기업의 지구온난화 대응에 대한 압력이 커지고 있다. 소비자, 규제당국, 투자자 모두는 모든 산업에서 기업이 기후에 미치는 영향을 점점 더 면밀하게 살펴보고 있다. 예를 들면, 세계최대 자산운용사 블랙록의 회장이자 CEO인 래리 핑크는 2020년 1월 CEO들에게 보내는 편지에서 현재 이해당사자들 중에서도 특히 투자자들은 광범위한 환경, 사회, 거버넌스 측면의 기업 성과에 대한 전면적인 공개를 기대한다는 점을 강조했다.
그러나, 기업이 온실가스(greenhouse gas, GHG) 배출 감축의 필요성에 대해 듣기 좋은 말을 하는 것과, 특히 오늘날과 같은 팬데믹 중심의 경제 상황 하에서 변화를 이루기 위한 구체적인 조치를 취하는 것은 완전히 다른 문제이다. 많은 기업들이 그러한 노력을 미룰 수밖에 없었던 이유는 전체 탄소배출도를 측정하고 그런 다음 이를 감축 또는 상쇄하는 일의 어려움과 비용 때문이었다.
이러한 맥락에서, 인공지능(artificial intelligence, AI)은 게임체인저가 될 수 있다. 기업의 탄소 발자국의 여러 측면 및 단기 비용절감 분야에 대해 심층적인 통찰력을 도출하는 AI의 능력은 지속가능한 혁신의 가속화와 어려운 시기 속 비용 절감을 위한 희망적인 방안을 제시한다. 또한, 대기업의 경우에는 그들의 규모가 AI 구현의 핵심 성공요소인 거대한 데이터 세트에 대한 접근이 쉽기에 AI 역량을 통한 성과를 거두기에 특히 더 유리한 입지에 있다.
AI의 약속
기후변화의 위협은 갈수록 커지고 있으며 시간은 촉박해지고 있다. 탄소 공개 프로젝트(Carbon Disclosure Project)에 따르면, 글로벌 온실가스 배출량은 현재 이산화탄소 환산량(CO2e) 기준 총 약 53기가톤이다. 과학기반목표 이니셔티브(Science-Based Targets Initiative)에 따르면, 2016년 파리 협약에 명시된 대로 평균 글로벌 온도 상승을 1.5°C 로 제한하는 목표를 달성하고자 할 경우, 반드시 이번 십 년이 끝날 때까지 온실가스 배출을 50% 감축해야 한다. 우리 고객사들과의 경험으로 볼 때, AI를 활용할 경우 필요 감축분의 5%에서 10% – CO2e 기준 2.6에서 5.3 기가톤에 해당 – 를 달성할 수 있다.
한편, BCG 연구에 따르면, 기업의 지속가능성에 대한 AI 적용의 전반적인 잠재적 영향은 추가 매출 및 비용 절감을 통해 2030년까지 창출되는 가치로 볼 때 1.3조달러에서 2.6조 달러에 달한다.
이러한 기업의 부가가치 수치는 탄소상쇄(carbon offsets) 가격의 변화를 고려하지 않은 것이다. 이 수치는 현재 EU의 탄소 배출권 거래 제도(Emissions Trading System)에서 약 30 달러로 설정되어 있는데 2030년 무렵에는 두 배가 될 수도 있다. BCG는 탄소배출 넷제로 서약(net zero pledge)의 일환으로 고품질의 영구적인 온실가스 제거에 2030년까지 톤당 80달러를 지출할 것으로 예상한다. 이렇듯 상승된 가격 수준에서 AI 활용을 통한 온실가스 배출을 감축하는 것의 가치는 전 세계 모든 기업들이 2,080억 달러에서 4,240억 달러를 추가적으로 절감하는 것과 같다. 만약 탄소상쇄 가격이 향후 몇 년 간 훨씬 더 상승한다면 AI로 인한 기회는 훨씬 더 큰 비용절감으로 이어지게 될 것이 분명하다.
AI 적용 방안
AI의 강점은 주변 환경으로부터 엄청난 양의 데이터를 수집하고 사람이 놓친 연결고리들을 직관적으로 찾아내며 AI 자신이 내린 결론에 근거하여 적절한 조치를 추천함으로써 경험을 통해 학습하는 능력에 있다. 탄소발자국 감소 방안을 모색하고 있는 기업들은 다음의 세 가지 요소 모두에 대해 AI 적용을 고려해야 한다:
- 배출가스 모니터링. 기업은 AI 기반 데이터 엔지니어링을 이용해 자사의 탄소 발자국 전반에 걸쳐 배출가스를 자동 추적할 수 있다. 운영, 출장 및 IT 장비 등의 활동, 원자재 및 부품 공급업체, 운송업체, 상품의 다운스트림 이용자들을 포함하는 가치 사슬의 모든 부문에서 데이터를 수집할 수 있다. AI는 인공위성과 같은 새로운 소스의 데이터를 활용할 수 있다. 또한, AI는 데이터에 대한 인텔리전스 레이어링을 통해 누락 데이터에 대한 근사치를 생성하고 결과의 확실성 수준을 추정할 수 있다.
- 배출가스 예측. 예측 AI는 현재의 감축 노력, 새로운 탄소 감축 방법, 미래의 수요와 연관지어 기업의 탄소 발자국 전반의 미래 배출가스를 예측할 수 있다. 그 결과, 보다 정확하게 감축 목표를 수립, 조정, 달성할 수 있다.
- 배출가스 감축. 예측 AI와 최적화는 가치 사슬의 모든 측면에서 세부적인 통찰력을 제공함으로써 생산, 운송, 기타 분야에서 효율성을 개선할 수 있으며, 이를 통해 탄소 배출가스를 감축하고 비용을 절감할 수 있다.
AI로 배출가스 및 비용을 절감하는 제철기업
최근, 한 글로벌 제철기업은 탄소배출 및 비용의 절감을 위해 생산공정 최적화를 원했다. 6 개월 동안, 우리는 낭비 제거 및 에너지 원단위(energy intensity) 감소를 위해 설계된 AI 기반 공정제어를 실행했다. 수천 개의 센서들이 수십 억 개의 데이터 포인트를 수집하고, 이는 다시 제어 시스템의 알고리즘에 제공된다. 이를 통해 기업은 에너지 니즈를 정확하게 계산 및 예측하고 낭비 요인을 추적 및 감소할 수 있다.
이러한 제어 체계를 실행한 이후, 회사는 일단의 세부 이니셔티브들을 추진하여 이미 연 23만 톤의 이산화탄소에 해당하는 탄소 배출 3% 감소를 달성함과 동시에 4천만 달러의 비용절감을 이루었는데, 이는 매출 규모 80억 달러의 기업에 있어 상당한 성과이다.
이러한 성과가 인상적이긴 하나, 회사는 이미 이러한 변화를 채택하기 전부터 운영 최적화에 있어 상당한 진전을 이룬 상태였다. 우리는 AI의 채택은 제철기업의 5%에서 10%의 배출가스 감축과 1%의 비용절감에 기여하여 산업 전체에 훨씬 더 큰 영향을 미칠 것으로 전망한다. 모든 제철기업이 이 정도의 감축을 달성한다면 제철 산업의 이산화탄소 배출은 매년 2억에서 4억 톤 정도 감소하게 될 것이다.
간단히 말해, AI는 대기업이 환경적 영향을 줄이는 동시에 코로나 19 위기를 극복하면서 처하게 되는 재정적 압박을 완화하는 데 도움이 될 수 있다.
이러한 접근방식이 도움이 될 수 있는 산업에는 산업재(“AI로 배출가스 및 비용을 절감하는 제철기업” 참조), 운송, 제약, 포장 소비재, 에너지 및 공공서비스(상자글 “대형 석유가스 기업의 AI 기반 지속가능성” 참조) 등이 포함된다.
성과 창출
이러한 성과를 창출하기 위해, 기업 리더들은 반드시 탄소배출이 많고 비용이 상당한 분야 – 특히 자금회수기간이 24개월 미만인 분야 – 를 타겟으로 삼는 것을 최우선순위로 삼아야 한다. 심지어 AI를 실행하는 데에도 많은 양의 에너지가 사용되므로 기업은 AI 관련 배출가스도 분석해야 한다. (“AI의 탄소발자국 완화” 참조)
우리는 다음과 같은 삼 단계 접근방식을 채택할 것을 제안한다:
- 목표를 높게 잡는다. AI를 이용하여 가치사슬 전반의 탄소배출 가시성을 개선한다. 그런 다음, 탄소배출 및 비용이 가장 큰 분야부터 시작하여 어디에 탄소발자국 감소 기술을 적용할지 결정한다.
- 소규모로 시작한다. AI 접근방식 설계시에 프로토타입과 파일럿을 활용하여 심층적인 학습과 개발을 위한 강력한 근간을 마련한다. 최소기능제품(minimum viable product, MVP) 개념을 활용하여 실행가능한 AI 시스템을 설계한 다음, 시스템을 반복 실행하고 피드백을 통합하여 개선한다.
- 신속하게 확대 적용한다. MVP 솔루션을 확대 적용하고 이를 중심으로 조직을 혁신하여 그 효과를 높인다. MVP의 확대 적용과 병행하여 핵심 역량과 인에이블러를 구축하는 데 투자한다. 이는 인에이블러 역할을 하는 기술 플랫폼을 대규모로 개발하고, 새로운 업무 방식을 정의하며, AI와 전반적인 전략을 일관성 있게 만드는 데 필요한 조직 및 거버넌스 모델을 실행하는 데 초점을 맞추어야 한다.
대형 석유가스 기업의 AI 기반 지속가능성
유럽의 한 주요 석유가스 기업은 예상치 못한 기계 문제와 先 보고 後 대응의 접근방식을 따르는 제어 시스템에 대한 의존으로 인해 생산 손실 문제에 처해 있었다. 회사는 손실분을 보충하기 위해 생산을 늘렸고, 그 결과 배출가스와 비용이 증가했다.
문제의 시정을 위해 우리는 제어 시스템을 재설계하여, 예측하고 행동하는 머신러닝 기반 접근방식을 실행하도록 했으며, 모든 공장설비 뷰를 통일한 통합운영센터를 만들었다. 뿐만 아니라, 회사가 변화관리 전략을 채택해 새로운 도구의 도입을 장려했다.
새로운 엔드투엔드 시스템은 각 생산 단위별로 정비 문제 및 이산화탄소 배출을 예측하는 도구들을 포함한 다수의 머신러닝 모델을 이용한다. 이러한 역량을 통해 공장 엔지니어들은 향후 3-5 시간 동안 모든 생산 단위에서 발생하는 에너지 소비 및 배출가스를 예측할 수 있으며 – 초과 배출가스를 발생시킨 생산 단위를 구분, 분석, 시정할 수 있다.
그 결과, 회사는 탄소 배출을 1%에서 1.5% 정도 감소시켰는데, 이는 연간 온실가스 3,500에서 5,500톤에 해당하며, 비용도 5백만 달러에서 천만 달러 정도 절감했다. 시스템은 장비 고장 예측 정확도 87%를 달성했으며 이상 배출 예측 성공률 80%를 기록했다.
이러한 AI 기반 도구를 확대 적용하고 머신러닝을 이용해 기계 및 공장 전반에 이를 도입해 석유가스기업들은 생산시설 전반에 대해 포괄적인 실시간 뷰를 확보할 수 있다.
지금 행동하라
기업의 온실가스 배출 감축 및 비용 절감에 도움이 된다는 측면에서, AI는 이미 단기적인 가치를 입증했다. AI는 플러스 ROI를 창출함으로써 또 하나의 비용이 되기보다는 단기간에, 많은 경우 1 년 내에, 재정적으로도 성과를 창출해야 할 것이다. 우리는 기업이 코로나 19 위기에서 회복하고 있는 지금, 비용을 절감하고 저탄소의 미래로의 전환을 시작하는 데 있어 AI가 특히 가치가 있을 수 있다고 생각한다.
장기적으로, 탄소배출 가격이 상승하고 기술 발전으로 AI가 더 복잡한 기후 이슈들을 해결할 수 있게 되면 기술은 지구온난화 영향의 완화에 있어 점점 더 중요해질 것이다.
이제는 선도 기업들이 AI의 성과를 거두기 시작할 때이다. 목표를 높게 잡고, 소규모로 시작하며, 신속하게 확대 적용하라.
AI의 탄소발자국 완화
AI가 기업이 탄소배출을 파악 및 감축하는 데 도움이 될 수 있는 소중한 도구이기는 하나, AI 프로그램의 실행도 문제에 기여하는 바가 있다. 2019년, 매사추세츠 대학 연구진은 사람과 같은 텍스트 생성을 위해 최첨단 자연어 처리 알고리즘을 훈련시키는 데 필요한 에너지는 27만 킬로그램의 이산화탄소를 배출시키는 것으로 추정했다.
그 이후로 최첨단 기술은 훨씬 더 강력해졌다. OpenAI의 최신 버전 AI 모델인 GPT-3은 작년 모델보다 수백 배 더 강력하며 70만 킬로미터 이상 주행하는 자동차와 같은 양의 온실가스를 생성한다.
여기에서 얻을 수 있는 교훈은 AI 알고리즘 복잡성의 기하급수적 증가와 사회 경제 전반의 AI 솔루션 채택 증가로 인해 AI 실행자들이 AI 기술의 환경 발자국을 완화하는 방법을 찾아야 한다는 것이다.
이는 BCG 감마, 튜링상 수상자 요슈아 벤지오가 설립한 몬트리올 소재 세계적 AI 연구소인 밀라 연구소, 펜실베니아의 하버포드 칼리지, 그리고 머신러닝 협업 플랫폼 Comet.ml의 협업 프로젝트인 CodeCarbon의 목표이다. CodeCarbon은 컴퓨팅으로 인한 이산화탄소 배출을 추산하는 데 필요한 정보를 자동으로 포착하여 사용자들이 모든 실험의 과정과 여러 프로젝트 전반에서 발생되는 배출가스를 추적, 기록, 시각화할 수 있도록 한다.
이는 또한 개발자들이 자신의 탄소발자국을 줄이는 데 이용할 수 있는 요소들도 시각화해준다. 이를 통해 개발자들은 보다 간소하고 효율적인 알고리즘을 설계하고, 최저 수준의 배출가스가 발생하는 곳에 서버를 배치하며, 시스템에 가장 효율적인 하드웨어를 선택할 수 있게 된다. 데이터 과학자들은 이러한 요소들을 활용함으로써 알고리즘 훈련에서 발생되는 배출가스를 최대 10배 줄일 수 있다. 또한, CodeCarbon은 오픈 소스 프로그램이기 때문에 사용자들이 추가 개발에 기여할 수 있다.
