우리는 AI가 완화, 적응 및 회복력 전반에 걸쳐 기후 전환을 지원하는 데 효과적일 수 있는 5가지 주요 영향 영역을 살펴봅니다(표  1 ):

세계 경제의 탈탄소화를 위해서는 도시, 토지, 교통, 산업, 에너지를 포함한 모든 핵심 복잡 시스템의 근본적인 체계적, 구조적 변화가 필요합니다. AI는 이러한 복잡한 시스템을 재설계하고 혁신하며, 실시간 데이터 기반 등 효과적이고 효율적으로 운영하는 데 큰 도움을 줄 수 있습니다.

예를 들어 에너지 부문에서 AI는 재생 에너지의 전력망 통합 안정성과 효율성을 향상시킬 수 있습니다. 태양광 및 풍력 에너지의 간헐성은 변동하는 공급과 실시간 수요의 균형을 맞춰야 하기 때문에 심각한 과제입니다. AI는 공급과 수요를 더욱 정확하게 예측하고 전기 자동차 및 에너지 저장 시스템(ESS)과 같은 분산형 에너지 자원(DER)을 관리함으로써 전력망 관리를 최적화할 수 있습니다 . 14 딥마인드는 AI 애플리케이션이 대기 전력원에 대한 의존도를 줄임으로써 풍력 에너지의 경제적 가치를 20% 향상시킬 수 있음을 보여주었습니다 . 15

AI는 상호 연결된 시스템(전력, 교통, 도시, 토지 이용 등)을 재구성하고 이러한 시스템 간의 상호 작용을 최적화할 수 있는 잠재력을 가지고 있습니다. 더 구체적으로, AI 애플리케이션은 도시 생태계 내 통합 시스템의 고도화된 최적화에 활용되어 인프라, 스마트 그리드, 친환경 건물, 또는 복원력 있는 교통 시스템의 계획, 설계 및 건설을 개선할 수 있습니다. 예를 들어 싱가포르는 AI가 공익을 위해 가진 잠재력을 구조적으로 평가하기 위해 스마트 네이션 이니셔티브와 국가 AI 전략을 수립 했습니다 .16

여러 부문에서 AI는 투자 위험과 수익을 더 정확하게 예측하고, 정보가 부족한 곳, 특히 정보의 제한적이고 비대칭적인 특성으로 인해 인지 위험이 높은 신흥 시장에서 재무적 의사결정을 개선하는 데 활용될 수 있습니다 .17 AI는 실현된 프로젝트 위험에 대한 다양한 데이터 소스를 수집하고, 더욱 정확한 위험 평가 및 예측을 제공하며, 자금 조달의 접근성을 높임으로써 이러한 문제를 해결할 수 있습니다. 예를 들어, 세계은행의 GovTech Innovation Lab은 AI를 활용하여 개발 프로젝트의 거버넌스와 위험 평가를 개선합니다 .18 데이터가 공유되면 더 많은 프로젝트에 자금이 지원되고 더 많은 데이터를 이용할 수 있게 되어 정보 비대칭성이 줄어들어 신흥개발도상국의 지속 가능한 프로젝트에 대한 자본 조달이 더욱 용이해집니다. 보다 종합적인 측면에서는 AI를 활용하여 지속 가능한 프로젝트에 자금을 조달하는 몇 가지 사례가 있습니다. 한 가지 예로 위성 데이터를 사용하여 여러 지역의 태양광 발전 잠재력을 추정하는 것이 있으며, 이는 투자자가 재생 에너지 프로젝트 투자처를 결정하는 데 도움이 될 수 있습니다. 친환경 에너지 프로젝트가 더욱 크고 복잡해짐에 따라 AI는 최적의 포트폴리오 구성과 효과적인 관리에 중요한 역할을 하고 있습니다.

순 제로 배출을 달성하려면 기존 청정 기술의 배포를 가속화하고 새로운 기술을 빠르게 발견해야 합니다. 국제 에너지 기구(IEA)는 2050년까지 순 제로를 달성하는 데 필요한 배출량 감소의 거의 절반이 현재 프로토타입 또는 시연 단계에 있는 기술에서 나올 것으로 추정했습니다 .19 AI는 재료 과학 및 생명 공학과 같은 분야에서 발견 및 상용화 속도를 가속화하는 강력한 도구로 입증되었습니다. 예를 들어, Google DeepMind의 GNoME 도구는 과학에서 지금까지 발견한 수의 45배가 넘는 200만 개 이상의 이론적 결정 구조를 식별했으며, 이는 재생 에너지 생산 및 저장 기술의 획기적인 발전에 기여할 수 있습니다 .20 최근 노벨상을 수상한 AlphaFold 모델도 AI를 사용하여 2억 개의 단백질 구조를 예측했습니다. 이는 과학자들이 최근까지 해독했던 소수의 단백질에서 엄청난 도약입니다. 이 획기적인 발전은 대체 단백질로의 전환을 크게 가속화할 수 있습니다.

AI는 특히 산업 분야에서 자산 사용 및 자원 효율성을 향상시킬 수 있습니다.AI 기반 최적화 시스템은 제조, 물류 및 재활용 과정에서 낭비를 줄여 생산성과 지속 가능성을 모두 개선할 수 있습니다.예를 들어, Amazon의 Package Decision Engine은 학습한 각 품목에 대해 가장 효율적인 포장 유형을 결정하여 고객에게 구매품을 보내는 데 사용되는 골판지 상자, 에어 필로우, 테이프 및 우편물의 수를 줄이는 데 도움이 됩니다.다른 포장 혁신과 함께 이 모델은 Amazon이 2015년 이후 전 세계적으로 300만 톤 이상의 포장재를 절약하는 데 도움이 되었습니다 .21 .자원 효율성 개선은 또한 AI 기반 컴퓨터 비전을 사용하여 재활용 시설에서 재료 분류를 최적화하여 재활용률을 크게 높이는 스타트업 GreyParrot과 같은 기업가적 혁신가를 위한 영역입니다 .22 .

라이프스타일과 소비자 행동의 변화를 통해 2050년까지 온실가스 배출량을 40~70% 줄일 수 있습니다 . 13 AI를 활용하여 더욱 지속 가능한 소비 패턴을 지원하는 것은 체계적인 전환을 가능하게 하는 데 중요합니다. 전 세계 자원 소비가 증가하고 있는 상황(2060 년 까지 60% 증가 예상 )에서 생산 최적화만으로는 충분하지 않습니다. 수요 또한 더욱 지속 가능한 라이프스타일, 의식 있는 소비, 그리고 전반적인 환경 영향 감소를 촉진함으로써 적응해야 합니다. 그러나 소비자들의 인식과 행동 의지가 높아졌음에도 불구하고, 정보 비대칭과 비효율적인 시장 신호로 인해 소비자들은 가장 기후 친화적인 옵션을 찾는 데 어려움을 겪는 경우가 많습니다. 개인 맞춤형 추천은 소비자가 환경에 미치는 영향을 최소화하면서 자신의 필요에 맞는 옵션을 제안하여 저탄소 기술을 채택하도록 지원할 수 있습니다.

AI가 심리적 장벽을 극복하고 개입을 맞춤화할 수 있는 잠재력은 특정 분야의 사례를 통해서도 드러납니다. 전력 부문에서 에너지 관리는 AI가 지속 가능한 소비자 행동을 효과적으로 주도하는 핵심 영역입니다. Google의 Nest는 센서, 스마트 홈 시스템 및 AI 기반 학습을 사용하여 실시간 날씨와 사용자 선호도에 따라 난방 및 냉방을 최적화합니다 .24 마찬가지로 Oracle의 Opower는 AI와 행동 과학을 결합하여 고객 참여를 통해 에너지 절감을 촉진합니다 .25 복잡한 데이터를 명확하고 개인화된 추천으로 전달함으로써 친환경 행동을 방해하는 인지적 한계를 극복하는 데 도움이 됩니다. 이러한 유형의 기술의 잠재력은 엄청납니다. 온도 조절기 온도를 단 1도만 낮추어도 영국 가구에서 연간 6억 7천만 파운드를 절약하고 CO2 배출량 을  350만 톤 줄일 수 있습니다 .26

식품 분야에서는 AI 기반 이미지 인식 기능을 갖춘 Winnow Vision의 카메라가 주방의 음식물 쓰레기를 자동으로 추적하고 줄이는 데 활용되고 있습니다. 이 기술은 이미 3,000개 이상의 매장에서 셰프들이 음식물 쓰레기를 정확히 파악하고 메뉴를 조정하여 음식물 쓰레기를 크게 줄이는 데 도움을 주었습니다 . 27

모빌리티 분야에서 Google Maps는 사용자에게 연료 효율적인 이동 경로를 제공하고, AI 기반 의사결정을 통해 개인의 배출량을 줄입니다 . 28 이러한 모델은 빠르게 발전하며, 맞춤형 추천과 자동화된 피드백 메커니즘이 개인의 선호도에 어떻게 부합하는지 보여줌으로써 행동 변화 계획의 효과를 높입니다.

정확하고 시의적절한 기후 예측은 효과적인 기후 정책을 설계하고 실행하는 데 필수적입니다. 방대한 데이터 세트를 처리하고 복잡한 시뮬레이션을 실시간으로 실행할 수 있는 AI의 역량은 기후 모델의 정확도를 향상시키는 데 매우 중요한 도구이며, 이는 즉각적이고 장기적인 기후 위험을 이해하는 데 필수적입니다.

AI는 기상 예보 및 기후 예측 모델 향상에 중요한 역할을 해왔습니다. 영국 남극 조사국(British Antarctic Survey)과 앨런 튜링 연구소(Alan Turing Institute)는 위성 데이터를 사용하여 최첨단 역학 모델(ECMWF SEAS5)보다 더 높은 정확도로 해빙 수위를 예측하는 AI 기반 도구인 IceNet을 개발했습니다 . 29 이러한 수준의 정확도는 기후 예측을 개선하여 완화 및 적응 전략과 관련된 장기 정책 결정에 더욱 정보에 기반한 기여를 할 수 있습니다.

AI 모델은 복잡한 기후 정책 시나리오에 대한 통찰력과 예측을 생성하거나 정책 실행의 효과를 모니터링함으로써 기후 행동 정책을 더 효과적으로 설계하고 실행하는 데에도 적용될 수 있습니다. 예를 들어, 기후 정책 레이더(Climate Policy Radar)는 AI를 사용하여 수천 건의 사례 연구