인공지능(AI)도 탄소를 배출한다
기업의 디지털 인프라는 사람들이 생각하는 것보다 훨씬 더 많은 양의 탄소를 배출하고 있다. 그리고 인공지능(AI)은 그보다 더 많은 양의 탄소를 배출한다. 바야흐로 ‘지속 가능한 소프트웨어’가 필요한 때다.
오늘날 기업을 운영하기 위해서는 소프트웨어 사용이 필수적이다. 놀라운 점은 이러한 소프트웨어가 엄청나게 많은 양의 탄소를 배출한다는 사실이다. 비즈니스 리더라면, 이로 인한 비용이 급격히 증가하기 전에 조치를 취해야 한다.
기업 및 조직들이 인공지능(AI) 활용을 가속함에 따라, 관련 문제의 시급성은 더욱더 높아지고 있다. AI 소프트웨어의 활용은 기업에 상당한 이점을 제공하지만, 이를 위해 데이터 처리에 소비되는 전력량은 기하급수적으로 증가하고 있다. 기업들은 지금 당장 소프트웨어의 지속 가능성을 개선하지 않는다면, 앞으로 수년간 불필요하게 과열된 소프트웨어를 사용할 위험이 높다. 무엇보다 클라우드 제공업체에 지불해야 하는 비용은 물론, 기업에서 설정한 탄소 배출량 감축 목표를 이행하는 데에도 상당한 추가 비용이 들 수 있다. 기술 및 커뮤니케이션 부문의 경우, 운영에 훨씬 더 많은 전력량이 필요한 만큼 탄소 배출량 또한 많을 것이라는 점을 강조해야 한다.
데이터 센터의 놀라운 전력 소모량
오늘날 소프트웨어에 필요한 전력량을 파악하기 위해서는, 막대한 전력 소모량의 현대적인 소프트웨어로 무장한 ‘데이터 센터’를 들여다보면 된다. 국제에너지기구(IEA, International Energy Agency)에 따르면, 지난 2021년에 전 세계 데이터 센터에서 사용한 총 전력량은 220~320테라와트시(TWh)에 달한다. 이는 남아프리카나 스웨덴, 혹은 이집트의 국가 총 전력 소비량보다 많은 양이다. (해당 수치는 본 아티클에서 논의하지 않는 ‘암호 화폐 채굴’에 관한 소비량은 제외했다.)
전력 수요는 매우 빠르게 증가하고 있다. 아일랜드 언론 아이리시 타임즈(Irish Times) 및 싱가포르 언론 채널 뉴스아시아(Channel News Asia)에 따르면, 아일랜드나 싱가포르 등 데이터 센터 인기 지역은 국가 전력 시스템의 부담으로 새로운 데이터 센터 승인을 일시 중지했을 정도다. 하지만 이렇게 데이터 센터에서 발생하는 탄소 배출량은 기술 및 통신 산업 전체에서 발행하는 총 탄소 배출량의 일부에 불과하다. 거시적인 관점에서 탄소 배출량을 측정하고 그 영향을 예측하는 것은 더더욱 어렵다. 국제 학술지 클리너 프로덕션 저널(Journal of Cleaner Production)의 2018년 연구에 따르면, 2040년 데이터 센터의 총 전력 소비량은 2020년 수준의 약 두 배가 될 것으로 추정된다. 이는 곧 기술 및 통신 산업의 탄소 배출량이 전 세계 총 탄소 배출량의 약 14%를 차지하게 된다는 의미와 같다.
숨겨진 탄소 배출량
금융 서비스를 비롯해 정보 처리 기반의 비즈니스를 운영하는 기업들은 진즉 자사에서 사용하는 운영 소프트웨어가 탄소 배출량에 어떤 영향을 미치는지 인지하고 있었어야 한다. 하지만 상당수 기업에서 여러 가지 이유로 관련 문제를 숨기고 있는 경우가 많다. 예를 들어, 기업의 소프트웨어가 클라우드 기반으로 운영될 시 모든 탄소 배출량 문제가 곧 공급망 문제로 이어지게 된다. 또한 일부는 직접적인 탄소 배출량을 관리하는 데 집중한 나머지 간접적인 탄소 배출량 관리는 우선 순위에서 밀렸을 가능성도 있다.
몇몇 기업은 관련 문제를 인지하고 있으면서도 당장은 우선순위가 아닐 수 있다. 하지만 기업들이 다른 부문에서 탄소 배출량을 점차 줄여 나감에 따라, 소프트웨어의 탄소 배출량이 총 배출량 관리 측면에서 향후 더 중요한 문제로 작용할 수 있다. 자동차 산업을 예로 들어보자. 현재 자동차 업계의 우선순위는 전기차 제작과 함께 신재생 에너지를 활용한 충전 시스템을 개발하는 것이다. 그러나 개발 과정이 완성 단계에 다다를 때쯤, 자동차 비즈니스는 AI에 기반한 경로 최적화 소프트웨어가 상당한 탄소 배출량의 원인임을 알게 될 것이다.
바로 이것이 지금 당장 조치가 필요한 이유다. ‘지속 가능한 소프트웨어’를 곧바로 구축함으로써, 기업들은 향후 관련 사안이 우선순위가 되었을 때 복잡하고 위험한 소프트웨어 재작업을 피할 수 있을 것이다.
특히 AI는 방대한 컴퓨팅 작업량으로 인해 과부하가 걸리기 쉬운 영역이다. 게다가 AI를 실생활에 적용하는 경우가 늘어나면서, 이에 소모되는 컴퓨터 성능 역시 기하급수적으로 증가하고 있다. 유명 AI 연구원인 Dario Amodei와 Danny Hernandez는 2018년 본인의 블로그에서, 가장 큰 규모의 AI를 훈련하는 데 필요한 컴퓨터 성능이 2012년부터 2017년까지 약 3.4개월마다 두 배씩 늘어났다는 계산 결과를 밝혔다. 여기서 ‘컴퓨터 효율성’과 관련된 논점은 윤리적이면서 효과적인 AI 활용법을 논의한 2021년 Gradient 게재 논문 『지속 가능한 AI를 위한 필수 요소』의 주제와도 맥락을 함께 한다. 예를 들어, BCG 감마(GAMMA)는 일찍이 책임감 있는 AI 활용을 위한 ‘6+1’ 원칙의 일종으로 사회 · 환경적 영향과 관련된 사항을 포함하고 있다.
물론 디지털 전환과 AI는 근본적으로 기후 위기에 맞서 싸우는 데 매우 유용한 도구다. 예를 들어, AI는 트럭의 이동거리를 단축해야 할지, 사무실의 냉 · 난방 에너지를 줄여야 할지 등을 결정하도록 도움으로써 디지털 비즈니스의 효율성을 높이도록 해준다. 또한 AI를 활용해 탄소 배출량을 줄이는 ‘AI 손자국’ 평가 산업도 급성장 중이다. 이 같은 맥락에서 AI는 분명 기후 위기의 판도를 바꿔 놓을 수 있다.
소프트웨어의 탄소 배출량 측정이 어려운 이유
그러나 안타깝게도, 기업 운영 소프트웨어에서 발생하는 탄소 배출량 측정은 결코 쉽지 않다.
기업의 소프트웨어를 클라우드 컴퓨팅으로 옮기는 작업은 본질적으로는 효율적이지만, 탄소 배출량 측정에 관해서는 추가적인 문제를 야기한다. 기업에서 작업 시 발생하는 탄소 배출량을 측정할 때는 대개 클라우드 공급업체가 제공하는 도구에 의존해야 하는데, 이러한 도구는 에너지 사용의 유리한 전제만을 부각할 가능성이 있다. 예를 들어, 기업들은 100% 신재생 에너지를 사용한다고 주장하지만, 시간 단위로 살펴보면 재생 에너지의 수요와 공급량은 일치하지 않는다. 이는 다시 말해 실제로는 데이터 센터가 재생 에너지만이 아닌, 일반 에너지에 상당 부분 의존할 수밖에 없으며 소프트웨어를 운영하는 데 여전히 많은 탄소를 배출할 것이라는 의미가 된다.
IEA 연구 결과에 따르면, 전 세계 네트워크 장비의 탄소 배출량은 데이터 센터의 배출량보다 훨씬 크다. 그럼에도 네트워크 공급업체들은 기업 운영에서 발생하는 탄소 배출량 측정 프로그램의 개발에 있어 매우 더디게 움직이는 상황이다.
일부 기업들은 종종 자사 운영 소프트웨어를 사용자 소유의 하드웨어에 기반해 실행하기도 한다. 이 경우, 해당 하드웨어에 대한 데이터가 기업에 전혀 없는 수준이기 때문에 탄소 배출량 측정이 훨씬 더 어려울 것이다.
클라우드 컴퓨팅은 복잡한 프로세스가 집약되어 가장 많은 에너지를 소모하는 ‘AI 모델 훈련’을 주도한다. AI는 대량의 데이터에 숨겨진 규칙을 발견하고, 연결하면서 ‘학습’한다. 매사추세츠 대학교 애머스트(University of Massachusetts Amherst) 연구 결과에 따르면, AI 모델 1개를 훈련시킬 때 많게는 626,155파운드(약 280미터톤)의 탄소가 배출된다. 이는 국제민간항공기구(ICAO, International Civil Aviation Organization)에서 계산한 탄소 배출량과 비교 시 약 470명이 뉴욕과 샌프란시스코를 왕복 비행했을 때와 맞먹는 양이다.
소프트웨어의 탄소 배출량 측정이 복잡하다는 의견에 관해, 구글(Google)은 해당 연구 데이터에 이의를 제기하고 나섰다. 2022년, 구글은 최적화 기술 및 기타 기술을 활용하면 연구 데이터의 0.00083% 수준의 탄소를 배출하면서 연구와 동등한 수준으로 AI를 교육하는 것이 가능하다고 주장했다.
AI 대중화의 영향
AI 훈련의 지속 가능성을 평가하기 위한 노력이 활발히 이어지고 있지만, AI 기술이 대중화함에 따라 향후 전력 소모량의 균형은 점차 깨지게 될 것이다. 이 같은 불균형은 AI가 훈련에서 발견한 규칙을 활용해 유용한 결과를 제공하는 ‘추론 단계’로 발전하면서 더 본격화할 수 있다. 대표적으로 AI 활용도가 높은 기업인 구글은 2022년 초, AI가 사용하는 에너지의 3/5은 ‘추론’에 의한 것이고, 2/5는 ‘훈련’에 의한 것이라고 추정했다. 사용자의 기기에서 추론과 관련된 작업량이 늘어남에 따라, 전력 소모량의 변화는 탄소 배출량 측정을 한층 더 어렵게 만들 것이다.
그러나 시간이 흐르며 천천히 탄소 배출량을 줄인다는 명분으로, AI 작업에 있어 매우 효율적인 전용 프로세서 칩셋과 같은 저렴하고 빠른 프로세스 성능에 의존해서는 안 된다. IT 산업에서는 영국 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)의 이름을 딴 ‘제번스의 역설(Jevons’s Paradox)’ 현상이 드물지 않게 나타나기 때문이다. 1865년, 제번스는 석탄 연소 기계의 효율성이 높아짐에 따라 석탄 수요가 줄어들 것이라는 예상과 달리 오히려 수요가 늘어난다는 사실을 알게 되었다. 빅토리안 시대를 살던 이 경제학자가 2022년을 관찰 중이라고 가정해 보자. 그는 아마도 클라우드 컴퓨팅에서 동일한 현상을 발견하게 될 것이다. 즉, 효율성의 개선이 새로운 애플리케이션의 가능성을 열고, 이로 인해 더 큰 컴퓨터 성능을 필요로 하게 되는 것이다. 실제로 IEA는 지난 몇 년간 대규모 데이터 센터에서 사용하는 에너지량이 연간 10~30% 비율로 증가한 것으로 추정한다.
효율적인 조치를 위한 계획
그렇다면 가장 먼저 누가 이 문제에 관해서 움직여야 할까? BCG는 최고지속가능책임자(CSO, Chief Sustainability Officer)의 지원을 받아 최고경영책임자(CEO, Chief Executive Officer)가 나서야 한다고 제언한다. CEO야말로 기업의 환경 · 사회 · 지배구조(ESG)를 책임지는 이들이기 때문이다. 비즈니스 리더들은 이와 관련해 3가지 초기 행동을 취해야 한다.
[1] 최고기술책임자(CTO)와 대화를 시작하라
최고기술책임자(CTO, Chief Technology Officer)는 이미 기업의 디지털화를 구현하는 데에서 엄청난 압박을 받고 있다. 그렇기에 CTO가 탄소 배출량 감축을 위한 추가 프로세스를 삽입하려면 반드시 상위의 지원이 필요하다. 각 사업부는 저마다 AI 프로젝트의 실행을 필요로 한다. 이 같은 상황에서 CTO가 지속 가능한 소프트웨어를 구현하기 위해 일정을 변경할 시, 고위 임직원들이 이를 지원해주는 것이 필요하다.
나날이 부각되는 탄소 배출량에 관해 대부분 CTO는 이미 문제를 잘 인지하고 있다. IT 산업 내 유명인사 및 영향력 있는 사용자들이 대거 참여한 비영리단체 녹색 소프트웨어 재단(Green Software Foundation)은 이에 관한 문제를 제기하기 위해 끊임없이 노력해왔다.
(※ 면책 사항: 본 아티클의 필진 중 한 명이 녹색 소프트웨어 재단의 표준화 그룹 의장이며, BCG는 운영 위원회급 재단 멤버로 참여하고 있다.)
[2] 팀의 재량을 인정하라
BCG 경험에 따르면, IT 기술자들은 일반적으로 불필요한 소프트웨어 축소의 필요성을 잘 이해하고 이를 지지하는 편이다. 이들은 기술적으로 현명한 해결책을 직접 최초 개발하는 것을 좋아하며, 소프트웨어 효율성을 높이기 위해 18개월 이내에는 재작업하는 것을 반기지 않는다.
이들과 같은 전문가가 한 번 경로를 설정하고 나면, 곧 기존의 업무 흐름에 원활하게 적용되는 적절한 도구가 파악될 것이고, 이후 필요한 만큼 탄소 배출량을 감축할 수 있을 것이다. 이는 지속 가능성을 위한 조치가 결국 생산성을 유지하고, 더 나아가 디지털화를 순조롭게 이루는 것으로 이어진다는 사실을 의미한다.
[3] 수치를 따져라
기후관련 재무정보 공개 태스크포스(TCFD, Task Force on Climate-related Financial Disclosures) 가이드에 따르면, 대부분 기업에 클라우드 컴퓨팅과 같은 공급망의 탄소 배출량 공개는 아직까지 의무 사항은 아니다. 하지만 이 같은 권고사항은 이제 사실상 전 세계적인 표준이 되어가고 있다. 아직 의무 사항이 아니라고 하더라도, 이제는 이와 관련해 적절한 수치를 따져보고 재고해야 하는 시기다. 수치의 범위는 기업 서비스 사용자의 하드웨어에 기반한 소프트웨어의 영향을 포함, 가능한 가장 넓게 설정되어야 한다. 이와 함께, 현재 기업이 이용 중인 클라우드 또는 데이터 센터 제공업체에서 소프트웨어 운영 탄소 배출량에 관해 소위 ‘그린워싱(greenwashing, 위장된 친환경 전략)’을 하고 있는 것은 아닌지 면밀히 살펴볼 필요가 있다.
소프트웨어 탄소 배출량의 측정 방식 및 기준이 모호하거나 수정이 필요할 수도 있다. 이는 탄소 배출량을 보고할 때 겪게 되는 일반적인 문제지만, 특히 초기 도메인 소프트웨어의 탄소 배출량을 계산할 때 발생할 가능성이 가장 높다. 이는 클라우드나 글로벌 네트워크 같은 공유 하드웨어를 기반으로 컴퓨터 프로세싱이 수행될 때 가장 심각한데, 해당 과정에서 발생하는 탄소 배출량 및 기업의 총 탄소 배출량에서 차지하는 비중 등의 계산 결과가 모두 불확실해지기 때문이다. 만약 해당 프로세싱이 사용자의 휴대폰 또는 컴퓨터를 기반하여 이루어질 경우, 문제는 더욱더 심각해진다. 기업은 사용자의 하드웨어와 관련한 기본적인 정보 수집은 가능하지만, 그것을 구동하는 에너지에 관해서는 전혀 알 수 없기 때문이다.
도움이 되지만, 마냥 기다릴 수 없는 표준화
머지않아 업계 이니셔티브로 표준화된 가이드라인이 제공될 것이고, 나아가 신뢰가 구축되고 표준의 확대 도입이 추진되며, 종국에는 그린워싱이 사라지게 될 것으로 보인다. 녹색 소프트웨어 재단은 ‘소프트웨어 탄소 강도(SCI, Software Carbon Intensity)’ 세부 기준을 제정하기 위한 토대를 마련했다. 이 같은 라이프 사이클 접근법은 소프트웨어 사용자가 직접 소프트웨어 탄소 배출에 관한 현명한 선택을 할 수 있도록 돕는 것을 목표로 한다. 그렇다고 해서 소프트웨어 실행 플랫폼에 의미 있는 변화를 일으키고자 유관 수치를 완벽하게 준비할 필요는 없다.
수치상에서는 탄소 배출량의 귀속적 산정 방법과 결과적 산정 방법의 차이를 이해하는 것이 중요하다. (보기 참조) 귀속적 산정 방법이 공급망에서 배출되는 탄소양을 포함해, 기업에 귀속되는 모든 탄소 배출량을 측정하는 반면, 결과적 산정 방법은 조직 내 사업부 간 경계를 고려하지 않음으로써 발생하는 총 탄소 배출량 변화를 측정한다. 이는 모든 산업의 배출량 측정에서 중요한 차이지만, 특히 소프트웨어 산업에서는 핵심적인 부분을 차지한다. 명확한 이해를 위해, 중앙 서버의 부하는 줄였으나 수백만 명의 유저로 인해 더 큰 컴퓨터 성능이 필요하게 된 상황을 가정해 보자. 귀속적 산정 방법은 해당 상황을 시스템 개발자를 위한 개선된 상태로 평가하겠지만, 결과적 산정 방법은 상황이 오히려 악화된 것으로 평가할 것이다.
조치를 위한 압박 vs. 인센티브
소프트웨어의 탄소 배출 문제를 해결하는 것은 번거로운 일일 수 있다. 그러나 적어도 두 가지 측면에서 분명한 투자 수익을 가져올 수 있다.
첫 번째, 기후 변화 위기에 대처하는 데 도움을 준다. 캘리포니아 산불에서 재앙과도 같았던 인도의 홍수 · 산사태에 이르기까지, 우리는 현재 ‘인간’이라는 하나의 종으로서 암울한 영향을 받고 있다. 기후 변화를 늦추는 데 일조하는 것은 투자 측면에서 좋은 수익을 낳을 뿐 아니라 도덕적으로도 옳은 일이다.
두번째는 좀 더 실질적인 이익이다. 수년간 소비자들은 지속 가능성에 관해 기업들을 압박해왔으며, 그 결과 이제 기업 고객에 있어 지속 가능성은 일반적인 고려사항이 되었다. MIT 운송물류센터(MIT Center for Transportation & Logistics) 2022년 연구에 따르면, 투자자 및 고위 경영진과 고객 모두 기업이 공급망 차원에서 지속 가능성을 개선하기를 요구하는 것으로 나타났다. 서비스형 소프트웨어(SaaS, Software as a Service)와 같이 전체 비즈니스가 소프트웨어로 운영되는 기업들은 이 같은 요구를 가장 먼저 받게 될 가능성이 크다. 기업들은 소프트웨어의 탄소 배출 문제와 관련해 까다로운 질문을 받을 상황을 대비해 적절한 답변을 준비해두고 있어야 한다.
머지않아, 미국 LEED(Leadership in Energy and Environmental Design), 다수의 국가에서 채택한 BREEAM(Building Research Establishment Environmental Assessment Method) 등 건축물의 친환경 인증 제도와 마찬가지로 소프트웨어의 친환경성을 평가하는 인증 제도가 생겨날 확률이 높다. 이는 주로 AI에 초점을 맞추거나, ISO 27001(정보 보안 경영 인증)처럼 전반적인 기업 IT 운영에 적용되는 광범위한 인증 제도가 될 수도 있다.
관리자들이 반드시 유의할 점은, 지속 가능성 우려로 인해 AI 프로그램의 활용을 중단해서는 안 된다는 점이다. AI 비즈니스의 이점은 압도적이며, 결코 중단할 수 없는 사안이다. 기업에 AI 프로젝트가 준비되어 있다면, 이는 무조건적으로 실행해야 한다.
이제 기업들은 소프트웨어 탄소 배출 문제를 보다 면밀히 살펴보아야 한다. 만약 탄소 배출량이 지나치게 많거나 매우 빠르게 증가하고 있다면, 이에 대해 지체 없이 조치를 취해야 한다. 특히 AI를 광범위하게 활용하는 기업들은 더욱더 주의해야 하며, 종국에는 거의 모든 비즈니스가 이러한 상황이 될 것이다. 빠르게 조치를 취한다면, 기업들은 고객 및 기타 이해 관계자들이 까다로운 질문을 던질 때 소프트웨어의 탄소 배출량이 제대로 관리되고 있다는 사실을 당당하게 공개할 수 있을 것이다.
