SNS 피드에서 본 적 있을 겁니다. 국내 언론도 앞다퉈 다뤘죠. 경향신문은 AI 산업을 ‘기후 빌런’이라고 했고, AI타임스는 “AI는 ‘물 먹는 하마’”라는 제목으로, ChatGPT 대화 한 번에 생수 500ml가 필요하다는 기사를 내보냈습니다. 그런데 조금만 더 스크롤을 내려보면 OpenAI 최고경영자(CEO)는 “평균 쿼리 하나에 약 0.32ml가 든다”고 합니다. 티스푼 한 번 돌리는 양이죠. 천 차만 다른 두 숫자가 모두 자신만만하게 공유되고 있습니다.
도대체 어느 쪽이 맞을까요? 레시피 하나 검색할 때마다 지하수를 마시는 건지, 아니면 사실상 물 한 방울도 아닌 건지.
솔직히 말해 정답은 양쪽이 모두 인정하기 싫어할 만한 지점입니다. 단일 프롬프트 하나당 비용은 거의 제로에 가깝습니다 — 물 한 방울에서 티스푼 한두 번 분량이지만 —, AI 뒤에서 돌아가는 초대형 데이터센터가 실제로 전력과 물에 부담을 주고 있는 것도 사실입니다. 둘 다 맞습니다. 그리고 한국에서 그 부담은 아주 구체적인 주소를 가집니다. 바로 수도권입니다. 데이터센터가 빽빽하게 모여 있는 곳이에요. 왜 숫자들이 서로 싸우는 것처럼 보일지, 그리고 정말로 주목해야 할 것은 무엇인지 차근차근 보여드리겠습니다.
한국에서 이 이야기가 다시 뜨거워진 이유
이 주제 자체는 오래됐습니다. 다만 한국에서 새롭게 부각되는 건 규모입니다. 국내 데이터센터 전력 용량은 2020년 약 398MW에서 2025년 1,000MW를 넘어섰습니다. 고작 몇 년 만에 네 배 가까이 늘어난 거죠. 업계 전망에 따르면 수요는 2025년 4,461MW에서 2028년 6,175MW까지 치솟을 것입니다 (한국IDC / 전기신문). 마지막 숫자는 원전 한 기의 발전량과 맞먹거나, 약 150만 가구가 동시에 쓸 수 있는 전력입니다.
여기서 진짜 한국적 문제가 드러납니다. 국내 사설 데이터센터의 73.4%가 수도권에 밀집되어 있다는 점입니다. 이미 수도권 지역 운영 이용률은 평균 **92.43%**로 포화 상태인데도, 공사 중인 센터의 65%는 여전히 같은 지역을 고집합니다 (전기신문). 네이버의 대표 캠퍼스 ‘각 세종’도 2, 3단계로 확장 중이며(2028, 2029년 목표), 기본 설계로 **직접 액체 냉각(DLC, Direct Liquid Cooling)**을 채택해 랙당 전력 소비를 30kW에서 50kW 이상으로 늘릴 예정입니다 (조선비즈 르포).
그래서 한국에서 데이터센터 논쟁이 오갈 때, 가장 큰 쟁점은 전력난입니다. 한전, 전력망, 전기가 어디서 오는지가 문제죠. 하지만 물도 함께 따라옵니다. 그 많은 열을 식히는 방식이 바로 냉각이고, 그중 상당수가 수냉식이기 때문입니다. 국가에서 가장 사람이 밀집된 지역에 모든 건설을 집중하면, 부담은 당연히 그 곳으로 쏠립니다. 이것이 SNS 피드에 떠도는 ‘물 먹는 하마’ 기사 뒤의 진짜 배경입니다.
왜 같은 질문에 ‘0.3ml’와 ‘500ml’가 동시에 나올까
아무도 제대로 설명하지 않는 점이 있습니다. 그 숫자들은 사실 서로 싸우는 게 아닙니다. 서로 다른 질문에 답하고 있고, 마치 같은 질문에 답하는 것처럼 포장했을 뿐이에요.
“ChatGPT 쿼리 하나에 물이 얼마나 들까”라고 물을 때, 우리가 실제로 묻는 것은 세 가지 중 하나일 수 있습니다.
- 칩 냉각만 계산한 경우. 서버가 뜨거워지죠. 물을 써서 열을 식힙니다. 이것만 세면 OpenAI는 평균 쿼리를 약 0.32ml로, Google은 Gemini 중간값 프롬프트를 ‘물 다섯 방울’ 수준인 약 0.26ml로 잡았습니다. 매우 작습니다. 둘 다 센터 내부 냉각만 포함했을 때의 수치죠.
- 전기를 만드는 데 든 물을 합산한 경우. 쿼리 하나에 약간의 전기가 소모되고, 발전소에서도 물을 쓰죠. 이 논쟁을 실제로 촉발한 UC 리버사이드의 Shaolei Ren 연구자는 2026년 7월 업데이트에서 현대식 프롬프트를 전체 합산 시 약 15ml(센터 내부 5ml + 전력망 10ml)로 추정합니다.
- 구형 모델로 이어진 전체 대화. 유명한 ‘500ml 생수’ 숫자는 Ren 연구자 자신의 2023년 논문 “Making AI Less Thirsty”에서 나왔습니다. 그런데 국내 매체들도 놓치지 않고 짚은 대목이 있습니다. AI타임스가 지적하듯, 이 500ml는 GPT-3 시대의 모델에서 25개에서 50개의 질문과 답변를 주고받는 전체 대화를 기준으로 한 숫자입니다. 더운 지역에서 낡은 기술로 돌렸을 때의 조건이죠. 단일 질문이 아닙니다. Ren 연구자 본인도 지금 이 500ml는 시대에 뒤떨어졌다고 말합니다. 현재 시스템에서는 “생수 한 병의 33분의 1 정도”라고 정리합니다.
따라서 0.3ml에서 500ml까지의 격차는 거짓말이 아닙니다. 한 모금 마시는 양과 한 끼 식사 전체의 차이를 잴 때, 그리고 사람들이 가장 크고 오래된 숫자를 마치 오늘 당장 던진 짧은 질문처럼 인용할 때 생기는 괴리일 뿐입니다. 지금 시점에서 정직한 단일 프롬프트 수치는 물 한 방울에서 티스푼 한두 번 분량 사이입니다. 하나의 숫자로 정리하고 싶다면 15ml를 기억하시면 됩니다.
일상과 비교하면 감이 온다
티스푼 한두 번 분량을 가지고 죄책감을 느끼기는 어렵습니다. 다른 것들이 얼마나 많은 물을 숨기고 있는지 보면, AI 쿼리가 통계에서 ‘올림 처리’될 만하죠.
쉽게 비유해 볼게요. 햄버거 하나 뒤에 숨은 물은 ChatGPT 쿼리 100,000 이상을 돌릴 수 있을 정도입니다. 아몬드 한 알에 쓰인 물이 질문 몇 백 건보다 많습니다. 물을 아낀다며 검색을 건너뛰는 것보다, 차 한 잔 내릴 때 쏟는 물이 훨씬 많아요.
그런데 응원단이 빼놓는 부분
만약 이야기가 “쿼리 한 번은 사실상 무료다”에서 끝난다면, 그것도 또 다른 형태의 불성실입니다. 단일 쿼리에서 시야를 넓혀 집계 수치를 보면, 이는 명확한 실제 문제가 되기 때문입니다.
전 세계 데이터센터 중 미국 시설은 2023년 직접 사용량만 약 174억 갤런의 물을 썼습니다 (로렌스 버클리 국립연구소). 향후 2028년까지 이 수치는 380억~730억 갤런까지 치솟을 것으로 전망됩니다. 로렌스 버클리 국립연구소(LBNL)에 따르면, 전기를 생산하는 과정에서 숨어 있는 간접 물 사용량은 직접 사용량의 약 12배에 달합니다. 이 같은 점은 ZDNet Korea가 2026년 7월 보도한 내용입니다. 직접 냉각에 쓰인 물의 최대 **85%**는 증발해 다시 지역 수자원으로 돌아가지 못합니다. 여기서 많은 분이 놀라실 만한 지점이 있습니다. 기술의 작업당 효율은 점점 좋아지는데도, 총 물 사용량은 오히려 늘어납니다. 효율 향상 속도를 컴퓨팅 수요 증가가 압도하기 때문이죠.
정직한 국내 테크 블로그 (감자나라ai)가 같은 동전의 다른 면을 분석했습니다. 실제로 한 지역의 데이터센터 물 사용량을 해당 지역의 총 물 사용량으로 나눠 보면, 캘리포니아 데이터센터는 주 전체 물 사용량의 약 **0.055%**에 불과했습니다. 비율로 보면 tiny하지만, 여전히 특정 도시와 특정 저수지에 가해지는 집중적인 부담입니다. 두 해석 모두 맞습니다. 여기에 핵심 교훈이 담겨 있습니다.
한국으로 오면 날카로운 지점은 전국 평균이 아니라 수도권 concentration입니다. 국가 컴퓨팅의 대부분을 이미 92% 포화된 지역에 몰아넣고, 냉각을 계속하면 사람들이 이제야 논쟁하기 시작하는 지역적 병목 현상이 정확히 발생합니다. 부담은 실재합니다. 다만 지역 문제일 뿐, 개인 차원의 문제가 아닙니다.
그래서, 나는 어떻게 하면 될까
ChatGPT를 사용할 때마다 죄책감을 느끼신다면: 마음을 놓으세요. 쿼리 한 번은 티스푼 분량입니다. 업무, 공부, 메일에 AI를 활용하세요. 죄책감은 잘못된 대상에게 향하고 있습니다. 실제로 활용법을 잘 익히고 싶다면 저희의 AI 기초 입문 course가 도움이 될 겁니다.
죄책감을 느끼라고 강요받는 입장이라면: 이제 정직한 반박 자료를 얻으셨습니다. “AI는 물을 하나도 안 쓴다”거나 “AI가 지구를 파괴한다”가 아닙니다. “쿼리 한 번은 사소한 문제지만, 데이터센터 붐은 실제 지역 문제다”라고 양쪽을 모두 인정하면서 한 편 들지 않고 말할 수 있습니다.
추진 중인 수도권 데이터센터 근처에 거주하신다면: 여기서 여러분의 관심이 진짜로 필요합니다. 채팅봇 습관보다 훨씬 중요하죠. 진짜로 물어봐야 할 질문은 무엇일까요? 폐쇄형(DLC) 냉각을 쓰는지, 증발식 냉각을 쓰는지. 물과 전기는 어디서 공급받고, 부족할 때 누가 우선 쓰는지. 신규 전력망 구축 비용은 누가 부담하는지. 이것이 진정한 영향력 행사 지점입니다. 키보드 앞에서의 망설임이 아닙니다.
직장이나 사업장에서 AI를 운영하신다면: 모델에 따라 효율 차이가 큽니다. 작은 모델로 빠른 답변을 얻으면 물을 적게 쓰고, 대형 모델로 긴 추론 작업을 하면 물을 많이 씁니다. 무거운 모델이 필요할 때만 쓰는 건 비용과 속도 문제일 뿐, 물 사용량도 그 흐름을 따릅니다. 저희의 ChatGPT 업무 활용 course와 비즈니스 데이터 분석 course는 쿼리당 더 유용한 결과를 얻는 방법을 다루는데, 이는 모든 자원을 덜 쓰라는 방향과 동일선상에 있습니다.
정직하게, 이건 못 고친다
- 단순히 쿼리 사용을 줄인다고 해서 실질적인 변화를 만들 수 없어요. 진짜 변화는 정책, 전력 회사, 데이터센터 입지 선정 단계에서 일어납니다. 캠퍼스를 어떻게 식히고, 어디에 지으며, 누가 비용을 내는지가 핵심입니다. 개인의 쿼리는 바다에 떨어지는 티스푼 한 방울일 뿐입니다.
- 아무도 자신의 정확한 수치를 완전히 감사받지 않고 있어요. OpenAI는 0.32ml의 산출 방법을 공개하지 않았습니다. 독립 추정치는 하드웨어와 지역 가정에 의존합니다. 여기에 있는 모든 수치는 교훈이 아니라 합리적인 범위로 받아들이세요.
- 입지가 모든 것을 좌우해요. 수력발전으로 시원한 지역과 화석 연료 비중이 높은 더운 지역에서 같은 쿼리를 돌리면 발자국이 완전히 다릅니다. 글로벌 단일 숫자는 항상 이 차이를 숨깁니다.
- 전력과 물은 관련이 있지만, 같은 이야기가 아니에요. 한국에서는 특히 전력난 — 전력망 문제가 더 시끄럽습니다. 하나를 해결한다고 자동으로 다른 하나도 해결되지는 않습니다.
- 업계에 면죄부가 되는 건 아니에요. “쿼리 한 번은 작다”와 “건설에는 실제 감독이 필요하다”는 둘 다 맞습니다. 첫 번째 이유로 두 번째 문제를 덮으려는 태도를 허락하지 마세요.
한 줄 정리
하나만 기억하세요. 단일 AI 프롬프트는 물 한 방울에서 티스푼 한두 번 분량입니다 — 병 한 개도 아니에요. 무서운 500ml 숫자는 더운 기후에서 구형 모델로 나눈 전체 대화 기록을, 문맥 없이 가져온 겁니다. 채팅봇에 질문한다고 죄책감을 가질 필요 없습니다.
하지만 다른 측면도 함께 떠올려 주세요. AI 뒤에 있는 데이터센터는 실제 공간에서 전력과 물을 소비합니다. 한국에서는 이들 시설의 대부분이 수도권에 밀집되어 있죠. 단순히 화면에 메시지를 보내는 그 이상으로, 우리가 진정으로 눈여겨봐야 할 부분은 바로 이런 데이터 캠퍼스가 어떻게 지어지고, 어떻게 냉각되는지입니다.
여기서 진짜 스킬은 그 핵심 수치를 단순하게 외우는 게 아닙니다. 화제가 되는 통계를 볼 때 ‘정확히 무엇을 세고 있는 걸까?’라고 스스로에게 묻고, 공유하기 전에 있는 그대로의 진실에 다다르는 능력이에요. 이 사고력은 저희 AI 기초 입문 과정의 핵심 목표일 뿐만 아니라, 이번 논의가 끝난 뒤에도 오랫동안 당신과 함께할 든든한 힘이 됩니다.
Sources:
- AI는 ‘물 먹는 하마’…챗GPT 대화 한번에 물 500ml 필요 — AI타임스
- 챗GPT와 대화 한번 나누는 데 냉각수 500㎖ 소요…진짜 ‘기후 빌런’ AI 산업 — 경향신문
- AI가 물을 다 먹는다고? 캘리포니아 데이터센터 물 사용량, 진짜 숫자는 0.055% — 감자나라ai
- ‘전기 먹는 하마’ AI 데이터센터, 물도 많이 먹는다 — ZDNet Korea
- (2026 신년기획) ‘AI 전력 전쟁’이 시작됐다…데이터센터 국가 경쟁력 핵심 인프라 — 전기신문
- “韓 데이터센터 전력 수요 폭증…3년 뒤 1.5GW 돌파” — 전자신문
- [르포] 24시간 산들바람 부는 네이버 데이터센터 ‘각 세종’ — 조선비즈/다음
- How Much Water Does AI Use? The $58 Billion Risk (Ren’s ~15 ml update) — Forbes, July 2026
- 2024 United States Data Center Energy Report — Lawrence Berkeley National Lab
- The Gentle Singularity (0.32 ml figure) — Sam Altman, June 2025
