在畜舍中查看甲烷读数，与用这些读数说明减排行动的效果之间，存在多个环节。只有了解在何时何地测量、饲料和饲养条件有何不同、数据是否存在缺失区段，数字才能成为判断的依据。可以将AI Safety Korea所追求的Carbon Intelligence理解为缩小这一间隔的方向。
公司的业务方向在于连接工业气体检测、畜牧业甲烷监测和数据分析。本文所说明的基础设施是一种为实现该方向而提出的设计视角。它并不意味着国家指定的认可基础设施，也不意味着已经完成的核查服务。各项功能的实现范围和现场性能应通过单独的确认资料说明。
将现场读数转化为可解读的记录
工业现场的气体测量经验可以成为追问设备应在何种条件下运行的起点。不过，用于安全的气体检测与温室气体排放量估算在目的和要求上不同。一个领域的经验并不会自动保证另一个领域的定量性能。
例如，如果畜舍中央的甲烷浓度降低，可能是通风增加，也可能是牲畜的位置发生了变化。作为浓度单位的ppm不能直接解读为以质量为基础的排放量。只有将测量位置、时间、设备状态和采用的估算方法联系起来，才能审查变化的含义。
IPCC的畜牧业指南在估算排放量时，同时处理牲畜特征、饲料、活动数据、方法学和不确定性。这表明，除单一传感器读数外，还必须具备解读所需的条件。该指南并不认证公司产品的性能或个别减排量。 IPCC · 畜牧业和粪便管理排放量指南
数据质量应在屏幕背后进行管理
设计Carbon Intelligence时，应从采集阶段起一并保留数据的状态。也就是避免将正常测量值、因通信故障而缺失的值、设备检查期间的值以及分析过程中补充的值混在同一张图中。隐藏缺失区段即使能让界面看起来平滑，也会削弱判断依据。
例如，可以设想这样一种结构：点击报告中的日平均值时，可以查看所使用的时段、排除的数据及排除原因。如果数值发生变化，还应留下是谁因何原因修改的记录。这些功能是本文提出的设计要求，并不表示当前提供的产品功能清单。
保持数据含义的一致性同样重要。FAO LEAP提出了一种使用协调的方法和指标来提高畜牧业环境评估可比性的路径。要连接来自不同农场的数据，就必须能够用同一种语言说明单位、观察期间和评估范围。 FAO · LEAP Partnership
AI分析使需要核查的问题更加准确
对AI可以期待的作用，并不是把所有数字变成已确认的减排量。可以将其视为一种找出反复出现的模式或异常区段、确定核查优先级，并帮助结合现场记录考察变化原因的方式。这一作用同样需要使用实际数据进行性能评估。
如果发现饲料变更后数值发生变化的区段，就必须确认牲畜数量、饲喂量、气温和通风条件是否也发生了变化。不能仅凭模型发现的相关性就断定饲料具有因果效果。必须有符合试验目的的对照组和观察计划，以及对测量误差的审查作为支撑。
在改进模型时，在未用于训练的农场或期间检查结果是一种有用的方法。只有能够说明在哪些条件下可靠性会降低，现场用户才能选择追加测量或专家审查。分析的价值应从快速得出答案的能力和揭示答案局限性的能力两方面加以评估。
区分报告与独立核查之间的责任
可供审查的报告，是将观测值、计算值、比较标准、不确定性和数据修订历史汇集后传达的成果。技术企业可以发挥系统整理此类证据的作用。但不能仅因自动生成了报告，就表述为已完成独立的第3方核查。
ICVCM为自愿碳信用提出质量原则，其中包括独立核查、额外性、稳健的量化和防止重复计算等。这些原则表明，在安装传感器或使用分析软件与碳信用认可之间，存在单独的判断阶段。并非所有监测项目都必须以碳信用签发为目标。 ICVCM · Core Carbon Principles
AI Safety Korea的方向同样可以在清楚说明数据提供与减排认可之间的边界时获得信任。区分支持测量的主体、执行计算的主体、审查结果的主体以及最终使用结果的客户各自的责任，是基础设施设计的一部分。
韩国型基础设施必须让农场能够持续使用
“韩国型”应意味着以可理解的方式积累在韩国环境中获得的经验。如果不考虑农场的通信条件、作业动线、设备检查负担和记录工作，数据采集就难以长期维持。首先必须明确运营者每天输入什么以及获得何种帮助。
还应审查这样一种结构：农场可以选择数据共享范围，即使服务结束后也能带走自己的记录。当多个机构请求相同数据时，如果可以减少重复输入，就能够评估现场收益。这种设计是否实际节省了时间，必须通过采用前后的工作记录来确认。
Carbon Intelligence的目标在于这样一种连接：现场记录经过分析，进而服务于他人的审查和决策。AI Safety Korea的愿景也会在说明以何种顺序实现这一连接以及核查了什么时变得具体。明确提出开发方向，同时只公开已确认范围内的成果，将成为长期信任的基础。