에린 브로코비치가 데이터센터 지도를 만든 이유, AI 시대의 환경 부담

환경운동가가 왜 데이터센터를?

에린 브로코비치(Erin Brockovich)라는 이름, 들어보셨나요? 줄리아 로버츠가 주연한 동명의 영화로 유명해진, 미국의 전설적인 환경 운동가예요. 1990년대 캘리포니아 힝클리(Hinkley)에서 PG&E가 지하수를 크롬으로 오염시킨 사건을 폭로해서 거대 기업에 역사적인 합의금을 물리게 한 인물이죠. 그 에린 브로코비치가 이번엔 미국 전역의 데이터센터 위치를 추적하는 지도를 공개했어요. "AI 시대의 환경 영향을 시민이 직접 감시할 수 있게 하자"는 취지예요.

왜 데이터센터일까요? 솔직히 우리 개발자들은 데이터센터가 '깨끗하고 조용한 서버 창고'라는 이미지를 갖고 있죠. 그런데 최근 2~3년 사이 AI 붐 때문에 데이터센터가 소비하는 전기와 물의 양이 폭발적으로 늘었고, 이게 인근 지역 사회에 실질적인 영향을 주기 시작했어요.

숫자로 보는 데이터센터의 환경 부담

국제에너지기구(IEA)에 따르면 전 세계 데이터센터의 전력 소비는 2022년 약 460TWh에서 2026년에는 1000TWh를 넘을 것으로 예상돼요. 이건 일본 전체의 연간 전력 소비량과 맞먹는 규모예요. 그 중에서도 AI 워크로드의 비중이 빠르게 늘고 있는데, GPT-4 한 번 학습하는 데 수천 MWh가 들고, 이미지 생성 한 번에 스마트폰을 완전 충전하는 정도의 전력이 든다는 추정도 있어요.

물 사용도 만만치 않아요. 데이터센터는 서버를 식히기 위해 증발식 냉각(evaporative cooling)을 많이 쓰는데, 이게 물을 증발시켜서 열을 빼앗는 방식이라 실제로 물이 '사라져요'. 구글, 마이크로소프트 같은 빅테크의 연간 물 사용량은 작은 도시 하나 수준이에요. 특히 애리조나, 텍사스 같은 건조 지역에 데이터센터가 몰리고 있어서 지역 주민들과 마찰이 생기고 있어요.

그리고 디젤 백업 발전기 문제도 있어요. 대부분의 데이터센터는 정전 대비용으로 거대한 디젤 발전기를 두고 정기적으로 테스트 가동을 해요. 이때 NOx, 미세먼지가 배출되는데, 주거 지역과 가까울수록 호흡기 질환 문제로 이어질 수 있어요.

브로코비치 지도의 의의

이번에 공개된 지도는 단순히 "데이터센터 여기 있다"가 아니라, 위치 + 운영 주체 + 추정 전력 소비 + 인근 인구 + 환경 영향을 종합적으로 보여주는 게 핵심이에요. 시민이 자기 동네 근처에 어떤 데이터센터가 있는지, 그게 지하수에 영향을 줄 가능성이 있는지, 인허가 과정에서 환경 영향 평가가 제대로 됐는지를 직접 확인할 수 있게 한 거예요.

이런 시민 주도형 환경 데이터 공개는 사실 미국에서 꽤 오래된 전통이에요. EPA의 Toxic Release Inventory(TRI)나 Superfund 사이트 데이터베이스가 시민 운동의 핵심 도구로 쓰여왔고, 이번 데이터센터 지도도 그 연장선이에요.

업계의 대응과 한계

빅테크들도 이런 비판에 손 놓고 있는 건 아니에요. 마이크로소프트는 2030년까지 '물 포지티브(water positive, 쓰는 것보다 더 많은 물을 환원)'를 목표로 내걸었고, 구글은 24/7 무탄소 에너지 매칭(시간 단위로 재생에너지와 사용량을 매칭)을 추진하고 있어요. 메타는 풍력/태양광 PPA(전력구매계약)를 대규모로 체결하고 있고요.

기술적으로도 변화가 있어요. 액체 냉각(liquid cooling)이 공랭 대비 효율이 훨씬 높아서 빠르게 보급되고 있고, 특히 NVIDIA H100/H200 같은 고전력 GPU는 사실상 액냉이 필수예요. 직접 침수 냉각(immersion cooling), 칩 위 콜드플레이트(direct-to-chip) 같은 기술이 PUE(Power Usage Effectiveness, 데이터센터 효율 지표)를 1.1 근처까지 낮추고 있어요. 그리고 소형 모듈 원자로(SMR)를 데이터센터 옆에 짓겠다는 발표도 줄을 잇고 있죠. 마이크로소프트는 이미 스리마일섬 원전을 재가동해서 자사 데이터센터에 전력을 공급하는 계약을 맺었어요.

그런데 이런 노력에도 불구하고, AI 수요의 성장 속도가 효율 개선 속도를 앞지르고 있다는 게 본질적인 문제예요. 효율을 2배 올리는 동안 수요가 5배 늘면, 절대량은 계속 증가해요. 이걸 'Jevons paradox(제번스의 역설)'라고 부르는데, 효율이 좋아질수록 오히려 총 소비가 늘어나는 현상이에요.

한국 개발자에게 주는 시사점

한국도 이 문제에서 자유롭지 않아요. 네이버 각, 카카오 안산, KT 클라우드 데이터센터들이 빠르게 확장하고 있고, 글로벌 빅테크들도 한국에 리전을 늘리고 있어요. 특히 AI 학습용 GPU 클러스터가 들어서면 전력 수요가 급증하는데, 한국전력의 송전망 한계와 맞물려서 이미 일부 지역에선 신규 데이터센터 인허가가 까다로워지고 있어요.

개발자 입장에서 당장 할 수 있는 건 "내가 짜는 코드의 에너지 효율을 한 번 생각해보는 것"이에요. 예를 들면 이런 거예요. LLM API 호출을 캐싱 없이 마구 날리고 있지는 않은지, 작은 모델로 충분한 작업에 큰 모델을 쓰고 있지는 않은지, 배치 처리로 묶을 수 있는데 단건 호출을 반복하고 있지는 않은지. '그린 코딩(green coding)'이라는 개념이 학술적으로 정립되고 있고, 알고리즘 선택과 인프라 설계가 탄소 발자국에 직접 영향을 준다는 인식이 점점 퍼지고 있어요.

또 클라우드 리전 선택도 환경적 의미가 있어요. 같은 AWS라도 리전마다 전력 믹스가 달라서, 재생에너지 비율이 높은 리전을 고르면 그 자체로 탄소 감축이에요. AWS, GCP, Azure 모두 리전별 탄소 강도 정보를 공개하고 있어요.

마무리

브로코비치의 지도는 "AI는 클라우드에 있다"는 추상적인 환상을 깨고, AI도 결국 어딘가의 땅과 물과 전기를 쓴다는 사실을 다시 일깨워줘요. 여러분이 만드는 서비스는 얼마만큼의 자원을 쓰고 있나요? 그리고 사용자 가치 대비 그 비용은 정당화되나요? AI 시대의 '책임 있는 엔지니어링'이란 어떤 모습이어야 할까요?