대학신문방송국

기술의 발전으로 인공지능(이하 AI)이 일상으로 자리한 요즘, AI와 환경 간의 엇갈린 반응이 떠오르고 있다. AI 모델을 학습시키고 운영하기 위해서는 많은 전력이 소모되어 대량의 온실가스가 생성되기에 부정적인 의견이 있는 반면, AI를 이용하여 에너지 효율을 극대화하거나 기후 변화 대응 및 친환경 신소재 개발에 활용할 수 있다는 긍정적 의견도 존재한다.AI 슬롭은 생성형 AI를 이용해 별다른 검증이나 목적 없이 대량으로 만들어지는 저품질 콘텐츠를 일컫는다. SNS에는 비슷한 형태의 AI 이미지와 영상이 반복적으로 올라오고, 실제 정보보다 조회수와 관심을 끌기 위한 콘텐츠가 빠르게 확산되고 있다.그러나 이러한 무분별한 AI 생성은 콘텐츠의 질뿐 아니라 환경 문제로도 이어질 수 있다는 지적이 나온다. AI가 하나의 결과물을 생성하기 위해서는 데이터센터에서 수많은 연산이 이뤄져야 한다. 서버를 작동시키는 전력뿐만 아니라 고열이 발생하는 장비를 냉각하기 위한 물도 필요하다. 특히 대규모 언어모델(LLM)은 학습과 이용 과정에서 상당한 자원을 소비한다.Li 연구진은 2023년 발표한 논문 ‘Making AI Less Thirsty’에서 GPT-3를 학습하는 데 미국 데이터센터 기준 약 70만 L의 물이 직접 소비되며, 전력 생산 과정까지 포함하면 전체 물 발자국은 약 350만 L에 달할 수 있다고 추정했다. 또한 GPT-3 기반 서비스가 약 10~50개의 중간 길이 응답을 생성할 때 500mL의 물을 소비할 수 있다고 분석했다. 이는 사용 지역과 시간, 데이터센터의 냉각 방식에 따라 달라지는 추정치지만 AI의 물 소비를 정량적으로 보여준다.AI 서버가 증가하면서 이러한 환경 부담은 더욱 커질 가능성이 있다. 2025년 Nature Sustainability에 발표된 연구는 미국의 AI 서버 확대에 따른 환경 영향을 분석하고, 2024년부터 2030년까지 AI 서버의 물·에너지·탄소 발자국이 상당한 규모로 증가할 수 있다고 전망했다. 연구진은 데이터센터의 운영 효율과 냉각 기술을 개선할 경우 물 사용량을 최대 32%, 에너지와 탄소 배출량을 각각 약 12%, 11% 줄일 수 있다고 분석했다.이 때문에 AI 슬롭은 단순히 ‘인터넷에 저품질 콘텐츠가 많아졌다’는 문제로만 볼 수 없다. 의미없는 이미지와 영상을 반복적으로 생성하고 소비하는 과정에서도 서버 연산이 발생하기 때문이다. 하나의 생성물이 환경에 미치는 영향은 작아 보일 수 있지만, 수많은 이용자가 이를 반복하면 전체 자원 소비량은 커질 수밖에 없다.물론 AI가 환경에 미치는 영향이 모두 부정적인 것은 아니다. AI는 에너지 효율 개선이나 기후 예측 등 환경 문제를 해결하는 데 활용될 가능성도 있다. 또한, AI 하드웨어와 에너지 효율은 계속해서 개선되고 있으며, 친환경 냉각 기술인 직접 칩 냉각(DTC)을 적용하여 열을 효과적으로 제어하는 방식도 적용되고 있다.AI가 일상적인 도구가 된 지금, 중요한 것은 AI를 사용할 수 있느냐가 아니라 무엇을 위해 얼마나 사용할 것인가다. 편리함과 재미만을 위한 저품질의 ‘AI 슬롭’ 생성이 반복하여 늘어날수록 AI의 환경 비용 역시 커지기 때문이다. AI 기술의 지속가능성을 위해서는 기업이 사용하는 에너지와 물의 사용량을 공개하는 효율적인 데이터센터 구축뿐만 아니라 이용자 역시 불필요한 AI 생성을 줄이려는 태도가 필요해 보인다.

글 박희진 기자

그림 김세연 수습기자