[리포트 다운로드] AI는 기후위기의 원인인가 해법인가: 배출량 급증의 이면

MI 리포트ESGAI

[리포트 다운로드] AI는 기후위기의 원인인가 해법인가: 배출량 급증의 이면 | 9월 MI리포트

2026.09.17

AI 전력 수요 급증, 탄소 배출의 위기가 아닌 에너지 전환의 신호

본 리포트는 MS와 Google의 배출량 수치 이면에 숨은 청정에너지 조달 전략의 전환을 분석합니다. 또한 AI가 기후위기의 원인이자 해법이 되는 이중성을 데이터센터 효율화, 24/7 CFE 매칭 자동화, 탄소 추적 고도화의 세 축으로 살펴봅니다. 자세한 내용은 아래 리포트에서 확인할 수 있습니다.

리포트 핵심 내용 한눈에 보기

1. AI는 기후위기의 원인인가, 해법인가

– MS·Google의 배출량 증가 수치가 “빅테크 탄소배출 급증”이라는 헤드라인으로 확산되고 있지만, 표면적 숫자 이면에는 정반대의 전략적 흐름이 존재합니다.
– AI 수요 급증이 청정에너지 조달을 REC에서 PPA·24/7 CFE로 질적으로 전환시키는 동시에 AI 기술 자체가 에너지 시스템 혁신 도구로 자리잡고 있어, 답은 ‘이중성’에 있습니다.

2. AI, 전력 수요의 새로운 변수

– IEA는 글로벌 데이터센터 전력 소비가 2024년 415TWh에서 2030년 945TWh로 급증할 것으로 전망하며, 핵심 동력으로 생성형 AI 워크로드를 지목했습니다.
– Google의 프롬프트당 에너지·탄소가 각각 33배·44배 줄었음에도 총 전력 소비는 오히려 증가하는 제번스의 역설이 AI 시대에도 재현되고 있습니다.

3. MS와 Google 배출량의 상반된 수치

– MS는 REC 중심 조달에서 PPA로 전환하며 Scope 2 배출량이 26만톤에서 271만톤으로 급증했는데, 이는 후퇴가 아니라 산정 방식이 실제 배출에 더 가까워진 결과입니다.
– Google은 2010년부터 축적한 PPA·24/7 CFE 포트폴리오 덕분에 전력 소비가 37% 늘었음에도 Scope 1·2 배출량은 오히려 2% 감소하는 상반된 결과를 보였습니다.

4. 문제와 해법, 두 가지 관점의 AI

– AI는 학습·인프라 확장 과정에서 전력·용수·하드웨어 자원 부담을 증가시키는 원인이기도 합니다.
– 동시에 데이터센터 냉각 최적화, 재생에너지 예측 및 24/7 CFE 매칭 자동화, 탄소 추적 고도화라는 세 축을 통해 스스로 만든 부담을 완화하는 해법의 도구이기도 합니다.

5. 시사점, 숫자 너머의 전략

– 단기 배출량 수치의 악화는 후퇴가 아니라 REC에서 PPA·24/7 CFE로 이동하는 장기 전략 전환의 신호일 수 있습니다.
– 측정 기준이 정교해질수록 수치상으로만 배출량을 낮추는 방식은 더 이상 유효하지 않게 되므로, 10년 단위의 구조적 전환과 AI 기술의 결합만이 실질적 총 배출 감소를 실현할 수 있습니다.

6. 결론, 기후위기 전환을 위한 AI의 역할

– “AI는 원인인가 해법인가”라는 서론의 질문에 대한 답은 해법 쪽으로 기울어 있지만, 그 균형은 각 기업의 전략적 선택에 따라 달라집니다.
– AI가 전력 수요를 늘리는 원인이자 동시에 에너지 시스템을 혁신하는 도구라는 이중성이 AI 시대 에너지 담론의 본질입니다.

[FAQ]

Q1. 빅테크의 탄소 배출량 증가는 기후위기 대응의 후퇴를 의미하나요?

표면적인 수치만으로 후퇴라고 단정하기는 어렵습니다. Microsoft는 2025년 온실가스 배출량이 전년 대비 25% 증가했고, 특히 Scope 2 배출량이 26만톤에서 271만톤으로 급증했습니다. 그러나 주요 원인은 REC(재생에너지 인증서) 중심 조달에서 PPA(장기 전력구매계약) 중심 조달로의 전환에 있습니다. 그동안 REC 구매로 상쇄되어 드러나지 않았던 실제 전력 사용량의 배출이 반영된 것으로, 배출량 산정 방식이 실제 배출에 더 가까워진 결과로 해석해야 합니다. 반면 Google은 2010년부터 축적한 무탄소 전력 계약 포트폴리오 덕분에 전력 소비가 37% 늘었음에도 Scope 1·2 배출량이 2% 감소했습니다. 두 기업은 결국 ‘숫자 관리’에서 ‘실질적 전환’이라는 같은 방향으로 움직이고 있습니다.

Q2. REC, PPA, 24/7 CFE 매칭은 어떻게 다른가요?

REC는 재생에너지 발전소가 생산한 전력에 대한 인증서를 구매하는 방식으로, 실제 사용 전력이 화석연료 기반이더라도 Scope 2 배출량을 감축할 수 있지만 실제 탄소 감축 효과는 낮습니다. PPA는 특정 발전소와 직접 장기 공급 계약을 맺는 실물 계약으로, 전력망에 클린에너지가 실제 공급되어 전력망의 청정도가 실질적으로 향상됩니다. 24/7 CFE 매칭은 연간 총량으로 상쇄하는 것이 아니라 전력 사용 시점에 실제로 무탄소 전력이 공급되었는지를 시간대별로 검증하는 방식으로, 세 가지 중 가장 엄밀한 방식입니다.

Q3. AI 모델의 효율이 높아지는데도 전력 소비가 계속 늘어나는 이유는 무엇인가요?

제번스의 역설(Jevons Paradox)이 AI 시대에도 재현되고 있기 때문입니다. Google은 Gemini 등 AI 모델의 프롬프트당 에너지 소비와 탄소 발자국을 각각 33배, 44배 줄였지만, 데이터센터 전력 소비량은 전년 대비 37% 증가했습니다. 프롬프트당 에너지가 낮아질수록 AI는 더 많은 영역에 침투하고 더 많은 사용자가 더 많은 쿼리를 사용하게 되어 총 전력 소비가 상승합니다. IEA는 글로벌 데이터센터 전력 소비가 2024년 약 415TWh에서 2030년 945TWh 수준으로 증가할 수 있다고 전망했으며, 이는 일본 전체의 연간 전력 소비량을 초과하는 규모입니다.

Q4. AI는 기후위기의 해법으로서 어떤 역할을 할 수 있나요?

AI는 세 가지 축을 통해 스스로 만든 전력·탄소 부담을 완화할 수 있습니다. 첫째는 데이터센터 내부 효율화로, Google DeepMind는 AI를 데이터센터 냉각 시스템에 적용해 냉각 에너지를 약 40%, 전체 PUE 오버헤드를 약 15% 절감했습니다. 둘째는 전력망 연계 최적화 및 24/7 CFE 매칭 자동화입니다. AI는 재생에너지 출력을 시간 단위로 예측해 전력망 안정성을 확보하고, 실시간 전력 데이터와 지역 전력망 배출계수를 종합해 시간대별 무탄소 전력 매칭 여부를 자동으로 검증합니다. 셋째는 탄소 추적·공시 고도화입니다. Climate TRACE는 300개 이상의 위성과 11,000개 이상의 센서 데이터를 AI로 결합해 전 세계 발전소·산업시설의 배출량을 추적하고 있으며, 기업 차원에서도 AI 기반 배출 데이터 검증, 이상치 탐지, 데이터 계보(lineage) 추적 시스템이 도입되어 탄소 회계의 투명성을 높이고 있습니다.

Q5. AI 시대에 기업은 탄소 배출 전략을 어떻게 수립해야 하나요?

ESG를 분기·연 단위 수치 관리가 아닌 10년 단위의 구조적 전환 과제로 접근해야 합니다. Google의 2025년 성과는 2010년부터 축적된 PPA 포트폴리오의 효과이며, 지금 시작하지 않는 기업은 향후 AI 수요 충격을 감당하기 어렵습니다. 또한 24/7 CFE 매칭이 구체화되고 UN 24/7 CFE Compact 등 국제 이니셔티브로 확산되면서, REC 구매만으로 배출량 수치를 낮추는 방식은 더 이상 유효하지 않게 될 가능성이 높습니다. 따라서 청정에너지 조달 방식의 질적 전환과 AI 기술을 통한 에너지 시스템 혁신을 결합하는 전략이 필요합니다.

AX 컨설팅부터 비즈니스 모델 발굴까지
Global Top 10 AX Service Company｜SK AX