 공개되지 않았다.
한국 데이터센터의 실제 PUE: 공식 통계가 없다.
데이터센터 유연성의 실제 효과: 해외도 실증 규모가 작다.

자주 묻는 질문

Q. AI에게 질문 한 번 하면 전기가 얼마나 드나요?

텍스트 답변은 0.03~3Wh로 추정이 크게 갈린다. 최근 대형 모델은 독립 추정과 기업 공개치가 0.24~0.34Wh로 비슷하다. 영상 생성이나 추론 모드는 훨씬 많이 든다.

Q. 전기를 아끼려면 AI를 쓰지 말아야 하나요?

텍스트 질문은 가정 전기에서 아주 작은 몫이다. 영상 생성이나 추론 모드는 필요할 때만 쓰는 편이 낫다. 더 큰 차이는 기업의 기본 설정과 데이터센터 효율에서 나온다(GaiaBeacon 해석).

Q. 쓰는 시간을 옮기면 전기를 덜 쓰나요?

전체 사용량은 같다. 대신 전기가 가장 빠듯한 시간의 부담을 덜고, 남는 태양광 전기를 쓸 수 있게 한다.

Q. 한국에도 데이터센터 효율 기준이 있나요?

PUE를 맞추거나 보고하라는 의무 기준은 없다. 업계 자율 인증이 있고, 감사원 분석에서 2023년 국내 평균 PUE는 약 1.76으로 추정됐다. 중국·일본·EU는 기준이나 보고 의무를 두고 있다.

맺으며

AI는 한 번씩은 전기를 덜 쓰게 됐다. 그러나 쓰는 양이 더 빨리 늘면서 전체 사용은 늘고 있다.

AI의 한 번은 줄었다. 전체를 줄이는 길은 효율이지만 늘어나는 사용에 묻히기 쉽고, 언제 쓸지 정하면 전력망 부담이 줄며, 얼마나 쓰는지 밝혀야 둘 다 확인할 수 있다.

GaiaBeacon은 12차 전력수급기본계획 정부 초안이 나오면 데이터센터 수요 전망과 수요관리 계획을 다시 살펴보겠다.

함께 읽기

출처

1. 질문당 전기 추정 — Epoch AI(2025-02) · Google Cloud(2025-08) · Sam Altman 블로그(2025-06) · MIT Technology Review(2025-05-20) · EPRI(2024)

2. 추론 모드 에너지 — AI Energy Score v2(2025-12) · Fortune(2025-12-05)

3. 가구 전기 사용량 가정 — 뉴시스(2023-05-15)

4. AI 작업당 에너지·전체 수요 — IEA 「Key Questions on Energy and AI」(2026) · IEA 보도자료 · IEA 「Energy and AI」(2025) · Epoch AI(칩 효율)

5. 한국 데이터센터 전력 전망 — 에너지경제연구원 · SBS Biz(2026-10-06, 국정감사)

6. 기업 사례 — Google Cloud(위 1) · Paperjam(2026)

7. 제번스 역설 — Luccioni·Strubell·Crawford(2025)

8. PUE — Uptime Institute 2025 조사 · Uptime UII Update 518(2026-08) · 한국일보(2026-09-30) · 경향신문(2026-08-25) · 전기신문 · 에너지경제연구원

9. 해외 효율 기준 — 중국 국무원(2024-07) · 일본 자원에너지청 · EU 집행위원회 COM(2026) 500 · Latham & Watkins(EU 등급제) · FPS(독일 2026-06 내각안)

10. 데이터센터 유연성 — arXiv 2507.00909(피닉스 실증) · National Grid(런던 실험) · Google 블로그(2026) · Utility Dive(듀크대) · Techstrong(PJM 감시인)

11. 한국 수요반응·요금 — 전자신문(2024-12-17) · 에넬엑스 사례 · 칸(데이터센터 수요자원화 R&D) · 뉴시스(2026-04-14, 계시별 요금 개편) · 서울경제(2025-07-01, 봄철 출력제어 일수)

12. 공개·투명성 — Luccioni 외, arXiv 2506.15572 · 한국일보(2025-09-01, 녹색전환연구소) · White & Case(EU AI Act)

13. AI로 아끼는 에너지 — IEA 「Energy and AI」 AI and climate change

NEWSLETTER

새로운 환경·기후 이야기가 올라오면 이메일로 알려드려요.

GaiaBeacon 뉴스레터 구독하기

이메일 주소*

(필수) 에 동의합니다.

개인정보 수집 및 이용

뉴스레터 발송을 위한 최소한의 개인정보를 수집하고 이용합니다. 수집된 정보는 발송 외 다른 목적으로 이용되지 않으며, 서비스가 종료되거나 구독을 해지할 경우 즉시 파기됩니다.

AI 전력 사용량, 줄일 수 있을까 — 질문 한 번은 줄었는데 전체는 늘어난다