이득:
- 물리적(급성/만성) 위험과 전환 위험을 구별하고 여러 온난화 시나리오에서 가치 사슬과 함께 기관을 평가하는 능력
- 시설 위치를 기후 위험 데이터와 일치시키고 인공 지능이 정확한 확률/량을 일치시키지 않고도 정성적 위험 수준을 생성하는 기능
- 기후 시나리오의 불확실성을 솔직하게 보고하고 기후 세척의 위험을 피할 수 있는 능력
기후 변화는 단순한 환경 문제가 아니라 재정적, 운영적 위험입니다. 홍수는 공장을 폐쇄할 수 있고, 탄소세는 비즈니스 모델을 무너뜨릴 수 있으며, 가뭄은 공급망을 끊을 수 있습니다. 이제 기관은 이러한 위험을 측정하고 시나리오로 테스트한 후 보고해야 합니다. 이 단원에서는 기후 위험의 두 가지 주요 유형, 시나리오 분석, 이 불확실한 미래를 모델링하는 데 있어 AI의 역할과 한계에 대해 알아봅니다.
먼저 프레임. TCFD(기후 관련 금융 공개 태스크포스)는 기후 위험이 공개되는 방법을 정의하는 세계 표준 프레임워크입니다. 거버넌스, 전략, 위험 관리, 측정 목표라는 네 가지 기둥이 있습니다. (TCFD 권장 사항은 이제 대부분 ISSB 표준으로 이전되었지만 그 개념은 여전히 기본입니다.)
두 가지 유형의 기후 위험
물리적 위험: 기후의 물리적 영향으로 인해 발생하는 위험입니다. 이는 급성(급성 – 홍수, 폭풍, 폭염과 같은 갑작스러운 사건)과 만성(만성 – 해수면 상승, 평균 기온 상승, 가뭄과 같은 느리고 영구적인 변화)으로 구분됩니다.
전환 위험: 저탄소 경제로의 전환으로 인해 발생하는 위험입니다. 예: 탄소 가격/세, 규제 변화, 기술 전환(예: 내연 기관의 종말), 소비자 선호도 변화, “좌초 자산” 위험(예: 석탄 발전소가 노후화됨).
팁: 물리적 위험과 전환 위험은 종종 반대 방향으로 이동합니다. 세계가 신속한 완화를 실시하면 전환 위험이 증가하고(갑자기 입법) 물리적 위험이 감소합니다. 그가 천천히 행동하면 그 반대의 일이 일어납니다. 그렇기 때문에 단일 "미래"가 아닌 여러 시나리오가 테스트됩니다.
시나리오 분석: 다양한 미래
기후 위험의 미래는 예측할 수 없으므로 시나리오 분석이 사용됩니다. 즉, 다양한 온난화 경로(예: 1.5°C, 2°C, 3°C+)에서 그을음이 어떻게 영향을 받는지 테스트하는 것입니다. 과학적 시나리오의 경우 IPCC의 SSP(Shared Socioeconomic Pathways)와 IEA의 에너지 시나리오를 참고로 삼았습니다. 목표는 미래를 "예측"하는 것이 아니라 회복력을 테스트하는 것입니다. "우리는 어떤 미래를 깨뜨릴 것인가?"
AI가 여기에 있습니다. 시나리오 가정을 구성하고, 다양한 기후 데이터 세트를 처리하고, 시설 위치를 물리적 위험 지도와 일치시키고, 위험 스크립트 초안을 작성하는 데 강력합니다. 그러나 시나리오 선택, 가정 현실성 및 전략적 해석은 전문가의 몫입니다.
단계별: 기후 위험 평가
1. 자산과 가치 사슬을 매핑합니다. 어느 시설이 어디에 있고, 어느 공급업체가 어느 지역에 있습니까?
2. 위험에 대한 노출을 결정합니다. 각 위치는 어떤 물리적 위험(홍수, 가뭄)에 취약합니까?
3. 전환 요인을 나열하십시오. 탄소 가격, 입법, 기술, 시장.
4. 시나리오를 선택하세요. 최소한 하나의 낮은(1.5-2°C) 온난화 시나리오와 하나의 높은(3°C+) 온난화 시나리오.
5. 영향을 정량화하십시오. 각 시나리오의 잠재적인 재무/운영 영향(범위 내).
6. 내구성을 평가하고 보고합니다. 약점, 적응 조치, 불확실성.
세 개의 미니 케이스
사례 1 - 단일 시나리오 트랩. 한 회사는 AI에게 “우리의 기후 위험을 계산하라”고 지시했고 AI는 단일 미래에 대한 숫자를 얻었습니다. 컨설턴트는 이것이 오해의 소지가 있다고 설명했습니다. 낮은 온난화 시나리오에서는 탄소세(전환 위험)가 무겁고, 높은 온난화 시나리오에서는 홍수(물리적 위험)가 무겁습니다. 두 가지 시나리오를 별도로 실행했을 때 회사가 어떤 미래에 취약한지 분명해졌습니다. 홀수는 잘못된 자신감을 주었다.
사례 2 — 가상의 가능성. 한 분석가가 YZ에 시설의 "2050년 홍수 위험 비율은 얼마입니까?"라고 물었습니다. 그는 물었다; AI는 정확한 비율을 알려줬다. 전문가는 이 수치가 어떤 모델을 기반으로 한 것이 아니라 AI가 “합리적으로 보이는” 수치를 산출했다고 지적했다. 실제 평가에서는 위치를 기후 위험 지도 및 수문학 모델과 일치시키는 것이 필요했습니다. 보고서에서 조작 가능성이 제거되었습니다.
사례 3 - 위치 일치. 한 그룹은 60개 시설의 물리적 기후 위험을 평가합니다. 그들은 AI가 기후 위험 데이터 세트를 공개하기 위해 시설 좌표를 일치시키는 Python 워크플로를 작성하도록 했습니다. 이 코드는 홍수와 폭염에 많이 노출된 시설 9곳을 표시했습니다. 팀은 이들 9개 시설에 대한 심층 분석에 집중했습니다. AI 스캔; 전문가가 최종 위험 결정을 내렸습니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
우리 회사의 기후 위험을 평가합니다.
약한 이유: 자산, 위치, 시나리오, 위험 유형이 없습니다. AI는 일반 스크립트 또는 구성된 "위험 점수"를 생성합니다.
강력한 프롬프트:
귀하의 역할: 기후 위험 자문가. TCFD 프레임워크를 사용하여 다음 시설 목록(위치, 부문)에 대한 물리적(급성/만성) 및 이동 위험을 모두 평가합니다. 1.5°C와 3°C의 두 가지 시나리오를 사용합니다. 확실히 가능성이 있다고 하더라도 그것은 가짜입니다. 정성적 수준(낮음/중간/높음)을 지정하고 "어떤 데이터를 정량화해야 하는지"라는 메모를 추가합니다. 결과는 위험 유형 × 시나리오 표입니다. 시설: [목록]
복사 가능한 템플릿 4개
1) 위험 유형 × 시나리오 매트릭스:
귀하의 역할: 기후 위험 전문가. 두 가지 시나리오(낮은/높은 온난화)에서 기관에 대한 다음과 같은 물리적(급성/만성) 및 전환 위험을 평가합니다. 각 셀에 정성적 수준과 간략한 근거를 제시하세요. 정확한 숫자를 만들지 마십시오. 정량화에 필요한 데이터를 지정합니다. 기관정보 : [여기]
2) 위치-위험 매칭(코드별):
다음 시설 좌표를 공개 기후 위험 데이터세트(예: 홍수, 폭염)에 매핑하는 Python 워크플로 프레임워크를 작성하세요. 노출이 많은 시설에 플래그를 지정합니다. 데이터 소스를 지정하십시오. 점수에 맞지 않으면 "데이터 세트에 대해 유효성을 검사해야 합니다"라는 메모를 넣으세요. 시설: [여기]
3) 전환 위험 인자 선별:
탄소 가격, 규제, 기술 전환, 시장/소비자, 매몰 자산, 평판 등 비즈니스 모델에 대한 전환 위험을 나열하십시오. 각각에 대해 노출과 가능한 시간 범위(단기/중간/장기)를 지정합니다. 정확한 금액을 피팅합니다. 비즈니스 모델: [여기]
4) 초안 복원력 및 적응 조치:
다음과 같이 확인된 기후 위험에 대해 가능한 적응/복원력 조치를 제안합니다. 각 조치에 대해 어떤 위험을 줄이는지, 어떤 시나리오에서 작동하는지, 대략적인 노력 수준을 나타냅니다. "위험을 제로화한다"라는 과장된 표현을 사용하지 마십시오. 위험: [여기]
일반적인 실수
- 단일 시나리오로 평가합니다. 최소한 하나의 낮은 온난화 시나리오와 높은 온난화 시나리오가 필요합니다.
- 물리적 위험과 전환 위험이 혼합되어 있습니다. 이 둘은 별도로 분석되며 반대 방향일 수 있습니다.
- AI를 정확한 확률/양에 맞게 만듭니다. 정량화에는 실제 모델과 데이터가 필요합니다.
- 가치 사슬을 우회합니다. 위험은 종종 공급업체와 고객에게 있습니다.
- 불확실성을 숨깁니다. 기후 시나리오는 본질적으로 불확실합니다. 이것을 보고하세요.
주의: 기후 위험 공개는 투자자 결정에 영향을 미치며 허위/과대 공개는 그린워싱(greenwashing)의 재정적 버전, 즉 "기후 세척"입니다. 위험을 과소평가하거나 AI가 생성한 잘못된 확실성을 제시하면 법적 책임이 발생합니다.
요약하면
기후 위험; 여러 시나리오에서 가치 사슬과 함께 물리적(급성/만성) 및 전환 위험을 평가해야 합니다. 일체 포함; 이는 위치 위험 매칭, 요인 선별 및 제도를 위한 강력한 가속기입니다. 그러나 시나리오 선택, 실제 모델을 기반으로 한 정량화, 불확실성에 대한 정직한 보고 및 전략적 해석은 전문가의 몫입니다. 목표는 미래를 아는 것이 아니라 인내력을 시험하는 것입니다.
응용과제
기관의 시설 3~4개를 위치와 함께 나열하고 업종을 표시하세요. 1. 두 가지 시나리오에서 물리적 및 전환 위험을 평가하도록 AI에 지시하는 템플릿을 사용하여 매트릭스를 만듭니다. AI가 정확한 확률을 제시하는 것이 아니라 정성적인 수준을 제시하고 있는지 확인합니다. 그런 다음 템플릿 3을 사용하여 비즈니스 모델의 전환 위험을 스캔하고 가장 짧은 기간으로 세 가지 위험을 표시합니다.
체크리스트
- [ ] 나는 신체적(급성/만성) 위험과 전환 위험을 별도로 평가했습니다.
- [ ] 저는 난방이 낮은 시나리오와 높은 난방 시나리오를 하나 이상 사용했습니다.
- [ ] 분석에는 가치사슬(공급업체/고객)을 포함시켰습니다.
- [ ] AI를 정확한 확률/량에 맞추지 못했습니다. 정량화를 위해 데이터를 지정했습니다.
- [ ] 불확실성을 명확하게 보고했습니다.
- [ ] 나는 설명을 기후에 영향을 미칠 위험을 감수했습니다(확실히 경미하거나 가짜도 아님).