AI(인공지능)가 UN이 제시한 지속가능개발목표(SDGs) 중 열세 번째 목표인 기후변화와 그 영향에 대처하기 위한 목표에 얼마나 기여할 것인가? 

기후변화는 기후위기로 표현될만큼 지금까지 인류가 직면한 가장 큰 위기일 것이다. 따라서 인류는 유엔기후변화협약(United Nations Framework Convention on Climate Change, UNFCCC)을 통하여 선진국과 개발도상국이 공동의 그러나 차별화된 책임(Common But Differentiated Responsibilities)에 따라 각자의 능력에 맞게 온실가스를 감축할 것을 약속하였다. 

그러나 UNEP이 발표한 이산화탄소 배출 갭 보고서 2024(Emissions Gap Report 2024; EGR 2024)는 그동안 인류가 기후위기 극복을 위한 노력을 “뜨거운 공기, 이제 그만…제발! 수사(rhetoric)와 현실 사이에 엄청난 격차가 있는 가운데, 각국이 새로운 기후 공약을 초안한다.”(No more hot air … please! With a massive gap between rhetoric and reality, countries draft new climate commitments)라는 문구를 통해 SDGs 13의 목표 달성이 여전히 큰 도전에 직면해 있음을 지적한다. 

즉, 기후위기 해결을 위해서는 화려한 말이 아니라 실질적이고 구체적인 노력이 요구된다는 것이다.

EGR 2024는 각국이 기후변화에 대해 실질적인 행동을 취하지 않으면 파리 협정의 1.5°C 목표가 곧 사라질 것이라고 경고하고 있다. 이를 위해 전 세계는 2030년까지 온실가스를 42%, 2035년까지 57% 줄여야 하며, 이를 이행하지 않으면 금세기 동안 기온이 2.6-3.1°C 상승할 것으로 예상된다. 

이로 인해 인류, 지구, 경제에 심각한 부정적 영향으로 다가올 것이다. EGR 2024는 태양광, 풍력, 삼림을 통해 신속하고 대규모의 배출 감축이 가능하다고 하여 1.5°C 목표 달성에 대한 희망을 제공한다. 

그러나 이는 2025년 COP30에 제출될 국가결정기여금(Nationally Determined Contributions, NDCs)에서 정부의 통합적인 접근, 사회경제적 및 환경적 공동 이익을 극대화하는 조치, 글로벌 금융 구조 개혁, 강력한 민간 부문 대응, 그리고 완화 투자의 최소 6배 증가가 필요하다는 전제가 있다. EGR 2024는 G20 국가, 특히 주요 배출국이 이 책임을 다해야 한다고 강조한다.

이에 UN은 전 세계가 기후변화에 대해 책임 있는 행동을 위한 목표를 이행해야 한다고 주장하며, <표 1>의 13번째 목표(SDGs 13)를 정하였다. 

세계보건기구(World Health Organization, WHO)에 따르면, 현재 약 40억 명이 기후변화에 매우 취약한 지역에 거주하고 있어 2030년부터 2050년 사이에 영양실조, 말라리아, 설사, 열 스트레스로 인해 연간 약 25만 명이 사망할 것으로 예상되며, 건강에 대한 직접적인 피해 비용은 2030년까지 매년 20~40억 달러에 이를 것으로 추정된다. 

화석 연료의 추출 및 연소로 인한 온실가스 배출은 매년 700만 건의 조기 사망을 초래하며, 인프라가 취약한 지역, 특히 개발도상국은 기후변화의 영향을 더욱 받게 될 것이다. 이런 관점에서, 본 고에서는 AI(인공지능)가 UN의 SDGs 13에 어떻게 기여할 것인가에 대하여 살펴본다. 

AI와 기후변화에 관련된 방대한 자료들을 검토해보면, AI는 방대한 데이터 세트를 처리하고 실행가능한 통찰력을 추출할 수 있어 기후변화에 대한 이해와 그 영향을 완화하는 방식을 바꿀 수 있는 잠재력이 있다고 한다. 

AI의 응용 분야는 적응(Adaptation)(예: 조기 경보 시스템을 포함한 토양 상태 및 작물 질병 모니터링)에서 완화(Mitigation)(예: 재생 에너지 잠재력 예측을 통한 배출량 감소)에 이르기까지 다양하며 다양한 부문에서 활용될 수 있다(Kaack et al., 2022).

AI가 기후변화와의 싸움에 혁명을 일으킬 것이라고 약속하는 방법은 재생 에너지 최적화,  환경 모니터링 및 보호, 고급 기후 모델링 및 예측, 효율적인 자원 관리, 그리고 산업 전반의 탄소 발자국 감소 등이 있다(Anderson, 2024). 

재생 에너지 최적화
재생 에너지 분야에서 AI는 혁신적인 변화를 주도하는 게임체인저가 될 수 있다. AI 알고리즘은 날씨 데이터와 전기 수요 패턴을 분석하여 풍력 및 태양광 같은 재생 에너지원의 운영을 최적화할 수 있다. 이러한 최적화는 효율성을 높이고, 더 나은 전력망 통합을 지원하여 안정적이고 신뢰할 수 있는 깨끗한 에너지를 보장한다.

재생 에너지원에는 지열, 풍력, 태양광, 바이오에너지, 수력 등이 있다. AI는 이들 자원의 효율성을 개선하는 데 다음의 방식으로 기여한다(Ukoba et al., 2024).

1) 예측적 유지관리: AI는 고장이 발생하기 전에 이를 예측하는 유지 관리 접근법인 예측 유지관리에 중요한 역할을 한다. 태양광 패널과 풍력 터빈의 경우, AI 알고리즘은 온도, 성능 지표, 기상 패턴 등 방대한 데이터를 분석하여 잠재적 문제를 조기에 감지하고, 적시에 유지관리를 가능하게 하여 가동 중단 시간을 줄이고 에너지 출력을 극대화한다.

2) 고급 제어 시스템: AI는 과거 및 실시간 데이터를 분석하여 자원의 가용성을 예측할 수 있다. 예를 들어, 태양광 패널의 구름 덮개나 풍력 터빈의 바람 패턴을 예측하여 에너지 생산을 정확하게 조정함으로써 재생 에너지원이 최대 효율로 작동하도록 한다.

3) 그리드(Grid, 전기가 생산자에서 소비자에게 전달되는 상호연결된 전력 계통) 통합과 안정성: AI는 전기 전송 경로를 최적화하여 전송 손실을 줄이고 전반적인 효율성을 개선할 수 있다. AI 기반 제어 시스템은 지속적으로 매개변수를 조정하여 태양광 패널의 위치나 풍력 터빈의 블레이드 각도를 최적화하여 에너지 포착을 극대화한다.

4) 에너지 저장 최적화: AI 알고리즘은 에너지 생산 및 소비 패턴을 예측하여 에너지 저장시스템(Energy Storage System, ESS)을 최적화한다. 이를 통해 배터리의 지능적 충전 및 방전이 가능해져 효율성을 극대화시킬 수 있다.

5) 비용 절감: AI는 시장 가격에 따라 에너지를 저장하거나 방출할 최적의 시점을 파악하여 전체적인 비용 절감에 기여한다. AI는 효율성을 개선하고 유지 관리 비용을 줄이는 데 중요한 역할을 한다.

6) 최적의 자원 할당: AI 기술의 발전으로 재생 에너지 프로젝트의 확장성이 증가하고 있다. AI 기반 솔루션은 소규모 시설에서 대규모 태양광 및 풍력 발전소에 이르기까지 경제적으로 실행 가능하고 매력적인 옵션을 제공한다. 방대한 데이터를 처리하고 실시간으로 의사 결정을 내리는 AI의 힘은 재생 에너지의 효율성, 신뢰성 및 경제성을 더욱 높여준다.

환경 모니터링 및 보호
AI의 환경 모니터링 역할은 타의 추종을 불허한다. AI 시스템은 위성 이미지와 센서 데이터를 통해 삼림 벌채를 모니터링하고 야생 동물 개체수를 추적하며, 산불 및 홍수와 같은 자연재해를 예측하기도 한다. 이 실시간 모니터링을 통해 환경 위기에 더 빠르고 효과적으로 대응하고 더 나은 보존 전략을 수립할 수 있다.

AI는 환경에 관한 다양한 지식을 처리할 수 있는 환경의사결정지원시스템(Environmental Decision Support Systems, EDSS)를 통하여 위험 식별, 측정, 평가, 그리고 개입의사결정의 역할을 할 수 있다(Cortès et al., 2000).

첫째, 위험 식별(Harzard Identification) 단계에서는 필터링 및 선별 기준과 고려 중인 활동에 대한 추론이 포함된다. 이는 가능한 부정적인 결과를 지속적으로 모니터링하고, 이를 통해 시스템의 성능을 개선할 추가 데이터를 검색하는 활동으로 특징지어질 수 있다.

둘째, 위험 측정(Risk Assessment) 단계에서는 정량적 및 정성적 방법을 사용하여 위험을 평가한다. 이 시스템은 수치 모델, 정성 모델, 또는 이 두 가지를 모두 활용해 잠재적 위험의 정도를 추정할 수 있으며, 모델 기반 추론, 규칙 기반 추론, 사례 기반 추론 등 다양한 방법으로 다양한 수준의 정밀도와 이질적인 데이터를 통합할 수 있다. 

셋째, 위험 평가(Risk Evaluation) 단계에서는 특정 가설에 대한 우려의 정도를 평가하며, 유사한 상황에 대한 과거 경험을 바탕으로 시스템이 사례 기반 추론을 통해 경험을 축적하여 더 나은 판단을 지원할 수 있다.

넷째, 개입 의사결정(Intervention Decision-Making) 단계에서는 위험을 통제하거나 완화할 방법을 제안하는 동시에, 활동의 맥락을 이해하고, 결과를 해석하며, 위험/이익 균형에 대한 깊이 있는 지식이 요구된다.

고급 기후 모델링 및 예측
AI는 복잡하고 다차원적인 기후 데이터를 처리하여 보다 정확하고 세부적인 기후 예측을 가능하게 하며, 이를 통해 정책 입안자와 과학자가 효과적인 기후 행동 계획을 수립할 수 있도록 돕는다.

예를 들어, 하이브리드 수문기후 예측 시스템(Hybrid Hydroclimatic Forecasting Systems)은 데이터 중심의 통계적 및 기계 학습 방법을 사용하여 수치적 기상 예측, 기후, 토지, 수문학, 그리고 지구 시스템 모델과 같은 물리 기반 모델의 예측을 통합하여 최종 예측 제품을 제공한다(Slater et al., 2023). 이를 통해 강우량, 기온, 유량, 홍수, 가뭄, 열대저기압, 대기 강 등의 기상 및 수문기후 변수와 관련된 사건 예측의 정확성을 높일 수 있는 유망한 방안을 제시한다.

이러한 하이브리드 예측 방법은 계절에서 10년 단위에 이르는 다양한 시간 범위에서 기상 및 기후 예측 시스템을 발전시키며, AI의 강점과 함께 더 나은 이해를 가능하게 한다. 또한, 더 많은 계산 리소스와 기술 접근성이 제공됨에 따라 더욱 주목받고 있다. 하이브리드 시스템의 장점은 계산 비용이 많이 드는 오프라인 토지 모델 실행을 필요로 하지 않고, 동적 출력에서 발생하는 편향을 줄이며, ML의 강점을 활용해 다양한 시간적 예측 소스를 결합하면서 방대한 데이터 세트에서 학습할 수 있다는 점이다.

효율적인 자원 관리
AI로 구동되는 스마트 농업은 물 사용량과 작물 수확량을 최적화하여 환경 스트레스를 줄이는 등 효율적 자원관리에 기여한다. 제조 분야에서 AI 기반 예측 유지 관리 및 프로세스 최적화는 폐기물과 에너지 소비를 줄일 수 있다.

예를 들어, AI를 이용하여 회복력, 생활, 생산 및 지속 가능한 도시와 마을을 구축하는 도시 수자원 관리를 할 수 있는 지속 가능한 수자원 관리(Sustainable Water Resource Management, SWRM)가 가능하다. 여기서 AI는 기후 보호 전략, 물 안전 전략, 재해 위험 관리 계획, 스펀지 도시 및 고급 수자원 관리를 시행하기 위한 수자원 인프라를 개발하는데 기여할 수 있다(Xiang et al., 2021). 

산업 전반의 탄소 발자국 감소
AI는 다양한 산업 분야에서 탄소 발자국을 줄이는 데 중요한 역할을 하며, 기후변화 완화에 기여할 수 있다. AI 알고리즘은 에너지 효율적인 건물 설계, 저탄소 운송 경로 계획, 탄소 포집 기술 지원 등을 통해 산업이 친환경적이고 지속 가능한 운영으로 전환하는 데 도움을 준다.

AI는 예측, 권장, 의사결정, 그리고 재생 에너지 최적화를 통하여 기업의 탄소 비용을 줄이는 데 기여할 수 있다(Tseng & Lin, 2024). 

첫째, AI 기반 예측은 회사의 탄소 발자국에 대한 심도 있는 통찰을 제공하며, 이를 통해 탄소 비용 절감에서 빠르게 실질적 효과를 얻고, 지속 가능한 전환을 가속화시켜 비용 절감 기회를 창출할 수 있다. 특히 대기업은 광범위한 데이터 세트를 활용할 수 있어 AI 배포에서 높은 효과를 기대할 수 있다.

둘째, AI 기반 권장 사항은 다양한 데이터를 분석하여 탄소 비용 절감 방안을 제안한다. 예를 들어, AI는 재생 에너지 투자나 에너지 최적화 전략 등을 제시하는 데, 이는 기존 접근 방식에서 간과될 수 있는 혁신적인 해결책을 제공하는 것이다. 이러한 권장 사항은 지속가능성 목표를 강화하고 친환경 이니셔티브를 촉진하여 장기적으로 비용 절감과 탄소 발자국 감축에 기여한다.

셋째, AI 기반 의사결정 지원은 데이터 해석과 분석을 통해 탄소 감축 전략에 대한 정보에 입각한 의사결정을 도와준다. AI는 자원 사용을 최적화하고 가장 큰 환경적 영향을 미칠 수 있는 솔루션을 식별해 조직의 탄소 비용 절감을 더욱 효과적으로 촉진할 수 있다.

마지막으로, AI 지원 재생 에너지 최적화는 조직이 에너지 소비 데이터를 분석하고, 에너지 사용을 최적화하며, 재생 에너지원 활용을 증대할 전략을 세우도록 돕는다. AI는 조직에 적합한 재생 에너지 옵션을 찾아내고 개인화된 에너지 계획을 수립하며, 에너지 소비 예측에도 기여할 수 있다. 이러한 접근은 궁극적으로 상당한 비용 절감과 탄소 배출 감소로 이어져 보다 지속 가능한 미래를 향한 길을 열어준다.

지금까지 AI가 기후변화를 감소시키려는 목표에 어떻게 기여할 수 있는가를 살펴보았다. 기후변화는 사람들의 편리를 위한 산업화, 삼림 벌채, 도시화, 식생 패턴의 변화 등 인간이 주도한 활동들에 의해 발생되며, 이를 줄이기 위해서는 사람들이 누려온 편리함을 일정 부분 포기해야 할 필요가 있다. 그러나 사람들이 이러한 편리함을 포기하는 것은 쉬운 일이 아니기에, 기후변화에 대응하기 위한 방법이 필요하다.  

현재 인류가 기후변화에 대응할 수 있는 방법은 크게 네 가지로 요약된다: 기후변화를 줄이기 위한 완화(Mitigation), 기후변화에 적응할 수 있도록 사회의 능력을 높이는 적응(Adaptation), 온실가스 배출을 상쇄하기 위해 지구 시스템에 추가적이고 의도적인 개입을 하는 지구공학(Earth Manipulation), 그리고 기후변화 및 그 대응책에 대한 지식 확대이다.

이러한 목표를 달성하기 위해 정부나 UN이 지속가능한 목표를 설정할 수 있지만, 궁극적으로 이를 실천하는 것은 사람들의 몫이다. 특히 지도층이 기후변화 대응의 방향성을 명확히 설정하고 실천하지 않는다면, 그 목표는 실질적 효과를 얻지 못할 것이다. 

따라서 지금, 기후변화를 실천하기 위한 강력한 ‘기후리더십(Climate Leadership)’이 그 어느 때보다도 중요하다. 따라서 기후리더십을 강화하기 위해 AI와 같은 디지털 혁신 기술의 도입과 연구개발을 가속화하는 것이 시급하다. 

기후리더십이란, 지도자가 기후변화에 대한 명확한 비전과 목표를 제시하고, 기후 연구개발을 위한 지원과 지적 자극을 제공하는 것에서 출발한다. 또한, 기후변화 연구에 대한 보상과 처벌을 명확히 하여 연구개발을 촉진하는 연구 문화의 조성도 기후리더십의 중요한 요소이다. AI 기반의 기후리더십을 통해 대한민국이 기후 강국으로 도약하기를 기대한다.

참고문헌:
Anderson, K. (2024). How can artificial intelligence help tackle climate change? Available at https://greenly.earth/en-us/blog/ecology-news/how-can-artificial-intelligence-help-tackle-climate-change
Cortès, U., Sànchez-Marrè, M., Ceccaroni, L., R-Roda, I., & Poch, M. (2000). Artificial intelligence and environmental decision support systems. Applied Intelligence, 13, 77-91.
Kaack, L. H., Donti, P. L., Strubell, E., Kamiya, G., Creutzig, F., & Rolnick, D. (2022). Aligning artificial intelligence with climate change mitigation. Nature Climate Change, 12(6), 518-527.
Rolnick, D., Donti, P. L., Kaack, L. H., Kochanski, K., Lacoste, A., Sankaran, K., ... & Bengio, Y. (2022). Tackling climate change with machine learning. ACM Computing Surveys (CSUR), 55(2), 1-96.
Slater, L. J., Arnal, L., Boucher, M. A., Chang, A. Y. Y., Moulds, S., Murphy, C., ... & Zappa, M. (2023). Hybrid forecasting: Blending climate predictions with AI models. Hydrology and Earth System Sciences, 27(9), 1865-1889.
Tseng, C. J., & Lin, S. Y. (2024). Role of artificial intelligence in carbon cost reduction of firms. Journal of Cleaner Production, 447, 141413.
UN Environment Programme (2024). Emissions Gap Report 2024. Available at https://www.unep.org/resources/emissions-gap-report-2024
Ukoba, K., Olatunji, K. O., Adeoye, E., Jen, T. C., & Madyira, D. M. (2024). Optimizing renewable energy systems through artificial intelligence: Review and future prospects. Energy & Environment, 0958305X241256293.
World Health Organization. Climate change. Available at https://www.who.int/health-topics/climate-change#tab=tab_1
Xiang, X., Li, Q., Khan, S., & Khalaf, O. I. (2021). Urban water resource management for sustainable environment planning using artificial intelligence techniques. Environmental Impact Assessment Review, 86, 106515.

● 세종대학교 경영학과 교수
● 세종대학교 탄소중립ESG연구소 소장
● 세종대학교 대학원 경영학과 ESG경영 석·박사전공 Founder(2020)/코디네이터
● 세종대학교 대학원 경영학과 AI·미디어·커머스 석사과정 Founder(2025)/코디네이터
● 세종대학교 공공정책대학원 시니어산업학과 석사과정 Founder(2020)
● 세종대학교 산업대학원 마케팅학과 Founder(2007)(현, 유통산업학과)
● 세종대학교 경영전문대학원 프랜차이즈석사과정 Founder(2006)
● 세종사이버대학교 경영학과 Founder(2005)
● (사)한국프랜차이즈경영학회 회장
● SDX재단 교육연구원 자문단장
● ㈜ESG_BB 자문교수
● 논문과 통계 research and statistics professor 유튜브 채널 운영자