KT, AI 빌딩 오퍼레이터 개발… 건물 에너지 소비 20% 줄였다

[모두를 위한 성장 ‘넷 포지티브’]
2부 기업, 함께하는 성장으로〈9〉에너지절약으로 탄소중립 KT

‘인공지능(AI) 빌딩 오퍼레이터’가 적용된 서울 종로구 KT광화문 이스트 사옥 지하에서 KT 직원들이 배관을 살펴보는 모습(왼쪽 사진)과 AI가 건물을 관리하는 상황을 모니터링하는 모습. 안철민 기자 acm08@donga.com

이달 9일 찾은 서울 종로구 KT광화문 이스트 사옥 지하 1층의 관제실. 전면의 대형 스크린을 통해 건물의 전력소비와 온도, 조명 관리 상황 등을 실시간으로 확인할 수 있었다. 이를 통해 지하 6층, 지상 25층 연면적 5만1170m²에 이르는 대형 건물의 출입과 보안, 냉난방 등을 종합적으로 관리한다. 가장 눈에 띄는 것은 ‘인공지능(AI) 빌딩 오퍼레이터’ 화면. KT가 국내 최초로 개발해 보급에 나서고 있는 AI 기반 친환경 건물 에너지 관리 기술이 건물의 냉난방 등을 최적화하고 있는 상황을 한눈에 볼 수 있었다.

○ AI 활용해 건물 에너지 소비 최적화

2019년을 기준으로 국내 에너지 소비의 약 20%는 건축물에서 발생한다. 신재생에너지 활용을 통해 탄소 배출을 줄이는 것 못지않게 기존 건축물의 에너지 소비를 줄이는 것이 중요한 이유다. KT는 첨단 기술을 활용한 AI 빌딩 오퍼레이터를 통해 건축물 에너지 소비를 절감하면서 모든 이해관계자의 삶을 개선하는 ‘넷 포지티브(Net Positive)’ 활동에 나서고 있다.

KT광화문 이스트 사옥의 경우 연간 7억∼8억 원의 에너지 비용을 지출한다. 이 가운데 절반가량의 에너지를 열 및 공기 환경 관리를 담당하는 냉난방 공조 설비가 소모한다. 기존에는 설비의 가동 스케줄을 운영자가 직접 건물 자동화 시스템(BAS)에 입력하는 식으로 운영해 왔다. 하지만 운영 품질이 운영자의 전문성에 의해 좌우되고 에너지 절감에도 한계가 있다는 문제가 있었다. AI가 가동 스케줄 판단을 대신하는 로보오퍼레이터 기술 등이 적용된 AI 빌딩 오퍼레이터는 건물과 설비 상태를 정확히 반영하면서 다양한 변수를 미리 예측해 최적화된 방식으로 설비와 에너지를 관리할 수 있다.

실제로 KT는 2020년 1월부터 KT광화문 이스트와 대전 세이브존 등 12개의 건물을 대상으로 실증사업을 진행해 건물을 쾌적하게 운영하면서도 10∼20%의 에너지를 절감하는 효과를 입증했다.

올해 정부로부터 녹색기술인증과 신기술인증을 획득한 KT는 친환경 건물 관리 시스템을 앞으로 국내 다양한 건축물로 확산시켜 나갈 계획이다. AI 빌딩 오퍼레이터를 적용할 수 있는 건물은 국내에서 5만 동에 이르는 것으로 파악된다. KT는 이들 건물 전체에 이 기술을 적용하면 원자력발전소 1기의 발전량에 해당하는 에너지 절감이 가능할 것으로 분석하고 있다.

KT는 냉방에 막대한 전력을 쓰는 인터넷 데이터 센터(IDC)에서도 AI가 공기, 온도, 습도를 최적화하는 ‘AI IDC 오퍼레이터’ 기술을 지난해부터 본격 활용하고 있다. KT 융합기술원 관계자는 “독일 등의 선진국에서는 구체적인 감축 목표를 기반으로 한 건물 에너지 절약을 탄소중립의 중요한 축으로 삼고 있다”며 “국내에서도 건축물, IDC 영역에서 기대되는 에너지 절감량이 상당히 크다”고 설명했다.

○ 스타트업과 상생하며 AI 개발 돕는 서비스도

KT는 클라우드 기반의 그래픽처리장치(GPU) 인프라 제공 서비스 ‘하이퍼스케일 AI 컴퓨팅(HAC)’을 통한 상생 활동에도 나서고 있다. 학교나 스타트업, 중소기업 등 신생 회사들의 GPU 인프라 투자 비용을 줄이는 데 도움을 주는 서비스다.

AI 응용 서비스를 만들기 위해서는 데이터 처리와 분석을 하는 고성능의 컴퓨터 자원이 대규모로 필요하다. 그중에서도 높은 연산능력을 가진 GPU는 필수적인 자원으로 꼽힌다. 스타트업, 중소기업 등은 GPU 인프라를 이용하기 위해 클라우드 서비스 공급자(CSP)로부터 고정할당 방식의 인프라를 빌려와야 했다. 하지만 GPU를 활용하지 않는 기간에도 이용료를 계속 지불해야 해 부담이 컸다.

KT의 HAC는 ‘사용한 만큼만 받는다’는 클라우드 서비스의 개념을 GPU에도 적용해 원하는 시점에 원하는 만큼만 자원을 할당받아 사용하고 이후에 반납하는 식의 서비스를 운영 중이다. 해당 시스템을 이용 중인 AI 개발사 커먼컴퓨터 관계자는 “스타트업에서는 AI 학습 시 대규모 GPU를 구성하기 쉽지 않은데 HAC를 통해 클러스터링된 GPU를 클라우드상에서 손쉽게 쓸 수 있을 뿐만 아니라 종량제 모델을 통해 실제 운영에 있어서 비용이 줄어들었다”고 밝혔다.