[이번 주 AI가 던진 미래의 신호]  Climate AI 특집: AI가 기후재난 대응의 방식을 바꾸고 있다.   백로(白露)가 시작되는 가을의 문턱이다. 길고 뜨거웠던 올여름 세계 곳곳에서 발생한 폭염·홍수·가뭄·산사태를 돌아보며, 기후재난과 AI가 보내는 미래의 신호를 특집으로 살펴본다.   히말라야의 빙하 붕괴부터 유럽과 미국의 폭염까지, 올여름 극단적인 기후재난은 전력·교통·물류·산업으로 연쇄적으로 확산됐다. 올여름 재난이 보여준 변화는 분명하다. 기후재난이 하나의 자연재해에서 끝나지 않고 다른 재난과 핵심 인프라, 산업으로 이어지는 ‘복합·연쇄형 시스템 재난’으로 진화하고 있다. 이에 따라 Climate AI도 예측에서 행동으로 진화하고 있다. 위성·드론·센서로 재난을 감시하고, 변하는 위험을 지속적으로 다시 계산해 대피·시설운영·구조와 복구까지 지원하기 시작했다.   이번 특집에서는 이번 여름 재난이 주는 의미 그리고 AI를 활용한 국가와 기업의 복합·연쇄 재난 대응전략을 살펴본다.    미래학자 이경상 책임교수 godo@kaist.ac.kr "© 2026 [남다른 미래의 창]. All rights reserved. 본 자료의 저작권은 [남다른 미래의 창]에게 있습니다. 저작권자의 명시적 동의 없이 본 자료의 전부 또는 일부를 편집, 복제, 배포, 전송하는 행위는 저작권법에 의해 엄격히 금지되며 법적 처벌을 받을 수 있습니다."

 

Future Signal #1] 

기후재난이 ‘복합·연쇄형 시스템 재난’으로 진화하고 있다

 

히말라야 재난은 이를 극명하게 보여준다. 빙하와 암석 붕괴가 토석류와 홍수로 이어져 수력발전소와 도로를 파괴했고, 이후에도 새롭게 형성된 자연댐과 산사태로 추가 홍수 위험이 계속됐다. 홍수·산사태·빙하붕괴를 각각 관리해서는 전체 위험을 파악하기 어려워진 것이다. 앞으로 발전소·도로·댐·철도·데이터센터의 안전도 단일재난이 아니라 여러 위험의 연쇄발생을 가정하는 Multi-Hazard Stress Test가 중요해질 것이다.

 

유럽에서는 폭염과 가뭄으로 하천 수위가 낮아지면서 라인강을 이용하는 화학·제조기업의 물류가 차질을 빚었다. 높은 수온과 물 부족은 발전소 운영을 제약했고 냉방수요 증가는 전력망 부담을 높였다. 폭염이 물 부족을 만들고, 다시 전력·물류·산업생산과 공급망으로 피해가 확산되는 구조이다.

 

미국에서도 9월 초 폭염으로 약 6,700만 명에게 전력을 공급하는 PJM 전력망이 압박받았고, MISO의 전력수요도 약 121GW까지 상승할 것으로 예상됐다. 기후재난이 특정 지역의 자연재해를 넘어 전력·물·교통·통신·공급망을 동시에 위협하는 운영 리스크가 되고 있다.

 

문제는 기존 재난관리 기술이 대부분 통상적 개별 위험을 예측하는 데 맞춰져 있다는 점이다. 그러나 극단적 연쇄복합형 시스템 재난에서는 “얼마나 많은 비가 오는가?”보다 “그 비로 어느 산이 무너지고, 어느 도로와 발전소가 멈추며, 그 영향이 어디까지 확산되는가?”를 함께 계산하는 능력이 중요해진다.

 

재난 대응의 기준도 달라져야 한다. 과거에는 “100년 빈도의 홍수를 견딜 수 있는가?”를 물었다면, 앞으로는 “여러 재난과 인프라 장애가 연쇄적으로 발생해도 사회와 산업이 계속 작동할 수 있는가?”를 물어야 한다.

 

Future Signal

기후재난의 위험은 개별 재난의 크기보다 재난과 인프라가 서로 연결되면서 피해가 커진다. AI도 하나의 재난을 예측하는 기술에서, 연쇄적으로 변하는 위험을 함께 계산하는 기술로 진화해야 한다.

 

[Future Signal #2] 

Climate AI가 예측에서 행동으로 진화하고 있다

 

대표 뉴스 - 8월 11일 | 중국, Fengwu·Pangu·Fuxi 등 AI 기상모델을 태풍·폭우 예측에 활용, 위성·드론과 결합한 재난 대응 확대  - 8월 15일 | 중국, 시진핑 주석, AI·드론·위성 원격탐사 등 첨단기술을 재난 예방과 구조에 적극 활용할 것을 지시  - 8월 26일 이후 | 히말라야, 위성·드론·레이더 등을 이용해 빙하붕괴 이후 자연댐과 2차 홍수 위험을 지속 감시  - 9월 1일 | UNDP, 위성영상과 AI를 결합한 RAPIDA로 네팔 재난 피해를 분석하고 복구 우선순위 결정

 

기후재난에 AI를 활용하는 방식이 달라지고 있다. 지금까지 Climate AI의 중심은 태풍의 경로, 강수량, 홍수와 폭염 발생 가능성을 더 빠르고 정확하게 예측하는 것이었다. 그러나 올여름 나타난 복합·연쇄재난은 정확한 예측만으로 피해를 막기 어렵다는 사실을 보여주었다.

 

중국은 이러한 변화를 가장 빠르게 보여주고 있다. Fengwu·Pangu·Fuxi 등 AI 기상모델을 기존 수치예보와 함께 활용하면서 태풍과 폭우 예측시간을 단축하고 있다. Fengwu는 태풍 Dolphin의 상륙지점과 시간을 5일 전에 약 30㎞, 30분 이내 오차로 예측한 사례도 공개됐다. 다만 태풍의 강도를 예측하는 능력은 아직 기존 물리모델보다 부족해 AI와 기존 기상모델을 결합하는 방향으로 발전하고 있다.

 

변화는 예측 이후에서 더 뚜렷하다. 시진핑 주석은 잇따른 홍수와 산사태에 대응해 AI·드론·위성 원격탐사 등 첨단기술을 재난 예방과 구조에 적극 활용하도록 지시했다. 중국에서는 이미 위성 원격탐사와 드론을 이용한 위험지역 감시와 제방·하천 모니터링 등이 현장에 적용되고 있다. AI가 기상을 알려주는 기술에서 실제 재난관리체계의 일부로 들어가기 시작한 것이다.

 

히말라야 재난은 왜 이러한 변화가 필요한지를 보여준다. 빙하와 암석이 붕괴한 뒤에도 재난은 끝나지 않았다. 토석류와 홍수로 지형과 하천이 변했고 새로운 자연댐이 형성되면서 2차 홍수 가능성이 계속 달라졌다. 따라서 위성·드론·레이더 등을 이용해 현장을 지속적으로 관측하고 새로운 위험을 다시 판단해야 했다. 

 

AI의 역할은 재난 이후까지 확대되고 있다. UNDP의 RAPIDA는 위성영상과 AI, 인프라 데이터, 현장조사를 결합해 재난 직후 건물과 도로, 발전시설 등의 피해를 빠르게 파악한다. 네팔에서는 약 220만 톤의 재난 잔해가 발생한 것으로 추정하고, 피해지역의 복구 우선순위를 결정하는 데 활용했다. 즉 AI가 재난을 예측하는 것에서 피해를 파악하고 어디부터 복구할 것인지를 결정하는 단계까지 들어가고 있다.

 

이러한 사례들을 연결하면 Climate AI의 진화방향이 보인다.

예측 → 감시 → 반복 계산 → 행동 → 복구

 

예측은 재난 발생 가능성을 발견하고, 감시는 위성·드론·센서로 상황을 계속 관찰한다. 반복 계산은 새로운 데이터를 받을 때마다 위험지역과 연쇄피해 가능성을 다시 계산한다. 행동은 대피, 교통통제, 댐·펌프 운영, 구조자원 배치 같은 행동을 지원하고, 복구는 피해를 분석해 복구 우선순위를 결정한다.

 

앞으로 중요한 것은 특히 반복 계산과 행동이다. 시스템 재난에서는 최초 예측이 아무리 정확해도 상황이 계속 변하기 때문이다. 폭우가 산사태를 만들고, 산사태가 도로를 막으면 대피경로와 구조자원의 배치도 즉시 달라져야 한다. AI가 변하는 상황을 지속적으로 읽고 다음 행동을 다시 계산해야 한다.

 

Future Signal

Climate AI의 경쟁은 재난을 얼마나 정확하게 예측하느냐에서, 위험이 변할 때마다 다시 계산하고 사람과 인프라를 얼마나 빠르게 움직이게 하느냐로 이동하고 있다.

 

[AI 기반 국가 대응전략]

AI를 재난예측 도구가 아니라 재난관리 인프라로 만들어야 한다

 

2026년 여름의 재난은 국가의 재난관리체계에 새로운 질문을 던졌다. 홍수·폭염·산불·산사태를 각각 예측하고 대응하는 것만으로는 충분하지 않다. 하나의 재난이 전력·교통·통신·물류 같은 핵심 인프라로 번지고, 다시 다른 지역과 산업으로 확산되는 시스템 재난에 대응해야 하기 때문이다.

 

OECD가 9월 4일 발표한 《Tracking Progress in the Governance of Critical Risks》도 비슷한 문제를 지적한다. 34개국의 위험관리체계를 분석한 결과, 각국의 위기 예측·준비·대응 역량은 개선됐지만 복합적이고 빠르게 확산되며 국경을 넘는 복합.연쇄위험에 대응하는 능력에는 여전히 격차가 있다. 특히 위험관리를 중앙정부만의 업무가 아니라 지방정부·기업·사회가 함께 참여하는 범사회적 접근(Whole-of-Society) 체계로 발전시킬 필요성을 강조한다.

 

올여름 중국이 AI·드론·위성 원격탐사를 재난 예방과 현장 대응에 본격적으로 활용하기 시작한 것은 이러한 변화의 초기 모습이다. 중요한 것은 개별 AI 기술을 얼마나 많이 도입하는가가 아니라, 재난을 감지하고 예측하는 것에서 연쇄위험을 계산하고 실제 대응까지 연결하는 하나의 운영체계를 만드는 것이다.

국가의 AI 기반 재난관리체계는 다음과 같이 발전할 필요가 있다.

 

   감지 → 예측 → 연결 → 시뮬레이션 → 대응 → 학습

 

감지 | 위험을 실시간으로 감지한다

위성·드론·레이더·IoT를 통해 기상·하천·산림·지반의 변화를 지속적으로 수집한다.

 

예측 | AI로 위험을 예측한다

폭우·홍수·폭염·산불·산사태의 발생 가능성과 예상 피해지역을 계산한다.

 

연결 | 재난과 국가 인프라를 연결한다

기상·재난 데이터에 전력·교통·통신·댐·병원 등 핵심 인프라 데이터를 연결한다. 그래야 하나의 재난이 어떤 시설을 멈추게 하고 그 영향이 어디까지 확산될지를 파악할 수 있다.

 

시뮬레이션 | 연쇄피해를 미리 계산한다

AI와 Digital Twin을 활용해 하나의 재난이 다른 재난과 인프라 장애로 어떻게 확산될지를 시뮬레이션한다. 단일재난 대응에서 Multi-Hazard 대응으로 전환하는 단계다.

 

대응 | 예측을 실제 행동으로 연결한다

대피경로 결정, 도로통제, 댐·펌프 운영, 구조인력과 장비 배치 등 실제 의사결정을 AI가 지원한다. AI의 가치는 예측 정확도뿐 아니라 얼마나 빠르게 행동으로 연결되는가에서 평가되어야 한다.

 

학습 | 다음 재난에 대비해 학습한다

실제 피해와 예측의 차이, 대응시간과 효과를 분석해 다음 위험예측과 대응모델에 반영한다.

 

이러한 체계에서 중요한 것은 AI보다 AI가 연결할 데이터와 조직이다. 전력·통신·교통·병원 등 국가 핵심기능은 서로 다른 공공기관과 민간기업이 운영한다. 어느 한 정부기관이 모든 데이터를 가지고 있지도, 모든 대응을 수행할 수도 없다.

 

따라서 AI 기반 국가 재난관리의 다음 단계는 중앙정부가 거대한 AI 하나를 만드는 것이 아니다. 중앙정부·지방정부·공공기관과 전력·통신·교통 등 핵심 인프라 운영자가 데이터를 연결하고, 같은 위험상황을 공유하며 함께 움직일 수 있는 AI 기반 국가 재난관리 인프라를 만드는 것이다. 이것이 OECD가 강조하는 범사회적 접근을 AI 시대의 재난관리체계로 구현하는 방향이다.

 

국가 대응전략

시스템 재난 시대의 국가 AI는 재난을 잘 맞히는 AI를 넘어, 연쇄위험을 계산하고 국가와 사회가 무엇을 먼저 움직여야 하는지 결정하는 AI로 진화해야 한다.

 

[AI 기반 기업 대응전략]

기업은 AI로 기후재난을 상시 운영 리스크로 관리해야 한다

 

기후재난은 기업에 더 이상 일시적인 비상상황이 아니다. 폭염은 근로자의 안전과 생산성을 떨어뜨리고, 가뭄은 공장에 필요한 물과 전력 공급을 위협한다. 홍수와 산사태는 도로와 항만을 막고, 멀리 떨어진 협력업체의 피해가 공급망을 따라 다른 사업장으로 전달된다.

 

OECD가 9월 4일 발표한 《The climate and adaptation spatial general equilibrium model(OECD-CASGEM)》은 이러한 위험을 경제 전체의 관점에서 보여준다. 현재의 기후정책이 지속되는 시나리오에서 기후변화로 인한 세계 1인당 GDP 손실은 2050년 3%, 2100년 6.3%에 이를 것으로 추정한다. 특히 피해는 발생지역에 머물지 않고 무역·생산 네트워크를 따라 다른 지역과 산업으로 전달된다.

 

따라서 기업의 질문도 달라져야 한다.

“우리 공장은 안전한가?”에서“우리 사업을 움직이는 전체 네트워크는 안전한가?”로 바뀌어야 한다.

AI는 이러한 변화를 가능하게 한다. 기상정보에 사업장·근로자·협력업체·재고·물류·전력·용수 데이터를 연결하면, 기업은 재난 발생 후 피해를 집계하는 데서 벗어나 어디에서 사업중단이 발생할 가능성이 높은지 미리 계산하고 대응할 수 있다.

 

기업의 AI 기반 기후재난 대응은 다음과 같은 체계로 발전할 필요가 있다.

     예측 → 위험노출 파악 → 시뮬레이션 → 운영 재구성 → 복구

 

예측 | 위험을 미리 읽는다

AI가 폭염·홍수·산불·가뭄의 발생 가능성과 강도를 예측한다. 중요한 것은 날씨 자체가 아니라 그 날씨가 기업 활동에 어떤 영향을 줄 것인가를 예측하는 것이다.

 

위험노출 파악 | 어디가 위험한지 연결한다

공장과 물류센터뿐 아니라 협력업체, 운송경로, 전력·용수 공급원과 근로자까지 기후위험과 연결해 공급망 어디에서 사업중단이 발생할 수 있는지 파악한다.

 

시뮬레이션 | 사업중단의 연쇄효과를 계산한다

공장 침수, 항만·도로 폐쇄, 전력공급 중단 등이 생산·재고·납기·매출에 미칠 영향을 AI와 Digital Twin으로 계산한다.

 

운영 재구성 | 재난이 오기 전에 운영을 바꾼다

위험이 높아지면 재고와 물류경로, 생산계획과 근무시간을 선제적으로 조정한다. 

Walmart는 기상정보와 AI를 활용해 악천후에 앞서 수요를 예상하고 재고와 물류를 조정하고 있으며, 삼성전자는 웨어러블과 AI를 활용해 건설현장의 폭염 위험에 따른 직원들의 건강과 작업 관리에 활용하고 있다.

복구 | 더 빨리 정상화한다

재난 이후 피해와 설비·재고·공급망 상태를 분석해 무엇부터 복구해야 사업을 가장 빨리 정상화할 수 있는지 판단한다.

 

산업마다 기후재난이 사업에 미치는 경로는 다르다. 그러나 AI의 역할은 같다. 기후위험을 생산중단·공급망 차질·근로자 안전·매출손실이라는 ‘사업의 언어’로 바꾸는 것이다. 앞으로 기업의 기후 경쟁력은 재난을 피할 수 있느냐보다 위험을 얼마나 일찍 발견하고, 사업에 미칠 영향을 계산하며, 실제 운영을 얼마나 빠르게 바꿀 수 있느냐에서 결정될 것이다.

 

기업 대응전략

기업의 Climate AI는 날씨를 예측하는 AI가 아니라, 기후재난 속에서도 사람과 공급망, 사업을 계속 움직이게 하는 AI로 진화해야 한다.

 

 

[지방정부티비유=미래학자 이경상]