AI와 지속 가능한 관광 – 저울의 양쪽에는 무엇이 있을까?

국제에너지기구(IEA)의 추산에 따르면, 전 세계 데이터 센터는 2024년에 약 415테라와트시의 전력을 소비했습니다. 이는 전 세계 전력 소비량의 약 1.5%에 해당합니다. 기본 시나리오에 따르면, 소비량은 2030년까지 약 945테라와트시에 이를 수 있으며, 이는 두 배 이상 증가하여 전 세계 전력 소비량의 약 3%를 차지할 수 있습니다. (IEA, 2025)

이 증가의 주요 원인 중 하나는 AI이지만, 데이터 센터는 물론 인공지능 시스템만을 지원하는 것은 아닙니다. 클라우드 서비스, 온라인 비디오, 비즈니스 IT 시스템 및 기타 여러 디지털 서비스도 상당한 용량을 필요로 합니다.

한편, 단일 AI 질의의 환경적 영향은 이전의 일반적인 추정치가 암시했던 것보다 훨씬 적을 수 있습니다.

구글이 2025년 8월에 발표한 운영 측정에 따르면, 평균적인, 보다 정확히는 중간값 Gemini 텍스트 요청을 처리하는 데:

• 0.24와트시의 에너지를 사용했고,
• 0.03그램의 이산화탄소 배출량을 발생시켰으며,
• 약 0.26밀리리터의 물을 필요로 했습니다.

에너지 소비량은 약 9초간의 TV 시청에 해당하며, 물 소비량은 약 5방울에 해당합니다. (Elsworth et al., 2025)

대부분의 관광 사업체는 마케팅에서 처음으로 인공지능을 접합니다. 텍스트 작성, 번역, 소셜 미디어 게시물 작성, 뉴스레터, 이미지 생성 및 고객 리뷰 응답에 사용됩니다. 이는 이해할 수 있는 이유가 있습니다. 결과가 즉시 보이고, 사용이 비교적 간단하며, 일반적으로 별도의 IT 개발이 필요하지 않습니다.

그러나 지속 가능성 관점에서 마케팅은 단순히 페이스북 게시물이 더 빨리 작성되는 것보다 훨씬 중요합니다. 커뮤니케이션은 다음에 큰 영향을 미칠 수 있습니다: 누가 특정 장소를 방문하는지, 언제 여행하는지, 얼마나 오래 머무는지, 어떤 명소를 방문하고 어디에서 돈을 쓰는지.

예를 들어, 잘 계획된 봄 또는 가을 캠페인은 여름 성수기의 부담을 줄일 수 있습니다. 덜 알려진 지역이나 지역 사업체를 소개하면 방문객들이 몇몇 특정 장소에 몰리지 않도록 도울 수 있습니다. AI는 소규모 서비스 제공자나 관광 조직도 다양한 타겟 그룹에 맞는 메시지를 준비할 수 있게 합니다. 조용한 시기에 여행하고 싶은 사람들, 어린 자녀를 둔 가족, 자전거 여행자, 또는 지역 음식을 찾는 사람들에게 각각 다른 콘텐츠를 제공할 수 있습니다.

다국어 커뮤니케이션도 더 저렴하고 빨라질 수 있습니다. 이는 이전에 별도의 마케팅 예산이 없었던 소규모 시장에서 특히 유용할 수 있습니다.

AI는 덜 알려진 명소, 지역 이야기 및 소규모 서비스 제공자를 소개하는 데도 도움을 줄 수 있습니다. 많은 관광지 웹사이트에는 가장 유명한 명소에 대한 자세한 설명이 많지만, 작은 가치들은 거의 나타나지 않습니다. 기술은 정보를 처리하는 속도를 높일 수 있지만, 지역 지식과 신뢰할 수 있는 이야기는 여전히 사람이 추가해야 합니다.

수요 예측 및 용량 계획

이전 예약 데이터, 이벤트 캘린더, 날씨, 교통 정보 및 기타 요소를 기반으로 예상 수요에 대한 더 정확한 예측을 만들 수 있습니다.

이는 다음과 같은 데 도움을 줄 수 있습니다:

• 인력 배치 계획;
• 재고 계획;
• 교통 용량 조정;
• 방문 시간대 설정;
• 그리고 과부하된 시간대의 조기 인식.

예측은 혼잡을 없애지는 못하지만, 문제를 더 일찍 파악할 수 있게 하여 개입할 시간을 더 많이 제공합니다.

AI 추천의 한 가지 문제는 이미 인기 있는 장소를 더욱 눈에 띄게 만드는 경우가 많다는 점입니다.

리와 페닝턴-그레이의 연구 사전 논문에서는 백만 개의 모델링된 미국 국내 여행을 기반으로, 대형 언어 모델들이 실제 관광 패턴보다 계절적이고, 불균형적이며, 다양성이 적은 여행 흐름을 생성한다는 점을 발견했습니다. 이 시스템들은 특히 이미 인기 있는 목적지와 시기의 조합을 강화했습니다 (Lee–Pennington-Gray, 2026).

사전 논문이기 때문에 결과는 추가 연구를 통해 확인되어야 하지만, 발견된 위험은 주목할 만합니다.

많은 사람들이 동일한 몇몇 시스템에서 조언을 받고, 이러한 시스템들이 정기적으로 동일한 장소를 추천한다면, 이는 혼잡을 더욱 증가시킬 수 있습니다.

또 다른 문제는 보이지 않는다는 점입니다.

첸, 웽, 그리고 모로의 2026년 사전 논문에서는 미국 5개 도시의 304개 지역에서 3개의 대형 언어 모델의 레스토랑 추천을 조사했습니다. 모델들이 검증된 실제 레스토랑 목록에서 선택할 수 있었음에도 불구하고, 장소의 47.5%는 한 번도 추천되지 않았습니다. 보이지 않게 남은 사업체의 31.9%는 조사된 세 모델 모두에서 동일했습니다 (Chen–Weng–Moro, 2026).

이는 AI가 단순히 이용 가능한 정보를 수집하는 것이 아니라, 그 중 일부를 선택적으로 강조한다는 것을 보여줍니다. 일부 장소는 정기적으로 강조되고, 다른 장소는 거의 또는 전혀 보여지지 않습니다.

이는 특히 평가가 적거나 디지털 존재감이 약한 소규모 지역 사업체들에게 불리할 수 있습니다.

먼저 데이터를 정리하세요

AI는 디지털로 접근 가능하고 해석 가능한 데이터에서만 작업할 수 있습니다.

웹사이트에 운영 시간이 부정확하거나, 주소나 위치가 누락되어 있거나, 접근성이 표시되지 않았거나, 서비스 설명이 명확하지 않다면, AI 시스템도 잘못되거나 불완전한 정보를 전달할 수 있습니다.

특히 중요한 것은:

• 정확한 이름, 주소 및 연락처;
• 현재 운영 시간;
• 가격 및 예약 조건;
• 교통 옵션;
• 접근성 정보;
• 서비스의 적절한 분류;
• 그리고 웹사이트에 구조화된 데이터를 추가하는 것입니다.

잘 관리되고 기계가 해석할 수 있는 데이터는 이제 검색 엔진 최적화 문제일 뿐만 아니라, AI 기반 추천에 나타나는 조건 중 하나가 될 수 있습니다.

우리는 이 과정을 외부에서 관찰하는 것처럼 행동하고 싶지 않습니다. I-DEST 개발 및 전문 작업 과정에서 우리도 정기적으로 인공지능을 사용합니다. 우리는 AI를 독립적인 의사 결정자로 간주하지 않고, 특정 프로세스를 가속화하고, 연관성을 발견하며, 인간의 부주의로 인한 오류를 줄일 수 있는 작업 도구로 간주합니다.

예측 및 시나리오 작성

수요 시계열, 계절성, 용량 부하 및 다양한 개발 시나리오를 분석합니다.

AI는 여기서 틀림없는 답변을 제공하기 때문에 유용한 것이 아니라, 짧은 시간 안에 많은 변수를 검토하고, 수작업으로는 발견하기 어려운 연관성을 발견하는 데 도움을 주기 때문에 유용합니다.

입력 데이터의 품질이 모든 것을 결정합니다. 잘못되거나 불완전한 기본 데이터에서 시스템은 빠르게 잘못된 예측을 생성할 수 있습니다. 따라서 AI는 데이터 검증을 대체하지 않고, 오히려 이를 더 중요하게 만듭니다.

소프트웨어 개발 및 오류 탐지

I-DEST 기술 개발에서도 인공지능을 사용합니다. 이를 통해 더 긴 코드 조각을 빠르게 검토하고, 특정 논리적 오류, 불일치 및 보안 위험을 식별하며, 테스트 케이스를 더 쉽게 작성할 수 있습니다. 목표는 AI가 인간의 검토 없이 시스템을 프로그래밍하는 것이 아닙니다. 우리는 여러 관점에서 개발을 검토하고, 문제를 더 빨리 발견하며, 사용자들이 문제를 겪기 전에 이를 수정할 수 있도록 AI를 활용합니다. 이는 다양한 데이터 소스, 언어, 사용자 인터페이스, 평가 모듈 및 추천 기능이 서로 연결된 복잡한 시스템인 I-DEST와 같은 경우 특히 중요합니다. 단일 수정이 다른 여러 기능의 작동에 영향을 미칠 수 있습니다.

AI 기반 코드 분석 및 테스트는 전통적인 개발자 및 사용자 테스트 외에도 추가적인 검토 계층을 제공합니다. 그러나 AI 사용만으로는 오류 없는 소프트웨어를 보장할 수 없습니다. AI가 제안한 코드도 오류, 오래된 솔루션 또는 보안 문제를 포함할 수 있습니다. 따라서 모든 중요한 수정 사항은 개발자가 검토하고, 시스템 작동은 도입 전에 테스트해야 합니다.

따라서 목표는 개발자를 대체하는 것이 아니라, 오류 수를 줄이고, 테스트를 지원하며, 개발 작업을 더 신뢰할 수 있게 만드는 것입니다.

번역 및 용어 검토

전략, 입찰 문서, 관광 설명 및 표준의 다국어 처리를 위해 AI를 사용합니다. 기계 번역은 모든 중요한 문서에서 인간의 검토를 거칩니다. 관광, 지속 가능성 및 유럽 연합 전문 용어에서 잘못 번역된 단어 하나가 문장이나 요구 사항의 의미를 바꿀 수 있습니다. AI는 또한 더 긴 문서에서 일관되게 동일한 용어와 명칭을 사용하는 데 도움을 줍니다. 용어의 일관성은 특히 국제 표준, 인증 요구 사항 및 다국어 디지털 인터페이스에서 중요합니다. 또한 AI는 I-DEST의 다국어 접근성을 보장하여, 목적지와 서비스 제공자가 여러 언어로 데이터를 입력할 필요를 줄이고, 필요한 최소한의 작업만 하도록 합니다.

마케팅 및 콘텐츠 제작

AI는 초기 텍스트 버전, 다국어 콘텐츠 및 다양한 타겟 그룹을 위한 커뮤니케이션 준비를 지원합니다.

사용 과정에서 몇 가지 간단한 규칙을 따릅니다:

• 자체 톤으로 소통합니다;
• 검증 가능하고 실제 데이터에서 작업합니다;
• 최종 콘텐츠는 사람이 승인합니다;
• 지속 가능성 주장은 증거에 기반합니다;
• 그리고 클릭 수나 예약만을 결과로 간주하지 않습니다.

마케팅에서 AI의 지속 가능성 영향은 주로 시스템에 어떤 목표를 설정하느냐에 따라 결정됩니다. 단기적인 전환율만 중요하다면, 알고리즘은 이미 인기 있는 시기와 장소를 쉽게 강화할 수 있습니다. 그러나 계절성, 지역 분포 또는 지역 서비스 제공자의 가시성이 목표에 포함되면, 다른 유형의 캠페인 및 추천이 생성될 수 있습니다. 때로는 매우 드물게 AI가 다양한 포스터, 광고에 사용되는 요약을 준비하는 데 도움을 주기도 합니다.

인공지능의 환경적 부담은 현실입니다. 그러나 관광의 가장 큰 환경적 부담은 여전히 주로 여행, 교통, 건물 운영, 소비 및 인기 있는 장소의 계절적 과부하와 관련이 있습니다.

AI의 이점도 현실이지만, 자동적이지는 않습니다.

동일한 시스템이 혼잡한 장소를 피하도록 도울 수도 있고, 더 많은 방문객을 그곳으로 보낼 수도 있습니다. 지역 사업체를 찾는 데 도움을 줄 수도 있고, 보이지 않게 만들 수도 있습니다. 음식물 쓰레기를 줄일 수도 있고, 데이터로 뒷받침되지 않은 잘 들리는 지속 가능성 캠페인을 만들어낼 수도 있습니다.

결정적인 질문은 AI 또는 지속 가능성이 아닙니다.

중요한 것은 시스템이 어떤 데이터를 사용하는지, 무엇을 요청하는지, 어떤 목표를 설정하는지, 그리고 결과를 누가 검토하는지입니다.

이는 단순히 기술적인 문제가 아닙니다. 전문적이고 관리적인 결정입니다.

따라서 목적지, 관광 사업체 및 여행자 모두가 인공지능이 관광의 추가 집중화를 지원할지, 아니면 더 균형 잡히고 접근 가능하며 절약적인 운영을 지원할지를 결정할 수 있습니다.