상식적인 직관이 있다. 인공지능의 계산 한 번이 에너지를 덜 쓴다면, 총량은 줄어야 한다. 그것은 틀렸고, 오히려 정반대가 벌어진다. AI가 더 효율적이고 더 값싸질수록 그 사용은 치솟고, 총소비는 줄기는커녕 오른다. 한 영국 경제학자가 백육십 년 전 석탄을 두고 이 덫에 이름을 붙였다. 제번스의 역설이라 불리는 그것이, 우리 시대의 가장 주목받는 기술을 막 덮쳤다.
1 「Jevons strikes again」
모든 것은 증시 패닉의 어느 하루에서 시작된다.
장면
값싼 AI가 월스트리트를 떨게 한 날
2025년 1월 27일, 반도체 제조사 엔비디아의 주식이 단 하루 만에 약 5,890억 달러의 가치를 잃었다. 미국 증시 역사상 가장 큰 일일 손실이다. 원인은 중국 스타트업 딥시크가 최첨단 AI를 훨씬 싸게 얻을 수 있음을 막 보여 준 데 있었다. 같은 날 마이크로소프트 최고경영자 사티아 나델라는 유명해진 한마디를 올렸다. 「제번스의 역설이 또 닥쳤다. AI가 더 효율적이고 접근하기 쉬워질수록, 그 사용은 폭발하여 아무리 가져도 모자란 상품이 될 것이다.」 (Jevons paradox strikes again! As AI gets more efficient and accessible, we will see its use skyrocket, turning it into a commodity we just can't get enough of.)
엔비디아, 2025년 1월 27일
−5,890억 달러
단 한 거래일 만에, 월스트리트 사상 최대 기록.
나델라의 한마디
제번스
1865년의 역설이 논쟁의 한복판으로 떠올랐다.
뒤집힘
시장은 처음에 효율을 위협으로 읽었다. AI를 돌리는 비용이 싸지면 칩이 덜 필요할지 모른다고. 그러나 나델라는 정반대로 읽었고, 적어도 지금까지는 그가 옳았다. 효율은 청구서를 줄이는 것이 아니라 풀어 놓는다. 계산이 쌀수록, 사람들은 더 원한다. 남은 것은 왜 이 덫이 그토록 어김없는지를 이해하는 일이다.
2 1865년의 통찰
근원으로 거슬러 올라가 보자.
기원
석탄, 증기기관, 그리고 직관의 오류
1865년, 경제학자 윌리엄 스탠리 제번스는 당혹스러운 사실을 관찰했다. 점점 석탄을 아끼게 된 증기기관이 영국의 석탄 소비를 줄인 것이 아니라 치솟게 했다는 것이다. 증기가 싸질수록 더 많은 산업에서, 더 많은 용도로, 더 많이 쓰였다. 그의 명제는 남았다. 「연료를 절약해 쓰는 것이 곧 소비가 줄어드는 것이라 믿는 것은 착각이다. 진실은 그 정반대다.」 (It is a confusion of ideas to suppose that the economical use of fuel is equivalent to diminished consumption. The very contrary is the truth.)
반동과 '부메랑 효과'
경제학자들은 이를 정교화했다. 반동 효과는 가격 하락이 불러온 사용 증가가 에너지 절약분 가운데 얼마를 도로 가져가는지를 잰다. 반동이 100 % 아래에 머무는 한, 효율은 그래도 소비를 줄인다. 그러나 100 %를 넘어서면 '부메랑 효과'라 부른다. 총소비가 효율에도 불구하고가 아니라 효율 때문에 늘어나는 것이다. 제번스의 역설이 묘사하는 것이 바로 이것이다. 세 가지 조건이 그것을 촉발한다. 사용 비용을 낮추는 진보, 가격에 매우 민감한 수요, 그리고 아직 포화와는 거리가 먼 시장이다.
3 딥시크 충격
그런데 AI는 이 세 조건을 더없이 완벽하게 갖추었다.
도화선
가격의 한 조각으로 얻은 최첨단 AI
2025년 1월, 딥시크는 미국 최고 시스템과 견준다고 소개된 추론 모델 R1을 공개했다. 기반 모델의 보고된 학습 비용은 약 560만 달러로, 비슷한 서구 모델의 1억 달러 안팎에 비해 한참 낮았다. 이 수치는 논란이 있고 최종 학습만을 담을 뿐이지만, 신호는 분명하다. 최첨단 AI가 감당할 만해진다는 것이다. 벤처 투자가 마크 안드레센은 여기서 「AI의 스푸트니크 순간」을 보았다.
근원의 오해
역설을 짚자. 시장을 패닉에 빠뜨린 것은 더 싼 AI의 발표였다. 단기적 논리는 이렇게 말했다. 지출이 줄면 칩이 줄고, 따라서 엔비디아의 이익도 줄어든다. 제번스의 논리는 이렇게 답한다. 더 싸다는 것은 더 많은 용도를 뜻하고, 따라서 결국 더 적은 것이 아니라 더 많은 계산 능력이 요구된다. AI 에너지를 둘러싼 모든 논쟁이 이 읽기의 차이에 담겨 있다.
4 무너지는 가격
비용의 붕괴가 아찔하기 때문이다.
추락
해마다 열 배씩 싸진다
주어진 성능 수준의 AI를 돌리는 비용은 Epoch AI의 측정에 따르면 해마다 약 40배씩 무너진다. 오픈AI 최고경영자 샘 올트먼은 이를 달리 표현한다. 「주어진 수준의 AI를 쓰는 비용은 약 열두 달마다 10분의 1로 줄고, 더 낮은 가격은 훨씬 더 많은 사용을 부른다.」 (The cost to use a given level of AI falls about 10x every 12 months, and lower prices lead to much more use.) 2022년 모델의 성능을 따라잡으려면 처리하는 단어 100만 개당 약 20달러를 써야 했지만, 2년 뒤에는 몇 센트면 충분했다.
동일 성능 기준 비용
÷ 40 / 년
측정된 추론 가격의 하락폭 (Epoch AI).
올트먼의 법칙
÷ 10 / 년
「더 낮은 가격은 훨씬 더 많은 사용을 부른다.」
모든 것을 말하는 한 문장
「Lower prices lead to much more use.」 그 이름을 부르지 않은 채, 올트먼은 제번스의 메커니즘을 정확히 묘사한다. 가격 하락이 총지출을 줄이지 못하는 것은, 그것이 잠재된 수요를 풀어 놓기 때문이다. 계산당 절약된 한 센트가, 어제는 상상조차 못 했고 오늘은 평범해진 용도 전체를 열어젖힌다.
5 폭발하는 사용
그리고 사용은 놀라운 속도로 뒤따른다.
증거
1년 만에 쉰 배의 계산
숫자가 말한다. 열세 달 만에, 구글 모델이 매달 처리하는 텍스트의 양은 약 9.7조 토큰에서 480조 토큰으로 늘었다. 쉰 배의 증가다. 챗GPT는 2025년 주간 사용자를 4억 명에서 8억 명 넘게로, 두 배로 불렸다. 그리고 제조사 엔비디아는 2024년 그래픽 프로세서 370만 개를 출하했다. 칩 하나하나가 이전보다 더 효율적이었는데도, 2023년보다 100만 개 넘게 많은 수다. 효율은 오르고, 물량은 그보다 더 오른다.
월간 계산량 (구글)
× 50
열세 달 만에, 2025년 5월까지.
출하된 칩 (엔비디아)
370만 개
2024년, 효율이 높아졌는데도 +100만 개.
제 꼬리를 무는 뱀
독자들은 우리가 이미 살펴본 역설의 사촌을 알아볼 것이다. 성공할수록 그것을 먹이는 데 늘 더 많은 자원이 필요한 AI 말이다. 수요 분석이 상업적 톱니바퀴를 보여 주었다면, 제번스의 역설은 그 물리적 번역을 보여 준다. 효율의 모든 이득이 곧바로 사용의 증가에 삼켜진다는 것을. 계산당 효율은 실재한다. 다만 계산의 수에 추월당할 뿐이다.
6 추론의 반동
한 가지 새로움이 이 흐름을 더욱 증폭시킨다.
전환점
AI가 「생각할」 때, 열 배에서 백 배를 더 쓴다
최근 모델은 더 이상 답하는 데 그치지 않는다. 결론에 이르기 전에 긴 내적 독백을 펼치며 「추론한다」. 이 추론은 단순한 응답보다 질문당 열 배에서 백 배 더 많은 계산을 삼킨다. 단어당 비용은 내려가지만, 과제당 단어 수가 폭발한다. 그리고 에너지는 일회성인 학습에서, 일상적 사용 곧 추론으로 옮겨 간다. 추론은 이미 계산의 80~90 %를 차지하며, 하루에 수십억 번씩 끝없이 돌아갈 것이다.
효율이 결코 충분하지 않은 이유
이것이 AI에 적용된 역설의 핵심이다. 모델은 한 번 학습시키고, 무한히 질문한다. 비용이 내려갈 때마다 자율 에이전트, 생성 영상, 상시 비서 같은 새 용도가 열리는 한, 요청당 효율은 요청의 증식에 따라잡히고 이내 추월당한다. AI를 계산당 더 절약하게 만드는 것은, 겉보기에 한계 없는 수의 계산을 가능하게 만드는 일이다.
7 전력망과 물
사슬의 끝에는 전선과 강이 있다.
물리적 청구서
전자(電子) 하나와 물 한 방울의 값
국제에너지기구에 따르면, 데이터 센터는 2024년 약 415테라와트시의 전기를 소비했다. 세계 전기의 1.5 %다. 이 수치는 2030년까지 약 945로 두 배가 될 텐데, 일본 전체 소비량에 맞먹으며 AI가 그 첫째 동력이다. 미국에서는 가정용 전기 요금이 2025년 약 11 % 올랐고, 데이터 센터의 세계 수도인 버지니아주는 가정이 서버를 보조하지 않도록 특별 요금제를 신설해야 했다. 여기에 냉각수가 더해진다. 연간 수백억 리터다.
데이터 센터, 2024 → 2030
415 → 945
테라와트시, 곧 두 배 (IEA).
미국 요금, 2025
≈ +11 %
가정용 전기 가격 기준 (EESI).
원자력의 귀환
이 굶주림을 보여 주는 인상적인 상징이 있다. 마이크로소프트는 서버에 전력을 대려, 미국 최악의 원전 사고가 일어났던 스리마일섬 발전소의 원자로 재가동을 계약했다. 구글과 아마존은 소형 모듈 원자로에 베팅한다. 우리를 비물질적 시대로 이끈다던 AI가, 발전소를 되살리고 막 끄려던 석탄에 다시 불을 붙인다.
8 그렇게 단순하지 않다면
엄밀하자. 이 명제에도 한계가 있다.
반론
최악을 부정할 수도 있는 것
반동은 관찰된 사실이다. 그러나 100 %를 넘는 '부메랑'은 여전히 하나의 명제다. 진지하게 들을 만한 세 가지 반론이 있고, 그것들이 「AI는 아무것도 소비하지 않는다」고 말하는 것은 아니다.
대등한 세 가지 단서
①
탈동조화는 이미 일어났다. 2010년에서 2018년 사이, 데이터 센터의 계산량은 여섯 배 넘게 늘었지만 에너지 소비는 6 %밖에 늘지 않았다(학술지 Science, 2020). 그러니 효율이 한동안 사용을 이길 수도 있다.
②
전력망이 한계에 부딪힐 수 있다. 새 센터를 전력망에 연결하는 데 4년에서 10년이 걸린다. 짓는 데는 2~3년인 것과 대조된다. 전자(電子)가 모자라면, 수요의 일부는 그저 실현되지 못한다.
③
전망이 크게 갈린다. 2030년 소비 예측은 가정에 따라 다섯 배까지 벌어진다. 일부 경각심을 부른 예측은 이미 빗나갔다. 불확실성은 실재한다.
조건부 타당성
이 주제의 권위자인 경제학자 스티브 소렐은, 경제 전체 규모에서 부메랑 효과가 입증되는 일은 드물다고 환기한다. 그럴듯할 때가 많지만 증명하기는 어렵다는 것이다. 정직한 입장은 한 문장에 담긴다. AI의 반동은 단기적으로 탄탄히 관찰되지만, 그것을 기계적으로 '부메랑'에 돌리는 것은 법칙이 아니라 하나의 해석에 지나지 않는다.
9 정말 절약일까?
남은 것은 거기서 교훈을 끌어내는 일이다.
역설의 교훈
필요하지만, 충분하지 않다
제번스의 큰 교훈은 효율을 포기해야 한다는 것이 아니다. 그것은 터무니없다. 교훈은 효율만으로는 충분하지 않다는 것이다. 탄소 가격이든, 물리적 한계든, 정치적 의지든, 무엇도 소비에 천장을 씌우지 않는 한, 효율의 모든 이득은 사용의 증가로 바뀐다. 계산 하나의 절약이 시스템 전체의 절약을 만들지는 않는다. 요청을 세지 않으면서 요청당 와트를 세는 것은 아무 소용이 없다.
나침반
①
시민에게. 「우리 AI는 더 친환경적」이라는 주장을 경계하라. 계산당으로는 참이고 총량으로는 거짓일 수 있다. 옳은 질문은 단위 효율이 아니라 집계된 소비다.
②
투자자에게. 반동은 에너지를 향한 돌진을 비춘다. 원자력, 전력망, 냉각, 금속이다. AI의 제약은 어쩌면 칩이 아니라 전자(電子)일 것이다. 그래서 전력망이 진짜 병목이 된다.
③
명료함. 「효율적 계산」이 아니라 「넷제로 계산」을 겨냥하라. 끝없이 자라지 않는 에너지 한도를 위해 효율을 쓰는 것이다.
직관의 반대
제번스는 이미 썼다. 「진실은 그 정반대다.」 백육십 년 뒤, 이 문장은 인공지능에 글자 그대로 들어맞는다. 계산당 더 절약될수록 총량으로는 더 집어삼키는 것은, 그 절약 자체가 사용을 몇 배로 불리는 것이기 때문이다. 효율은 해법이 아니다. 안전장치가 없다면, 그것은 문제의 연료다.
함께 읽기 : 제 꼬리를 무는 뱀, AI 역설의 또 다른 얼굴. 참고 : 약어 및 두문자어 (TWh, AI, IEA, GPU).