카이스트의 녹색성장지속가능대학원을 이끌고 있는 엄지용 카이스트 교수는 AI의 가능성에 대해 매우 높게 평가했다. 우선 AI는 에너지 전력망 효율성을 제고하고 계통의 안정성을 이끌어 재생에너지로의 전환을 이끌 수 있다. 또한 탄소 포집 및 저장(CCS)과 같은, 잠재력이 크지만 너무 비용이 높거나 효율이 나오지 않는 새로운 기후기술의 적용가능성과 수익성을 높이는 데 AI가 촉매제이자 가속화 도구가 될 수 있다고 보았다.

“크게 세 가지 연구를 하고 있다. 첫째는 온실가스 배출 시나리오와 같이 글로벌 단위, 국가 혹은 산업 단위에서 온실가스 감축 정책 혹은 기술 개발 정책의 효과성을 평가하는 연구를 오랫동안 해오고 있다. 두 번째 연구는 에너지 빅데이터에 기반한 에너지 수요 연구를 하고 있다. 에너지를 사용하는 주체인 소비자나 기업의 참여를 통해 수요 부분을 좀 더 효율적으로 바꿀 수 있을 것인지에 대한 연구다. 세 번째는 최근 3년 전부터 기후 리스크(물리적 리스크)를 평가하고 기후 금융과 관련된 다양한 상품들을 연구하는 연구를 하고 있다. 녹색 채권이나 지속 가능성 연계 채권 같은 금융 상품이 어떤 역할을 해야 할지, 리스크들이 실제 시장에서 어떻게 밸류에이션이 되고 있는지 관련된 연구를 하고 있다.”

“AI가 에너지 효율화에 가장 직접적으로 활용될 수 있다. 실제로 사업 모델이 나오기 시작하고 있다. 우선 데이터에 기반해 소비자들이나 기업의 에너지 사용 패턴을 분석하고 이를 어떻게 최적화할지를 추천할 수 있다. 이 경우 지출적인 편익으로서 전기 요금이 줄어든다. 두 번째는 재생에너지가 전력망에 연계되도록 도와주는 역할을 할 수 있다. 우리나라에서도 재생에너지 발전을 예측하는 기업들에게 인센티브를 주고 있지만 실제로는 예측치와 다르기 때문에 전력망에서 급하게 일부 발전자원들을 가동하거나 혹은 가동하던 발전 자원을 꺼버리는 사태가 발생하는데 굉장히 큰 비용을 수반한다. 재생에너지 생산 및 소비와 관련한 것들을 AI가 잘 예측하고, 결국 전력 시스템 자체를 효율적으로 만들어 계통의 안정성까지 확보할 수 있다.”

“국내 기업의 경우에는 재생에너지 생산량을 정확하게 예측하고 전력망에 연계하는 솔루션을 제공하는 인코어드라는 기업이 있다. 우리나라 발전사들도 이 솔루션을 상당히 많이 채택하고 있다. 마이크로그리드와 같이 재생에너지 비중이 높은 전력망 구조를 갖고 있을 때 특히나 예측이 더 중요하다. 재생에너지 비중이 높은 유럽은 AI를 통해 풍력·태양광 발전량을 예측하는 데 많은 기업이 뛰어들고 있다. 현재 재생에너지의 경우 예측이 잘 안 되니 비중을 크게 늘릴 수 없어 10~20% 수준을 넘지 못한다. 예측이 잘 되면 30~40%까지 비중을 높일 수 있다. 미국의 오파워(Opower)라는 회사는 소비자가 전기·가스·수도 사용량을 확인하고 이를 평균과 비교하여 에너지 절약을 돕는 서비스를 공급해 전력망 부담을 줄이는 초기 모델을 만들기도 했다.”

“제품 수명을 예측해서 재활용 가능성을 높일 수 있도록 디자인 단계부터 최적화하면서 순환경제를 도울 수 있다. 또 경량화하면서도 내구성이 좋은 소재를 개발하는 데도 쓰일 수 있다. 또 HR 쪽에서 생산성을 높일 수 있고, 작업장 안전과 관련한 취약요소를 진단하고 특정하며, 기존 데이터를 활용해 가장 안전성을 확보한 조업 방식을 추천하는 데 활용될 수 있다. 기업의 지속 가능성 데이터를 분석하고 보고서를 자동으로 생성해 투명성을 높이며 자동화할 수 있고, 벤치마킹 기업이나 동종업계의 ESG 성과를 비교 분석할 수 있다. 기후변화로 인한 리스크 관리나 측정, 시뮬레이션과 시나리오 개발, 전환리스크와 관련한 재무적인 영향을 분석하는 데 활용될 수 있다.”

“재생에너지나 CCS 등이 지금 시장에서는 사업성이 안 나온다는 평가를 받는다. 그런데 AI를 활용하면 지속가능성도 높이면서 수익을 낼 수 있다. 현재 에너지 수요 쪽이 심각하게 비효율적으로 운영되고 있는데, AI가 시장 실패를 상당 부분 해결해 줄 것으로 생각한다. 연산뿐 아니라 데이터를 측정하고, 통합하는 비용이 매우 저렴해졌다. 생산성을 높이고 그동안 탐색하지 못했던 다양한 대안들을 빠른 속도로 탐색할 수 있게 해 주는 데 있어서는 AI가 확실한 효과가 있다고 본다.”

“카이스트는 공학 개발을 많이 하고 있는데, CCS의 경우 탄소를 어떻게 포집을 잘 할 수 있을지, 적은 에너지를 쓰면서 포집을 할 수 있을지를 AI가 찾아나가고 있다. 해당 가스를 가장 잘 흡착할 수 있는 금속유기골격체(Metal Organic framework)를 개발하는 데도 AI가 사용된다. 세상에 존재할 수 있는 화학물질이 10의 60제곱 개라고 한다면 그중 인류가 그동안 탐색해온 물질은 몇 개 안 된다. 그런데 AI가 그동안의 반경을 대폭 확대해 물질을 스크리닝을 해주고 어떤 물질이 가장 효과적인 후보물질이라는 것을 걸러낸다. 그리고 이 후보물질을 바로 쓰지는 못하고 합성을 거치는데, 어떻게 합성할 것인지 방향성을 정하는 데도 AI가 사용된다. 이처럼 현재 화학과 재료 쪽에서는 AI가 우리가 생각하는 것을 뛰어넘는 수준으로 활용되고 있다. 장기적으로 AI의 역할이 더 커질 것으로 예상된다.”

“우리가 생각하고 있는 탄소 감축 기술, 너무 비싸거나 효율이 안 나오는 기술을 현저하게 향상시키는 데 있어서 AI가 촉매제이자 엑셀러레이터 역할을 할 수 있다고 본다. 현재 우리가 탄소 중립을 한 세대 안에 달성해야 하는데 그 측면에서 AI가 큰 역할을 할 것이다. 기후 완화(감축)도 중요하지만 기후 적응에 있어서도 도울 수 있다. 기후 변화 예측 또 기후변화의 영향이나 생태계의 영향, 생물다양성의 영향을 모니터링하고 관리하고 예측하는 데 AI가 사용될 수 있다. 카이스트는 국립기상과학원과 기후예측 모델을 만들고 있는데, 애초에는 이 기후 모델을 여러가지 물리 수식으로 만들고 또 운용하는 데 시간이 많이 걸리며, 적시에 예측을 하기도 어려웠다. 그런데 AI가 기후 에뮬레이션을 해서 데이터에서 패턴을 추출해 패턴에 기반해서 아주 간단하게 기후 예측을 해줄 수 있다.”

“사실이 아니거나 없는 정보를 말하는 AI의 환각 현상(Hallucination)이 있을 수 있는데, 이를 극복하기 위해 검색 증강 생성(RAG)등을 도입하고 있다고 알고 있다. AI에 대해서 우리가 불필요한 걱정을 할 필요는 없다는 생각이 있다. AI가 실보다는 득이 더 많고, 특히나 탄소 중립을 달성하는 데 있어서 더 중요한 역할을 할 수 있다.”

금속 유기 골격체(MOF, Metal-Organic Framework): 독특한 다공성 구조 때문에 물질을 분리하거나 흡수하기 쉬워 가스 분리·저장이나 약물 전달, 촉매 등에 활용될 수 있는 핵심 소재.
인공지능 환각(AI Hallucination LLMs): 거대 언어 모델로 구축된 대화형 인공지능에서 없는 사실을 있는 사실처럼 만들어 내는 현상.
검색 증강 생성(RAG, Retrieval-Augmented Generation): 데이터베이스나 웹, 검색 엔진 등 외부 지식 소스를 연결해 거대 언어 모델의 답변 생성에 활용하여 환각 현상을 막고 정확도를 높여 주는 기술.

#LANG_KR#ENCORED_AI#ENCORED_GENERAL#iDERMS_VPP#iDERMS_RE100

출처 : 한경 ESG