환경영향평가부터 생물다양성까지…AI가 바꾸는 환경정책 [카테고리 설정이 아직되어 있지 않습니다.] 인공지능(AI)이 환경정책에 필요한 데이터 구축, 예측, 평가, 의사결정 체계를 바꾸는 핵심 인프라로 부상하고 있다. 한국환경연구원(KEI)은 28일 서울 중구 한국프레스센터에서 ‘AI가 이끄는 기후 환경 정책 혁신’을 주제로 환경포럼을 열고 AI 기반의 환경정책 전환 방향을 논의했다.
이날 포럼은 김홍균 한국환경연구원(KEI) 원장의 개회사로 시작됐으며, 이화주 경제·인문사회연구회 이사장과 류석현 한국기계연구원 원장이 축사를 맡았다. 이어 ▲최광훈 KEI AI데이터팀장 ▲심창섭 KEI 기후대기전략연구본부장 ▲김용기 과학기술정책연구원 부연구위원 ▲이명진 KEI 연구위원 ▲진대용 KEI 연구위원 ▲최유영 KEI 부연구위원 ▲박태호 KEI 연구위원이 발제자로 참석했다./임팩트온
분산된 환경 데이터, AI 정책 인프라로 연결
이날 논의의 첫 번째 쟁점은 대규모의 환경 데이터를 정책 마련에 어떻게 활용할 것이냐였다. 최광훈 KEI AI데이터팀장은 환경 분야 데이터는 이미 상당히 축적돼 있지만, 기관마다 관리 방식과 체계가 달라 데이터를 통합적으로 활용하기 어렵다 고 설명했다.
그는 해결책으로 온톨로지(ontology) 구축을 제시했다. 온톨로지는 서로 다른 데이터의 개념과 관계를 체계적으로 정의해 연결하는 구조다. 최 팀장은 단순히 데이터를 모으는 것만으로는 정책 간 관계나 의미를 파악하기 어렵다 며 온톨로지를 활용하면 흩어져 있는 정보를 하나의 체계 안에서 연결해 볼 수 있다 고 말했다.
예를 들어 환경 분야의 법령, 정책, 사업, 연구자료, 환경지표 등을 연결하면 특정 정책이 어떤 법률에 근거하는지, 어떤 사업과 연계되는지, 실제 환경 변화와는 어떤 관련이 있는지를 한눈에 파악할 수 있게 된다. 최 팀장은 이를 통해 정책 간 중복이나 공백도 보다 쉽게 확인할 수 있다 고 설명했다.
KEI는 이를 바탕으로 기후정책 통합 지식그래프를 구축하고 있다. 최 팀장은 온톨로지가 정책 분야의 개념과 관계를 정의하는 설계도라면, 지식그래프는 이를 실제 데이터와 연결해 구현한 결과물 이라고 설명했다.
지식그래프가 구축되면 사용자는 특정 정책과 관련된 법적 근거, 연구 결과, 통계 자료를 한 번에 확인할 수 있다. 최 팀장은 정책 간 연관성을 보다 쉽게 파악할 수 있을 뿐 아니라 사실 기반 정보를 활용하기 때문에 생성형 AI의 오류 가능성을 줄이고 답변의 출처도 확인할 수 있다는 장점이 있다 고 말했다.
시계열 예측에서 환경영향평가, 생물다양성까지…AI 적용 범위 확대
AI가 환경 정책 분야에서 활용되고 있는 실제 사례들도 제시됐다.
진대용 KEI 연구위원은 대기질 데이터 분석 사례를 통해 AI 예측의 가능성과 한계를 설명했다. 그는 미세먼지 예측 연구를 소개하며 AI가 단기 예측에서는 상당히 높은 정확도를 보였다”고 말했다.
다만 예측 기간이 길어질수록 정확도는 떨어졌다. 진 연구위원은 1시간 뒤 대기질 예측은 실제 관측값과 거의 일치하는 수준이었지만, 3일 뒤 예측은 신뢰도가 크게 낮아졌다”며 AI가 환경 데이터를 빠르게 분석하고 단기 대응을 지원하는 데는 강점이 있지만, 복잡한 변수들이 누적되는 중장기 예측에는 한계가 있다”고 설명했다.
그는 챗GPT, 클로드, 제미나이 등 주요 대규모언어모델(LLM)에 동일한 대기질 데이터를 입력해 분석 결과를 비교한 사례도 소개했다. 진 연구위원은 모델마다 해석 방식과 설명 수준에는 차이가 있었지만, 데이터 품질과 입력 조건이 결과의 정확도를 좌우한다는 점은 공통적으로 확인됐다”며 어떤 AI를 사용하는지보다 신뢰할 수 있는 환경 데이터를 구축하는 것이 더 중요하다”고 강조했다.
AI 생성 이미지
정책 의사결정을 지원하는 AI 적용 분야로는 환경영향평가가 제시됐다. 박태호 KEI 연구위원은 환경영향평가가 종이 문서와 PDF 중심의 기존 평가 체계에서 벗어나 데이터 기반 플랫폼으로 전환할 필요가 있다 고 설명했다.
박 연구위원은 환경영향평가서는 수천 쪽에 달하는 경우가 많아 필요한 정보를 찾는 데만도 많은 시간이 든다”며 AI를 활용하면 방대한 자료를 빠르게 검색하고 핵심 내용을 요약할 수 있다”고 말했다. .
AI 활용 범위는 생태계와 생물다양성 관리 영역으로도 확대되고 있다. 최유영 KEI 부연구위원은 생물다양성 보전은 이제 선언적 목표에 머무는 것이 아니라 정량적으로 측정하고 관리해야 하는 영역이 됐다”고 말했다. 이어 기업들도 자연 관련 영향과 의존성을 평가해 공시해야 하는 요구를 받고 있어 산업계가 활용할 수 있는 생태계 모니터링 도구의 필요성이 커지고 있다”고 설명했다.
최 부연구위원은 자연관련 재무정보공개협의체(TNFD) 대응 연구도 소개했다. 그는 산업계의 TNFD 대응을 지원하기 위해 생물다양성 데이터와 AI 기반 분석기술을 활용한 평가 체계 구축 연구를 수행하고 있다”며 기업이 자연 관련 위험과 의존성을 정량적으로 파악할 수 있는 방안을 검토하고 있다”고 말했다.
AI 확산의 그늘…전력·탄소·데이터센터 비용
AI가 환경정책의 도구로 확산될수록 AI 자체가 만드는 환경 부담이 커지고 있는 문제도 제기됐다.
김용기 과학기술정책연구원 부연구위원은 2026년 과학기술정보통신부의 AI 대전환 예산이 5조1000억원으로 부처 전체 예산 23조원의 약 20%를 차지한다”며 AI가 국가 핵심 과제가 된 만큼 안정적인 전력 공급과 송배전망, 데이터센터 입지, 물 사용, 전자폐기물 관리가 동시에 정책 과제가 됐다”고 말했다.
그는 데이터센터 전력 수요의 증가 속도에 대해서도 우려를 표했다. 김 부연구위원은 데이터센터의 글로벌 전력 소비는 아직 전체 전력의 1.5% 수준이지만 증가 속도가 매우 빠르다”며 글로벌 데이터센터 전력 수요는 2024년에서 2025년 사이 17% 늘었고, AI 전용 데이터센터의 전력 수요 증가율은 50%에 달한다”고 설명했다. 이어 한국에서도 수도권과 충청권을 중심으로 데이터센터 집중 문제가 나타나고 있다”고 덧붙였다.
AI 효율이 높아져도 총전력 사용이 줄지 않을 수 있다는 점도 강조했다. 그는 추론 비용이 저렴해지면 그동안 못했던 다양한 API 호출과 분석이 가능해지고, 사용량이 늘어 총량이 증가하는 제본스 역설이 발생할 수 있다”고 말했다. 이어 칩 성능이 개선되더라도 데이터센터 규모와 호출량이 더 빠르게 커지면 전체 전력 수요와 탄소 배출은 오히려 늘 수 있다”고 설명했다.
정책 과제로는 데이터센터 환경 공시, 동적 수요관리, 비용 배분을 제시했다. 김 부연구위원은 데이터센터의 전력 사용효율, 물 사용, 탄소집약도, 재생에너지 사용 비율 등을 단계적으로 공개할 필요가 있다”고 말했다. 또 AI 추론 수요가 특정 시간대에 몰릴 수 있는 만큼 실시간 수요반응 체계도 필요하다”고 강조했다.
Top
