Developing sustainable Gen AI

생성형 AI의 숨겨진 환경 비용, 데이터 처리부터 e-폐기물까지 충격적 수준

캡제미니(Capgemini)가 발간한 '지속가능한 생성형 AI 개발' 보고서에 따르면, 생성형 AI가 기업의 환경 발자국에 큰 영향을 미치고 있는 것으로 나타났다. GPT-3 모델 학습에 미국 130가구가 1년간 사용하는 전력량이 소비되며, GPT-4의 경우 이보다 40배 많은 5000가구의 연간 전력 소비량에 달한다. 더욱이 구글의 AI 관련 에너지 소비 중 60%가 추론 단계에서 발생하는 것으로 조사됐다. 챗GPT의 단일 질의는 구글 검색의 10배에 달하는 2.9와트시의 전력을 소비하며, 전 세계 검색이 챗GPT로 전환될 경우 연간 10테라와트시의 추가 전력이 필요할 것으로 예측됐다.

AI 하드웨어의 환경 부담, 희토류 채굴부터 전자폐기물까지

생성형 AI 구동에 필요한 GPU 칩은 일반 CPU보다 10-15배 많은 전력을 소비하는 것으로 나타났다. 더욱 심각한 것은 구리, 코발트, 텅스텐 등 희토류 금속 채굴 과정에서 발생하는 온실가스로, GPU 생산 관련 온실가스 배출의 절반을 차지한다. 단일 마이크로칩 생산에는 약 8,300리터의 초순수가 필요하며, 평균적인 칩 제조시설은 하루 3,900만 리터의 초순수를 사용한다. 이는 미국 3만 3천 가구의 일일 물 사용량과 맞먹는 수준이다. 보고서는 2030년까지 AI 관련 전자폐기물이 2023년 대비 1000배 증가한 120만-500만 톤에 달할 것으로 전망했다.

기업들 "AI로 온실가스 배출 증가"... ESG 목표 재검토 불가피

조사 대상 기업의 48%가 생성형 AI 도입으로 온실가스 배출이 증가했다고 응답했다. 특히 생성형 AI의 환경영향을 측정하는 기업들은 향후 2년 내 전체 탄소배출량 중 AI 관련 배출 비중이 현재 2.6%에서 4.8%로 증가할 것으로 예측했다. 이에 따라 42%의 기업이 AI 도입으로 인해 기존 기후목표를 재검토해야 하는 상황에 직면했다. 국제에너지기구(IEA)는 2026년까지 데이터센터 전력 수요가 현재의 2배 이상인 1000TWh에 달할 것으로 전망했다.

기업들의 AI 환경 영향 관리는 아직 미흡... "투명성 부족이 걸림돌"

현재 AI 환경발자국을 측정하는 기업은 12%에 불과했다. 기업들이 AI 모델을 선택할 때 환경발자국은 하위 고려사항으로, 성능(77%)과 확장성(74%), 사이버보안(62%)이 주요 결정 요인이었다. 기업의 74%는 하이퍼스케일러와 AI 모델 제공업체들의 환경영향 정보 투명성 부족을 어려움으로 꼽았다. 마이크로소프트는 데이터센터 확장으로 인해 2020년 대비 Scope 3 배출이 31% 증가했으며, 구글도 2019년 대비 온실가스 배출이 48% 증가했다고 보고했다.

기술 기업들의 지속가능한 AI 구현 노력

엔비디아는 새로운 블랙웰 칩이 이전 세대 대비 AI 워크로드 성능은 30배 향상되고 에너지 소비는 25배 감소했다고 발표했다. 구글 클라우드의 AWS 트레이니엄 칩은 기존 가속 컴퓨팅 인스턴스 대비 25% 높은 에너지 효율을 보여준다. 메타는 AI 최적화 데이터센터를 구축 중이며, 조밀한 랙 구성과 액체 냉각 AI 하드웨어를 도입하고 있다. 마이크로소프트는 ML 기반 프로젝트 포지 소프트웨어를 통해 AI 모델 학습과 추론 워크로드를 최적화하고 있다.

지속가능한 AI  성공사례

보고서에 따르면 33%의 기업이 이미 지속가능성 이니셔티브에 AI를 활용하고 있으며, 37%는 잠재력을 탐색 중이다. 기업들의 66%는 향후 3-5년 내 AI 주도 지속가능 비즈니스 이니셔티브를 통해 온실가스 배출량이 10% 이상 감소할 것으로 기대했다. 캐나다의 스타트업 브레인박스 AI는 생성형 AI를 활용해 상업용 건물의 탄소발자국을 줄이는데 성공했으며, 이를 통해 HVAC 비용을 25%, 온실가스 배출을 40% 감축했다. 레키트는 AI와 제너레이티브 AI를 활용해 제품별 탄소발자국을 더 빠르고 정확하게 측정하는데 성공했다.

UN SDGs 달성을 위한 생성형 AI의 역할

생성형 AI는 지속가능발전목표(SDGs) 달성을 가속화할 잠재력을 보유하고 있다. 스위스 농업기술 기업 싱젠타는 다국어 생성형 AI 기반 작물관리 시스템을 통해 농작물 수확량을 5% 향상시켰다. 홍콩의 인실리코 메디신은 생성형 AI를 활용해 희귀질환 치료제 개발 비용을 90% 절감했다. 보스턴시는 생성형 AI를 활용해 자전거 친화적 도시 인프라를 설계하고 있으며, 인도 아폴로 병원은 구글 클라우드의 생성형 AI를 통해 의료 서비스를 개선하고 있다.


해당 기사에서 인용한 리포트 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.