전쟁, 에너지, AI가 한 화면에 겹쳐진 2026년

 

요즘 제조·IT 현장에서 “AI 안 쓰는 곳이 더 드물다”는 말이 나올 정도로, 인공지능은 모든 산업의 기본 도구가 되어가고 있다. 생성형 AI 모델과 초거대 언어모델, 공정 최적화와 예지보전, 품질 검사 비전 AI까지 이미 많은 공장과 산업단지에서 AI를 활용한 프로젝트가 돌아가고 있다.

 

그런데 2026년의 AI 붐은 이전과 다른 그림자와 함께 온다. 2월 말, 미국과 이란 사이의 전쟁이 본격화하면서 호르무즈 해협 봉쇄 위기가 고조됐고, 국제 유가는 배럴당 100달러를 넘나들며 “110달러 돌파”까지 거론되는 상황에 이르렀다. 이란은 석유수출국기구(OPEC) 내 4위 산유국이자, 세계 3위 수준의 원유 매장량과 2위의 천연가스 매장량을 가진 나라다. 딜로이트와 주요 리서치 기관들은 이번 전쟁이 단순한 유가 변동을 넘어, 에너지 가격 급등·공급망 불안·지정학적 분열이 겹친 복합위기를 만들 수 있다고 경고한다.

 

여기에 또 하나의 장면이 겹친다. 4월 초 글로벌 비즈니스 매체들은 “이란 전쟁발 에너지 쇼크가 4,000억 달러 규모의 AI 투자 구조를 흔들고 있다”고 보도했다. 전기요금이 폭등하면, 막대한 부채와 파생상품 구조 위에 세워진 AI 데이터센터 사업 모델 자체가 흔들릴 수 있다는 분석이다. IT 전문 매체들은 이란이 UAE의 AI 데이터센터를 겨냥하겠다고 위협한 사실을 전하며, 전쟁의 타격 대상이 군사 시설에서 에너지·데이터 인프라로 확장되고 있다고 지적한다.

 

이 세 장면을 함께 놓고 보면 2026년의 메시지는 분명하다. “전기값이 무너지면 AI도 무너진다.” AI를 쓰지 않으면 뒤처지고, AI를 쓰려면 데이터센터와 전기가 필요한데, 그 전기가 전쟁과 에너지 위기, 규제와 ESG의 한 가운데에 서 있는 시대가 된 것이다. 이 글에서는 이 모순을 정면으로 바라보며, AI·데이터센터·전력·물·ESG·인프라·AX를 한 번에 놓고 제조·산단의 생존 전략을 이야기해 보려 한다.

 

AI 데이터센터는 왜 이렇게 전기와 물을 많이 먹는가

 

AI 데이터센터는 일반 데이터센터에 비해 전력과 냉각 요구 수준이 훨씬 높다. 고성능 GPU와 AI 전용 가속기는 CPU보다 단위 시간당 전력 사용량이 크고, 연산 밀도가 높을수록 열이 집중적으로 발생한다. 이 열을 식히려면 강력한 냉각 시스템이 필요하며, 냉각에는 전력과 물이 동시에 투입된다.

 

국제에너지기구(IEA)와 여러 리서치에 따르면, 전 세계 데이터센터의 전력 소비는 2024년 약 415TWh로 전체 전력 소비의 1.5% 수준까지 올라왔다. 미국 데이터센터만 따로 보면 2024년 약 183TWh, 미국 전체 전력 소비의 4% 이상을 사용한 것으로 추정된다. 추세가 계속될 경우 2026년에는 전 세계 데이터센터 전력 소비가 500TWh를 넘어, 전 세계 전력 수요의 약 2%를 차지할 수 있다는 전망도 나왔다.

 

중요한 것은 이 증가분의 상당 부분이 클라우드와 AI, 특히 생성형 AI와 대규모 모델 학습·추론에서 나온다는 점이다. AI 관련 연산은 전력뿐 아니라 냉각에 필요한 물까지 많이 요구한다. 업계에서는 PUE(Power Usage Effectiveness, 전력사용효율)와 WUE(Water Usage Effectiveness, 물사용효율)라는 지표로 데이터센터의 에너지·물 효율을 측정한다. PUE가 1.2라면, IT 장비가 1을 쓰기 위해 부대 설비가 0.2를 쓰는 구조다. WUE는 IT 부하 1kWh당 몇 리터의 물을 냉각에 사용하는지를 나타낸다.

 

일부 빅테크는 PUE 1.1대, 해수 냉각·액침 냉각 등 신기술 도입으로 효율을 끌어올리고 있지만, 절대적인 연산량이 워낙 빠르게 증가하고 있기 때문에 전체 전력·물 수요는 계속 늘어날 수밖에 없다. 이 상황에서 미국–이란 전쟁과 같은 지정학적 리스크가 전력·LNG·석유 가격을 흔들면, 에너지 집약적 AI 데이터센터 산업은 수익성·투자 구조 자체가 흔들릴 수 있다.

 

결국 AI 확산은 단순히 “디지털 성장”의 문제가 아니다. 전기와 물이라는 물리적이고 유한한 자원을 어떻게 나눠 쓰느냐의 문제이며, 에너지 안보와 ESG, 금융·투자 구조까지 한꺼번에 건드리는 문제다.

 

AI 붐과 ESG 공시: 전력·물 데이터가 새로운 핵심 지표

 

이런 가운데, ESG 공시 기준도 2026년을 기점으로 한 단계 올라가고 있다. 유럽연합(EU)의 기업지속가능성보고지침(CSRD, Corporate Sustainability Reporting Directive)과 ESRS(European Sustainability Reporting Standards, 유럽 지속가능성 보고 기준)는 기후(E1)뿐 아니라 에너지·수자원·오염 등 다양한 환경 이슈에 대해 정량 지표와 데이터 기반 공시를 요구한다.

 

국제지속가능성기준위원회(ISSB, International Sustainability Standards Board)가 제정한 IFRS S1·S2, 이를 바탕으로 한 K-ISSB(한국형 지속가능성 공시기준)는 2028년 자산 30조 이상 상장사, 2029년 자산 10조 이상 상장사부터 ESG 공시를 의무화하는 로드맵에 맞춰 도입되고 있다. 여기서는 에너지·탄소·수자원 데이터의 정합성과 비교가능성이 핵심이다.

 

AI·데이터센터와 관련해서는 새롭게 다음과 같은 지표들이 강조된다. 첫째, 데이터센터와 IT 인프라의 전력사용효율(PUE)과 재생에너지(renewable energy) 비율이다. 얼마나 많은 전력을 쓰는지뿐 아니라, 그 전력이 얼마나 효율적으로 쓰이고 있는지, 얼마나 재생에너지로 대체되고 있는지가 중요한 평가 기준이 된다. 둘째, 물사용효율(WUE)과 수자원 리스크다. 냉각에 필요한 물을 얼마나 쓰는지, 해당 지역이 가뭄·수자원 제한 지역인지, 물 재이용 시스템을 갖추었는지가 ESG 평가와 공시에서 점점 더 중요해진다. 셋째, 에너지·탄소 데이터의 정밀도와 신뢰성이다. AI·데이터센터를 운영하는 기업뿐 아니라, 같은 계통에서 전력을 쓰는 제조·산단 기업도 “AI가 늘려 놓은 전력·탄소·수자원 부담”을 어떻게 관리하고 있는지 설명해야 하는 시점이 온다.

 

IIoT World의 2026년 제조 ESG 전략 보고서는, 제조 기업들이 AI와 IoT, 물리 기반 디지털 트윈(physics-based digital twin)을 활용해 에너지 소비를 20% 이상 줄이는 사례를 소개하면서, 2026년 ESG의 초점이 “자발적 보고”에서 “자율적 지속가능성(autonomous sustainability)”으로 옮겨가고 있다고 분석한다. 이 보고서는 특히 “스프레드시트가 아니라 단일 데이터 소스(Single Source of Truth)를 만들어 CSRD 등 글로벌 규제에 자동 대응하는 구조”를 강조한다.

 

이제 ESG 공시는 “열심히 하고 있다”는 선언을 쓰는 자리가 아니다. 사업별 전력·물 사용량, 재생에너지 비율, PUE·WUE, 탄소배출량을 데이터로 보여주고, 이를 줄이기 위해 어떤 인프라·기술·프로젝트를 실행하고 있는지를 구체적으로 설명해야 하는 자리다. AI와 데이터센터는 이 변화를 앞당기는 촉매이자, 동시에 새로운 리스크 요인이다.

 

AI 시대의 에너지·물 아키텍처: 공장·산단은 무엇을 설계해야 하는가

 

그렇다면 제조업과 산업단지는 이 흐름 속에서 무엇을 설계해야 할까. AI 시대의 전력·물 ESG에 대응하려면, 공장과 산단 차원의 에너지·수자원 아키텍처(architecture)를 다시 그려봐야 한다.

 

공장 레벨에서는 많은 곳에서 이미 FEMS(Factory Energy Management System, 공장 에너지 관리 시스템)와 EMS(Energy Management System, 에너지 관리 시스템), 설비 수준의 에너지 계량기를 도입해 전력·가스·스팀 사용량을 모니터링하고 있다. 중요한 것은 이 데이터를 단순 감시에 쓰는 수준을 넘어, AI 기반 최적화와 ESG 공시까지 이어지는 구조를 만드는 것이다.

 

산업단지 레벨에서는 한 단계 더 큰 그림이 필요하다. 여러 공장을 묶는 산단 공용 FEMS·스마트 에너지 플랫폼을 통해, 산단 전체의 전력·열·냉각·용수 수요를 통합적으로 관리하는 모델이 이미 일부 스마트그린산단에서 실험되고 있다. 인천 스마트그린산단은 통합관제센터를 구축해 산단 내 데이터를 실시간으로 수집·분석하고, 에너지와 안전, 운영 효율을 함께 관리하는 구조를 시도하고 있다.

 

AI 시대 에너지·물 아키텍처에서 핵심은 세 가지다. 첫째, 데이터의 해상도와 시간 단위다. 설비·라인·공장·산단 레벨에서 어느 정도 상세도로, 어떤 시간 단위(실시간·5분·15분·시간별 등)까지 데이터를 확보할지 설계해야 한다. 둘째, 예측과 최적화 모델이다. 생산 계획과 날씨, 전력요금, 데이터센터 운영 패턴 등 여러 요소를 입력으로 받아, 피크 전력과 수요를 예측하고 설비 가동과 에너지 사용을 미리 조정하는 AI 모델이 필요하다. 셋째, AI 데이터센터와의 연계 가능성이다. 앞으로는 “AI 데이터센터+스마트 산단”을 하나의 패키지로 설계하는 사례가 늘어날 수 있다. 데이터센터에서 나오는 폐열을 산단 난방이나 공정 열원에 활용하고, 산단의 재생에너지와 ESS를 데이터센터와 연계해 피크를 분산하는 등 다양한 시나리오가 가능하다.

 

AI를 쓰기 위해 데이터센터를 짓는 것이 아니라, 데이터센터와 공장·산단이 함께 에너지·물 인프라를 설계하는 구조를 고민해야 할 시점이다. 이 구조가 갖춰져야만, 미국–이란 전쟁과 같은 외부 충격에도 버틸 수 있는 “AI×에너지 회복력(resilience)”이 생긴다.

 

피지컬 AI: 전력·센서·로봇·안전이 만든 새로운 현장

 

여기서 한 걸음 더 들어가 보자. 최근 제조업과 로보틱스 분야에서는 “피지컬 AI(Physical AI)”라는 표현이 빠르게 확산되고 있다. 단순히 공장에 AI 소프트웨어를 도입하는 수준을 넘어, 로봇·설비·센서·창고·물류를 포함한 물리적 시스템 전체에 AI를 입히는 흐름을 가리키는 말이다.

 

ORSKOREA가 정리한 2026 제조업 트렌드에 따르면, 올해 AX Initiative Conference에서는 AX(Artificial Transformation, 인공지능 전환)를 “단순한 AI 도입”이 아니라 “산업 구조 자체의 재설계”로 이해해야 한다는 논의가 중심에 섰다. 발표자들은 AI 기반 공장 설계, 로봇·AGV(무인운반차)·협동로봇이 실제 현장에 통합되는 사례를 공유하며, “제조업은 피지컬 AI와 로봇의 결합으로 안전·생산성·품질을 동시에 끌어올릴 수 있는 단계로 들어가고 있다”고 진단했다.

 

그러나 동시에 이런 질문도 던졌다. “우리는 AI가 최대 성능을 발휘할 수 있도록, 전력·네트워크·센서·안전 인프라를 얼마나 준비해 두었는가?” 피지컬 AI는 소프트웨어만으로는 작동하지 않는다. 전력 공급과 분산전원, 로봇과 설비에 필요한 센서와 통신망, 안전·보안 시스템이 함께 설계되어야 한다.

 

전 세계 산업용 로봇 설치 대수는 2024년 50만 대를 넘었고, 2030년을 향해 가면서 로봇과 다양한 피지컬 AI 장비가 공장과 물류 현장에 기하급수적으로 늘어날 것으로 예상된다. 이 모든 장비와 시스템은 공장과 산단의 전력과 데이터, 냉각과 안전 인프라 위에서 돌아간다. 결국 피지컬 AI는 전력·물·인프라를 어떻게 설계했느냐에 따라 성패가 갈리는 기술이다.

자동화기술의 독자 입장에서 보면, 피지컬 AI와 ESG는 별개가 아니다. 피지컬 AI를 뒷받침하는 전력·인프라·데이터 구조가 곧 ESG 2.0 시대의 “환경(E)”과 “안전·노동(S)”, “거버넌스(G)”의 기반이기 때문이다.

 

한국형 “AI×ESG 산단” 모델의 방향성

 

한국산업단지공단은 이미 “제조 AI 전환 본격 추진”을 선언하며, AI 전환(AX) 실증산단 사업과 에너지 혁신을 5대 중점과제 중 하나로 제시했다. 인천 스마트그린산단 등에서는 디지털·친환경 전환을 위해 공용 데이터 플랫폼과 에너지·환경·안전 인프라를 동시에 구축하는 시도가 계속되고 있다.

 

여기에 AI 데이터센터와 전력·물 인프라 논의를 더하면, 한국형 “AI×ESG 산단” 모델은 대략 다음과 같은 방향으로 그릴 수 있다.

 

첫째, 산단 안팎에 들어설 AI 데이터센터와 공장들의 에너지·수자원 수요를 하나의 그림으로 본다. 둘째, 그 위에 산단 공용 FEMS·스마트 에너지 플랫폼을 깔고, 재생에너지 발전과 ESS, 수요반응(DR), 폐열·폐수 재이용 시스템을 연결한다. 셋째, 이 구조 위에서 AI는 두 가지 역할을 한다. 하나는 공장과 산단 내부의 에너지와 공정을 최적화하는 역할이고, 다른 하나는 데이터센터와 공장·산단 사이의 에너지·열·냉각·용수 흐름을 조정하는 역할이다.

 

이 모델의 가치는 세 갈래로 나뉜다. 전력·물 리스크 관리 측면에서는 AI 데이터센터와 공장·산단이 에너지·수자원 데이터를 공유하고 최적화함으로써, 피크 전력과 물 사용을 분산할 수 있다. ESG·공시·투자 유치 측면에서는 이런 구조를 가진 산단과 기업이 에너지·물·탄소 데이터를 정교하게 공시하고, “AI와 제조를 동시에 묶은 전환 인프라 프로젝트”로서 전환금융과 녹색금융의 관심을 끌 수 있다. 산업 경쟁력 측면에서는 AI 전환(AX)과 에너지 전환을 동시에 추진하는 산단이, 단순히 ESG 점수가 좋은 곳을 넘어 AI와 재생에너지, 에너지 효율, 안전·품질이 결합된 고부가가치 생산기지가 될 수 있다.

 

엔지니어와 실무자를 위한 12~24개월 로드맵

 

마지막으로, 자동화·스마트팩토리·AX·ESG 데이터 담당자들이 12~24개월 안에 현실적으로 할 수 있는 일을 정리해 보자.

 

0~6개월은 “우리 상태를 정확히 보는 시간”이다. 설비·라인·공장·산단 레벨에서 전력·가스·스팀·용수·폐수 데이터를 어떤 태그와 필드로, 어떤 주기와 형식으로 수집하고 있는지 목록을 만든다. FEMS·EMS·BEMS, 설비계량기, 수량계·유량계, SCADA에서 어떤 데이터를 뽑을 수 있는지 정리하고, PUE·WUE와 유사한 효율지표를 공장·산단 관점에서 정의해 본다. 동시에, 향후 들어올 수 있는 AI 데이터센터 계획이나 전력·수자원 규제 변화에 관한 지역 정보를 모아두는 것이 좋다.

 

6~12개월은 “작은 파일럿을 돌려보는 시간”이다. 에너지·물 데이터를 활용해 AI 기반 예측·최적화 파일럿을 하나라도 돌려본다. 예를 들어 전력·압축공기·스팀 사용량과 생산 데이터를 연동해 피크를 줄이고, 설비 가동·정지 스케줄을 자동으로 조정하는 모델을 시도할 수 있다. 산단 차원에서는 5~10개 기업을 묶어 스마트 에너지 플랫폼에서 데이터를 함께 보고, 피크 분산과 절감 목표를 공유하는 실험을 해 볼 수 있다. 피지컬 AI 관점에서는 로봇·설비·센서 데이터를 모아 에너지·안전·품질을 동시에 개선하는 PoC를 설계해 볼 수 있다.

 

12~24개월은 “공시와 보증을 염두에 둔 체계화의 시간”이다. 이 시기에는 에너지·물·탄소 데이터를 ESG 공시 템플릿과 연결하고, 나중에 외부 감사와 검증을 받을 때 필요한 메타데이터와 로그 구조를 설계해야 한다. 에코바디스, CSRD/ESRS, K-ISSB 공시 양식을 실제로 펼쳐 놓고, 자동으로 채울 수 있는 항목과 수작업이 필요한 항목을 구분한 뒤, 2년 안에 자동화 비율을 얼마나 끌어올릴지 목표를 정하는 것도 좋은 접근이다.

 

맺으며: AI 시대, ESG의 무게 중심은 ‘전력·물·인프라’로 옮겨간다

 

AI와 ESG는 종종 서로 다른 주제로 다뤄진다. 하나는 디지털 혁신, 다른 하나는 지속가능경영이라는 식이다. 그러나 2026년의 세계를 보면, 두 가지는 점점 더 강하게 엮이고 있다.

 

AI는 전기를 먹고 자란다. 그리고 그 전기는 발전소와 전력망, 재생에너지와 ESS, 공장과 산업단지, 데이터센터와 도시 인프라 위에서 생산되고 소비된다. 미국–이란 전쟁과 호르무즈 해협 위기는 이 기반이 얼마나 취약할 수 있는지를 적나라하게 보여주고 있다. ESG는 이 모든 흐름을 숫자와 스토리로 연결해 보여주는 언어다.

 

2026년 ESG 키워드를 정리한 리포트들은 “AI 대응 역량”과 “재무성과와 연결된 실전 ESG”를 공통으로 꼽는다. 이 말은 곧, AI를 잘 쓰는 기업과 산단, 전력·물 인프라를 똑똑하게 설계하는 기업과 산단이 ESG에서도 앞서 나간다는 뜻이다.

 

독자들에게 이 칼럼이 던지는 메시지는 단순하다. AI 시대의 ESG는 보고서 문제가 아니라, 전력·물·인프라를 어떻게 설계하고, 데이터를 어떻게 쌓고, 어떤 AX·피지컬 AI 모델로 최적화할 것인가의 문제다. 그리고 그 설계도는, 결국 설비와 시스템을 잘 아는 엔지니어와 현장 실무자의 손에서 그려지게 된다.

 

이동권, ㈜한컨설팅그룹 수석전문위원 |