인프라 개발은 세계경제를 지탱하는 중요한 축이다. 각국은 매년 국내총생산(GDP) 0.2%에서 최대 6%까지를 교통 인프라 개발에 투자하고 있다. 경제 발전과 인구 증가를 뒷받침하기 위해 앞으로 수십 년간 인프라 투자 규모는 수조달러에 이를 것으로 전망된다. 이러한 투자에 따라 전 세계 인프라의 총가치는 2022년 약 200조달러에서 2050년까지 약 85% 증가해 390조달러에 이를 것으로 예측된다.

규모·복잡성 커진 인프라, 다양한 위험에 노출 

인프라 시스템은 다양한 유형의 재해 및 사건에 영향받을 수 있다. 여기에는 자연재해, 기술적 결함, 사이버 위협, 사회적 불안정 등이 포함된다. 지진, 홍수, 허리케인 같은 급성 자연재해는 갑작스럽고 광범위한 피해를 유발한다. 또한 부식, 노후 부품, 자재 열화 등 물리적 자산의 상태와 관련된 문제는 인프라 성능을 점진적으로 저하해 기술적 사고나 고장을 초래할 수 있다. 인프라 시스템이 점점 디지털화하고 지능화하며 데이터 중심으로 발전함에 따라 사이버 공격도 운영 중단과 안전 위협을 초래할 수 있는, 점점 더 주요 리스크로 부상하고 있다.

인프라 시스템이 규모와 복잡성이 커짐에 따라, 지리적 위치, 인프라 노후도 및 품질 등 다양한 요소에 의해 노출 위험도 함께 증가하고 있다. 동시에 재해 강도 또한 증가하고 있다. 허리케인은 점점 강력해지고, 폭염은 더 오래 지속하며, 홍수는 더 심각하고 광범위하게 발생하고 있다. 해수면 상승 추세와 강수 패턴 변화 같은 만성적 요인도 지속적으로 시스템 성능에 영향을 미치고 있다. 기후변화에 관한 정부 간 협의체(IPCC)1) 보고서에 따르면, 이러한 추세는 더 가속할 것으로 보인다. 기존 인프라 네트워크와 향후 건설될 새로운 인프라 모두에 점차 더 높은 회복 탄력성이 요구될 것이다.

인프라 회복 탄력성 높이는 AI

인공지능(AI)을 활용한 실시간 재해 탐지 및 대응을 통해 광범위한 계획을 수립하고 적시에 대응하면, 기존의 회복 탄력성 접근법을 보완할 수 있다. AI는 사전에 실패를 예측하고, 혼란을 최소화하며, 복구 속도를 높이는 데 중요한 역할을 할 수 있다. 특히 취약성 감소를 위한 계획(예방)과 재해 대응(탐지 및 반응) 단계에서 즉각적이고 직접적인 경제적 효과를 가져올 수 있다. 예방 단계는 인프라 운영의 각 단계에 회복 탄력성을 통합하는 것을 포함한다. 이는 디지털 트윈(digital twin·실제 건축물이나 공장과 동일한 디지털 모델)을 활용한 설계, 예측 유지·보수 시스템 같은 도구를 활용한 운영 등을 포함한다. AI는 재난으로부터 빠르게 회복할 수 있는 인프라 설계를 더욱 효율적으로 만들어줄 수 있기 때문에, 가장 많은 잠재적 이익은 예방 단계에 있다. 예를 들어, AI 기반 홍수 예측, 실시간 홍수 지도 작성, 스마트 홍수 관리 시스템 운용을 통해 홍수로 인한 피해를 줄이는 데 기여할 수 있다. 또 AI는 산불을 효율적으로 감지하고 진압하는 데 도움을 줄 수 있다.

+ 인프라 회복력 높이는 AI

AI 도입 및 활용 시 해결해야 할 선결 과제

AI가 인프라 회복 탄력성을 높일 잠재력이 있음에도 불구하고, 효과적인 AI 훈련과 의사 결정에 필요한 아주 크고 다양한 고품질 데이터 확보가 어렵다는 점이 주요한 기술적 제약으로 작용하고 있다. 부실하거나 편향된 데이터는 신뢰할 수 없는 결과를 초래해 AI 시스템에 대한 신뢰를 떨어뜨리는 원인이 된다. AI 알고리즘은 학습하는 데이터 품질에 따라 성능이 좌우된다는 점에서 데이터 소스의 중요성은 매우 크다. 또, AI를 기존 인프라에 통합하는 것은 복잡한 작업이다. 많은 정부 기관은 현대적 AI 기술을 고려하지 않고 기존 시스템에 의존한다. 이러한 시스템은 현대 기술과 호환되지 않아 재설계나 업그레이드가 필요한 경우가 많으며, 그 과정에서 상호 운용성 문제 같은 기술적 장애물이 발생한다.

AI 솔루션 개발, 테스트, 배포에 드는 초기 비용도 재정적 장벽이 높다. 기술 자체에 드는 비용뿐만 아니라 데이터 수집, 저장, 컴퓨팅 파워 확보, 숙련된 인력 확보 등에 대한 투자 비용도 장벽이다. 영국의 한 설문조사 결과에 따르면, 대부분 공무원은 AI 도입의 가장 큰 장애 요인으로 ‘재정 부담’을 꼽았다. 기술의 역사가 짧고 효과성에 대한 입증 사례가 부족하다는 점도 투자 결정을 망설이게 하는 요인이다. 따라서 잠재력을 실현하기 위해서는 공공과 민간 부문을 포함한 인프라 생태계 전반에 걸친 노력이 필요하다. 정책 입안 기관은 규제 체계, 경제적 지원 정책, 유연한 규제 환경 그리고 레거시 인프라 업그레이드 및 확장에 지속적으로 투자해야 한다. AI의 인프라 시스템 전반에 걸친 광범위한 도입을 가능하게 하는 토대를 마련하는 데 핵심 역할을 해야 한다. 이러한 역할은 단순히 규제와 경제적 인센티브를 설정하는 데 그치지 않고, 인프라 가치 사슬 전반의 주요 주체 간 조정을 포함한다. 기술과 적용이 빠르게 변하는 만큼 정책은 유연하고 적응 가능해야 하며, AI 거버넌스(governance·지배구조)가 단계적으로 발전할 수 있도록 지원해야 한다.

인프라 운영자는 대규모 AI 프로젝트보다 영향력이 큰 구체적인 AI 적용 분야부터 시작해 점진적으로 확장하는 전략이 더 지속 가능하고 조직적인 도입을 가능하게 한다는 점을 고려해야 한다. 기존 인프라를 최신 AI 기술과 호환 가능하도록 정보기술(IT) 인프라를 업그레이드하는 것도 중요하다. 첨단 기술 기업은 경제적 이점을 명확히 제시해 인프라 운영자의 신뢰를 얻고 AI 도입을 촉진하고, 건축 및 엔지니어링 기업은 설계 단계부터 AI 도구를 활용해 인프라 회복 탄력성을 강화해야 한다.