미국지질조사국은 처음 이 진동을 규모 5.2 지진으로 기록했습니다. 추가 분석 결과 빙하가 포함된 사면이 무너지며 얼음과 암석이 계곡으로 쏟아졌고, 토석류*와 홍수를 만들었습니다. 이 움직임이 지진계에 잡힌 것입니다.

정확한 시작점은 아직 조사 중입니다. 빙하 자체가 먼저 무너졌는지, 산사태가 빙하 일부를 끌고 내려갔는지는 확정되지 않았습니다. AP가 인터뷰한 연구자들은 붕괴 전후 위성사진을 비교해 기반암이 무너지며 빙하 일부를 함께 끌고 내려간 것으로 분석했습니다. 이는 현재 조사 단계의 해석이며, 미국지질조사국도 위성사진을 이용해 붕괴 범위와 이동 경로를 계속 분석하고 있습니다.

AI에게 질문을 보내면 답은 몇 초 안에 돌아옵니다. 그 짧은 시간 뒤에는 수많은 연산을 처리하는 데이터센터*가 있습니다. 서버는 전기로 움직이고, 과열되지 않도록 냉각 설비를 가동합니다.

국제에너지기구는 전 세계 데이터센터의 전력 소비량이 2025년 약 485TWh에서 2030년 약 950TWh로 늘어날 것으로 전망했습니다. 2030년 세계 전력 수요의 약 3%에 해당하는 규모입니다. AI 전용 데이터센터의 전력 소비는 같은 기간 세 배로 증가할 것으로 예상됩니다.

데이터센터가 사용하는 전력을 생산하면서 발생하는 간접 이산화탄소 배출량은 현재 약 1억 8천만 톤입니다. 국제에너지기구의 기본 전망에서는 앞으로 10년 동안 이 배출량이 약 80% 증가합니다. 데이터센터 전체의 수치이므로 모두 AI의 몫은 아니지만, AI가 전력 수요 증가를 이끄는 주요 요인이라는 점은 분명합니다.

같은 AI를 사용해도 환경비용은 달라집니다. 데이터센터가 어떤 발전원에서 전기를 공급받는지, 어느 지역에 자리 잡았는지, 어떤 냉각 방식을 쓰는지에 따라 탄소와 물 사용량이 달라집니다. AI의 비용을 ‘질문 한 번당 얼마’라는 숫자 하나로 설명하기 어려운 이유입니다.

서버를 식히는 과정에는 물이 필요합니다. 전기를 생산할 때도 물이 쓰이며, 고성능 반도체를 만드는 공정에도 많은 양의 초순수가 들어갑니다. 경제협력개발기구(OECD)*가 인용한 2021년 추정치에 따르면, 물 사용량을 집계해 공개한 데이터센터 사업자는 33~50%에 그쳤습니다. 오래된 추정치라는 한계가 있지만, 에너지와 탄소에 비해 물 사용 정보가 충분히 공개되지 않는다는 문제는 여전히 남아 있습니다.

고성능 서버를 만드는 데 필요한 광물과 장비 교체 뒤에 남는 전자폐기물도 빠뜨릴 수 없습니다. 유엔대학교(UNU)*는 AI를 데이터센터와 칩, 냉각 시스템, 전력망, 물, 토지와 핵심 광물 공급망이 연결된 물질적 시스템으로 설명합니다.

여기에는 지역의 문제도 생깁니다. AI의 편익은 세계 여러 곳에서 누리지만, 데이터센터의 전력과 물 수요 또는 광물 채굴의 부담은 특정 지역에 집중될 수 있습니다. 저탄소 전력을 사용한다고 해서 물과 토지의 부담까지 자동으로 줄어드는 것도 아닙니다.

AI 데이터센터에는 물·전력·광물이 투입되고, 운영과 장비 교체 과정에서는 열·탄소·전자폐기물이 발생합니다. AI의 환경비용은 전력 사용뿐 아니라 자원 투입과 폐기까지 포함하는 전 생애주기의 문제로 거론되고있습니다.

AI 결과물이 텍스트에서 이미지, 영상으로 갈수록 대체로 더 많은 연산이 필요합니다. 텍스트는 단어의 조각을 순서대로 만들지만, 이미지는 한 화면의 시각 정보를 구성해야 합니다. 영상은 여러 화면을 연속으로 만들면서 인물과 배경의 일관성까지 유지해야 합니다.

2023년 AI 모델 비교 연구에서는 실험에 사용한 모델의 이미지 생성이 텍스트 생성보다 평균 60배 이상 많은 전력을 소비했습니다. (Power Hungry Processing 연구) 국제에너지기구는 영상 생성과 복잡한 추론, AI 에이전트 작업이 단순한 텍스트 생성보다 질문당 수백 배에서 수천 배 많은 에너지를 쓸 수 있다고 밝혔습니다. 다만 실제 소비량은 모델과 하드웨어, 영상의 길이와 해상도에 따라 달라집니다.

따라서 ‘AI를 한 번 썼다’는 표현만으로는 환경비용을 설명하기 어렵습니다. 회의 내용을 정리할 때는 텍스트 요약을 선택하고, 개념을 보여주는 데 한 장의 이미지면 충분하다면 영상을 만들지 않는 편이 낫습니다. 영상이 필요해도 초안은 짧은 길이와 낮은 해상도로 확인한 뒤 최종 장면만 다시 만들 수 있습니다. AI를 쓰지 않는 것보다 필요한 결과만 만드는 것이 더 현실적인 선택입니다.

서비스도 이 선택을 도와야 합니다. 작업에 맞는 작은 모델을 기본으로 제안하고, 텍스트·이미지·영상의 상대적인 에너지 부담을 보여준다면 사용자는 결과의 품질과 비용을 함께 비교할 수 있습니다. 지금처럼 어떤 모델이 작동했는지조차 알기 어려운 화면에서는 책임 있는 선택을 개인에게만 요구할 수 없습니다.