출처 : https://aws.amazon.com/jp/blogs/startup/how-climate-tech-startups-use-generative-ai-to-address-the-climate-crisis/

 

생성형 인공지능(AI)은 텍스트 원문, 이미지, 동영상, 음악을 만들어 내는 마법 또는 똑똑한 컬래버레이터처럼 보이기도 한다. 놀라운 채팅 기능과 매력적인 동영상을 통해 전 세계의 주목을 모으고 있다. 하지만 그것은 크리에이티브한 컬래버레이터나 챗봇 이상의 것이라 할 수 있다. 생성형 AI가 전 세계에서 가장 어려운 몇 가지 문제와 관련하여, 사람이나 기업이 기술을 사용하여 해결하는 방법을 바꾸고 있다는 사실을 보게 된다.

 

기후 위기만큼 촌각을 다투는 문제는 없다. 세계는 기후변화의 영향을 돌이킬 수 없게 되기 전에 지구온난화를 2℃ 낮추기 위해 2050년까지 넷제로 카본 에미션을 달성하고자 힘쓰고 있다. 기후 위기에 대한 대처는 속도가 중요하다. 생성형 AI는 아직 새로운 분야지만, 기후 솔루션을 구축하고 전개하는 속도를 높이기 위한 중요한 도구가 될 듯하다.

 

여기에서는 기후 위기를 막기 위한 최전선에 서 있는 몇 가지 기후테크 스타트업을 소개한다. 그들은 생성형 AI를 활용하여 온난화 가스의 배출량을 줄이고, 전 세계가 제로카본 경제로 전환될 수 있게 만듦으로써 기후변화와 싸우고 있다.

 

BRAINBOX AI : 생성형 AI를 통한 건물의 탈탄소화 촉진

 

국제에너지기구(IEA)에 따르면, 건물은 전 세계 에너지 소비량의 30%, 에너지 관련 배출량의 26%를 차지한다고 한다. 건물의 에너지 사용량을 절감하는 것은 넷제로 에미션을 달성하는 데 있어 중요한 일이다.

 

BrainBox AI는 상업 건물의 탈탄소화와 최적화를 위한 자립형 AI를 개발했다. 그것은 또한 고객의 에너지 비용을 절약하는 데도 도움이 된다. 클라우드 기반의 최적화 솔루션은 건물의 기존 HVAC(난방, 환기, 공기 조절) 시스템에 연결하여 사람의 개입 없이 배출량과 에너지 소비량을 최소화하기 위한 제어 명령을 실시간으로 자동으로 보낸다.

 

예를 들어, 날씨나 에너지 요금 체계와 같은 과거의 데이터, 외부 데이터세트에 근거하여 소매점의 온도를 예측함으로써, BrainBox AI는 건물 소유주가 HVAC 에너지 비용을 최대 25% 절감하고 HVAC 관련 온실가스 배출량을 최대 40%까지 줄이도록 돕는다.

 

BrainBox AI가 새로운 건물을 그들의 시스템에 추가할 때는, 생성형 AI를 활용하여 새로운 건물에 도입하는 시간을 단축한다. 이전에는 펌프나 공기 조절 유닛과 같은 새로운 기기가 건물 안에서 발견될 때마다 엔지니어가 제조사의 복잡한 기술 매뉴얼을 살펴보고 펌프의 정격출력이나 발생하게 되는 압력과 같은 상세한 정보를 찾아내어 그 정보를 기계 판독이 가능한 포맷으로 변환해야 했다.

 

BrainBox AI는 Amazon Bedrock을 사용하여 자동으로 데이터를 추출하고 설정 파일을 생성한다. 이 파일들은 그 후 엔지니어에 의해 완성되고 수정된다. 이 프로세스는 파워 태깅(Power Tagging)이라고도 불린다. Amazon Bedrock 덕분에 BrainBox AI는 파워 태킹에 필요한 시간을 90% 이상 단축할 수 있었을 것으로 보인다. 그 결과 BrainBox AI를 더 많은 고객이 더 빠르게 도입할 수 있게 되어, 기후 위기에 더 빨리 영향을 미칠 수 있게 되었다.

 

<그림1> BrainBox AI로 건물 에너지 최적화 표시

 

Pendulum : 생성형 AI를 통한 공급체인의 탈탄소화

 

Pendulum은 조직이 더 적은 리소스로 많은 물건을 만들어 내야 한다는, 세계에서 가장 중요한 과제 중 하나에 대처하기 위해 AI를 활용하고 있다. 동사의 기술은 상업 공급체인, 국제 보건, 국가 안전보장과 같은 분야의 복잡한 문제에 대해 지속적인 해결책을 제공한다.

 

탄소 배출량을 절감하려면 공급체인이 최적화되어야 한다. Accenture는 공급체인이 전 세계 탄소 배출량의 60%를 차지하는 것으로 추정한다. 미국 환경보호청에 따르면, 공급체인은 기업의 온실가스 배출량의 90% 이상을 차지할 가능성이 있다. 오늘날의 공급체인이 어떻게 기능하는지 (또는 기능하지 않는지) 살펴보면, 자원과 자본이 낭비되는 정도에 대한 놀라운 사실이 드러나게 된다. 예를 들어, 매년 과잉 재고 손실액이 5,620억 달러인 것으로 추정되며, 식품의 17%, 소매 및 소비자를 대상으로 하는 패키지 제품의 8%가 폐기되고 있다.

 

Pendulum의 AI 솔루션을 통해, 조직은 오퍼레이션을 똑똑하게 관리하고, 제품의 폐기, 수익의 손실, 잉여 온실가스 배출을 절감할 수 있다. Pendulum의 소프트웨어는 수요를 예측하고 공급을 계획하여 출하 지점을 특정할 수 있다. 이를 통해 기업은 필요한 자원을 더 정확하게 수입하고, 고객의 수요에 맞는 적절한 양의 제품을 생산할 수 있다.

 

Pendulum의 플랫폼에서는 기업 데이터에 접근해야 한다. 하지만 데이터는 대부분의 경우 사일로화된 시스템이나 PDF 및 플레인 텍스트 파일과 같은 비구조화 도큐멘트로 저장되어 있다. Pendulum의 소프트웨어는 핵심 업무의 의사결정과 가장 관련이 깊은 데이터 소스를 활용하도록 설계되어 있다. 동사는 생성형 AI를 도입하여, 길고 복잡한 도큐멘트에 포함되어 있는 중요한 정보를 빠르게 해독하고, 고객에게 가치를 제공하는 시간을 단축시킨다.

 

그것이 효과적으로 활용되고 있는 일례로 정밀 농업을 들 수 있다. Pendulum 팀은 휴먼 인 더 루프의 접근방식을 채용하고, Amazon SageMaker를 사용하여 AWS Trainium에서 대규모 언어 모델(LLM)의 인스트럭션 튜닝을 실시한다. 이를 통해 비구조화 파일을 가지고 기계 판독이 가능한 데이터를 생성하고, 고객의 농업 기계는 이것을 사용하여 농약, 물, 그 밖의 제품의 사용량을 결정한다. 그 결과, 고객은 물자의 과잉 사용 및 과잉 발주를 줄이고, 비용을 절약하여, 카본 풋프린트와 환경에 대한 영향을 줄일 수 있다. 또한 고객은 식물의 니즈, 지역의 규제, 그 밖의 중요한 기준을 준수할 수 있다.

 

Pendulum에 따르면, 이 솔루션을 통해 이러한 도큐멘트들을 해독하는 데 필요한 시간이 83% 절감되며, 품질 보증을 위해서는 데이터를 확인하기만 하면 된다고 한다. 이로 인해 비용이 절감되고 소프트웨어를 대규모로 전개할 수 있다.

 

<그림2> 정밀농업

 

VIA : 생성형 AI를 통해 건물 관리자가 에너지 효율을 이해하기 쉬워진다

 

배출량을 절감하려면 기관이나 기업이 지역 및 개인 수준에서 에너지 데이터를 추적할 수 있어야 한다. 예를 들어, 전기자동차(EV)에 관한 탄소 배출량을 절감하려면 특정한 지역이나 특정한 시간에 EV가 재생에너지 또는 화석 연료 중 어떤 것을 통해 발전된 전력을 사용하여 충전되고 있는지 파악해야 한다. 에너지 효율이 높은 건물에는 조직의 부동산 포트폴리오 전체에 걸친 상세한 개별 데이터가 있어야 한다. 모두가 전체 데이터를 투명하게 제공한다면, 이것은 문제가 되지 않는다. 하지만 프라이버시 문제나 시큐리티에 대한 염려 때문에 개인 수준의 데이터에 접근할 수 없는 경우도 많다. 많은 사람은 차량의 충전/방전/에너지 데이터의 시간, 날짜, 장소를 제공하는 데 소극적인 태도를 보인다. 이것이 에너지 관리와 온실가스 절감을 어렵게 만든다.

 

Via Science, Inc.(VIA)는 개인 데이터를 비공개로 안전하게 유지하면서 조직이 종합적으로 탄소 배출량을 절감할 수 있도록 하고 있다. 당사는 미국 에너지부에 의해 시험 및 검증된 제로 지식 증명을 사용하여 지속 가능성 데이터를 제공한다. 이로 인해 규제나 프라이버시의 장벽으로 인해 상세한 정보를 공유할 수 없는 경우에도 조직이나 기업이 데이터를 추적하여 지속 가능성 목표를 달성할 수 있게 된다.

 

VIA는 당초 엄격한 데이터 프라이버시 요건을 가지고 건물의 관리 및 에너지 관리팀이 필요로 하는 중요한 데이터에 접근하지 못하는 경우가 많은, 미국 공군을 대상으로 솔루션을 개발했다. VIA의 분산형 소프트웨어 솔루션을 통해 공군 종업원 및 허가를 받은 청부업자는 데이터를 공유하지 않고 생성형 AI 모델을 이용할 수 있다. 프라이빗 데이터가 모델을 트레이닝하는 데 사용되거나 프롬프트에서 모델에 송신되는 일은 없다. 그 대신 ‘공군기지 XYZ에 있는 HVAC 시스템의 상태가 60 미만인 건물을 모두 표시해줘’와 같은 프롬프트를 입력하면, LLM은 ‘요구 내용은 이해했다. 그런데 저는 데이터에 접근할 수 없으니 로컬 데이터 베이스로부터 데이터를 취득하기 위한 SQL을 생성한다. 또한 데이터를 표시하는 프론트엔드 코드도 제공한다’라고 응답한다. 이러한 두 개의 코드가 이용자에게 전송되며, SLAM AI가 자동으로 로컬에서 실행되어 데이터를 가시화한다.

 

또한 VIA는 에너지를 절약하고 계산 비용을 줄이기 위해 CPU에서 작동하는 콤팩트한 오픈소스 LLM을 사용한다. LLM의 성능은 빠르게 발전하고 있기 때문에, 그들은 지속적으로 새로운 모델을 평가한다. Amazon Elastic Kubernetes Service(EKS)를 활용하면 더욱 효과적인 모델을 이용할 수 있게 되었을 때 원활하게 핫 스왑하여 통합할 수 있다.

 

<그림3> VIA SLAM AI 툴의 인터페이스

 

생성형 AI와 기후테크 다음은 무엇일까

 

BrainBox AI, Pendulum, VIA는 생성형 AI를 멋지게 활용하여 기후 위기에 도전한다. 그들은 비구조화 데이터를 가지고 중요한 요소를 추출하여, 새로운 콘텐츠를 생성할 수 있는 AI의 능력을 이용한다. 이를 통해 이들 기업은 더 빠르게 더 많은 고객에게 서비스를 제공할 수 있으며, 온실가스 배출량을 절감할 수 있게 된다. 또한 이들 기업과 그 고객의 비용을 절감할 수도 있다.

 

기후테크 스타트업이 생성형 AI를 활용하여 기후 위기에 도전하는 새로운 방법을 더 많이 찾을 것으로 기대된다. 기후테크에도 적용할 수 있을 것으로 보이는 다른 업계의 몇 가지 사례를 소개한다.

 

예측 모델을 트레이닝하기 위한 합성 데이터를 만드는 데 생성형 AI를 활용하는 데이터 확장

 

생성형 AI는 합성 데이터를 만들 수 있다. 합성 데이터란 현실 세계의 직접적인 관측을 통해서가 아니라 생성된 데이터의 일종이다. 이것은 지하 암반 형성 데이터를 입수하기 어려운 장소에서 지열 및 탄소를 격리하기 위해 지하를 모델링하는 데 유용하다. 저탄소 운송 분야의 스타트업도 새로운 차량을 시험하는 시나리오를 만드는 데 생성형 AI를 활용할 수 있다. 그것은 또한 기후테크 분야의 하드웨어를 제조하는 데에도 도움이 될 가능성이 있다. 합성 이미지 데이터는 녹이나 균열이 생긴 기기(컴프레서, 터빈 등)의 사진을 만드는 데에도 사용할 수 있다. 이러한 이미지는 예방/보전을 위한 시각 기반 기계학습(ML) 모델을 훈련하는 데에도 사용할 수 있으며, 이는 비용 절감과 조업 정지 시간의 최소화에 있어 중요한 역할을 한다.

 

생성형 AI를 통한 기후테크의 제조 효율 향상

 

생성형 AI는 기계의 사용 상황 및 점검 기록 등의 이력 데이터에 근거하여 훈련된 모델을 사용함으로써 온도, 진동, 가동 시간 등의 다양한 요인 간 패턴 및 연결성을 특정할 수 있다. 이로 인해 시스템은 기계의 고장 가능성을 예측하고 그러한 패턴을 품질 엔지니어, 점검 엔지니어, 오퍼레이터 등의 적절한 스테이크 홀더에게 사전에 전달한다. 사전에 점검의 필요성을 전달함으로써 다운타임이 단축되고 제조의 중단을 최소화할 수 있다.

 

생성형 AI를 통한 지속 가능한 농업과 식품 생산을 위한 새로운 단백질 배열 설계 및 합성

 

생성형 AI는 세포 내에서 특정한 기능을 할 수 있는 단백질의 접힘 구조를 예측할 수 있다. 이로 인해 연구자는 기능성 단백질 및 다양한 분자를 가이드를 포함하여 생성할 수 있다. 또한 생성형 AI를 통해 과학자는 기존의 단백질 배열 구조를 정확하게 정의하고, 분자/생물 목표를 특정할 수 있다.

 

기후테크 스타트업이 생성형 AI를 활용하여 지구온난화에 대처하는 방법은 그밖에도 많이 있다.

 

 

 

[기후테크(클린/카본/에코/푸드/지오) Global Market Data : Current Status & Outlook] 보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=04000000&goods_idx=95651&goods_bu_id=

 

[기후테크 5대(클린/카본/에코/푸드/지오) 분야별 비즈니스 전략 모색을 위한 종합 분석] 보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=04000000&goods_idx=94671&goods_bu_id=