[HBR 인사이트]AI 경쟁력, ‘에너지 경쟁’에서 갈린다

게티이미지뱅크 생성형 인공지능(AI) 붐이 시작될 무렵, 가장 희소한 자원이 무엇인지는 분명해 보였다. 바로 최첨단 모델에 대한 접근권이었다. 기업들은 GPT-4, 클로드, 제미나이와 같은 모델의 라이선스를 확보하기 위해 서둘렀다. 그러다 또 다른 제약 요소가 떠올랐다. 그래픽처리장치(GPU), 클라우드 용량, 데이터센터 공간에 대한 접근권이었다. 이제는 이 모든 것의 밑바닥에서 새로운 제약 조건이 대두되고 있다. 바로 전력이다. 희소한 것은 AI 그 자체가 아니라 이를 생산하고 전달하는 데 필요한 에너지 집약적 인프라다. AI는 소프트웨어처럼 보이기 때문에 이런 변화를 간과하기 쉽다. 하지만 AI의 경제 구조는 점점 더 산업적인 양상을 띠고 있다. 모델은 단순한 코드가 아니라 칩과 냉각 시스템, 부지, 전력 계약 등을 필요로 한다. 국제에너지기구(IEA)의 2026년 보고서에 따르면 전 세계 데이터센터의 전력 소비량은 2025년 약 485TWh(테라와트시)에서 2030년 약 950TWh로 증가할 전망이다. 이 기간 AI 중심 데이터센터의 전력 소비량은 3배로 늘어날 것으로 예상된다. 그러나 새로운 시대의 도래가 기존 기업이 전력 기업으로 변모해야 한다는 것을 뜻하지는 않는다. 은행이나 소매업체, 제조업체, 보험사, 제약사가 발전소를 매입한다고 해서 경쟁 우위를 확보할 가능성은 거의 없다. 현실적인 목표는 에너지 부족이 운영상의 긴급 상황으로 번지기 전에 에너지 접근성 측면에서 차별화된 경쟁력을 구축하는 것이다. 이를 위해 다음과 같은 조치가 필요하다. 첫째, 에너지 집약도를 가시화한다. 대부분의 기업은 클라우드 지출과 모델 정확도, AI 도입 현황을 추적한다. 하지만 “특정 AI 워크플로에 얼마나 많은 전력이 필요한가”라는 기본적인 질문에 답할 수 있는 기업은 극소수에 불과하다. 경영진은 워크플로당 에너지 비용, 전력 공급 제약이 있는 지역의 클라우드 노출 정도, 주요 배포 환경의 냉각 및 물 사용량 추정치 등을 담은 분기별 AI 에너지 대시보드를 만들어야 한다. 예컨대 구글 클라우드의 탄소 발자국 또는 마이크로소프트 애저의 탄소 최적화와 같은 도구를 사용하면 조직은 워크로드 단위의 에너지 사용량을 추적할 수 있다. 둘째, 공급을 확보하기 전에 수요를 줄인다. 많은 기업이 업무에 필요한 수준보다 더 크고 빠르며 에너지 소비량이 많은 모델에 과도한 양의 작업을 맡긴다. 그 결과 AI 비용을 과다 지출하고 있다....