AI를 도입하겠다는 결정은 대개 소프트웨어 회의에서 난다. 그런데 2026년 들어 그 결정의 발목을 잡는 것은 코드가 아니라 전기다. 데이터센터를 완공하고도 전력을 끌어오지 못해 가동하지 못하는 사례가 국내외에서 동시에 나오고 있다. 서버를 살 돈이 없어서가 아니라, 그 서버에 전기를 넣어줄 선로가 없어서다.
AI 계획서에서 가장 먼저 흔들리는 항목은 모델 성능이 아니라 일정이다. 전력과 상면이 사실상 예약제가 되는 순간, “얼마인가”보다 “언제부터 쓸 수 있는가”가 먼저 온다.
숫자로 보는 2026년 전력 병목
- 국내 데이터센터 전력 수요: 2025년 4,461MW → 2028년 6,175MW(약 1.4배, 연평균 11% 증가 전망)
- 2029년 데이터센터 IT 전력 공급 가능량: 1,569MW(약 1.5GW) 수준까지 확대 전망
- 정부는 2028~2029년에 필요한 2.1GW 물량을 2026년부터 선제 확보해 계통 포화 지역에 우선 투입할 방침
핵심은 총량이 아니라 편중이다. AI용 데이터센터는 대규모 단일 부하가 특정 지역·특정 변전소에 몰리는 구조여서, 전국 단위로 전력이 남더라도 그 지점의 송전망이 포화면 공급을 못 받는다. 그래서 현장에서 돌아오는 답은 “전기가 부족하다”가 아니라 “여기서는 못 준다”에 가깝다.
실무에 닿는 세 지점
1) 단가가 내려가도 일정은 줄지 않는다
AI 추론 단가는 계속 내려가고 있다. 하지만 랙 한 대를 실제로 받아 켜기까지 걸리는 시간은 그 속도로 줄지 않는다. 자체 장비를 검토 중이라면 견적서보다 먼저 아래 두 줄을 문서로 확보해야 한다.
- 전력 공급 확약 시점(계약 용량과 실제 인입 가능 시기가 다를 수 있음)
- 냉각 방식과 랙당 허용 전력(공랭 기준 상면에 고밀도 장비를 넣지 못하는 경우가 많다)
이 두 줄이 없는 견적은 아직 계획이 아니라 희망이다.
2) “어디에 두느냐”가 아키텍처 결정이 된다
수도권 상면이 막히면 지방 리전이나 해외 리전으로 밀려난다. 그 순간 지연시간, 데이터 반출 규정, 백업 경로, 장애 시 대응 동선이 전부 다시 그려져야 한다. 사내 시스템이 부서별로 쪼개져 있을수록 이 재배치 비용이 커진다. 시스템 통합 관점의 정리가 선행되지 않으면 AI는 붙였는데 정작 데이터가 여기저기 흩어져 있어 쓸 수 없는 상태가 된다.
3) 대부분의 회사는 자체 인프라가 답이 아니다
전력·냉각·상면을 직접 감당해야 할 만큼 추론량이 큰 조직은 많지 않다. 대다수에게 현실적인 순서는 이렇다.
- API로 시작해 실제 호출량을 3개월 측정한다
- 호출량이 안정되면 그 구간만 전용 인스턴스나 온프레미스로 내린다
- 사용자 접점은 인프라와 분리해 둔다 — 모델을 갈아끼워도 화면은 그대로 남게
세 번째가 특히 중요하다. 현장 직원이 쓰는 접점을 어플개발 단계에서부터 별도 계층으로 잡아두면, 뒤쪽 인프라가 클라우드에서 자체 장비로 바뀌어도 앱을 다시 만들 필요가 없다. 사내 도구라면 설치 부담이 없는 웹앱 형태가 교체 비용 면에서 유리하다.
지금 점검할 체크리스트
- 내년에 늘어날 추론량을 월 단위 숫자로 가지고 있는가
- 인프라 계약서에 전력 인입 시점이 날짜로 적혀 있는가
- 리전이 바뀌어도 유지되는 부분과 다시 만들어야 하는 부분이 구분되어 있는가
- 모델 교체 시 영향을 받는 화면이 몇 개인지 세어봤는가
정리
2026년의 AI 도입은 성능 경쟁이라기보다 순번 경쟁에 가깝다. 전력망 증설 속도가 수요를 따라가지 못하는 구간이 최소 2~3년은 이어진다. 이 기간에 유리한 쪽은 가장 큰 장비를 산 조직이 아니라, 인프라가 바뀌어도 업무가 멈추지 않게 구조를 갈라놓은 조직이다.
