AI와 에너지 효율의 미래

인공 지능(AI)은 이미 우리의 삶과 일하는 방식을 변화시키고 있으며, 산업과 전 세계에 혁명을 일으킬 수 있는 잠재력을 가지고 있습니다. 이 기술은 기상 재앙에 대한 예측을 개선하는 것부터 생명을 구할 수 있는 약물의 발견과 전달을 가속화하는 것까지, 모든 면에서 수조 달러의 가치를 창출할 것으로 기대됩니다. 

개인은 이를 가상 어시스턴트와 코파일럿으로 사용하고 있습니다. 기업과 직원들은 고객 서비스, 재무 및 기타 영역을 포함한 여러 주요 영역에서 효율성을 달성하기 위해 이를 배포하고 있습니다.

지난 5월, McKinsey 보고서에 따르면 생성형 AI(Gen AI)를 사용하는 조직의 수가 지난 10개월 동안 65%로 거의 두 배로 증가했습니다. IBM 기업가치연구소(IBV)의 최근 연구에 따르면 응답자의 77%가 고객을 따라잡기 위해 생성형 AI를 빠르게 도입해야 한다고 느꼈습니다. 

AI 도입이 빠르게 증가하면서 에너지 사용량도 급격히 증가했습니다. AI 모델을 구축하고 학습하는 데는 에너지가 필요하고, 모델이 정보를 요청받거나 콘텐츠를 생성할 때마다 완료하는 복잡한 수학을 수행하는 데도 에너지가 필요합니다.

국제에너지기구(IEA)는 인터넷 검색 엔진과 같은 기존 도구에 AI를 통합하면 전력 수요가 10배 증가할 수 있다고 제안했습니다. IEA는 2030년까지 데이터 센터가 전 세계에서 차지하는 전력 점유율이 두 배로 증가할 것으로 예상합니다.

AI가 에너지 소비 문제를 제기한 최초의 기술은 아닙니다. 2000년대 초반 클라우드 컴퓨팅에서도 유사한 우려가 있었지만 다행히 효율성 혁신을 통해 이를 피할 수 있었습니다. 그러나 AI 도입이 계속되고 기업들이 경쟁이 치열한 에너지 시장에서 안정적이고 저렴한 전기를 찾으면서 이 주제는 많은 경영진의 최우선 관심사가 되었습니다.

그러나 이러한 AI 붐 속에서도 많은 기업이 여전히 야심찬 지속가능성 목표를 추구하고 있습니다. S&P 기업의 45%가 순 배출량 제로를 약속했으며, Gartner는 경영진의 42%가 지속가능성 노력을 핵심 차별화 요소로 간주한다고 발표했습니다. 

그 결과, 많은 기업이 지속가능성 목표에 AI 기반의 에너지 사용 증가를 고려하는 동시에 AI를 더욱 에너지 친화적으로 만들기 위한 업계 전반의 노력을 지원해야 하는 이중 과제에 직면해 있습니다.

AI 도입이 느려질 것이라고 예상하는 사람은 아무도 없으며, 너무 많은 기업과 경영진이 AI를 미래에 없어서는 안 될 부분으로 여기고 있습니다. AI의 이점을 활용하면서 순 배출량 제로 공약을 진전시키는 두 가지 목표를 달성하려면 현명한 접근 방식이 필요합니다.

다행스럽게도 수많은 업계 전문가들이 다양한 솔루션을 연구하고 있습니다. 이러한 솔루션에는 다음이 포함됩니다.

• 하드웨어 개선
• 소형 모델
• 더 스마트한 모델 학습
• 청정 및 재생 에너지 사용
  
• 오픈 소스 및 협업

전력 제한 하드웨어는 에너지 소비를 최대 15%까지 줄이는 반면, 결과를 반환하는 데 걸리는 시간은 거의 눈에 띄지 않을 정도로 3%만 증가시키는 것으로 나타났습니다.

MIT에 따르면 탄소 효율적인 하드웨어를 사용하면 AI 에너지 사용을 줄일 수 있습니다. 이는 "모델과 가장 탄소 효율적인 하드웨어 조합을 일치시키는 것"을 의미합니다. 

새롭고 개선된 칩은 에너지 문제에 대한 또 다른 해결책입니다. IBM은 최근 2025년 출시 예정인 IBM Telum II Processor와 IBM Spyre Accelerator에 대한 아키텍처 세부 정보를 공개했습니다. 이 제품은 AI 기반 에너지 소비와 데이터 센터 공간을 줄이도록 설계되었습니다.

일반적으로 ChatGPT 및 Google Gemini에서 사용하는 일반 대규모 언어 모델(LLM)과 같은 대규모 모델은 소규모 모델보다더 많은 에너지를 필요로 합니다. 이러한 일반 모델은 광범위한 소비자 대면 요구에 유용할 수 있지만, 특정 사용 사례가 있는 비즈니스의 경우 IBM과 기타 회사에서는 더 작고 효율적이며 저렴하고 에너지 소비가 적은 모델을 권장합니다.

AI 개발자는 종종 여러 이전 모델을 새로운 모델을 훈련하기 위한 시작점으로 사용하기 때문에 기존 모델 훈련 방법에는 상당한 에너지가 필요합니다. 이러한 모델을 모두 실행하면 필요한 전력이 증가합니다.

그러나 연구원들은 어떤 모델이 기대치를 능가하고 실적이 저조한지 더 잘 예측하여 실적이 저조한 모델을 조기에 중단하여 에너지를 절약하려고 노력하고 있습니다. 이는 모두 에너지를 더 효율적으로 사용하기 위해 워크로드 매개변수를 정의하는 급성장하는 '지속가능성을 위한 설계' 운동의 일환으로, 최근 급성장하고 있습니다.

모든 기업은 재생 에너지가 풍부한 지역에 가까운 데이터 센터를 구축하거나 사용해야 합니다. 재생 가능하고 지속 가능한 에너지를 사용하는 그린 데이터 센터에서 데이터를 조달하는 것은 환경에 미치는 영향을 줄이는 좋은 방법입니다.

AI 분야에서 활동하는 기업들은 과도한 경쟁으로 인해 사회가 에너지 수요를 줄이면서 AI 모델의 혜택을 누릴 수 있는 팁과 툴을 공유하는 데 방해가 되어서는 안 됩니다.

IBM은 컬럼비아 대학교와 협력하여 AI가 다양한 하드웨어에서 동작하는 방식을 모델링하고, 저전력 칩을 개발하고, 소프트웨어 팽창을 제거하고, AI 시스템을 최적화하는 등 에너지 위기에 대한 의미 있는 솔루션을 개발했습니다.

이러한 다양한 접근 방식 외에도 AI 자체는 에너지 수요와 관련된 문제 해결에 도움을 줄 수 있습니다.

최근 IBM 연구에 따르면 에너지 및 유틸리티 산업에서 설문조사에 참여한 기업의 74%가 데이터 관련 문제를 해결하기 위해 AI를 도입하고 있는 것으로 나타났습니다. 이를 통해 효율성을 높이고 환경에 미치는 영향을 줄일 수 있습니다. 그리드 유지 보수에서 부하 예측에 이르기까지, AI는 에너지 산업에 큰 영향을 미칠 수 있는 잠재력을 가지고 있으며, 이를 통해 다른 모든 산업에 에너지를 보다 효율적으로 공급할 수 있습니다.

IBM은 청정 에너지 전환에서 주도적인 역할을 맡아 APQC와 협력하여 에너지 회사가 성숙도 평가를 수행하여 결과를 벤치마크하고 에너지 전환을 가속화할 수 있도록 지원하는 청정 전기화 성숙도 모델(CEMM)을 개발했습니다.

같은 연구에 따르면 2024년 말까지 설문조사에 참여한 기업의 63%가 지속 가능한 IT 이니셔티브에 생성형 AI를 적용할 계획이 있습니다. 그러나 현재 23%만이 IT 프로젝트의 설계 및 계획 단계에서 지속가능성 평가를 고려하고 있습니다. 이는 변화가 필요합니다.

에너지 사용과 AI에 대한 활발한 논의가 이미 이루어지고 있는 것은 좋은 일이며, 우리가 이미 만들고 있는 것에 이어 에너지 사용을 최소화하기 위한 더 많은 돌파구가 이어지기를 바랍니다.

IBM은 특히 에너지 사용을 최소화하기 위해 더 작고 효과적인 모델과 더 스마트한 하드웨어를 식별하는 데 전념하고 있습니다. 에너지 사용을 줄이는 동시에 AI를 개선하면 이 기술을 일상 생활에 도입할 수 있는 기회가 더 많아집니다. AI를 사용하는 것이 전 세계가 직면한 가장 큰 환경 문제를 해결하는 데 도움이 될 수 있다는 가능성은 에너지 사용을 최소화한다는 목표를 더욱 중요하게 만듭니다.