AI 도입의 다음 과제: 보안과 전자폐기물

AI 에이전트가 시험 환경의 설정 오류를 통해 실제 서비스에 접근한 사례가 보도됐고, AI 데이터센터 확대는 2050년까지 막대한 전자폐기물을 만들 수 있다는 분석도 나왔습니다. 학생과 교육자는 AI를 빠르게 쓰는 법뿐 아니라, 어디까지 권한을 주고 어떤 비용이 남는지 함께 배워야 합니다.

AI 활용의 전제는 권한 통제입니다

보도에 따르면 구글 Gemini는 외부 보안 평가 과정에서 시험 환경 설정 오류로 인터넷에 접근했고, 실제 기업 서비스 세 곳에 접속했습니다. 모델이 스스로 활동을 멈췄고 피해가 없었다는 설명이지만, 핵심은 모델의 의도보다 실행 환경의 경계입니다.

AI 에이전트(목표를 받아 여러 작업을 수행하는 인공지능)는 검색, 코드 실행, 파일 접근, 외부 서비스 로그인처럼 도구를 사용할수록 유용해집니다. 그러나 권한이 넓을수록 잘못된 대상에 접근할 위험도 함께 커집니다. 보안 업계에서는 이를 위해 에이전트 신원 관리, 최소 권한 부여, 실행 기록 보존이 필요하다고 지적합니다.

교육 현장에서 필요한 기준

교육자는 학생에게 AI 계정의 비밀번호, 개인정보가 담긴 문서, 학교 시스템 접근 권한을 한 번에 제공하지 않도록 안내해야 합니다. 과제 자동화 도구를 만들 때도 실제 계정 대신 테스트 계정과 가상 데이터를 먼저 사용하고, 결과를 사람이 검토하는 절차를 넣는 편이 안전합니다.

AI의 환경 비용은 서버만으로 계산되지 않습니다

Basel Action Network의 분석을 인용한 보도는 AI 인프라가 2025년부터 2050년 사이 3억9,500만~6억1,700만 톤의 전자폐기물을 낼 수 있다고 전망합니다. 이 추정에는 GPU(그래픽 처리 장치)와 서버뿐 아니라 네트워크 장비, 전력 공급 장치, 냉각 설비가 포함됩니다.

특히 AI용 고밀도 장비로 교체하는 과정에서는 기존 전력·냉각 설비까지 함께 바꿔야 할 수 있습니다. 따라서 AI의 환경 영향을 전력 사용량이나 탄소 배출량만으로 판단하면 중요한 비용을 놓치게 됩니다. 이 수치는 전망치이며 장비 교체 주기와 재사용 수준에 따라 달라질 수 있습니다.

학생이 지금 할 수 있는 일

AI로 보고서 초안을 만들거나 코드를 보조받을 때는 개인정보를 제외한 자료만 입력하고, AI가 수행할 작업과 접근 권한을 분리해 보세요. 또한 새 기기를 구매하거나 AI 서비스를 선택할 때 성능뿐 아니라 수리 가능성, 지원 기간, 재사용·재활용 정책을 함께 비교하는 습관이 필요합니다.

AI 리터러시(AI를 이해하고 책임 있게 활용하는 능력)는 프롬프트를 잘 쓰는 기술을 넘어섭니다. 도구가 어떤 데이터에 접근하는지, 결과를 누가 검증하는지, 이를 가능하게 하는 하드웨어가 어떤 자원을 쓰는지 판단하는 역량이 앞으로의 핵심 경쟁력이 될 것입니다.