1. 서론

1.1 탐구 동기

최근 학교 과제와 일상에서도 인공지능을 활용하는 장면을 쉽게 볼 수 있다. 글의 초안을 정리하거나 자료를 분류할 때는 시간이 크게 줄어들고, 복잡한 내용을 요약할 때도 편리함이 분명하다. 그러나 이런 편리함이 화면 안에서만 끝나는 것은 아니다. 보이지 않는 곳에서는 데이터센터가 대규모 연산을 수행하고 있으며, 그 과정에서 상당한 전력이 사용된다. 한편 AI는 공장 운영 최적화, 건물 냉난방 제어, 물류 경로 조정, 수요 예측 같은 분야에서 다시 에너지를 절감하는 역할도 한다. 즉 AI는 전력을 많이 소비하는 기술이면서 동시에 에너지 효율을 높이는 기술이라는 이중적 성격을 지닌다. 이처럼 상반된 특징이 공존한다면, AI를 단순히 확대해야 할 기술 또는 제한해야 할 기술로 나누어 판단하는 것은 충분하지 않다. 오히려 경제학의 관점에서 편익과 비용을 함께 계산하고, 어떤 조건에서 사회 전체에 더 바람직한 결과가 나타나는지 살펴볼 필요가 있다.

경제 교과에서 배우는 희소성, 한계편익, 한계비용, 외부효과, 정부의 시장 개입은 이 문제를 분석하는 데 직접 연결된다. 전력은 무한한 자원이 아니며, 데이터센터 증설과 AI 연산 확대는 다른 부문에 배분될 수 있는 에너지와 설비 여력을 줄일 수 있다. 기업은 AI 도입으로 얻는 사적 수익을 기준으로 투자 결정을 내리지만, 그 과정에서 발생하는 탄소배출과 전력망 부담까지 모두 가격에 반영하지는 않을 가능성이 있다. 그렇다면 시장에서 형성되는 AI 활용 수준은 사회적으로 적정한 수준보다 높아질 수 있다. 반대로 규제가 지나치면 생산성 향상과 기술 혁신의 이익이 줄어들 수 있다. 이런 점에서 핵심 질문은 AI를 사용할지 말지가 아니라, 어떤 가격 신호와 제도 설계가 AI의 장점을 살리면서 사회적 비용을 줄일 수 있는가에 있다.

1.2 연구 목적

본 연구의 목적은 AI 활용이 만들어 내는 생산성 편익과 데이터센터 전력 소비 증가로 발생하는 사회적 비용을 함께 고려하여, 어떤 정책 조합이 사회적 순편익을 가장 크게 만드는지 분석하는 데 있다. 이를 위해 전기요금 조정, 탄소가격 부과, 고효율 설비 인센티브, 최소 효율 기준 규제, 그리고 이를 결합한 혼합 정책을 비교 대상으로 설정하였다. 각 정책이 AI 활용의 유인을 어떻게 바꾸고, 전력 사용량과 비용 부담, 외부효과의 내부화 수준에 어떤 차이를 만드는지 검토함으로써 지속가능한 AI 활용의 조건을 경제적으로 도출하고자 하였다.

1.3 연구 질문

본 연구는 네 가지 질문을 중심으로 진행하였다. 첫째, AI 활용 확대는 어떤 방식으로 생산성 편익과 전력 소비 비용을 동시에 증가시키는가. 둘째, 시장 자율에 맡겨 둘 경우 사회적 비용이 가격에 충분히 반영되지 않아 AI 활용의 과잉이 발생하는가. 셋째, 가격 신호와 규제 수단 가운데 어떤 조합이 혁신 유인을 크게 훼손하지 않으면서도 외부비용을 가장 효과적으로 줄이는가. 넷째, 이러한 분석 결과를 바탕으로 개인, 기업, 정부는 어떤 행동 원칙을 가져야 하는가. 이 질문들은 보고서 전체의 구조를 이끄는 중심 축이 된다.

1.4 연구 범위와 제한

본 연구는 AI 전반을 모두 다루기보다, 생성형 AI와 이를 뒷받침하는 데이터센터 전력 수요 문제를 중심으로 분석하였다. 또한 실제 국가 단위 계량모형을 구축한 연구가 아니라, 공개 자료에서 확인되는 경향성과 경제학 개념을 바탕으로 한 지수형 시나리오 비교 연구로 설계하였다. 따라서 본 연구의 결론은 정책의 상대적 방향과 조건을 제시하는 데 의미가 있으며, 특정 국가의 정확한 비용 추정치로 해석해서는 안 된다.

2. 이론적 배경

2.1 교과 연계와 핵심 개념

경제학에서 희소성은 모든 선택의 출발점이 된다. 전력, 자본, 시간, 서버 설비는 한정되어 있기 때문에 AI에 더 많은 자원을 배분할수록 다른 용도에 사용할 수 있는 자원은 줄어든다. 이 점에서 AI 확산은 단순한 기술 선택이 아니라 희소한 자원을 어떤 방향으로 배분할 것인가의 문제이기도 하다. 한계편익과 한계비용 개념도 중요하다. 기업은 AI를 추가 도입할 때 업무 시간 단축, 인건비 절감, 처리 속도 향상 같은 편익을 기대한다. 그러나 추가 도입에는 전력비, 장비 유지비, 냉각 비용이 따른다. 더 나아가 사회 전체 차원에서는 탄소배출 비용과 전력망 부담도 발생한다. 따라서 사적 한계비용과 사회적 한계비용이 일치하지 않을 수 있으며, 이 차이가 클수록 시장은 과잉 사용을 유도할 가능성이 있다.

외부효과는 본 연구의 핵심 개념이다. 데이터센터가 대규모 전력을 사용해 전력 수요를 끌어올리고, 그 결과 탄소배출이 증가하거나 전력망 보강 비용이 발생한다면 그 부담의 일부는 다른 소비자와 사회 전체가 나누어 지게 된다. 이는 대표적인 부정적 외부효과다. 반면 AI가 물류 이동을 줄이거나 냉난방 제어를 정교하게 만들어 에너지 절약을 이끈다면 긍정적 외부효과도 발생할 수 있다. 따라서 AI는 일률적으로 해로운 기술도 아니고 일률적으로 유익한 기술도 아니다. 어느 분야에서 어떤 방식으로 활용되는지에 따라 사회적 결과가 달라진다.

2.2 사회적 순편익의 개념과 평가 틀

사회적 순편익은 특정 활동에서 발생한 총편익에서 총비용을 차감한 값이다. 본 연구에서는 AI 활용의 총편익을 생산성 향상, 시간 절약, 운영 효율 개선으로 보았고, 총비용은 사적 에너지 비용, 탄소배출에 따른 외부비용, 전력망 부담 비용으로 나누어 보았다. 이를 지수형으로 단순화하면 실제 화폐 단위가 아니더라도 정책별 상대적 우열을 비교할 수 있다. 지수형 접근은 고등학생 수준의 경제 탐구에서 복잡한 계량모형 대신 구조적 비교를 수행하는 데 적합하다.

이를 식으로 표현하면 사회적 순편익 지수는 $SNB=B-(C_e+C_c+C_g)$로 정리할 수 있다. 여기서 $SNB$는 사회적 순편익, $B$는 생산성 편익 지수, $C_e$는 사적 에너지 비용 지수, $C_c$는 탄소비용 지수, $C_g$는 전력망 부담 비용 지수이다. 이 식은 단순하지만, 사적 이익과 사회적 후생이 항상 일치하지 않는다는 점을 드러내는 데 유용하다. 기업 입장에서 이익이 되는 AI 사용이라도 사회 전체에서 보면 외부비용 때문에 순편익이 낮아질 수 있고, 반대로 초기 투자 부담이 큰 고효율 설비는 사회 전체 기준에서 더 높은 순편익을 만들 수 있다.

2.3 가격 신호와 규제 수단의 경제적 메커니즘

가격 신호는 자원의 상대적 희소성과 비용 구조를 경제 주체에게 전달하는 장치다. 전기요금이 낮고 탄소비용이 거의 반영되지 않는 환경에서는, 고연산 AI 서비스도 실제 사회적 비용보다 저렴하게 인식될 수 있다. 전기요금 조정은 가장 직접적인 가격 신호다. 특히 수요가 집중되는 시간대의 요금을 높이면 기업은 연산 시점을 조정하거나 효율적인 장비 도입을 검토하게 된다. 다만 이 방식은 생산성 편익이 높은 사용과 낮은 사용을 세밀하게 구분하지 못한다는 한계가 있다.

탄소가격 부과는 전력 사용 가운데 환경비용을 가격에 반영하는 수단이다. 전력 생산 과정에서 탄소배출이 많을수록 비용이 높아지므로 기업은 저탄소 전력 조달과 효율 개선에 더 큰 관심을 갖게 된다. 이는 단순한 전기요금 인상보다 외부비용을 더 정확히 반영할 가능성이 있다. 그러나 탄소가격만으로는 초기 설비 교체 비용이 큰 고효율 전환을 충분히 자극하지 못할 수도 있다. 이 지점에서 효율 인센티브가 필요하다. 고효율 서버, 냉각 시스템, 에너지 관리 기술에 대한 지원은 생산성 편익을 유지하면서 전력 사용량을 낮추는 방향으로 기업의 선택을 바꾼다.

최소 효율 기준 규제는 또 다른 기능을 한다. 인센티브만으로는 일부 기업이 비효율적 설비를 그대로 유지할 가능성이 있다. 최소 기준은 일정 수준 이하의 비효율을 허용하지 않음으로써 시장의 바닥을 끌어올린다. 결국 가격 신호, 인센티브, 규제는 서로 다른 방식으로 행동을 유도하며, 단일 수단보다 결합된 설계가 더 나은 결과를 만들 가능성이 있다.

3. 연구 방법

3.1 연구 설계

본 연구는 자연과학 실험이 아니라 경제학적 정책 비교를 위한 시나리오 분석 연구로 설계하였다. 독립변수는 정책 유형이며 종속변수는 사회적 순편익 지수이다. 통제변수로는 AI 활용 수요의 기본 수준, 분석 기간, 산업 구조의 기초 조건을 동일하게 가정하였다. 이러한 설계는 정책 효과를 비교할 때 다른 외생 변수의 영향을 최소화하기 위한 것이다.

연구 가설은 다음과 같다. 탄소가격과 효율 인센티브, 최소 효율 기준을 함께 적용한 혼합 정책은 시장 자율 상태나 단일 정책보다 더 높은 사회적 순편익을 나타낼 것이다. 이 가설은 외부비용 내부화와 기술 전환 유인을 동시에 제공하는 제도가 더 균형 잡힌 결과를 만든다는 경제 이론에 기반한다. 동시에 전기요금 인상만으로는 수요 억제 효과가 있더라도 생산성 편익 감소가 커질 수 있고, 효율 인센티브만으로는 반등 효과 때문에 총에너지 소비 절감이 제한될 수 있다는 대안 가능성도 함께 고려하였다.

3.2 자료와 분석 대상

자료는 국제에너지기구의 AI 및 데이터센터 전력 수요 분석 자료, 미국 에너지부의 데이터센터 전력 수요 관련 보고서, 국제통화기금의 AI와 탄소배출 관련 정책 논의 자료를 중심으로 검토하였다. 이 자료들은 AI 확산이 전력 수요에 미치는 영향, 데이터센터의 에너지 효율 개선 필요성, 탄소가격의 정책적 의미를 이해하는 데 적합했다. 다만 본 연구는 국가 단위 정밀 계량분석이 아니라 고등학생 수준의 경제 탐구이므로, 공개 자료의 수치를 그대로 회귀분석에 투입하기보다 논리 구조와 경향성을 반영한 지수형 시나리오 데이터를 구성하였다.

비교 대상 정책 시나리오는 다섯 가지로 설정하였다. 시나리오 A는 별도 개입 없이 시장 자율에 맡기는 경우다. 시나리오 B는 전력 다소비 시간대 요금 인상을 핵심 수단으로 하는 경우다. 시나리오 C는 탄소가격 부과를 중심으로 하는 경우다. 시나리오 D는 고효율 데이터센터 설비와 에너지 관리 기술 도입을 지원하는 인센티브 중심의 경우다. 시나리오 E는 탄소가격과 효율 인센티브, 최소 효율 기준을 함께 도입한 혼합 정책이다. 이 다섯 유형은 가격 신호, 규제, 인센티브를 각각 또는 결합하여 적용하는 대표적 방식이므로 비교 분석에 적절하다.

3.3 분석 절차와 통계 처리

연구는 세 단계로 진행하였다. 첫째, AI의 경제적 편익과 에너지 비용을 동시에 설명할 수 있는 개념 틀을 정리하였다. 이 과정에서 한계편익, 한계비용, 외부효과, 사회적 순편익, 시장 실패, 정부 개입의 개념을 정리하고 정책 수단별로 어떤 변수를 변화시키는지 파악하였다. 둘째, 다섯 개 정책 시나리오에 대해 사회적 순편익 지수를 구성하였다. 셋째, 각 정책별 반복 측정값을 4회씩 부여하여 총 20개의 데이터를 만들고 평균, 범위, 표준편차를 비교하였다.

반복값을 둔 이유는 정책 효과가 현실에서 항상 동일하게 나타나지 않기 때문이다. 실제로 같은 정책이라도 전력 수요 시점, 전원 구성, 설비 수준, 사용 행태에 따라 결과가 달라질 수 있다. 따라서 단일 수치보다 일정 범위의 변동성을 포함하는 것이 더 현실적이라고 판단하였다. 분석 방법은 복잡한 추론 통계보다 기초 통계와 비교 분석에 초점을 두었다. 평균은 전반적 효과 수준을, 표준편차는 안정성을, 범위는 최선과 최악의 상황 차이를 보여준다. 경제 정책은 최대효율뿐 아니라 예측 가능성과 실행 가능성도 중요하므로 이 세 지표를 함께 보는 것이 타당하다.

4. 결과

정책 시나리오별 사회적 순편익 지수의 원시 데이터는 다음과 같다.

다음 표는 평균과 변동성을 함께 비교하기 위해 정리한 기초 통계량이다.

평균값 기준으로 정책 효과를 비교하면 혼합 정책이 77.3으로 가장 높았고, 그다음은 효율 인센티브 70.0, 탄소가격 부과 65.8, 전기요금 인상 55.6, 시장 자율 53.6 순으로 나타났다. 시장 자율과 전기요금 인상 사이의 차이는 2.0에 그쳤지만, 탄소가격 부과는 시장 자율보다 12.2 높았고 효율 인센티브는 16.4 높았으며 혼합 정책은 23.7 높았다. 이는 외부효과를 가격에 반영하고 효율 개선을 유도하는 장치가 없는 경우보다, 그러한 장치를 갖춘 경우 사회적 순편익이 뚜렷하게 증가함을 보여준다.

그래프를 보면 혼합 정책의 평균 순편익이 가장 높고, 효율 인센티브와 탄소가격 부과가 그 뒤를 잇는다. 단순 전기요금 인상은 시장 자율보다 소폭 개선되지만 차이가 크지 않아 핵심 정책으로는 한계가 있음을 시각적으로 확인할 수 있다.

정책 효과의 안정성 측면에서는 전기요금 인상 시나리오의 표준편차가 6.8로 가장 크게 나타났다. 이는 전력 가격만 직접 올리는 방식이 상황에 따라 성과 편차가 크다는 점을 시사한다. 반면 탄소가격 부과와 효율 인센티브는 각각 2.7과 2.8로 낮은 표준편차를 보여 평균 수준뿐 아니라 결과의 예측 가능성도 비교적 높았다. 혼합 정책은 평균값이 가장 높았지만 표준편차가 5.7로 다소 큰 편이었다. 따라서 혼합 정책은 잠재적 효과가 가장 크지만, 세부 설계의 정교성에 따라 성과 차이가 나타날 수 있는 유형으로 해석할 수 있다.

변동성 비교 그래프는 평균만으로는 보이지 않는 특징을 드러낸다. 전기요금 인상 정책은 성과가 가장 불안정했고, 탄소가격 부과와 효율 인센티브는 비교적 안정적인 결과를 보였다. 혼합 정책은 높은 성과를 달성할 가능성이 크지만 설계가 거칠면 편차가 커질 수 있다는 점도 확인된다.

최소값과 최대값의 차이를 나타내는 범위를 보더라도 비슷한 경향이 나타난다. 전기요금 인상 시나리오는 범위가 15.7로 가장 컸고, 혼합 정책은 13.1로 그다음이었다. 반면 탄소가격 부과와 효율 인센티브는 각각 6.2와 6.5로 상대적으로 좁았다. 이는 단일 가격 억제 정책은 상황에 따라 효과가 흔들릴 수 있으며, 기술 효율 향상 중심의 접근은 보다 일관된 성과를 제공할 가능성이 있음을 시사한다. 또한 혼합 정책은 높은 성과를 낼 수 있으나, 각 구성 요소가 잘 맞물리지 않으면 기대보다 낮은 결과가 나올 수 있음을 보여준다.

5. 논의 및 결론

5.1 결과 해석

본 연구의 결과는 AI가 지속가능한 발전을 위한 기술이 될 수 있는지 여부가 기술 자체의 선악보다 그것을 둘러싼 가격 체계와 제도 환경에 크게 좌우된다는 점을 보여준다. 시장 자율 시나리오의 평균 순편익이 가장 낮은 수준에 머문 것은, 기업과 이용자가 사적 편익을 중심으로 의사결정을 할 경우 전력 소비와 탄소배출이라는 외부비용이 충분히 고려되지 않음을 뜻한다. 이는 경제학에서 설명하는 시장 실패의 전형적 모습과 맞닿아 있다. AI 활용의 사적 수익성이 높더라도 사회 전체의 비용이 가격에 반영되지 않으면 사용량은 사회적으로 적정한 수준을 넘어설 수 있다. 따라서 시장만으로는 지속가능한 AI 활용을 보장하기 어렵다.

전기요금 인상 시나리오는 시장 자율보다 평균값이 약간 높았지만 표준편차와 범위가 가장 커 정책 효과의 안정성이 떨어지는 것으로 나타났다. 이는 전력 가격 인상이 사용 억제에는 일정한 효과를 내더라도, 생산성 편익이 큰 활용과 낮은 활용을 구별하지 못한 채 비용을 일괄적으로 올리기 때문으로 해석할 수 있다. 경제적으로 보면 이 방식은 단순하고 직접적이지만, 사회적으로 가치가 큰 AI 사용까지 위축시킬 수 있다. 특히 전기요금만을 중심으로 한 접근은 혁신 유인을 약화시키면서도 저효율 구조 자체를 바꾸지 못할 가능성이 있다. 따라서 전기요금 조정은 보조적 수단으로는 의미가 있으나 핵심 정책으로 단독 적용하기에는 한계가 분명하다.

탄소가격 부과 시나리오가 시장 자율보다 뚜렷하게 높은 평균 순편익을 보인 것은, 외부비용을 가격에 반영하는 방식이 AI 활용의 사회적 비용을 줄이는 데 효과적임을 보여준다. 탄소가격은 단순한 전기요금 인상보다 정책 목적이 더 분명하다. 전력 사용 자체가 아니라 그중에서도 환경 부담을 발생시키는 부분에 비용을 부과하기 때문이다. 이 방식은 기업에게 저탄소 전력 조달과 효율 개선의 유인을 제공하면서도, 상대적으로 사회적 가치가 높은 AI 활용은 유지할 여지를 남긴다. 다만 탄소가격만으로는 초기 투자 비용이 큰 고효율 장비 전환이 충분히 이루어지지 않을 수 있으므로, 기술 전환을 돕는 장치와 결합될 때 더 큰 효과를 기대할 수 있다.

효율 인센티브 시나리오가 탄소가격보다 높은 평균값과 낮은 변동성을 보인 점은 특히 주목할 만하다. 이는 고효율 서버, 냉각 설비, 운영 관리 체계에 대한 지원이 생산성 편익을 크게 훼손하지 않으면서 전력 소비를 줄이는 데 유리함을 시사한다. 다시 말해, AI 활용 자체를 억제하기보다 같은 편익을 더 적은 에너지로 달성하도록 만드는 접근이 경제적으로 효율적일 수 있다는 뜻이다. 지속가능성 논의에서 이는 중요한 함의를 갖는다. 사용량만 줄이는 방식은 단기적으로 절감 효과를 낼 수 있으나 장기적으로 혁신 동력을 약화시킬 위험이 있다. 반면 효율 인센티브는 혁신과 절감을 함께 추구할 수 있다는 점에서 보다 균형적인 수단으로 평가된다.

혼합 정책이 가장 높은 평균 순편익을 기록한 결과는 외부효과 내부화와 기술 전환 유인을 동시에 제공하는 제도가 가장 효과적일 가능성을 뒷받침한다. 탄소가격은 사회적 비용을 가격에 반영하고, 효율 인센티브는 고효율 설비 도입을 촉진하며, 최소 효율 기준은 지나치게 비효율적인 선택을 제한한다. 이 세 요소가 결합되면 기업은 단순히 사용을 줄이는 것이 아니라 사회적 비용이 낮은 방식으로 AI를 활용하도록 유도된다. 경제적으로 보면 이는 가격 메커니즘과 제도적 기준이 상호 보완적으로 작동한 결과로 해석할 수 있다. 다만 혼합 정책의 표준편차가 상대적으로 컸다는 점은 모든 혼합 정책이 자동으로 우수하다는 뜻이 아니라, 조합의 세부 설계가 정교해야 한다는 점을 보여준다.

5.2 AI에 대해 우리가 취해야 할 행동

이 연구 질문은 결국 행동의 문제로 이어진다. 개인은 AI 사용을 무조건 줄이거나 무조건 늘리는 방식보다, 실제로 시간 절약과 학습 보조 효과가 큰 경우에 우선적으로 활용하고 반복적이며 낮은 가치의 고연산 사용은 줄이는 태도가 필요하다. 예를 들어 같은 질문을 불필요하게 여러 번 생성하게 하거나 단순 호기심 차원의 대량 이미지 생성을 반복하는 사용은 편익에 비해 사회적 비용이 클 수 있다. 반면 자료 정리, 학습 개념 비교, 접근성 보조처럼 효율 향상 효과가 분명한 사용은 더 높은 사회적 편익을 가질 가능성이 있다.

기업은 단순히 더 큰 모델과 더 많은 연산량을 경쟁력으로 보는 접근에서 벗어나야 한다. 동일한 성과를 더 적은 전력으로 구현하는 경량화 모델 개발, 서버 효율 개선, 냉각 기술 고도화, 전력 사용 시간 최적화 같은 방향이 중요하다. 실제로 이런 선택은 단기 비용 절감뿐 아니라 장기적으로 규제 대응력과 사회적 수용성까지 높일 수 있다. 정부는 기술 자체를 획일적으로 금지하거나 지나치게 억압하는 방식보다, 사회적 비용이 가격에 반영되도록 제도 설계를 정교하게 해야 한다. 탄소가격, 효율 인센티브, 최소 기준을 적절히 결합하면 시장의 혁신 유인을 살리면서도 과잉 사용을 줄일 수 있다.

5.3 지속가능한 발전을 위한 조건

AI가 지속가능한 발전을 위한 기술이 되기 위한 조건은 몇 가지로 정리할 수 있다. 첫째, AI 활용의 에너지 비용과 탄소비용이 가격에 반영되어야 한다. 둘째, 고효율 인프라와 저탄소 전력 구조로 전환할 수 있도록 기술 인센티브가 제공되어야 한다. 셋째, 최소 기준 규제를 통해 지나치게 비효율적인 선택은 제한되어야 한다. 넷째, AI의 활용 목적이 편의성 소비 확대에만 머물지 않고 실제 에너지 절감과 생산성 향상으로 연결되는 분야에 집중되어야 한다. 다섯째, 정책은 평균 성과뿐 아니라 안정성까지 고려해 설계되어야 한다. 사회적 순편익이 높더라도 편차가 지나치게 크면 실행 과정에서 저항과 왜곡이 커질 수 있기 때문이다.

5.4 한계와 후속 탐구

본 연구에는 분명한 한계도 있다. 첫째, 실제 산업별 생산성 데이터와 배출 계수를 모두 반영한 계량모형이 아니라 공개 자료의 경향을 반영한 지수형 시나리오 분석이므로, 결과는 상대적 비교와 방향성 제시에 적합하다. 둘째, AI의 편익은 산업별로 크게 다르다. 물류 최적화나 에너지 관리 시스템은 높은 절감 효과를 낼 수 있지만 일부 생성형 서비스는 편익 대비 에너지 비용이 더 클 수 있다. 셋째, 전력 생산 구조가 재생에너지 중심인지 화석연료 중심인지에 따라 탄소비용의 크기도 달라진다. 후속 탐구에서는 한국의 전원 구성, 산업별 AI 활용 사례, 시간대별 전력 수요 특성을 반영한 보다 구체적인 분석이 필요하다. 또한 반등 효과를 정교하게 측정한다면 효율 향상이 총소비 감소로 이어지는 조건도 더 분명히 밝힐 수 있을 것이다.

5.5 결론

결론적으로 AI는 전력을 많이 소비한다는 이유만으로 배척할 기술도 아니고, 효율성을 높인다는 이유만으로 무조건 확대할 기술도 아니다. 중요한 것은 어떤 가격 신호와 규제 환경 속에서 사용되는가이다. 본 연구의 비교 결과에 따르면 시장 자율만으로는 외부비용이 충분히 반영되지 않아 사회적 순편익이 낮게 나타났고, 전기요금 인상만으로는 안정적 개선이 어려웠다. 반면 탄소가격 부과와 효율 인센티브는 비교적 높은 효과를 보였으며, 이를 최소 효율 기준과 결합한 혼합 정책은 가장 높은 평균 순편익을 나타냈다. 따라서 AI가 지속가능한 발전을 위한 기술이 되기 위해서는 사회적 비용을 가격에 반영하고, 고효율 전환을 촉진하며, 저효율 구조를 제한하는 정책 조합이 필요하다. 이러한 조건이 갖추어질 때 AI는 에너지를 과도하게 소비하는 기술이라는 비판을 넘어, 오히려 에너지 절감과 생산성 향상을 함께 이루는 방향으로 작동할 수 있다.

참고문헌

[1] International Energy Agency. (n.d.). Data centres and data transmission networks. https://www.iea.org/energy-system/buildings/data-centres-and-data-transmission-networks

[2] International Energy Agency. (2025). Energy and AI: Executive summary. https://www.iea.org/reports/energy-and-ai/executive-summary

[3] International Energy Agency. (2025). Energy demand from AI. https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

[4] International Monetary Fund. (2024, August 15). Carbon emissions from AI and crypto are surging and tax policy can help. https://www.imf.org/en/blogs/articles/2024/08/15/carbon-emissions-from-ai-and-crypto-are-surging-and-tax-policy-can-help

[5] U.S. Department of Energy. (2024). Clean energy resources to meet data center electricity demand. https://www.energy.gov/oe/clean-energy-resources-meet-data-center-electricity-demand

[6] U.S. Department of Energy. (2024). DOE releases new report evaluating increase in electricity demand from data centers. https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers

활동 요약

AI 활용이 생산성 향상과 전력 소비 증가를 동시에 가져온다는 점에 주목하여 경제 교과의 한계비용, 한계편익, 외부효과 개념을 바탕으로 사회적 순편익을 높이는 정책 조건을 탐구함. 국제에너지기구, 미국 에너지부, 국제통화기금 자료를 조사해 AI 데이터센터의 전력 수요와 탄소비용 문제를 정리하고 시장 자율, 전기요금 인상, 탄소가격 부과, 효율 인센티브, 혼합 정책의 5개 시나리오를 설정해 지수형 데이터를 구성함. 반복 측정값의 평균, 범위, 표준편차를 비교한 결과 혼합 정책이 가장 높은 순편익을 보였고 효율 인센티브와 탄소가격은 비교적 안정적인 효과를 나타냄을 확인함. 이를 바탕으로 AI의 지속가능성은 기술 자체보다 가격 신호와 규제 환경에 의해 크게 달라지며 사회적 비용을 가격에 반영하고 고효율 전환을 유도하는 정책 조합이 필요하다는 결론에 도달함. 개인의 사용 태도와 기업의 설비 선택, 정부의 제도 설계가 함께 맞물릴 때 AI가 지속가능한 발전을 돕는 기술로 기능할 수 있음을 경제학적으로 설명함.