0.3Wh.
챗봇한테 한 번 물어볼 때 드는 전기라고 어디선가 봤다. 처음엔 이게 큰 건지 작은 건지 감도 안 왔다. 와트시라는 단위 자체가 낯설어서, LED 전구를 몇 분 켠 정도라는 설명을 읽고서야 아 별거 아니네, 했다. 그런데 그 다음 줄이 걸렸다. 하루에 수억 건이 쌓이면 얘기가 달라진다고. 나는 블로그 자동화 돌린다고 하루에도 AI를 수십, 많으면 수백 번씩 부르는 사람인데. 그럼 내 하루치는 얼마고, 세상 전체로 곱하면 대체 얼마라는 거야. 궁금하니까 자료를 좀 들여다봤다. AI 데이터센터 전력 이야기다.
한 번은 진짜 작더라, LED 몇 분 수준
먼저 “한 번”부터. 요즘 가장 많이 인용되는 추정은 Epoch AI(2025)의 약 0.3Wh다. GPT-4o에 짧은 질문 하나 던졌을 때 기준. 예전에 널리 돌던 3Wh의 10분의 1 수준이라, 나도 옛날 숫자를 기억하고 있던 터라 좀 놀랐다. 샘 올트먼이 자기 블로그에서 밝힌 평균값도 0.34Wh쯤이었으니 얼추 맞는다.
Epoch AI는 이걸 “LED 전구 몇 분, 노트북 몇 분” 정도로 비유했다. 전자레인지 1초 남짓이라고 보면 된다. 여기까지만 보면 죄책감 같은 건 안 생긴다. 오히려 김이 빠졌다. 내가 커피 한 잔 데우는 게 챗봇 수십 번 물어보는 것보다 전기를 더 먹는다는 소리 아닌가.
다만 이 0.3Wh는 “짧은 질문”일 때다. 긴 문서를 통째로 넣고 요약시키면 수십 Wh까지 뛴다. 2025년에 나온 벤치마크를 보면 길고 복잡한 프롬프트는 33Wh를 넘고, 짧고 정확한 프롬프트는 0.4Wh 정도로 같은 작업인데도 크게 갈렸다. GPT-5처럼 최신·대형 모델은 중간 길이 질문 하나에 평균 18.9Wh쯤 든다는 추정도 있는데, 이건 언론·분석 매체 추정치라 오차가 크다. 그러니까 “챗봇 한 번은 몇 Wh”라고 딱 잘라 말하긴 어렵고, 뭘로 얼마나 긴 걸 시키느냐에 따라 100배 넘게 벌어진다는 게 정확하다.
총량으로 가면 숫자가 확 달라진다
문제는 “한 번”이 아니라 “다 합쳤을 때”다.
한국에너지경제연구원이 정리한 IEA 자료를 보면, 2024년 전 세계 데이터센터가 쓴 전기는 약 415TWh였다. 세계 전체 전력의 1.5%쯤. 이게 2030년엔 약 945TWh, 2024년의 두 배가 넘을 걸로 IEA는 본다. 세계 전력의 3%에 조금 못 미치는 양이다. (IEA 원문 페이지는 직접 접속이 막혀서, 정부출연연구기관인 KEEI 정리본으로 교차 확인했다.)
TWh라는 단위가 또 감이 안 와서 한참 들여다봤는데, 요는 이거다. 개별 쿼리 하나의 전기는 오히려 계속 줄어드는 중이다. 효율이 좋아지니까. 그런데 쓰는 사람과 쓰는 양이 그보다 더 빠르게 느니까, 총소비는 급증한다. 절약하는 속도보다 늘어나는 속도가 빠른 거다. 이 대목에서 좀 멍했다. 내가 아까 “커피 한 잔보다 적네” 하고 안심했던 게, 그건 절반만 맞는 말이었다. 한 잔은 적지만, 온 세상이 하루 종일 커피를 데우고 있으면 그건 더 이상 한 잔의 문제가 아니니까.
한 가지 더. 흔히 “AI는 학습할 때 전기를 왕창 쓴다”고 알지만, 실제 총량을 지배하는 건 학습이 아니라 추론이다. 학습이 끝난 모델에 매일 수십억 명이 질문을 던지는 쪽. 학술 정리들을 보면 AI 컴퓨팅의 80~90%가 이 추론에 쓰인다더라. 그러니까 내가 매일 챗봇에 뭘 물어보는 그 행위가, 큰 그림에서 보면 딱 그 지배적인 조각이었던 거다.
전기만이 아니라 물도 든다는데, 이 숫자는 좀 조심스럽다
데이터센터는 뜨거워지는 걸 식히느라 물도 쓴다. 여기서부터는 숫자를 조심해서 옮겨야 한다. 물 수치는 전력보다 편차가 훨씬 크기 때문이다.
쿼리 한 번에 물 10~25mL쯤 든다는 정리도 있고, UC 리버사이드 연구는 100단어짜리 프롬프트당 약 519mL로 추정했다. 챗봇 스무 번쯤 물어보면 생수 한 컵 정도라는 계산인데, 이건 어디까지나 추정이다. 전문가 평가 중에는 데이터센터 유형과 냉각 방식에 따라 물 집약도가 1만 배까지 벌어진다는 지적도 있어서, “정확히 몇 컵”이라고 단정하는 건 위험하다. 나는 이런 숫자를 볼 때 컵으로 환산된 이미지가 제일 무섭게 다가오는데, 정작 그 컵 숫자가 제일 안 믿음직한 숫자였던 셈이다.
결국 남의 나라 얘기가 아니었다
이게 태평양 건너 얘기면 그러려니 했을 텐데, 국내 숫자를 보니 딴 얘기였다.
한국IDC 자료에 따르면 국내 데이터센터 전력 수요는 2025년 4,461MW에서 2028년 6,175MW로 약 1.4배, 해마다 11%씩 늘 걸로 본다. 문제는 이게 수도권에 몰려 있다는 점이다. KEEI 인사이트 보고서도 수도권 집중과 송전망 증설을 둘러싼 갈등을 짚었는데, 대형 AI 데이터센터가 수도권에 계속 들어서면 전력망 병목과 지역 갈등이 같이 온다는 우려다. 2026년 들어 “AI 전력 전쟁”이라는 말까지 나오는 게 과장만은 아니었다. 내가 서울에서 챗봇을 켜는 것과 저 송전망 갈등이 아주 먼 이야기가 아니라는 게, 숫자로 보니까 좀 실감이 났다.
그래서 내가 뭘 하면 되나, 아니 뭘 할 수 있긴 한가
솔직히 여기까지 읽고 나면 “그럼 나 챗봇 그만 써야 하나” 싶은 마음이 살짝 든다. 근데 그건 아니다.
Epoch AI 평가로는 하루에 챗봇을 아무리 많이 써도 개인 하루 전력 소비의 극히 일부다. 짧은 출퇴근 한 번 에너지에 맞먹으려면 프롬프트 수천만 건이 필요하다는 계산도 있다. 그러니까 개인이 안 쓰는 걸로 뭘 크게 바꾸긴 어렵다는 거고, 실제 큰 변수는 데이터센터의 재생에너지 전환이나 냉각 효율, 전력망 유연화 같은 사업자·정부 몫이라는 게 자료들의 공통된 결론이었다.
그럼 개인은 그냥 손 놓으면 되나. 그것도 좀 그렇다. 습관 차원에서 할 수 있는 게 없진 않았다. 간단한 작업에 굳이 제일 크고 비싼 최신 모델을 안 쓰는 것. 애매하게 여러 번 다시 묻느라 같은 호출을 반복하지 않는 것. 앞에서 봤듯 같은 작업도 프롬프트를 어떻게 짜느냐에 따라 33Wh와 0.4Wh로 갈리니까, 한 번에 정확히 묻는 습관은 결과도 좋고 낭비도 준다. 나는 이게 마음에 들었다. 죄책감으로 안 쓰는 게 아니라, 어차피 잘 쓰려던 걸 하면 부수적으로 덜 태우는 거니까.
숫자를 다 훑고 나니 처음의 “0.3Wh 별거 아니네” 하던 나는 좀 부끄러웠다. 한 번이 작다고 전체가 작은 게 아니라는 당연한 걸, 나는 내 편한 쪽으로만 계산하고 안심했던 거다. 그렇다고 이제 와서 챗봇을 끊겠다는 것도 아니고 — 그냥 아무 모델이나 습관적으로 부르던 걸, 이 작업엔 이 정도면 되겠다 하고 한 번 더 고르게 됐다. 딱 거기까지가 내가 정직하게 바꿀 수 있는 부분이었다.
