[디지털데일리 오병훈기자] 소프트웨어가 탄소중립 시장에서 어떤 역할을 할 수 있을까? 최근 데이터센터 등에서 전력소모에 따른 탄소배출권 확보 등이 이슈가 되고 있는 가운데 SW 관점에서 탄소중립을 바라보는 시각의 장이 열렸다.

탄소 배출 문제가 전 지구적 문제가 되면서, 선진국을 중심으로 탄소배출 규제를 위한 움직임이 점차 확대되는 추세다. 이에 따라 각 산업계에서도 에너지 생산 및 효율, 관리 등 역량을 높일 수 있는 SW-탄소중립 연계 방법에 대한 고민이 깊어지고 있는 추세다. 19일 소프트웨어정책연구소(SPRi)가 주최한는 ‘디지털 녹색혁명 소프트웨어(SW)로 여는 탄소중립의 길’ 포럼 행사에는 각계 전문가들이 모여 SW를 활용한 탄소중립 현황과 대안을 논의했다.

19일 김성우 김앤장 환경에너지연구소장은 ‘기후변화 대응 기업전략과 기후기술 확보 방안’을 주제로 발표하며 ‘특허 데이터’를 지목했다. 기후 기술 특허 데이터를 분석해 기업이 출원한 기후기술 특허가 어떤 분야에서 투자를 받을 수 있는지 등을 분석해 준다는 설명이다.

김 소장은 “일본 아사이카세이라는 기업은 특허 데이터를 갖고 기술 전략을 수립하고, 투자처를 찾아내는 게 경영전략 중 하나다”며 “300만건 특허 데이터를 분석해 해당 기술이 진출 가능한 섹터를 찾아주는데, 예컨대 베터리 재활용 기술 회사가 어느 시점에 어떤 분야 기업에게 팔릴지 분석하는 방식으로 활용할 수 있다”고 설명했다.

그는 생성형 AI와 탄소배출 간의 상관관계에 대해서도 언급했다. 현재 생성형 AI 열풍으로 데이터센터 전력 문제가 대두됐으며, 생성형 AI 사용량 증가가 탄소배출을 가속화할 수 있다는 우려도 있는 상황이다.

이에 대해 김 소장은 “데이터센터가 늘어나면서 전력도 많이 쓰는 등 부정적 영향도 있지만, 균형적인 사고가 필요하다”며 “단점을 모두 가릴 만큼은 아니더라도 긍정 영향으로 기후 및 환경변화 예측에는 생성형 AI 효용이 있을 수 있다”고 설명했다.

마지막으로 그는 기후 기술 투자에 대한 현황도 소개했다. 특히 글로벌 대규모 펀드를 중심으로 참신한 기후 기술에 대한 투자도 이뤄지고 있다고 분석했다.

그는 “빌게이츠가 운영 중인 미래기술투자펀드 경우 자칫 황당해 보일 수 있는 기술에 투자를 하기도 했다”며 “AI로 윤리적 금속원료(리튬) 발굴 사업에투자하거나, 전기차에서 전봇대로 전기를 다시 보내는 기술에 투자한 바 있다”고 설명했다.

이어 장대철 카이스트 교수는 ‘탄소중립을 위한 글로벌 동향과 이슈’를 주제로 발표했다. 그는 탄소배출을 감축하는 데 있어 SW 산업 역할을 강조했다.

장 교수는 “탄소배출 관리는 크게 ‘탄소 흡수’와 ‘탄소 배출 감소’로 나눌 수 있는데, 탄소 흡수량을 증가시키 것은 쉽지 않으며, 한국은 주로 배출량 감소에 집중하고 있는 상황”이라며 “SW을 활용한 기후 기술은 저비용으로 탄소 배출 감소가 가능하며, 업그레이드가 쉽고, 확산 및 확장이 쉽기 때문에 단기적으로 효과를 볼 수 있는 방법”이라고 설명했다.

하드웨어를 기반으로 탄소 배출 감소 방식도 있으나, 이는 많은 초기 비용이 비싸고, 신기술 전환에 유연하지 않다는 단점이 있다. 아울러 중장기적으로는 하드웨어를 통한 탄소 감축이 효과적일지 모르나, 단기적인 효과를 보는 데는 SW를 활용하는 것이 더 적합하다는 것이 그의 설명이다.

마지막 발표자 이은경 SPRi 선임연구원은 기후 데이터 분석 기법을 활용해 에너지 효율을 높이는 방법에 대해 소개했다.

이 연구원은 “(신재생 에너지) 전력 시장은 공급량과 수요량을 정확히 예측하지 않으면 에너지 재활용이 불가능해 타격을 크게 입는다”며 “기후 테크 스타트업 식스티헤르츠는 구름 이동 알고리즘을 통해 태양광 발전 오차를 2.6%까지 떨어뜨리기도 했다”고 전했다.

이와 관련 김종규 식스티헤르츠 대표는 이어지는 토론 시간을 통해 “에너지 생산, 유통, 확대 등 전 과정에서 모두 SW가 활약할 수 있다고 본다”며 “재생에너지 경우 날씨에 따라 수요 공급 균형을 만들 위해서는 다양한 SW 기술이 필요하다”고 말했다.

이어 그는 현재 에너지 분야 AI 활용을 위한 데이터 구축 중요성을 강조하며, 아직 국내에서 활용할 수 있는 자료가 부족하다고 지적하기도 했다.

그는 “에너지 분야 알고리즘 성능 벤치마크가 없다”며 “아울러 오픈소스 프로젝트가 적은 적은 편인데, AI가 확대되는 풍경을 보면서 에너지 분야에서 관련 오픈소스 프로젝트가 많아졌으면 한다”고 설명했다.