안녕하세요. 『탄소감축을 증명하는 기술과 솔루션』을 쓴 이봉준입니다. 오늘은 책에 나오는 디지털 MRV 이야기를 함께 나눠보려고 합니다. 출발점은 익숙한 질문입니다. “정말 줄어든 게 맞나요?” 탄소저감 기술을 도입하는 농가도, 기후테크 기업을 살펴보는 투자자도 결국 이 답을 알고 싶으실 겁니다.
장면 하나를 떠올려볼까요. 저탄소 사료를 먹이기 시작한 뒤 축사의 메탄 농도 그래프가 내려갑니다. 반가운 변화지요. 그런데 이때 바로 “사료 덕분에 메탄 배출이 줄었습니다”라고 말해도 될까요? 저는 여기서 잠깐, 그래프 밖의 조건도 보자고 말씀드리고 싶습니다. 그날 환기팬은 얼마나 돌았는지, 소의 마릿수와 급여 시간은 같았는지 말입니다.
농도가 낮아졌다고 배출량도 줄었을까요?
먼저 농도와 배출량을 나눠보겠습니다. 농도는 공기 속에 메탄이 얼마나 섞여 있는지를 나타냅니다. 배출량은 일정한 시간 동안 메탄이 얼마나 나왔는지를 말하지요. 두 숫자가 답하는 질문은 다릅니다.
같은 양의 메탄이 나오더라도 환기를 늘리면 더 많은 공기에 섞여 농도가 낮아질 수 있습니다. 실내 공기가 희석된 것이지요. 반대로 농도가 비슷해도 밖으로 이동한 공기량이 달라지면 배출되는 메탄의 양은 달라질 수 있습니다. 그래서 농도 그래프만으로 사료의 저감 효과를 확정하기는 어렵습니다.
그렇다고 센서값이 쓸모없다는 뜻은 아닙니다. 센서는 현장의 변화를 살피는 중요한 도구입니다. 다만 그 값에 공기 흐름과 배경 농도, 측정 위치 같은 정보를 연결해야 배출량을 해석할 수 있다는 뜻입니다. 특히 자연환기 축사라면 바람과 공기 이동을 어떻게 다룰지부터 살펴야 합니다.
디지털 MRV는 그 숫자의 설명을 남기는 일입니다
이제 MRV를 풀어볼까요. 측정, 보고, 검증이라는 세 과정입니다. 현장에서 자료를 만들고, 어떤 방법으로 계산했는지 설명하고, 그 설명과 근거가 정해진 기준에 맞는지 확인하는 것이지요. 책 7장에서는 이 과정을 하나의 증거 사슬로 다뤘습니다. 마지막 숫자까지 이어지는 연결이 중요해서입니다.
디지털 MRV는 여기에 센서와 통신, 데이터 처리 기술을 활용합니다. 세계은행의 MRV 해설에서도 디지털 기술이 자료 수집과 처리, 품질관리를 도울 수 있다고 설명합니다. 다만 자동으로 모았다는 사실만으로 측정값의 품질까지 확인된 것은 아닙니다. 설치 위치가 적절했는지, 장비 상태는 어땠는지도 함께 봐야 하겠지요.
저는 무엇을 측정할지 정하기 전에, 그 결과를 어디에 쓰려는지부터 생각해보시기를 권합니다. 농장의 이상 징후를 알아보려는 건가요? 사료의 효과를 비교하려는 건가요? 외부에 감축량을 제출하려는 건가요? 목적이 달라지면 필요한 자료와 검증 범위도 달라집니다.
AI가 도와줄 수 있는 일도 구분해볼까요?
기후테크 이야기에 AI가 자주 등장하지요. 센서의 이상 징후를 찾거나 자료가 잠깐 빠진 구간을 추정할 때 AI가 도움이 될 수 있습니다. 여기서 기억하실 점은 예측을 잘하는 것과 변화의 원인을 증명하는 것이 같은 일은 아니라는 겁니다.
가령 AI가 메탄 농도의 변화를 잘 예측했다고 해보겠습니다. 그렇다고 사료가 그 변화를 일으켰다는 결론까지 자동으로 나오지는 않습니다. 계절과 환기, 사육 조건이 함께 바뀌었는지도 살펴야 하니까요. 계산으로 채운 값을 직접 측정한 것처럼 보여줘서도 안 됩니다. 무엇을 관측했고 무엇을 추정했는지 알려드려야 결과를 판단하실 수 있습니다.
다른 농장에서도 쓸 수 있는 AI인지 궁금하시다면, 그 농장의 조건에서 성능을 확인했는지 물어보시면 좋겠습니다. 학습 자료와 모델 버전, 잘 맞지 않는 조건도 확인해보세요. 책 8장에서 이런 기록을 강조한 것은 모델을 실제로 사용할 범위를 설명하기 위해서입니다.
투자자라면 그래프 뒤의 기록도 살펴보세요
기후테크 기업을 검토하신다면 데이터가 얼마나 많은지와 함께, 그 데이터로 어떤 판단을 도울 수 있는지도 살펴보셨으면 합니다. 화면에 감축 수치가 나타나면 그 숫자가 어디서 출발했는지 따라가보는 겁니다. 어느 장비의 자료인지, 어떤 보정과 계산을 거쳤는지, 수정됐다면 누가 왜 바꿨는지 확인해보세요.
이 경로를 데이터 계보라고 합니다. 다른 사람도 함께 그 과정을 살펴볼 수 있어야 합니다. 그래프는 남아 있는데 원자료를 받을 수 없다면 검토가 어려워질 수 있겠지요. 그래서 자료 접근권과 인계 조건, 교정 이력과 처리 규칙도 확인해야 합니다.
또 같은 숫자를 다시 계산할 수 있어도 입력 자료나 비교 조건이 잘못됐다면 결론은 부정확할 수 있습니다. 계산의 재현과 입력 근거의 적절성을 함께 살펴야 합니다. 이런 부분까지 설명할 수 있는지를 보는 것이 기술 검토의 좋은 출발점이라고 생각합니다.
책을 읽으며 이 질문들을 꼭 남겨보시면 좋겠습니다
이 자료는 누구의 어떤 결정을 돕기 위해 모았을까요?
농도와 배출량을 구분해서 설명하고 있을까요?
사육·급여·환기 조건을 비교할 기록이 남아 있을까요?
직접 측정한 값과 AI로 추정한 값을 구분했을까요?
원자료와 교정·수정 이력을 검토할 수 있을까요?
검증하는 사람의 역할과 이해상충을 확인했을까요?
탄소감축 검증은 이런 질문에 하나씩 답해가는 과정입니다. 센서가 설치됐고 데이터가 쌓였다는 사실에서 한 걸음 더 들어가보는 것이지요. 어떤 변화를 확인했고, 어디까지 설명할 수 있으며, 무엇을 더 확인해야 하는지를 남기는 겁니다. 검증 결과가 있어도 크레딧 발급이나 판매 수입은 해당 요건과 계약을 따로 확인해야 합니다.
책을 읽고 모든 계산을 직접 하실 필요는 없습니다. 자료를 받았을 때 무엇을 물어볼지 아시는 것만으로도 달라집니다. 기술의 약속과 그 근거를 나란히 보실 수 있으니까요. 다음에 탄소저감 그래프를 만나시면, 그 숫자가 만들어진 과정도 함께 들여다봐 주셨으면 합니다.
저자 소개
이봉준은 서강대학교 기술경영대학원(MOT)을 졸업했다. 인피트론(주) 7년, 하니웰(Honeywell) 20년 등 가스계측 분야에서 27년간 서비스 엔지니어·기술영업·채널 관리 업무를 수행했다. 현재 에이아이세이프티코리아(주) 창업자로서 센서·AI·데이터 분석을 활용한 축산 메탄 모니터링과 측정·보고·검증(MRV) 체계를 연구 중이다.