Current Issue

기후변화는 21세기 인류가 직면한 가장 심각한 글로벌 위기 중 하나로서 자연 생태계뿐만 아니라 사회경제적 시스템 전반에 걸친 구조적 대응을 요구하고 있다. 산업혁명 이후 급격히 증가한 온실가스 배출은 지구 평균 기온 상승을 초래하였으며, 이로 인해 폭염, 홍수, 해수면 상승과 같은 극단적 기후 현상이 전 세계적으로 빈번하게 발생하고 있다(IPCC, 2021). 이러한 기후 위기는 단순한 환경 문제를 넘어 경제적 불확실성을 가중시키며, 지속가능한 발전을 저해하는 구조적 요인으로 작용하고 있다. 이에 따라 국제사회는 파리협정(Paris Agreement) 등을 기반으로 탄소중립(Net Zero)을 달성하기 위한 정책적 노력을 강화하고 있으며, 각국은 기후정책의 실행 가능성과 수용성을 제고하기 위한 정책 역량을 고도화하고 있다(이태동, 2022).

기존의 기후정책은 주로 과학 기반의 분석 자료와 전통적인 정책 수단을 중심으로 수립･시행되어 왔으나, 기후 문제의 복잡성과 불확실성이 증대되면서 이러한 접근의 한계가 지속적으로 제기되고 있다. 특히 과학적 정보의 수용성, 정책 집행의 정합성, 이해관계자 간 협력 구조 등에서 나타나는 제도적 병목 현상은 정책 전 주기의 반응성, 적시성, 수용성을 저해하고 있으며, 이러한 문제는 전통적인 인간 중심 정책결정 모델만으로 해결하기 어려운 지점에 도달하고 있다.

이러한 맥락에서 인공지능(AI)의 전략적 활용은 기술 중심 대안으로서 주목받고 있다. 최근의 AI 기술은 기후 시뮬레이션 정밀도 향상, 온실가스 배출량 예측, 이상기후 조기 경보 등 기후정보 분석 분야에서 실효성을 입증해 왔으며, 정책 수립 과정에서 과학적 근거 제공 수단으로 활용되고 있다(UNFCCC, 2024). 특히 일반성과 자율성이 한층 높아진 범용 인공지능(Artificial Intelligence, AGI)의 등장으로, 기존의 협소 인공지능(Artificial Narrow Intelligence, ANI)은 단순한 기술 보조를 넘어, 정책 설계･실행･평가 전 과정에서 구조적 개입이 가능한 수준으로 진화하고 있다.

Kaack, Donti, Strubell, Kamiya, Creutzig, and Rolnick(2021)은 AI가 대규모 기후 데이터를 통합 분석하여 정책 시뮬레이션의 정밀도를 향상시키고, 실시간 대응 전략 수립의 기반을 제공할 수 있음을 지적하였다. Rolnick, Donti, Kaack, Kochanski, Lacoste, Sankaran et al.(2019) 또한 AI 기술이 기후변화 완화 및 적응 전략에서 실질적 기여가 가능하다고 분석하면서, AGI의 고차원적 문제 해결 능력에 주목하였다. AGI는 자율학습과 맥락 인지 기능을 기반으로 비정형 데이터를 해석하고, 정책목표 간 충돌이나 집행 효과의 예측까지 수행할 수 있는 잠재력을 갖춘 기술로 평가되고 있다.

그러나 현재의 기후정책결정 구조는 여전히 데이터 해석의 지연, 실행의 비효율성, 이해당사자 간 정보 비대칭 등 구조적 병목 현상을 내포하고 있으며, 이는 AI 기반 기술의 정책적 적용 가능성을 더욱 부각시키는 요인으로 작용한다(GIZ, 2024). AGI의 전략적 도입은 단순한 기능 개선을 넘어, 정책 결정의 정합성과 실행 가능성을 동시에 향상시킬 수 있는 혁신적 도구로 간주될 수 있다.

이에 본 연구는 정책 순환 이론(Policy Cycle Theory)을 분석틀로 삼아, AGI가 기후 과학, 정책 형성, 산업 대응 등 다양한 정책 영역에서 어떻게 기능할 수 있는지를 체계적으로 분석하고, 특히 정책 형성, 실행, 평가의 각 단계에서 AGI의 기능 수준(Level)별 기여 가능성과 한계를 탐색하고자 한다.

기후변화 대응 정책은 과학적 정보와 제도적 판단이 결합되는 복합적 정책과정으로 구성되며, 정량적 예측 능력과 정책 집행 체계 간의 정합성을 동시에 요구한다. 특히 다수의 이해관계자 간 협력, 정책 실행의 실효성, 사회적 수용성 등을 고려할 때, 단순한 기술적 보조를 넘어선 전략적 분석 도구의 필요성이 강조되고 있다. 이러한 배경에서 인공지능의 활용은 점차 정책결정 전반의 흐름에 구조적으로 개입하는 방식으로 진화하고 있으며, 기술의 정책 적용 가능성에 대한 이론적 고찰이 요구된다.

Kim(2024)은 현재 기술로 가능한 AI 기반 탄소 배출 저감 대응 전략은 시설 최적화, 운영 효율성 향상, 고급 모니터링 수준에 머물러 있다고 지적한 바 있다. 이는 협소 인공지능(ANI)이 제공할 수 있는 기술적 한계를 잘 보여주는 예시이며, 정책목표 설정, 대안 간 우선순위 판단 등 복잡한 결정이 요구되는 영역에 있어 보다 고도화된 체계의 도입 필요성을 시사한다.

이러한 문제의식 하에서, 본 연구는 범용 인공지능(AGI)이 기후정책의 각 단계, 문제 인식, 정책 형성, 정책 실행, 정책 평가에서 수행할 수 있는 기능과 그 수준(Level 0~5)을 정책이론의 구조 속에서 체계적으로 분석하고자 한다. 이를 위해 본 연구는 정책학의 대표 분석틀인 정책순환 이론(Policy Cycle Theory)을 적용하여, AGI가 정책 전 주기에 걸쳐 어떻게 기능할 수 있으며, 기존 정책체계에 어떠한 제도적 영향을 미치는지를 다층적으로 고찰한다.

이러한 목적을 달성하기 위해 본 연구는 다음과 같은 질문들을 중심으로 분석을 전개한다. 첫째, AGI는 정책순환이론의 각 단계에서 수행 가능한 기능 수준과 그 구조적 적용 가능성을 규명한다. 둘째, AGI의 자율성과 기술적 특성이 기후정책의 수립과 실행 과정에서 정책의 실효성과 수용성 향상에 기여할 수 있는 방식을 탐색한다. 셋째, 기존의 ANI 대비 AGI의 도입이 정책결정 구조에 초래하는 질적 전환과, 이에 따른 정책 통제 및 책임 구조의 조정 가능성을 분석한다. 마지막으로 AGI가 기후정책 결정과정에 통합될 경우, 정부의 과학기술 전문성과 정책에 대한 사회적 신뢰가 변화하고 재구성되는 메커니즘을 고찰한다.

이러한 질문들은 기후정책의 기술 기반 혁신 가능성을 제도적 관점에서 검토하고, AGI의 정책 순환 이론 기반 적용이 환경 기후 정책 분야에 어떠한 이론적 기여를 할 수 있는지를 구조적으로 진단하고자 하는 데 목적이 있다.

상기된 연구 목적을 달성하기 위해 본 연구는 이론적 문헌 분석과 사례 기반 비교연구를 병행하는 질적 접근 방식을 채택하였다.

첫째, 이론 분석은 정책이론과 인공지능 기술 간의 교차점을 조망하기 위한 분석틀 구성을 중심으로 진행되었다. 구체적으로는 Jann과 Wegrich(2007)의 정책순환모형을 기반으로 정책 단계별 구조를 정립하였으며, 여기에 Morris, Sohl-dickstein, Fiedel, Warkentin, Dafoe, Faust et al.(2024)이 제시한 AGI의 기술수준(Level 0~5) 분류 체계를 접목하였다. 이 분석틀은 기후정책의 전형적 흐름인 문제 인식 - 정책 형성 - 채택 - 실행 - 평가의 단계별 구조에 따라 AGI가 어떻게 기능할 수 있는지를 이론적으로 연계할 수 있는 기반을 제공한다.

둘째, 사례 연구는 AGI 또는 고도화된 AI 시스템이 실제 정책 현장에서 적용된 국내외 사례를 중심으로 수행되었다. 분석 대상은 정책 시뮬레이션 플랫폼, 기후 리스크 조기 경보 시스템, 자동화된 감축목표 설정 시스템, ESG 데이터 기반 정책 피드백 플랫폼 등으로 구성되며, 각 사례는 정책순환의 해당 단계에 매핑하여 분석되었다. 이를 통해 AGI가 각 정책 단계에서 실제 수행 가능한 역할과 기술적 한계 그리고 정책적 의미를 보다 정밀하게 도출하고자 하였다.

셋째, 분석의 정합성과 명료성을 확보하기 위해 각 사례는 정책 단계별로 재구성되었으며, 해당 단계에서 AGI가 수행하는 기능과 그 기술 수준(Level)이 어떻게 대응되는지를 도식화하여 정리하였다. 예컨대 문제 인식 단계에서는 정형･비정형 기후 데이터를 융합해 조기 경보 체계를 구축하는 AI 시스템의 기능을 실행 단계에서는 실시간 정책 모니터링과 성과 피드백을 자동화하는 시스템의 사례를 중심으로 비교분석하였다.

넷째, 기존 ANI와 AGI의 역할을 단계별로 비교함으로써, AGI가 기존 기술의 한계를 어떻게 극복하거나 보완할 수 있는지를 명확히 규명하고자 하였다. 특히 정책 집행 및 평가 단계에서 요구되는 실행 유연성과 예측 기반 환류(feedback) 기능은 ANI 기반 시스템만으로는 구현이 어려운 부분이며, 이에 대한 AGI의 기여 가능성을 구조적으로 고찰하였다.

결론적으로 본 연구는 정책 이론과 기술 분류 체계를 융합하여, AGI가 정책 결정 전 과정에서 수행할 수 있는 기능을 체계적으로 분석하며, 그 정책적 실효성과 제도화 가능성, 윤리적･거버넌스적 조건까지 포괄적으로 조명하는 것을 목표로 한다. 이를 통해 AGI의 정책 적용이 단순한 기술적 효율성의 문제가 아닌, 정책 수용성과 실행 가능성을 아우르는 전략적 기반임을 이론적으로 정립하고자 한다.

정책 순환 이론(Policy Cycle Theory)은 공공정책을 하나의 선형적 결정이 아닌, 문제인식, 정책형성, 정책채택, 정책집행, 정책평가 등 상호 연결된 다섯 단계가 순환적으로 작동하는 과정으로 이해한다(Jann & Wegrich 2007). 이는 Lasswell(1956)가 제시한 정책지향 분석 개념에 기초하여 발전하였으며, 각 단계가 고유한 기능과 논리적 역할을 수행한다는 점에서 정책 분석의 구조화된 틀로 활용된다. Howlett, Mcconnell, and Perl(2016)은 역시 정책과정을 고정적 절차가 아닌, 복잡하고 역동적인 순환구조로 해석할 것을 제안하며, 이론적 설명력과 실증적 적용 가능성 모두에서 이 모델의 유효성을 강조한다.

기후변화와 같은 다차원적 정책 영역에서는 이러한 순환적 접근이 더욱 중요하게 작용한다. 기후정책은 과학적 불확실성, 다양한 이해관계자 간의 이익 충돌, 국제적 협력 구조 등 복잡한 요인을 포함하고 있어, 각 정책 단계가 상호작용하고 피드백을 주고받는 역동적 체계로 구성될 수밖에 없다. 이동규와 강성훈(2022)은 한국의 온실가스 감축정책 사례에서 순환적 환류 없이 단절적으로 정책이 추진되었고, 그로 인해 실행력과 평가의 연계가 약화되는 구조적 문제가 반복되고 있다고 지적하였다.

이러한 맥락에서 정책 순환 이론은 단순히 기술 적용의 흐름을 설명하는 도구를 넘어, 정책 설계와 실행, 평가의 구조를 제도적 맥락에서 해석할 수 있도록 하는 분석틀이다. 특히 어떤 정보가 공식적 의제로 채택되고, 어떤 대안이 선택되는지는 단지 기술적 판단이 아니라 제도적 정당성과 정책 수용성의 문제로 연결된다(Stone, 2012). 정책의 각 단계는 행정 절차인 동시에 사회적 판단과 권위 구성, 정책 효과의 피드백을 담는 복합적 장으로 기능한다.

이러한 구조적 변화는 단순한 효율성 향상을 넘어서, 정책결정과 실행과정에서의 책임 분배, 판단 기준의 투명성, 정책 신뢰성 확보 방식 등 제도적 논의로 확장된다. AGI의 자동화된 판단이 실질적 정책 선택에 영향을 미칠 경우, 그 판단 기준의 정당성은 어떻게 구성되는지, 오류 발생 시의 책임 귀속 구조는 어떻게 설계되어야 하는지 그리고 기술 시스템과 인간 전문가 간의 협력 체계는 어떤 방식으로 구현될 수 있는지에 대한 이론적 검토가 필요하다.

결론적으로 AGI의 정책 과정 개입은 정책 순환 이론이 전제하고 있는 인간 중심 구조를 기술 기반 분석체계로 확장할 수 있는 가능성을 보여준다. 본 연구는 이러한 가능성을 바탕으로 AGI의 기술적 기능이 정책 순환의 각 단계에 어떻게 구조적으로 연계될 수 있는지를 분석하고 그 정책학적 함의를 고찰하고자 한다.

인공지능(AI)은 인간의 사고 능력을 기계적으로 모방하고 자동화하기 위한 기술로 출발하였으며, 초기에는 특정 목적에 특화된 ‘협소 인공지능(Artificial Narrow Intelligence, ANI)’ 중심으로 발전하였다. Kacck et al.(2022)은 머신러닝 기반의 인공지능 기술이 온실가스 배출량 추정, 기상 데이터 분석, 실시간 시각화 등 기후 관련 분야에서 실질적으로 활용되고 있음을 분석하였다. 특히 정형 데이터 기반의 예측, 경보 시스템, 원격 탐지 기법 등에서 기후변화 완화를 위한 AI 기술의 실효성이 확인되고 있다.

그러나 정책 결정 과정은 단순한 정량 데이터 처리 이상의 기능, 즉 문제 정의, 정책 대안 간 가치 갈등 조정, 사회적 수용성과 윤리성 판단 등을 필요로 한다. 이러한 영역에서는 ANI의 계산 기반 모델이 갖는 기능적 한계가 명확히 드러난다. 이에 반해 범용 인공지능(Artificial General Intelligence, AGI)은 다양한 과업 간의 전이 학습, 맥락 인지 기반 판단, 시나리오 생성 기능 등을 통합적으로 수행할 수 있는 기술로 정의된다(Goertzel, 2020; Morris et al. 2024). 특히 AGI는 복잡한 정책 환경에서도 인간 전문가 수준 이상의 전략적 판단과 실행 시나리오를 생성할 수 있다는 점에서 정책학적 관심을 받고 있다.

Morris et al.(2024)은 AGI의 발전 단계를 ‘수행력(performance)’과 ‘일반성(generality)’이라는 이중 축으로 나누어 총 6단계(Level 0~5)의 분류체계를 제시하였다. 이 분류는 단순 수작업 기반의 정책 결정 구조부터, 완전 자율적 정책 설계 및 평가까지를 포괄하며, 각 단계에서 AGI가 수행 가능한 기능과 정책 개입 방식은 질적으로 상이하다.

Level 0은 기술이 도입되지 않은 상태로, 비정형 문서와 전문가 직관에 의존하는 수작업 중심의 정책 분석 구조이다. 이는 기후 대응 정책 초안 작성이나 사전 정의되지 않은 정성 평가 보고서 등이 이에 해당한다. 정책 순환 이론상에서는 문제 인식 단계에서 불완전한 데이터 기반으로 의제가 설정되고 평가 단계에서는 체계적 환류가 누락 되는 한계가 존재한다.

Level 1과 2는 ANI 기반 기술로서, 정형화된 통계 분석 및 시각화 기능을 통해 단일 변수 분석, 단편적 정책 모니터링, 단기 예측 등을 수행한다. 예를 들어 환경부 온실가스종합정보센터의 시각화 플랫폼이나, 지역별 탄소배출량 비교 분석 시스템이 이에 해당한다. 이 수준에서는 문제 인식 및 정책 실행 단계에서 데이터의 정확성을 높이고 환류의 기반을 제공하지만, 정책 형성이나 대안 설계 단계에서의 복합적 판단 기능은 수행하지 못한다.

Level 3부터 AGI의 고유 기능이 발현되기 시작한다. 다변수 시뮬레이션, 정책 간 충돌 탐지, 정책 대안의 정량･정성 통합 분석이 가능하며, 시나리오 기반 예측 및 다중 이해관계자의 반응 모델링이 가능해진다. 예컨대 서울연구원의 GeoAI 기반 시뮬레이션 시스템은 공간정보와 정책 데이터 통합을 통해 기후 시나리오별 정책 파급효과를 실시간 예측하는 기능을 갖춘 사례로 주목된다(서울연구원, 2023). 이 수준에서는 정책 형성 및 채택 단계에서 AGI의 실질적 기여가 가능해진다.

Level 4는 전문가 수준의 판단 및 맥락적 분석을 가능케 하는 Expert AGI로 정책 설계의 정당성 검토, 윤리성 평가, 가치 충돌 시나리오 분석 등을 자동화한다. 예를 들면 환경정책 갈등 영역에서 발생할 수 있는 ‘정책 수단 간 우선순위 조정’이나, ‘사회적 수용성 예측’을 통합적으로 수행할 수 있는 기능을 제공한다. 이는 다부처 정책 조정, 지역균형 정책 설계 등 고난도 정책 과정에 활용 가능성이 높다.

마지막으로, Level 5는 초지능(Artificial Superintelligence, ASI) 수준으로, 인간의 판단 구조와 법적 통제를 초월한 자율적 정책 설계･집행이 가능한 상태를 가정한다. Zhao, Zhang, Wu, Chen, Dai, Yu et al.(2023)은 AGI 개발에서의 기술적 도전과제를 강조하였으며, 이는 규범적 거버넌스 및 헌정구조적 통제 구조의 재정립 필요성과 관련이 있다. 이 단계에서는 책임 귀속, 법적 정당성, 민주주의 원칙과의 정합성 문제 등 핵심 제도적 쟁점이 동반된다.

결국 AGI는 기술 수준별로 정책 순환 이론의 각 단계에 개입할 수 있는 방식과 수준이 근본적으로 달라지며, 이는 단순히 기술적 보완의 차원을 넘어서 정책 설계자와 정책학의 분석 패러다임 자체에 대한 재구성을 요구한다. 이러한 맥락에서 본 연구는 AGI의 기술 수준(Level 0~5)이 정책 단계에 따라 어떻게 기능적으로 매핑될 수 있는지를 도식화하고, 이를 통해 기술-정책-제도 간의 이론적 통합 틀을 제시하고자 한다.

AGI수준별 기후정책 분야 적용 가능성, 정책적 함의 및 사례 분석을 정리하면 다음 <표 1>과 같다. 이 표는 AGI 기술 수준이 단순히 ‘자동화 정도’의 문제를 넘어, 정책 순환 이론의 각 단계 - 문제 인식, 형성, 채택, 실행, 평가 - 에 어떻게 다층적이고 비대칭적으로 개입하는지를 입체적으로 보여주는 분석틀이다. 예컨대, Level 2에서는 정책 실행 및 평가 단계에 기여하지만, 형성 단계에서는 기능적 한계가 크다. 반면 Level 4는 정책 형성과 채택의 윤리적 판단과 사회적 수용성 확보까지도 지원할 수 있다.

기후변화 대응 정책은 과학기술, 행정절차, 사회적 수용성의 복합적 조정을 요구하는 영역이다. 최근 범용 인공지능(AGI)의 정책 적용 가능성이 제기되면서 기술적 효율성과 별개로 제도적 수용성에 대한 논의가 함께 이루어질 필요성이 커지고 있다. AGI는 분석 능력과 학습 능력 면에서 기후정책 전반에 걸쳐 유의미한 도구로 활용될 수 있으나, 이러한 기술이 실질적으로 기능하기 위해서는 각 정책 단계에서 요구되는 절차적, 제도적 조건이 충족되어야 한다.

문제 인식 단계에서 AGI는 대규모 기후 및 환경 데이터를 분석하여 이상 징후를 조기에 탐지할 수 있는 역량을 갖추고 있다. 그러나 정책학의 관점에서 문제 인식은 단순한 정보의 포착을 넘어, 특정 사안을 공공문제로 구성하고 이에 대한 제도적 대응의 필요성을 정당화하는 과정을 포함한다(Jann & Wegrich, 2007). AGI의 탐지 결과는 정책 결정자에게 유용한 정보로 기능할 수 있으나, 그 정보가 정책 의제로 전환되기 위해서는 행정적 승인과 사회적 합의라는 절차적 조건을 거쳐야 한다. 이 과정은 기술적 탐지와 정책 판단 사이의 명확한 역할 분담을 전제로 한다.

정책 형성과 채택의 국면에서는 AGI가 제공하는 시나리오 분석, 비용-편익 예측, 사회적 수용성 시뮬레이션 등이 정책설계에 대한 실질적 근거로 활용될 수 있다. GIZ(2024)는 이러한 원칙을 강조하며, 정책 지원 기술이 제안하는 분석 결과가 해석 가능하고 정당화될 수 있는 구조가 제도적으로 마련되어야 한다고 지적하였다. 해당 논의는 AGI의 분석 결과가 곧바로 정책으로 수용되기보다는 이해당사자 간의 협의 및 정책 담당자의 행정적 판단을 통해 제도화되어야 함을 시사한다.

정책 집행 단계에서는 AGI는 실시간 데이터 분석을 통해 정책 수단의 탄력적 운용을 가능하게 만든다. 실행 전략의 자동 조정, 지역별 편차 분석, 자원 배분의 최적화 등 정책 실행의 정확성과 반응성을 높이는 데 기여할 수 있다. 그러나 실행 과정에서 발생하는 판단 오류나 예상치 못한 결과에 대해 기술이 단독으로 결정권을 행사할 경우, 책임 귀속의 문제가 발생할 수 있다. Koulu(2020)는 법적 의사결정에서 인간의 재량과 책임이 AI 시스템의 신뢰성과 정당성을 확보하는 데 필수적임을 강조하였다. 이에 따라 AGI의 개입은 조정적 기능에 국한되며, 행정 책임성과 투명성을 유지할 수 있도록 제한적으로 운용되어야 한다.

정책 평가 및 환류 단계에서는 AGI의 정량 분석 능력이 기존 평가체계의 정시성과 객관성을 보완할 수 있다. 예컨대 정책 목표 달성 수준, 지역 간 형평성, 계층별 수용성 등을 분석하고 환류함으로써 정책 조정에 실질적 기여를 할 수 있다. 그러나 정책 평가가 정책의 사회적 의미와 환경적 지속가능성, 정당성까지 아우르는 다층적 분석임을 고려할 때, 기술 기반 결과는 보조 수단으로 기능하여야 하며 최종 판단은 정책 담당자의 검토와 사회적 논의를 거쳐야 한다. Cichocki and Kuleshov(2021)는 AGI 시스템 개발에 있어 다양한 인간 지능의 통합이 중요함을 강조하였다.

종합하면 AGI는 기후정책의 문제 인식부터 환류에 이르기까지 각 단계에서 보조적 기능을 수행할 수 있으나, 그 활용은 기술 판단이 제도적 책임 구조를 대체하거나 침해하지 않는 방식으로 운용되어야 한다. 문제 정의의 행정적 정당화, 대안 선택의 숙의 기반 검토, 실행의 책임 배분, 평가의 다층성 확보는 AGI의 정책 적용을 위해 선행되어야 할 제도적 조건이다. 따라서 AGI는 정책의 효율성과 정합성을 지원하는 도구로서 기능해야 하며, 기술 중심의 정책 자동화가 아닌 제도와 기술의 조화를 목표로 하는 적용 전략이 요구된다.

정책순환론이 제시한 정책과정의 순환성을 전제로 하여, 각 단계가 고유한 기능을 수행하고 상호 유기적으로 연결된다고 보았다. 그러나 기후변화와 같은 불확실성이 높은 이슈의 경우, 정책 단계 간 연계가 선형적으로 작동하지 않으며, 결과적으로 구조적 병목이 발생할 가능성이 높다. 국내 기후정책 사례에서도 이러한 병목 현상은 반복되어 왔다. 정책 형성 초기 단계에서 다수의 이해관계자 간 입장 조율이 지연되고, 부처 간 역할 중복 또는 정합성 부족이 정책 설계의 일관성을 저해한다. 또한 정책 집행 이후 평가와 환류 단계에 이르기까지, 실행 결과에 대한 체계적 분석과 동태적 조정 기능이 충분히 작동하지 못하고 있다는 점이 다수의 평가 연구에서 지적되어 왔다. 윤순진과 이승지(2013)의 연구는 이러한 문제의식을 공유하며, 기후변화 완화 정책의 평가 및 피드백 체계에서 나타나는 정보 비대칭, 평가 결과의 정책 반영 부족, 부처 간 협력 부재 등의 문제를 정리한 바 있다.

최근 인공지능, 특히 범용 인공지능(AGI)의 도입 가능성은 이러한 병목 현상을 기술적으로 보완할 수 있는 하나의 접근으로 제시되고 있다. AGI는 다중 변수 기반의 환경 데이터 분석, 시뮬레이션, 정책 대안 간 비교 등 고차원적 계산 역량을 갖추고 있으며, 이를 통해 정책 형성과 집행 과정에서의 정보 부족 문제를 해소하고, 실시간 정책 보완 기능을 수행할 수 있다. 이러한 기능은 단순 기술 보조를 넘어서 정책 결정의 적시성과 실행 가능성을 제고할 수 있다. Goertzel and Ben(2020)은 AGI가 다양한 분야에서의 적용 가능성을 제시하였으며. 이는 기후정책의 실행성과 피드백 체계에도 적용될 수 있다.

이와 같이 AGI는 정책결정 전 과정에서 정합성과 효율성을 강화하는 데 기여할 수 있으나, 정책 판단의 최종 주체로 작동할 수는 없다. 특히 기술이 산출한 분석 결과가 인간의 숙의 과정을 대체하게 될 경우, 정책의 책임성은 오히려 약화될 가능성이 높다. 따라서 기술 기반 정책지원 시스템의 확대는 오히려 인간 정책결정자의 통찰과 책임을 더욱 강화하는 방향으로 설계되어야 한다.

기후위기는 단순한 자연재해가 아니라 다차원적인 사회구조적 복합위기로서의 성격을 지닌다. 이러한 위기 상황에서는 문제의 인식과 정의 단계부터 정책 대응에 이르기까지 기존 정책이론의 분석 도식만으로는 한계가 존재한다. 특히 통계 기반의 정태적 분석은 지역별 편차와 사회경제적 불균형을 충분히 반영하지 못하며, 결과적으로 일반화된 대응 방식을 반복하게 된다.

이러한 한계를 보완하기 위해 AGI는 비정형, 시계열, 공간 데이터를 통합 분석하여, 복합 요인을 기반으로 한 문제 정의와 정책 시나리오 설계를 지원할 수 있다. 서울시의 GeoAI 기반 열환경 분석 사례(김근한, 2022)는 이러한 기술이 정책 형성 초기 단계에서 사전 검토 도구로 활용될 수 있음을 보여준다. 특히 공간정보 기반 데이터와 AI 분석 기법을 결합하여 지표면 온도(LST)와 토지피복 간 상관관계를 정량적으로 분석한 결과를 바탕으로 고속도로 지하화 및 공원 조성이라는 시나리오를 통해 최대 1.6℃의 온도 저감 가능성을 제시함으로써 GeoAI 기반 예측 시스템이 실질적인 기후정책 수립에 기여할 수 있는 기반이 될 수 있음을 제시하였다.

해외 사례에서도 AGI 형 경보 시스템의 실험적 구현이 점차 확대되고 있다. NOAA의 머신러닝 기반 이상기후 탐지 시스템, 마이크로소프트의 Planetary Computer, EU의 Copernicus Climate Store는 시계열 기반 기후 예측과 지역 맞춤형 분석 기능을 결합하여 정책 대응의 시의성과 공간 정밀도를 동시에 제고하고 있다.

이러한 기술적 진보에도 불구하고, AGI가 문제 정의나 정책 방향 설정에 과도하게 개입할 경우, 기술 판단이 인간 숙의 과정을 대체하거나 축소 시킬 수 있는 위험 또한 내재되어 있다. 김진아와 윤순진(2014)은 국내 광역지자체의 기후변화 적응계획을 분석한 결과, 정책 수립 초기 단계인 문제 정의 국면에서 과학적 정합성과 사회적 포괄성이 결여되어 있음을 지적하였다. 이들은 특히 다중 행위자 간 협의 부족과 기술 중심 접근의 일방성으로 인해 실질적인 정책 효과가 제한될 수 있음을 강조하였다. 이러한 점은 기후위기 대응에서 문제 정의의 정확성과 사회적 수용성을 동시에 고려하는 복합적 접근이 요구됨을 시사한다.

Goertzel(2020)은 AGI가 비정형 정보 기반 정책 문제를 재구성하고, 시뮬레이션을 통해 대응 시나리오를 설계할 수 있는 잠재력을 언급하였다. 다만, 이러한 기술이 정책결정 구조에 통합되기 위해서는 앞서 언급한 설명 가능성과 책임성이라는 제도적 기반이 반드시 수반되어야 한다.

결론적으로 AGI는 조기 경보를 넘어 기후정책 초기 단계의 판단 구조에 실질적 기여를 할 수 있지만, 이는 사회적 수용성과 절차적 정당성을 확보한 제도적 조건 아래에서만 정책적으로 수용될 수 있다. 기술은 자동화 수단이 아니라, 정책 설계의 협력자로 기능해야 한다.

기후정책의 형성 단계는 단순한 수단 조합을 넘어 다변량적 정합성과 실현 가능성, 사회적 수용성을 동시에 고려하는 복합적 구조 설계를 요구한다. 특히 이해관계자의 다양성과 가치 충돌이 상존하는 기후분야에서 정책 간의 전략적 정합성 확보는 실효성과 정당성 확보의 핵심 요소로 작용한다. 그러나 현재의 정책 설계 방식은 정태적 통계 분석에 치우쳐 있으며, 정책 간 상호작용, 실행 가능성, 수용성 간의 예측적 통합 분석이 부족하다는 지적은 다수의 정책설계 연구에서 반복적으로 제기되어 왔다(Howlett 2023; Sabatier & Weible 2014). 이러한 한계를 극복하기 위한 기술적 접근으로 AGI가 주목된다.

AGI는 다양한 데이터 유형을 통합 분석하고, 시나리오 기반의 정책 효과 시뮬레이션을 통해 대안 간 상호작용을 예측할 수 있다. 국내외 사례에서도 AGI 수준의 분석 기능이 간접적으로 구현되고 있다. 에너지경제연구원(2022)은 ‘2050 탄소중립 시나리오 분석모형’을 통해 부문 간 온실가스 감축 전략의 상호작용과 비용 효과를 모의실험하고 있으며, 이 모형에 AGI 기술이 접목될 경우, 자율적 시나리오 생성 및 실시간 정책 조정 기능이 보완될 수 있을 것으로 해석된다. 이처럼 AGI는 정책 형성 국면에서 기술 기반 전략 설계의 촉진제로 기능할 수 있다.

정책 설계에서 이해관계자 간 갈등 조정 역시 중요한 과제로, AGI는 반응 데이터를 바탕으로 수용성 시뮬레이션을 수행하고 정당성 판단을 지원할 수 있다. Zhao et al.(2023)은 AGI가 다양한 사회적 맥락을 반영한 판단을 지원할 수 있으며, 책임성과 투명성을 전제로 할 경우 정책 설계 보조 수단으로 기능할 수 있다고 언급하였다. 이러한 접근은 특히 상이한 부처 간의 정책 정합성 확보, 가치 충돌 해소, 실행 가능성 판단에 있어 실질적인 기여가 가능함을 함의한다. Goertzel(2020)은 AGI의 고차원 분석 역량이 복합적 정보 구조를 해석하는 데 강점을 가진다고 평가하였으며, 이러한 기능은 정책 대안의 정합성을 검토하고 전략 조정을 지원하는 데 적용 가능하다는 해석이 가능하다.

결론적으로 AGI는 기후정책의 설계 단계에서 전략적 정합성, 실현 가능성, 사회적 수용성을 동시에 고려하는 구조적 통합 도구로 기능할 수 있다. 이는 단순한 기술 보조를 넘어서 정책과학의 분석 패러다임을 전환시키는 계기가 될 수 있으며, 정책 설계의 실효성과 정당성을 동시적으로 확보하기 위한 새로운 기술-제도 연계 전략의 기초를 형성한다.

기후정책의 채택 단계는 단순히 법제화 절차를 넘어 다양한 이해관계자 간의 가치 충돌, 규범적 정당성, 과학기술적 타당성이 교차하는 복합적 판단 구조를 내포한다. 특히 한국의 기후정책 결정과정은 전문가 중심의 자문 체계와 비공식 협의 방식이 중심을 이루고 있으나, 사회적 수용성 데이터를 실질적으로 연계하는 구조는 여전히 미흡한 상황이다(Howlett et al. 2016).

이러한 맥락에서 AGI는 정책 채택 단계에서 정보 분석의 보조 기능을 넘어, 정책 대안의 사회적 수용성과 제도적 정당성을 정량적으로 분석하는 기술 기반의 매개자로 기능할 가능성이 있다. Zhao et al.(2023)은 AGI가 텍스트, 음성, 행동 데이터를 통합 분석할 수 있는 잠재력을 바탕으로, 정책 대안에 대한 사회적 반응 예측이 가능하다는 점을 제시하였으며, 이는 예측 가능한 합의 구조 형성에 기여할 수 있는 기술적 기반이 될 수 있음을 시사하였다.

한편, 실제 정책 현장에서는 AGI 수준은 아니지만, 데이터 기반 분석을 활용하여 정책 대안의 비교 평가와 사회적 반응 예측을 시도하는 초기 사례들이 축적되고 있다. 예컨대 Microsoft의 Planetary Computer는 위성영상과 생물다양성 데이터 및 기후 재난 예측 정보를 통합 제공하며, 정책 시나리오별 환경적 영향 분석 및 시각화를 지원하고 있다. 이 플랫폼은 일부 지방정부에서 기후 정책 설계 시 참고 자료로 활용되고 있으며, 기후 데이터 기반 정책 선택 보조 도구로 평가되고 있다 (https://planetarycomputer.microsoft.com/). 또한 NVIDIA의 Earth-2 시뮬레이션 플랫폼은 AGI 수준의 강화학습 알고리즘을 적용하여 지역별 사회적 반응 예측, 재난 대응 시나리오 비교 등을 통해 정책 대안 간 위험 분석을 가능하게 하는 기술적 조건을 제시하고 있다. (https://www.nvidia.com/ko-kr/high-performance-computing/earth-2/).

국내 사례로는 국토연구원(2023)이 제시한 도시 AI 기반 정책 프레임이 있다. 이 보고서는 도시 내 에너지, 교통, 환경 관련 데이터를 통합 분석하여 정책 우선순위를 도출하고, 시민 중심의 정책 시나리오 설정의 필요성을 제안하였다. 이는 중앙정부 차원의 정책 채택 구조가 시민사회의 반응 데이터를 구조적으로 연계하고자 하는 초기적 시도로 해석될 수 있다.

AGI의 정책 채택 단계 기여는 다음 세 가지 측면에서 정책과정에 질적 전환을 가능케 한다. 우선, AGI는 언론 기사, 시민 제보, 온라인 발언 등 비정형 자료를 분석하여 정책 대안에 대한 사회적 감수성을 추론할 수 있으며, 자연어 처리 기반 감성 분석 및 쟁점 키워드 추출 기능은 정책결정자가 대중 정서를 실시간으로 파악할 수 있도록 한다. 또한, 이해관계자 그룹별 시나리오 반응 분석을 통해 ‘수용성 매트릭스’를 구성함으로써, 각 정책 대안의 채택 가능성과 정치적 위험도를 동시에 고려한 결정이 가능해진다. 마지막으로 AGI는 법제화 가능성 및 정치적 지속성에 대한 추론 기반 모델을 통해 정책의 제도적 수명주기 예측을 지원할 수 있다.

그러나 AGI 중심의 합의형 정책 채택은 기술적 수월성의 이면에 잠재된 민주적 정당성 약화 가능성을 동반한다. 특히 사회적 수용성이 정량화된 수치로 단일화될 경우, 소수 집단의 우려나 소외 계층의 문제 의식이 정책 결정과정에서 배제될 우려가 존재한다. 이는 기술 기반 의사결정이 민주주의 원칙과 충돌하지 않기 위해 제도적 보완과 윤리적 검토가 반드시 병행되어야 함을 의미한다. Howlett et al.(2016)은 정책결정 과정이 이론적으로는 단계적 순환구조로 설명될 수 있지만, 실제로는 다양한 행위자 간 상호작용과 정책모형 간 긴장이 병존한다고 지적하였다. 이는 복잡한 기후정책 환경에서 표준화된 기술 절차만으로는 실질적인 정책 수용성을 확보하기 어렵다는 점을 시사한다.

결론적으로 AGI는 정책 채택 단계에서 다수 이해관계자의 반응을 정량화하고, 사회적 수용성과 제도적 정당성을 가시화하는 기술적 기반을 제공할 수 있다. 이는 기존 전문가 중심의 비정형적 채택 구조에 비해 객관성과 예측 가능성을 향상시키는 효과를 기대할 수 있다. 다만, AGI 기반 판단이 민주적 정당성, 책임성, 그리고 숙의적 참여라는 규범적 원칙과 어떻게 공존할 수 있는지는 향후 제도 설계 및 정책 거버넌스 논의에서 핵심적 고려 요소로 남아야 한다. 이러한 맥락에서 Bella, Narayanan, Hartung and Calderon(2021)은 데이터 기반 정책환경에서 정책 수용성과 제도적 신뢰를 확보하기 위해, 투명성(clarity), 데이터 통제권(control), 정보 공유 편의성(comfort)이 핵심 기준이 되어야 한다고 강조하였다. 또한 Kim(2021)은 알고리즘의 불투명성과 데이터경제의 확산이 시민의 권리와 공공성을 약화시킬 수 있음을 지적하며, 데이터 공정성, 알고리즘 투명성, 구조적 신뢰성을 핵심 원칙으로 제시하면서 AI 거버넌스 프레임워크의 재설계를 제안하였다. 이는 AGI가 단순한 기술적 결정자가 아니라, 제도적 정당성과 시민적 수용성을 동시에 확보할 수 있는 정책 행위자로 기능하기 위한 전제 조건임을 시사한다.

기후정책의 실행 단계는 정책이 형식적인 승인에서 벗어나 실제 행정 체계와 민간 주체를 통해 현실적으로 이행되는 과정을 의미한다. 이 단계에서는 현장 적합성, 행정의 유연성, 이해관계자 간 협력 체계가 정책 실효성을 결정짓는 핵심 요소로 작용한다. 그러나 기존 실행 구조는 정태적 규범 설계와 단일 행위자 중심 책임 체계에 머물러 있어, 변화하는 환경 조건에 적시적으로 반응하기 어려운 한계를 드러내고 있다. 윤순진과 이승지(2013)는 기후변화 대응 정책의 평가 및 피드백 구조에서 나타나는 정보 비대칭과 환류 부족, 부처 간 협업 부재를 구조적 문제로 지적한 바 있다.

이러한 실행 병목을 극복하기 위한 대안으로 AGI는 실시간 분석, 예측 기반 조정, 다중 행위자 간 책임 구조 재설계 기능을 통해 정책 실행의 유연성과 정합성을 보완할 수 있는 잠재력을 갖는다. Cichocki and Kuleshov (2021)는 AGI의 구조 설계가 다양한 학습 유형과 다중지능 이론에 기초하여 인간-기계 협업의 적응성을 높이는 방향으로 발전하고 있음을 제시하였다. 이는 정책 실행 과정에서 복합적 정보 해석 및 응답 구조를 구성하는 데 기술적 기반이 될 수 있음을 시사한다. 국토연구원(2024)은 도시 내 다양한 데이터를 기반으로 AI 기술을 활용한 정책 대응 필요성을 제기하며, 교통, 에너지, 환경 등 분야별 데이터를 통합적으로 활용하여 도시정책 수립에 기여할 수 있는 Urban AI의 개념과 사례를 제안하였다.

민간 영역에서도 유사한 시도가 관찰된다. 한국전력공사는 전력 수요 및 기상 데이터를 실시간 분석하며 공급 정책을 조정하고 있으며, 이는 향후 AGI 기반 예측 알고리즘과 결합될 경우 재생에너지의 간헐성 대응, 전력 수급 정책의 동적 조정 등에서 전략적 기여가 가능할 것으로 평가된다. 또한 기획재정부의 ‘dbrain+’ 시스템은 실시간 예산 집행 데이터를 분석하여 정책 집행의 예산 정합성을 보장하고, 향후 피드백 체계와 연계될 경우 집행-환류의 연속적 체계화가 가능하다.(https://fis.kr/ko/major_biz/dbrain_oper/intro).

AGI의 핵심 기여는 실행 데이터를 기반으로 다음과 같은 기능을 수행할 수 있다는 점이다. 첫째, 실시간 실행 상황을 정량적으로 모니터링하고 이탈 지점을 탐지한다. 둘째, 부처 간 실행 조정에서 발생할 수 있는 비정형적 의사결정 상황에 대해 적시적으로 중재안을 제시한다. 셋째, 민간 참여형 실행 구조에서는 정책 목표와 기업 또는 시민의 실행 전략 간의 정합성을 분석하여 공동책임 체계를 유도할 수 있다,

이러한 실행 단계의 기술적 전환은 실행 주체의 다원화를 전제로 하며, AGI는 공공-민간-기술을 연결하는 매개 기술로 기능할 수 있다. 그러나 동시에 알고리즘에 의한 결정이 사회적 책임 분산과 오류 발생 시 책임 귀속의 불명확성을 초래할 수 있다는 윤리적･정치적 위험 또한 내재하고 있다. Cichocki and Kuleshov(2021)는 AGI 시스템 개발에 있어, 사회적, 감정적, 주의적, 윤리적 지능의 통합이 중요함을 강조하였다. 이러한 다중 지능의 고려는 AGI의 윤리적 설계와 설명 가능성 확보에 기여할 수 있다. 결론적으로 AGI의 도입은 다양한 행위자 간의 정책 실행 협업을 가능케 하며, 실행 구조의 분산화 및 책임성 강화에 기여할 수 있는 잠재력을 지닌다.

기후정책은 본질적으로 장기적이고 복합적인 파급효과를 수반하며, 이에 따라 정책 평가 역시 단순한 성과 측정을 넘어, 정책의 정당성 확보와 제도적 환류를 위한 분석 구조로 진화해야 할 필요가 제기되어 왔다. 그러나 한국의 기존 정책 평가 체계는 여전히 사후적 성과 보고, 정형화된 통계자료 의존, 제한된 시의성과 예측 가능성 등의 한계를 벗어나지 못하고 있다(진상현, 2008). 특히 정책 순환의 종결단계로서의 평가가 다음 정책 형성으로 이어지는 실질적 환류 기능을 수행하지 못하고 있다는 점은 구조적 개선이 요구되는 핵심 지점이다.

AGI는 이러한 정책 평가의 한계를 극복할 수 있는 기술적･제도적 가능성을 제공할 수 있다, 첫째, AGI는 정책 실행 단계에서 수집된 대규모 비정형 데이터를 실시간으로 통합 분석하고, 예측 알고리즘 기반의 예측 시뮬레이션을 통해 정책 효과를 시계열적으로 추적할 수 있는 능력을 보유하고 있다(Zhao et al. 2023). 이러한 분석 구조는 복수의 정책 목표와 외부효과에 대한 다층적 정량 평가를 가능케 하여, 기존의 단선형 평가 체계를 보완할 수 있는 대안을 제시한다.

둘째, AGI는 정책 평가의 핵심 지표로서 ‘정량적 정합성(quantitative coherence)’과 ‘사회적 형평성(social equity)’의 동시 분석을 가능하게 한다. 예를 들어, 지역별 온실가스 감축 실적, 산업군별 경제효과, 계층별 정책 수용성 데이터를 통합하여, 정책 효과의 분포와 불균형 여부를 실시간 진단할 수 있는 기반을 제공한다. 이는 기존의 평균 중심 평가 방식이 간과하기 쉬운 정책 파급의 비대칭성과 사회적 분절성을 진단하는 데 기여할 수 있다(Cichocki & Kuleshov, 2021).

셋째, AGI는 ESG(환경･사회･지배구조) 공시 데이터, 시민 반응 기반 비정형 데이터, 언론 보도 등을 분석함으로써 정책에 대한 사회적 신뢰도 및 평판 지표를 구성하는 데 활용될 수 있다. 이는 ‘신뢰 기반 지속가능성 지수(trust-based sustainability index)’와 같은 복합 평가모델의 정량화 가능성을 시사한다. ESG 공시 항목과 실제 기업 활동 간의 불일치를 탐지하거나, 정책 수혜집단의 반응을 자동 분류하는 기능은 정성적 평가 방식의 한계를 보완할 수 있다.

국내에서도 구조적 전환의 가능성은 점진적으로 확인되고 있다. 부산광역시의 기후변화 적응계획 평가에서 나타난 실행 전략의 구체성 부족과 정량지표 부재는 향후 AGI 기반 다변량 분석 시스템의 도입 필요성을 강하게 시사한다(김진아･윤순진, 2014). 일부 지방정부와 중앙부처는 자연어 처리 기반 문서 분석, 정책 시뮬레이션 등을 평가 체계에 접목하려는 시도를 진행하고 있으며, 이는 AGI 기반 실시간 환류 체계 구축의 가능성을 제시하는 초기 사례로 볼 수 있다(윤순진･이승지, 2013).

한편 민간 부문에서는 ESG평가 시스템에 AGI를 결합한 지속가능경영 분석 플랫폼이 확대되고 있으며, 대기업들은 ESG 전략과 실적 데이터를 기반으로 실시간 리스크 분석, 투자자 요구 대응, 사회적 수용성 평가 등을 평행하고 있다. 이러한 데이터는 정부의 정책 평가 및 후속 조정 과정과 연계될 수 있으며, 정책-시장 간 데이터 공유 기반 평가 메커니즘 구축의 실질적 토대가 될 수 있다.

다만 AGI 기반 평가 시스템의 확대는 알고리즘의 설명가능성(explainability), 평가 기준의 정합성(consistency), 인간 개입(human-in-the-loop)의 제도화와 같은 규범적 문제를 동반할 수밖에 없다. 특히 기후정책의 경우, 다부처 협업 구조와 시민사회의 참여 기반이 핵심적 정당성 자원이기 때문에, AGI에 의한 자동 평가가 이들을 대체하거나 왜곡하지 않도록 제도적 통제 장치가 병행되어야 하며, 이에 대한 정치･윤리적 논의가 반드시 수반되어야 한다.

정리하자면 AGI는 기후정책의 실시간 평가와 환류를 가능케 하는 기술적 인프라로 기능함으로써 기존의 사후적･정형적 평가 방식의 한계를 보완하고 정책의 지속가능성과 사회적 정당성을 동시에 제고할 수 있다. 이는 정책 순환의 전체 구조를 재정의하고 정책-시장-사회 간 상호작용을 정교하게 환류시키는 핵심 메커니즘으로 기능할 수 있으며, 예측 가능성, 책임성, 수용성의 질을 향상시킬 수 있는 제도적 전환점으로 평가된다.

AGI가 정책결정 과정에 개입할 수 있는 기술적 가능성이 높아지면서, 정책 각 단계에서의 자율적 판단 기능은 민주주의적 원칙과 긴장을 일으킬 수 있다. 특히 AGI가 단순 예측을 넘어 정책 판단의 근거를 제공하거나, 일부 단계에서는 준결정적 수준의 역할을 수행하게 될 경우, 인간 행위자의 책임성과 통제 구조는 근본적으로 재편될 가능성이 존재한다.

Zhao et al.(2023)은 AGI가 고도화됨에 따라 윤리적 판단, 가치 기반 판단까지 일정 수준 구현 가능해 질 수 있다고 지적하며, 특히 강화학습 기반의 시스템이 사람의 피드백을 내재화함으로써 ‘사실상 준결정권’을 행사할 수 있는 수준으로 발전할 수 있음을 설명하고 있다.

정책 결정에서 AGI의 개입이 자율성 수준에 따라 확장되면, 정책의 제안 및 집행뿐만 아니라 사회적 수용성 분석과 입법 가능성 예측 등 ‘결정 전 단계’의 과정을 기술적으로 선점할 가능성이 제기된다. 이와 같은 상황은 정책의 정당성 판단이 시민사회나 입법기관이 아닌 AGI 시스템의 분석에 의존하게 되는 구조를 초래할 수 있다. Zhao et al.(2023)은 이러한 판단이 인간 가치에 기반한 방향성을 확보하지 못할 경우, 정책결정의 윤리성과 수용성이 함께 훼손될 수 있음을 경고하였다.

기존의 민주주의 이론 역시 이러한 기술-정치 경계에서의 통제 문제를 중대하게 다루고 있다. 예컨대 Winner(1980)는 기술 인프라가 단순한 도구가 아닌, 특정한 정치적 관계 및 권력 구조를 내포할 수 있음을 지적하였다. 그는 특정 기술 시스템이 설계되는 방식 자체가 민주적 참여를 제한하거나 특정 사회 질서를 강화하는 정치적 효과를 가질 수 있다고 분석하였다. 이는 AGI가 정책 결정 구조에 깊숙이 개입할 경우, 기술 시스템이 특정 가치나 권위의 형성을 유도할 가능성을 시사한다.

따라서 다음과 같은 제도적 보완 장치가 필요하다. 첫째, AGI 자율성 수준에 따라 정책 개입 범위와 인간 정책결정자의 책임 분배를 명확히 하는 법제화가 필수적이다. 이는 자율성 수준 3 이상에서 특히 중요하며, 전략적 판단 단계에서는 최종 승인 권한이 반드시 인간에게 있어야 한다. 둘째, AGI의 정책 제안과 분석 결과에 대해 시민사회가 검토 가능한 설명가능성(explainability) 체계가 확보되어야 하며, 이는 단순한 기술적 해석이 아닌 사회적 정당화 가능성까지 포괄해야 한다. 셋째, 기술과 정치의 경계를 조율하기 위한 윤리 위원회, 혹은 공공-학계-시민사회가 참여하는 ‘AGI-정책 감독 기구’의 제도화가 필요하다.

결론적으로 AGI는 기후정책의 실행성과 정합성을 극대화할 수 있는 기술적 수단인 동시에 민주주의 근간인 참여성과 책임성을 위협할 수 있는 제도적 긴장을 동반한다. 따라서 AGI의 자율성에 따른 정책 개입은 기술적 가능성에 대한 단순 수용을 넘어서 민주적 원칙과 이론적 통찰, 제도 설계가 교차하는 맥락에서 통합적으로 검토되어야 한다. AGI 수준별 기후정책 단계 활용은 다음 <그림 1>과 같이 정리할 수 있다.

<그림 1> 
AGI 수준별 기후정책 적용 가능성, 정책적 함의 및 사례 분석

AGI는 대규모 연산과 통합 분석 능력을 바탕으로 기후정책의 정합성과 예측 가능성을 제고할 수 있는 기술적 잠재력을 지닌다. 그러나 이러한 가능성은 에너지 집약성과 데이터 편향이라는 두 가지 구조적 제약에 직면해 있으며, 이는 정책결정 과정에서의 정당성과 신뢰성을 확보하는 데 본질적인 한계로 작용할 수 있다.

첫째, AGI는 고성능 연산과 방대한 양의 데이터 학습을 전제로 하는 기술로서, 단일 모델 훈련 주기에서 상당한 전력을 소모하는 특성을 지닌다. 이런 특성으로 고성능 연산을 기반으로 한 AGI 훈련 과정은 상당한 에너지 자원을 요구할 수 있으며, 이는 기후정책 기술 적용 시 에너지 소비의 정당성 문제와 접점을 형성할 수 있다. AGI는 기후시뮬레이션의 정밀도를 높이는 기술적 진전을 제공할 수 있으나, 연산 과정에서의 막대한 에너지 소모는 오히려 기후중립 원칙과 충돌할 수 있다(함유근, 2024). GIZ(2024) 또한 AGI의 에너지 소비 구조가 기술의 윤리성과 정책의 정당성에 영향을 미칠 수 있음을 경고하며, 지속가능한 AI 인프라 설계가 정책적 우선과제로 설정되어야 함을 강조하였다. 이에 따라, 알고리즘 경량화, 에너지 효율 개선, 재생에너지 기반 연산 인프라 구축 등은 단순한 기술 선택이 아니라 제도적 필수 조건으로 인식되어야 한다.

둘째, AGI는 데이터 기반의 학습 구조를 갖고 있는 만큼, 입력되는 데이터의 범위와 질에 따라 분석 결과에 편향이 발생할 가능성이 존재한다. 특히 기후 분야의 경우, 공간 해상도 불균형, 시간대 누락, 국가 간 관측 격차, 산업별 정보 비대칭 등의 문제가 복합적으로 작용하며, 정책 판단의 왜곡 가능성을 내포하고 있다. Kadow et al.(2020)은 기존 기후 데이터는 공간적 해상도, 시간 간격, 지역 간 관측 격차 등의 제한을 포함하고 있으며, 이는 AI 기반 모델 훈련의 정확성에 영향을 미칠 수 있다고 지적하였다. 이러한 구조적 편향은 특히 개발도상국 및 기후 취약 지역의 리스크가 과소평가될 수 있는 가능성을 실증적으로 제기하였다. 이러한 데이터 편향성은 기후정책의 공간적 정의(spatial justice)와 수혜자 간 형평성 확보라는 측면에서 정책의 정당성을 구조적으로 제약한다.

이와 같은 기술적 제약은 단순한 기술적 문제로 축소될 수 없으며, AGI 기반 정책 결정 구조의 제도적 정합성과 민주적 정당성 확보를 위한 핵심 쟁점으로 작용한다. 특히 AGI의 정책적 활용은 기술적 효율성에 기반한 일방적 접근이 아니라, 정의로운 전환(just transition)의 원칙에 기초하여 설계되어야 한다. 정의로운 전환(just transition)이란, 기후정책이나 기술 전환의 과정에서 사회적･경제적 불평등이 심화되지 않도록 취약계층과 지역사회가 공정하게 전환의 과정과 혜택에 참여하고 보호받을 수 있도록 보장하는 정책적 원칙을 의미한다(ILO, 2015). 이러한 원칙은 시민사회 참여 기반의 데이터 생산, 국제적인 기후 데이터 표준화, 지역 간 정보 접근성 격차 해소를 위한 제도적 보완과 병행될 때 정책의 수용성과 지속가능성을 함께 확보할 수 있다. 따라서 AGI 기반 기후정책의 제도화는 기술의 발전 속도에 대응하는 실질적 정당성 확보 전략과 긴밀히 연계되어야 하며, 기술 구조와 제도 설계 간의 이중 조정 메커니즘이 필수적으로 구축되어야 한다.

AGI가 기후정책결정 전 과정에 걸쳐 개입함에 따라, 기존의 민주주의 원칙과 정책윤리 체계는 구조적으로 새로운 도전에 직면하고 있다. 특히 책임성, 설명가능성, 가치정렬이라는 핵심 규범은 기술 기반 정책 구조와 충돌할 수 있으며, 이는 제도적 정당성의 근본적 재구성을 요구한다.

우선, AGI 기반 정책 구조는 책임소재의 분명한 귀속을 어렵게 만든다. 전통적인 정책결정에서는 정치인이나 행정관료가 명확한 책임 주체로 기능하였으나, AGI가 정책 판단의 기반으로 작동할 경우, 그 결과에 대한 법적, 윤리적 책임을 인간 결정자가 명시적으로 감당하지 않을 가능성이 제기된다. Zhao et al.(2023)은 AGI가 의료 영상 분석에서 예측 가능성과 정확성을 향상시키는 도구로 활용될 수 있음을 시사하였다. 그러나 공공정책 결정 맥락에서는 AGI가 산출한 결과에 대해 정책적 책임 소재가 불명확해질 수 있다는 우려가 제기된다.

AGI가 기술적으로 정합성을 확보하였다고 하더라도, 그 판단의 내적 과정이 시민사회와 정책결정자에게 충분시 설명되지 않는다면, 이는 곧 ‘설명 불가능한 정당화(unexplainable legitimacy)’의 논란을 초래할 수 있다. 이러한 맥락에서 GIZ(2024)는 알고리즘 판단 구조의 투명성과 설명가능성 확보가 정책 수용성과 제도적 신뢰 회복의 선결 조건임을 강조하였다.

또한 AGI는 수학적 최적화와 통계적 예측을 통해 정책 대안을 구성하지만, 기후정책은 본질적으로 세대 간 정의, 생태계 보전, 지역 형평성과 같은 가치 판단을 필연적으로 수반한다. 이는 기술적 합리성과 정치적 정당성 사이의 간극을 형성하며, AGI가 산출한 정책 대안이 사회적 가치와 충돌할 가능성을 내포한다. Boltuc(2020)은 AGI가 인간과 유사한 자율성과 의미 있는 존재 방식을 가지기 위해서는 ‘epistemic subjectivity’를 전제해야 한다고 주장하였다. 이러한 입장은 AGI의 판단이 단순한 기계적 계산을 넘어서, 인간 주체성에 상응하는 인식 기반을 갖추어야 함을 의미하며, 이는 장기적으로 기술 설계와 윤리적 판단 구조의 정합성 확보라는 함의를 내포한다.

결론적으로 AGI 기반 기후정책 구조는 실효성과 효율성을 제고할 수 있는 기술적 잠재력을 보유하고 있지만, 동시에 정책결정의 민주적 정당성과 윤리적 책임 체계를 위협할 수 있는 제도적 리스크 또한 내포하고 있다. 따라서 AGI의 정책 개입은 단지 기술적 유용성에 근거해서는 안 되며, 설명 가능성, 책임성, 가치정렬 등 규범적 기준에 기반한 다층적 제도 설계가 병행되어야 한다. 이는 AGI의 정책 적용이 민주주의 원칙과 조화를 이루기 위한 최소한의 조건이다.

기존 ANI 기반의 정책 분석 도구는 기후정책의 각 단계에서 일정 수준의 정형 정보 처리 능력을 발휘해 왔다. 예를 들어, 에너지 수요 예측, 탄소 배출량 산출, 예산 지출 흐름의 시각화 등에 있어 ANI는 단순 반복 작업과 정형화된 입력에 대한 신속한 처리에서 성과를 보여왔다. 그러나 이러한 체계는 기후위기의 비선형성과 다부처 협업이 요구되는 정책 환경에 충분시 대응하지 못하는 구조적 한계를 내포하고 있다.

우선 정책 순환 과정에서 실행 단계 이후 발생하는 환류(feedback)의 연결이 ANI 체계에서는 효과적으로 구현되지 않는다. ANI는 선형적 구조에 기반하여 동적인 사회 반응이나 이해관계자의 수용성 변화 등 비정형적 요소를 통합하는 데 한계가 있다. 또한 변수 간의 맥락적 상호작용에 대한 분석 역량도 결여되어 있어, 제도 간 경합 상황이나 정책 간 충돌을 실시간으로 조정할 수 있는 기능을 수행하지 못한다. Cichocki and Kuleshov(2021)는 AGI 시스템의 정보처리 능력과 복잡한 변수 간 상호작용 분석 역량이 기존 AI 체계보다 확장되어야 함을 강조하였으며, 이는 기후정책과 같은 복합 정책환경에서 정형화된 모델의 한계를 극복하기 위한 기술적 기반으로 해석될 수 있다.

아울러, ANI 기반 분석 체계는 정책의 사회적 정당성을 구성하는 참여적 요소를 반영하는 데 미흡하다. 수치 중심의 평가 지표에 집중하는 기존 시스템은 시민 참여, 사회적 의견, 지역 균형 등의 요소를 계량화하거나 의사결정 과정에 반영하지 못함으로써, 기후정책이 요구하는 민주적 정당성의 기준을 충족시키지 못한다.

반면, AGI는 ANI의 기능적 한계를 넘어서는 수준의 분석력과 자율성을 갖추고 있다. 정책 간 상호작용, 다기관 협업 구조, 비정형 데이터 해석 등 고차원적 판단이 요구되는 환경에서 AGI는 다층적 정보 통합과 맥락 기반 판단이 가능하다는 점에서 기술적으로 우월한 특성을 지닌다. 그러나 이러한 기술적 능력이 실질적인 정책결정 체계에 편입되기 위해서는 제도적 기반이 병행되어야 한다.

AGI 기반 정책결정의 제도화를 위해 요구되는 조건은 다음과 같이 정리될 수 있다. 첫째, AGI가 생성한 판단 결과와 정책 권고안은 공공성 확보를 위한 다기관 검증 체계를 거쳐야 하며, 이에 대한 책임 주체의 명확한 설정이 필요하다. 둘째, AGI의 판단 기준과 가치 전제는 민주적 원칙에 부합하도록 사전에 조율되어야 하며, 기술 시스템과 인간 정책결정자 간의 역할 구분과 책임 배분이 제도화되어야 한다.

이상의 논의는 AGI 기반 기후정책결정 체계가 단순한 기술 도입 차원을 넘어, 정책제도의 전환을 요구하는 복합적 과제임을 보여준다. 본 장은 이러한 관점에서 ANI 체계의 한계와 AGI 체계의 제도적 수용 조건을 비교 분석함으로써, AGI가 실질적으로 기후정책에 기여하기 위한 전제 조건을 제시하였다. 이어지는 제5장에서는 이러한 분석 결과를 바탕으로 AGI 기반 기후거버넌스 모델의 이론적 구조를 구체화하고자 한다.

기후정책은 본질적으로 민주주의적 정당성과 사회적 책임을 기반으로 형성･채택되어야 한다. 그러나 AGI가 정책결정 전 과정에 실질적으로 개입하게 될 경우, 기술적 자율성과 민주적 정당성 사이의 제도적 긴장이 불가피하게 발생한다. AGI가 단순한 예측 보조 수단을 넘어, 정책 판단 구조에 실질적으로 영향력을 행사할 수 있다는 사실은 앞 장에서도 확인되었다. 이러한 맥락에서 AGI의 기술적 자율성은 정책결정 구조의 책임성, 설명가능성, 정당성과 충돌할 수 있는 구조를 형성한다.

AGI의 자율성은 ANI 체계와의 본질적 차별성을 구성한다. ANI는 주어진 규칙과 정형 입력에 기반한 제한적 분석 기능만을 수행하지만, AGI는 고차원적 판단, 비정형 데이터 통합, 정책 시뮬레이션 등을 수행할 수 있다(Rolnick et al. 2019). 그러나 이러한 기술적 진보는 오히려 인간 정책결정자의 판단권을 잠식하고, 민주적 통제구조의 외부화라는 문제를 야기할 수 있다. 즉 기술적 효율성과 제도적 정당성은 조화를 위한 제도적 매개 없이 병치될 수 없다. 이러한 긴장을 조정하기 위해 본 연구는 AGI-A-G(AGI-Actor-Governance) 삼각모형을 제안한다. 이 모형은 AGI(기술 시스템), Actor(인간 정책결정자), Governance(제도 구조) 간의 상호작용을 구조화함으로써 정책결정 과정에서의 책임성, 투명성, 정당성을 보완할 수 있는 체계적 장치를 마련하는 것을 목표로 한다. AGI는 고차원적 분석 및 예측을 담당하고, 인간 정책결정자는 윤리적 판단과 정치적 책임을 수행하며, 제도적 거버넌스는 법적 통제와 사회적 정당화를 위한 절차적 구조를 보장하는 역할을 담당한다. 이와 같은 삼각구조는 AGI의 정책적 효용성을 최대화하면서도 민주주의 원칙과 충돌하지 않도록 하는 제도적 완충지대를 마련할 수 있다.

결론적으로 AGI의 정책결정 참여는 기술적 진보만으로는 정당화될 수 없으며, 정치적 책임성과 민주적 정당성이라는 규범적 기준을 충족하는 제도적 설계가 병행되어야 한다. 이를 위해 AGI의 기능은 ‘보조적 도구’로서의 역할에 머무는 것이 아니라, 사회적 판단과 절차적 정당성이 결합된 ‘정책 협력자’로 전환될 수 있는 제도화 전략이 요구된다.

AGI의 제도화는 단순한 기술 도입을 넘어, 정책결정 과정 전반에서 절차적 정당성과 사회적 수용성을 확보하는 제도적 장치구축을 필요로 한다. 이를 위해 본 연구는 Lasswell(1956)의 정책과정 모형과 Jann & Wegrich(2007)가 제시한 정책순환이론을 분석의 틀로 활용하여 AGI 도입에 따른 각 단계별 제도화 전략을 다음과 같이 정리하였다.

먼저 문제 인식 단계에서는 AGI가 활용하는 기후 데이터의 신뢰성과 형평성을 담보하기 위한 국제적 표준화 체계 확립이 전제되어야 한다. AGI는 위성영상, 시민제보, 산업 보고서, 감성 기반 SNS 데이터 등 이질적인 출처의 비정형 데이터를 결합하는 특성이 있으므로, 데이터 해상도, 측정 단위 메타데이터 구성 방식의 일관성 결여는 분석의 왜곡을 유발할 수 있다. 이에 따라 IPCC 등 국제기구를 중심으로 한 기후 AI 데이터 국제표준협약 체결이 요구되며, 이는 기존 GRI(Global Reporting Initiative), TCFD(Task Force on Climate-related Financial Disclosures) 등의 ESG 정보 공개 기준과도 연계될 수 있다.

정책 형성과 채택 단계에서는 AGI가 제시한 정책 대안의 사회적 수용성과 실행 가능성을 사전 검토하기 위해 시나리오 기반 영향평가 체계 구축이 핵심 과제로 부상한다. 이러한 맥락에서 AGI 예측 모델이 산출한 정책효과를 이해관계자별로 재구성하고, 각 정책안이 산업계, 지방정부, 시민사회에 미치는 영향을 사회적 영향평가(SIA) 방식으로 비교 분석하는 절차가 병행되어야 한다. GIZ(2024)는 AGI 기반 정책결정 시스템이 사회적 정당성을 확보하기 위해서는 시민사회의 평가 참여와 영향 분석 메커니즘 강화가 필요하다고 강조하였다. 다만, 이는 공식 규범으로 제도화되기보다는 정책 설계 단계에서 권고되는 실천적 지침의 수준에서 제시되고 있다.

정책 실행과 평가 단계에서는 AGI가 실시간으로 정책 이행 현황을 모니터링하고, 감축 실적, 민간 참여율, 이행 오차 등의 데이터를 통합 분석하여 자동 환류(feedback) 메커니즘을 작동시킬 수 있어야 한다. 이와 같은 구조를 운영하기 위해 정부 부처, 국책연구기관, 민간 데이터 플랫폼이 연계된 실시간 정책 시뮬레이션 거버넌스 구축이 필요하며, 특히 AGI의 분석 결과가 인간 결정자의 책임을 대체하지 않도록 설명가능성 기반 책임제도(accountability for explainability)의 제도화가 선결 과제로 지적된다.

마지막으로 AGI가 산출하는 정책 판단이 기술적 효율성만을 기준으로 작동할 경우 사회적 가치 충돌이 발생할 수 있으므로 가치정렬형 알고리즘(value-aligned algorithm)과 사회 민감성 감지 모듈(social sensitivity module)의 병행 개발이 요구된다. 이와 관련해, Boltuc(2020)은 AGI의 정책적 판단이 정당성을 갖기 위해서는 윤리적 기준과 사회적 맥락을 구조적으로 내포해야 한다고 지적한다. 이러한 관점은 AGI가 세대 간 정의, 생태계 보전, 지역 형평성과 같은 기후정책의 핵심 가치들을 판단 기준으로 내재화하는 방식으로 설계되어야 함을 시사하며, 이는 기술 시스템이 단순한 실행 도구를 넘어 책임 주체로 기능하기 위한 전제 조건으로 작용한다.

결론적으로 AGI 기반 기후정책의 실효성과 정당성은 기술적 우월성의 문제를 넘어, 그것이 어떤 제도적 맥락에서 작동하며, 어떠한 윤리적 판단 구조와 연결되는지를 결정하는 제도화 전략에 의해 좌우된다. 본 절은 정책순환 각 단계별로 제도 설계의 방향성과 기준을 제시함으로써, 민주주의 체계 내에서 AGI가 기능하기 위한 이론적 조건을 구성하였다.