Charlotte Degot: A more accurate way to calculate emissions | TED

Transcriber: Leslie Gauthier Reviewer:

번역: Jaewook Seol 검토: DK Kim

배출량을 줄여야 한다고 말해온 지 이제 수십 년이 됐지만

배출량은 계속해서 증가했습니다.

그 핵심 원인들 중의 하나는

For decades now,

우리의 활동이 기후에 미치는 영향을 정확하게 측정하지 않는다는 것입니다.

we’ve been saying we should reduce our emissions,

but they’ve kept increasing.

한번 상상해보세요.

One of the key reasons is we don’t measure accurately

돈을 아끼려 하는데 물건을 사러 갔더니 가격표가 안 붙어있는 거죠.

the climate impact of our actions.

어떤 물건에도요.

아니면 살을 빼려고 하는데

Imagine trying to save money,

한 끼 분량과 열량을 측정할 수가 없는 거예요.

but when you go shopping,

there is no price tag on any item ...

결국 실패하고 말 겁니다.

or trying to lose weight,

이런 수준의 정보 부족이

기후 변화에 미치는 영향에서 우리의 수준에 가깝습니다.

but you cannot measure the portion sizes and the calories.

You would be bound to fail.

온실 기체 배출량을 측정하는 일은 어렵습니다.

This level of blindness is close to the one we have

색도 없고 냄새도 없고 보이지도 않습니다.

when it comes to our climate impact.

Measuring greenhouse gas emissions is hard.

감지기를 모든 곳에 둘 수는 없습니다.

It has no color,

모든 건물이나, 모든 철도,

it has no smell;

it’s invisible.

모든 공항, 모든 소에 말이죠.

We cannot put sensors everywhere,

그래서 십중팔구 포기해버리고는 측정을 하지 않습니다.

on every building,

every track,

every field,

그리고 실제로 측정할 때엔 추정과 변환 계수에

every cow --

so most of the time,

의존하게 됩니다.

we give up and we don’t measure.

그 결과 우리는 배출량에 대해

And when we do measure,

we are reduced to relying on estimations

매우 불완전하고 부정확한 추정치를 쓸 수밖에 없게 됐습니다.

and conversion factors.

The consequence is we end up working with highly incomplete

오차 범위는 흔히 30에서 60 퍼센트에 이릅니다.

and inaccurate estimations of our emissions.

이는 목표와 행동 계획이

Often we have a margin of error of 30 to 60 percent.

부정확한 자료에 근거해 세워진다는 것을 뜻합니다.

This means targets and action plans are set

만약 우리가 환경 영향에 대한 국제적 정보공개 체계를 운영하는

비영리 단체인 CDP에

based on inaccurate data.

기후 대응 진행 상황을 보고하는 기업들을 살펴 본다면

If we look at the corporations

that report their progress on climate to the CDP,

그 실상은 가히 충격적입니다.

which is a nonprofit organization that runs a global disclosure system

3분의 2가 넘는 회사들이

for environmental impacts,

그들의 배출량을 정확하지 않게 측정하고 있으며,

what we see is striking:

그 회사들 중 단 7 퍼센트만이

more than two-thirds of the companies

어떤 식으로든 그들의 영향을 궁극적으로 줄여 나가고 있습니다.

are not accurately measuring their emissions,

and only seven percent of those companies

측정할 수 없는 것을 줄일 수는 없습니다.

are ultimately reducing their impact in some way.

핵심은 기업들이

탄소를 늘리거나 줄이는 활동과 모든 배출원을 아울러서

You cannot reduce what you cannot measure.

측정을 할 수 있어야 한다는 것입니다.

It is key for corporations to be able to measure across all activities,

어떻게 보면 이는 탄소 측정에 대해서도

all sources that drive carbon up or down.

재무 회계에 대한 것과 같은 정도의 엄밀함을 부여하는 것일 뿐입니다.

In a way,

that’s just putting the same rigor to carbon measurements

현대 자동화된 재무 회계가 자리잡기까지 100년이 넘는 시간이 걸렸습니다.

that we have for financial accounting.

기후에는 100년이라는 시간이 남아있지 않습니다.

It took more than 100 years to put modern, automated financial accounting in place.

하지만 이는 기업들이 의미있는 목표와

We don’t have 100 years when it comes to climate.

성공적인 행동 계획을 수립하는 데 결정적인 것입니다.

But this is crucial for corporations to set meaningful targets

우리가 가진 가장 강력한 도구들 중

이 여정에 박차를 가하도록 도와줄 것은 바로 인공 지능입니다.

and successful action plans.

One of the most powerful tools we have

인공 지능은 자료를 자동으로 처리할 수 있습니다.

to help us accelerate on this journey is artificial intelligence.

다양하고, 체계가 없는 출처들로부터 수집한 자료들,

예를 들어 명세서나 소비자 행동 자료와 같은 것들 말입니다.

Artificial intelligence can process data automatically

빠진 정보를 더 잘 추정하기 위해 모형화를 사용할 수 있습니다.

from diverse, unstructured sources

like invoices, consumer behavior data.

이를 통해 배출량을 모의 실험하고 궁극적으로 최적화할 수 있습니다.

It can work by modeling to better estimate the missing information.

모형화가 어떻게 작동하는지 예를 하나 들어보겠습니다.

It can simulate and ultimately optimize emissions.

와인과 양주 다국적 회사가 있습니다.

매출은 수십억이고

상표는 수백 개, 소비자는 전 세계에 있죠.

Let me share an example of how this could work.

A wine and spirits international company:

그들의 기후 영향을 측정하고 싶다고 할 때,

billions of sales,

그들은 전체 부문에 걸쳐서 배출량을 측정해야 합니다.

hundreds of brands,

consumers across the globe.

여기에는 생산 시설의 직접 배출,

When they want to measure their impact,

they need to measure across the entire set of their emissions.

구매한 전기,

원자재, 임대 자산, IT 배출량,

This means direct emissions from facilities,

출장, 운송, 폐기물,

purchased electricity,

수명이 다 된 제품, 기타 등등이 있습니다.

raw materials,

leased assets,

수집해야 할 정보가 어마어마합니다.

IT emissions

business travel,

transportation,

또 대부분은 실제로 그 회사 자신도 알 수 없습니다.

waste,

product end of life,

etcetera, etcetera.

이는 회사의 직접 활동 범위의 밖에서 온 것이기 때문입니다.

That’s a huge amount of information to collect.

예를 들어 어떤 공급자는

And most of it is actually inaccessible to the company itself

아직 자신들의 배출량을 측정하지 못할 수도 있습니다.

because it comes from outside its direct scope of activity.

그래서 지속가능성 팀에서 회사의 기후 영향을 측정할 떄

For example,

from suppliers that are not yet able to calculate their emissions either.

대략적인 추정을 할 수밖에 없습니다.

So when the sustainability team calculates their impact,

병 유리를 한번 살펴 봅시다.

그들이 유리의 배출량을 계산하는 방법은 다음과 같습니다.

they have no choice but to do rough estimates.

작년에 구입한 유리의 총량에,

Let’s examine the glass for bottles.

1,000 톤이라고 하죠.

The way they calculate glass emissions is the following.

변환 계수를 곱합니다.

They take the total amount of glass bought last year --

이는 유리 1 톤에 상응하는 평균 CO2 환산량을 나타내는데요,

let’s say 1,000 tons.

They multiply it by a conversion factor,

950이라고 해보죠.

950 x 1000은 950,000이 됩니다.

which represents the average kilos of CO2 equivalent for one ton of glass --

물론 이는 엄청나게 부정확합니다.

let’s say 950.

왜냐하면 이는 실제 배출량에 영향을 미치는 수많은 요소들을

950 x 1000 makes 950,000.

전혀 고려하지 않기 때문입니다.

Of course this is hugely inaccurate

그래서 감축 목표와 행동 계획을 수립하기가 어렵습니다.

because it does not take into account

all the numerous factors that impact actual emissions,

이때 지속가능성 팀이 자료 과학자들을 불러서

so it’s hard to set targets and action plans.

상세 자료를 처리해 달라고 요청합니다.

This is where the sustainability team calls data scientists

유리의 종류나,

유리의 색깔, 재활용 비율,

to come in and process detailed data about the type of glass,

공급자 원산지, 운송 수단,

상표별, 제품별로요.

the color of the glass,

과학자들은 디자인과 공급망을 모의실험할 수 있고

the recycling share,

the supplier country of origin,

다음 사항들을 계산에 통합시킬 수 있습니다.

the transportation mode,

by brand,

유리 색깔의 중요성, 즉,

by product.

투명 유리가 초록색 유리에 비해 배출량이 1.5배인 점과

They can simulate the design and the supply chain

and integrate in the calculation

원산지의 중요성, 즉

the importance of the glass color --

1.5 times more emissions for a clear bottle

한 나라가 다른 나라에 비해 배출량이 두 배인 점,

versus a green bottle;

에너지 조합에 따른 차이,

the importance of the country of origin --

디자인 자체의 중요성, 즉,

twice the amount of emissions for one country versus another one,

같은 총 중량에 대해

한 디자인이 다른 디자인에 비해 배출량이 1.5배인 점 등을요.

depending on the energy mix;

the importance of the design itself --

커다란 단일 평균치 대신

for the same total weight,

1.5 times more emissions for one design versus another one.

이제 이 모형에서는

배출량을 세밀한 수준에서 상관관계를 찾고 계산합니다.

Instead of having one big, average number,

이런 종류의 방법으로

you now have a model which correlates and calculates emissions

배출량 수치를 대개 30-50% 수정할 수 있습니다.

at a granular level.

With this type of methodology,

더 중요한 것은 회사들이 이제 행동에 나설 수 있게 되었다는 점입니다.

the emissions figure is typically corrected by 30 to 50 percent.

첫째, 의미있는 목표를 설정하고,

And more importantly,

둘째, 매우 구체적인 계획을 구상하고,

the company can now move to action

셋째, 앞으로 배출량을 다시 계산하고 진행 상황을 측정하는 것으로요.

as they can, one, set meaningful targets,

two, identify very concrete initiatives,

다른 예를 들어 보도록 하죠.

시멘트.

and three,

recalculate emissions over time and measure their progress.

시멘트는 막대한 CO2 배출원입니다.

만약 시멘트가 한 나라였다면,

Let me share another example:

최대 배출국 3위에 설 것입니다.

cement.

Cement is a massive CO2 emitter.

중국과 미국 바로 뒤이고

If cement were a country,

유럽 연합과 인도의 앞이죠.

it would rank as the third-largest emitter,

대부분의 배출은 클링커 생산 과정에서 나옵니다.

right after China and the US,

in front of the European Union and India.

시멘트의 핵심 원료이죠.

클링커를 생산하려면 온도를

Most of the emissions come from the process of producing clinker,

섭씨 1,400 도 넘게 유지해야 합니다.

the key ingredient in cement.

이는 많은 연료가 필요하며

To produce clinker,

전체 재료를 담고 있는 탄소와 사실상 같습니다.

you need to maintain a temperature of over 1,400 degrees Celsius.

비밀 방법은 더 깨끗하고 더 고품질의 클링커를 생산하는 것입니다.

It requires a lot of fuel,

and it’s really just carbon containing the whole materials.

왜냐하면 클링커의 품질이 더 높을수록

궁극적으로 시멘트를 생산하는 데 클링커가 더 적게 들고,

So the secret sauce is to produce cleaner and higher quality clinker,

따라서 생성되는 배출량도 더 줄어들 것이기 때문입니다.

because the higher the quality of the clinker,

하지만 고품질 클링커 생산은 복잡한 과학입니다.

the less of it you will need to produce cement ultimately,

서로 영향을 미치는 여러 요인들에 달려있죠.

and therefore the less emissions you will generate.

But producing high-quality clinker is a complex science.

예를 들면, 공정 매개변수, 즉,

기계의 회전 속도,

It depends on multiple factors that influence each other.

얼마나 빨리 기계를 채울지,

사용하는 연료의 종류,

For example, the process parameters,

원자재와 원자재의 정확한 화학적 조성이 있습니다.

like the rotation speed of the machine,

how quickly you fill it,

여기서 인공 지능이 다시 한번 엄청난 영향력을 보여줄 수 있습니다.

the type of fuel you use,

the raw materials and their exact chemical composition.

현장 운영팀이 가능한 최적의 매개변수를

This is where artificial intelligence can again have an enormous impact.

수동으로 유지하려 한다고 합시다.

인공 지능은 값들을 여러 방법으로 더 잘 측정함으로써,

On-site operational teams are trying to manually maintain

즉, 직접 측정, 재료와 질량 균형 등의 방법으로

the best set of parameters possible.

AI can help by measuring better through different sources,

모든 잠재적 결정들을 모의실험하고

운영자에게 최적의 결정을 추천해줍니다.

like direct measurements,

material and mass balance,

etcetera ...

시멘트 생산 공정에서 도입된 이러한 기술들은

simulate all the potential decisions

and recommend the optimal ones to the operators.

상당한 배출량 감축을 가능케 합니다.

불과 몇 달 안에 말입니다.

These techniques implemented in a cement production process

가능한 적용 사례는 수없이 많습니다.

enable a substantial emissions reduction

어떤 회사나 어떤 업계라도

in a matter of months.

There is an infinity of applications possible.

인공 지능으로 중대한 기후 영향을 이끌어낼 수 있습니디.

There is no company,

no industry that cannot derive significant climate impact

인공 지능 혼자서 우리를 구해줄 거라는 말이 아닙니다.

from the use of artificial intelligence.

하지만 인공 지능은,

우리가 더 정확히 측정하고,

I’m not saying artificial intelligence alone will save us.

모의실험하며 최적화하는 것을 도움으로써,

But artificial intelligence,

상당한 배출량 감축을

by helping us measure accurately,

꽤 빠르고, 싸고 쉬운 방식으로 가능케 합니다.

simulate

and optimize,

이런 기회를 놓치면 안됩니다.

enables significant emissions reduction

in a quite fast, cheap and easy way.

감사합니다.

We cannot miss this opportunity.

Thank you.