A product-level Trade-LCA framework for embodied carbon accounting in global trade

제품이 국경을 넘을 때마다 그 안에는 숨겨진 무게가 실립니다. 이것은 화물의 물리적 무게가 아니라, 원자재가 지구에서 채굴되는 순간부터 제품이 공장 문을 나설 때까지 해당 품목을 만드는 과정에서 배출되는 총 온실가스 양을 의미합니다. 과학자들은 이를 "내재 탄소(embodied carbon)"라고 부릅니다. 수십 년 동안 정부들은 자국 국경 내에서 발생하는 탄소 배출량을 집계함으로써 탄소 배출을 추적해 왔는데, 이 방식은 지역 오염을 파악하는 데는 효과적이지만 글로벌 무역의 전체 모습을 포착하는 데는 실패합니다. 한 국가가 자동차를 수입할 때, 그 국가는 자동차를 제조하는 과정에서의 배출을 피하게 되지만, 그 배출은 여전히 다른 어딘가에서 발생했습니다. 반대로, 어떤 국가가 제품을 수출할 때, 그 국가는 그 제품을 사용하는 곳이 어디든 관계없이 그 제품을 만드는 데 사용된 탄소에 대한 책임을 지게 됩니다. 배출이 발생하는 지점과 제품을 최종적으로 소비하는 주체 사이의 이러한 격차는 매우 크며, 주요 경제국들의 탄소 발자국 중 4분의 1 이상을 차지합니다. 세계가 수입품에 대한 탄소세를 포함한 정책들로 나아감에 따라, 관리자들은 단순히 광범위한 산업 범주가 아니라 특정 제품 안에 얼마나 많은 탄소가 숨겨져 있는지 정확히 알 필요가 있습니다.

오랫동안 이 질문에 답하기 위해 사용할 수 있었던 최선의 도구들은 세상을 흐릿한 렌즈로 보는 것과 같았습니다. 지배적인 방법인 투입-산출 분석(input-output analysis)은 수천 개의 서로 다른 제품을 "기계류"나 "화학 제품"과 같은 광범위한 부문으로 그룹화합니다. 그런 다음 그 그룹에 속한 모든 품목에 단일한 평균 탄소 값을 할당합니다. 이 접근 방식은 경제 전체의 큰 그림을 보는 데는 유용하지만, 동일한 라벨 아래에 있더라도 매우 효율적인 저탄소 기계와 낭비가 심한 고탄소 기계를 구별하는 데는 형편없습니다. 실제로 개별 제품의 탄소 집약도는 동일한 공장이나 산업 내에서도 때때로 10배 이상 크게 차이가 날 수 있습니다. 이러한 차이를 볼 수 있는 방법이 없다면, 정책은 깨끗한 제품에 불이익을 주는 동시에 더러운 제품은 빠져나가게 할 위험이 있습니다.

프랑스 렌 대학(University of Rennes)의 연구원 플로리안 포틴(Florian Pothin)의 새로운 연구는 제품 제조의 상세한 과학과 글로벌 무역의 거대하고 복잡한 데이터를 연결하는 가교를 구축합니다. 목표는 특정 관세 코드를 실제 공장 데이터와 연결하여, 국가 간 이동하는 개별 상품의 탄소 발자국을 추적할 수 있는 시스템을 만드는 것이었습니다. 연구자는 120개국 사이에서 29년 동안 이동한 약 2억 6천만 건의 상품 거래를 다루는 방대한 글로벌 무역 흐름 데이터셋으로 시작했습니다. 여기에 광석 채굴부터 철강 제련에 이르기까지 수천 가지의 구체적인 산업 공정의 탄소 비용 측정을 담고 있는 두 개의 주요 과학 데이터베이스로부터 얻은 상세한 전과정 데이터(life-cycle data)를 추가했습니다.

문제는 이 둘을 매칭하는 것이었습니다. 관세 기록은 기술적 코드와 짧은 설명으로 상품을 기술하는 반면, 과학 데이터베이스는 서로 다른 용어로 제조 공정을 설명합니다. 이를 해결하기 위해 연구자는 대규모 언어 모델(LLM), 즉 인공지능의 일종을 번역가 역할을 하도록 사용했습니다. 그러나 이 모델은 숫자를 만들어내거나 탄소 값을 추측해서는 안 되었습니다. 모델의 유일한 임무는 특정 무역 코드가 어떤 과학적 공정과 일치할 수 있는지를 제안하는 것이었습니다. 모든 제안은 물리적으로 타당한지 확인하기 위해 엄격한 규칙 세트를 거쳤습니다. 예를 들어, 이 시스템은 원자재가 완제품과 매칭되지 않도록 하고 단위 측정 방식이 일치하도록 보장했습니다. 이 과정은 투명하고 감사 가능하도록 설계되었으며, 이는 모든 단계가 인간에 의해 검증될 수 있음을 의미합니다.

시스템이 제대로 작동하는지 확인하기 위해, 연구자는 컴퓨터의 제안을 보지 않은 상태에서 무작위 샘样本을 검토하도록 독립적인 전문가를 초빙했습니다. 첫 번째 테스트 라운드에서 전문가는 100개의 매칭 중 17개가 잘못되었다고 밝혔습니다. 오류는 주로 미묘한 것이었는데, 예를 들어 신선한 사과를 완전히 다른 종류의 재료를 위한 화학 공정과 매칭하는 식의 오류였습니다. 연구자는 이후 규칙을 정교화하여, 원광석이 정제된 금속과 혼동되지 않도록 생산 단계를 확인하는 "사다리(ladder)"를 추가했습니다. 이러한 수정을 거친 후, 두 번째 블라인드 검토에서는 100개 중 8개의 오류만이 발견되었습니다. 이 엄격한 테스트는 컴퓨터가 데이터를 분류하는 데 도움을 줄 수는 있지만, 인간의 감독과 엄격한 규칙이 실수를 방지하는 데 필수적이라는 점을 입증했습니다.

이 수정된 시스템을 사용하여 연구는 2023년 글로벌 무역의 총 내재 탄소를 계산했습니다. 결과는 약 14,368백만 메트릭 톤의 이산화탄소 당량(CO2e)이었습니다. 이 수치는 검증되지 않은 매칭에 의존했던 이전의 추정치보다 상당히 높은데, 이는 새로운 시스템이 많은 저품질 데이터 포인트들이 수치를 낮추고 있었다는 사실을 정확히 식별했기 때문입니다. 연구는 가장 탄소 집약적인 품목이 항상 가장 비싼 것은 아니라는 점을 발견했습니다. 예를 들어, 비료는 글로벌 무역의 전체 가치에서 아주 작은 부분을 차지했지만, 탄소 배출량에서는 불균형적으로 큰 비중을 차지했습니다. 마찬가지로 철, 강철, 알루미늄과 같은 원자재는 주요 기여자였던 반면, 많은 복합 제조품은 가격표가 시사하는 것보다 낮은 탄소 발자국을 가지고 있었습니다.

가장 놀라운 발견 중 하나는 동일한 산업 부문 내에서 제품의 탄소 집약도가 얼마나 다양하게 나타나는가 하는 점이었습니다. 수정 전 데이터는 동일한 부문의 제품들이 탄소 발자국에서 35배까지 차이가 날 수 있다고 시사했습니다. 매칭 오류를 수정한 후에도 변동 폭은 여전히 컸지만, 약 13배로 더 현실적이었습니다. 이는 "기계류"와 같은 단일 카테고리 내에서도 어떤 제품은 다른 제품보다 훨씬 더 깨끗하다는 것을 의미합니다. 부문 전체에 대해 단순 평균을 사용하는 시스템은 거의 절반의 모든 무역 상품에 대해 틀릴 것이며, 그 탄소 영향을 2배 이상의 오차로 잘못 추정하게 될 것입니다. 이러한 오류는 단순한 통계적 호기심이 아닙니다. 이는 광범위한 평균에 기반한 정책이 가장 오염이 심한 제품을 효과적으로 겨냥하지 못할 수 있음을 의미합니다.

연구는 또한 서로 다른 국가들이 이 글로벌 그림에 어떻게 부합하는지도 살펴보았습니다. 일부 국가의 경우, 새로운 데이터는 이미 예상되었던 바를 확인해주었습니다. 즉, 그들은 상품을 외부에서 만들어 들여오는 순수입국이라는 점입니다. 그러나 다른 국가들의 경우, 그림이 극적으로 바뀌었습니다. 중국의 경우, 이전의 추정치는 중국이 탄소의 순수입국이라고 시사했으나, 새롭고 더 정확한 회계 방식은 중국이 실제로는 순수출국임을 보여주었습니다. 이러한 변화는 기존 데이터가 알루미늄 및 강철과 같은 중국의 주요 수출품에 매우 낮은 탄소 값을 잘못 할당했기 때문에 발생했습니다. 새로운 시스템은 이러한 가치를 수정하여, 이 수출품들이 품고 있는 탄소가 이전에 생각했던 것보다 훨씬 높다는 것을 밝혀냈습니다.

연구진은 새로운 제품 수준의 수치를 다른 주요 글로벌 탄소 계정들과 비교하였고, 배출량 기준으로 가중치를 두었을 때 기대되는 탄소 발자국의 약 90%를 포착하며 잘 일치한다는 것을 발견했습니다. 이는 새로운 방법이 신뢰할 수 있으며 체계적으로 과대 또는 과소 계상하지 않음을 시사합니다. 그러나 연구는 두 접근 방식이 갈라지는 지점도 강조했습니다. 어떤 경우에는 그 차이가 실제 생산 기술의 차이를 나타냈는데, 이는 일부 국가가 글로벌 평균보다 높은 탄소 집약도로 제품을 생산하고 있음을 보여줍니다. 또 다른 경우에는 서비스와 재수출(re-exports)이 처리되는 방식 때문에 차이가 발생했는데, 이는 제품 수준의 데이터가 여전히 발전 중인 영역입니다.

궁극적으로 이 작업은 글로벌 무역의 기후 영향을 이해하기 위한 훨씬 더 날카로운 도구를 제공합니다. 이 연구는 과거의 흐릿한 평균을 넘어 개별 상품의 구체적인 탄소 비용을 보여줍니다. 이전의 추정치 중 상당 부분이 매칭 오류에 기반했다는 것을 증명함으로써, 연구는 이전의 수치들이 오해의 소지가 있었을 수 있다고 경고합니다. 새로운 프레임워크는 이전에 불가능했던 수준의 상세함으로 제품의 탄소 함유량을 스크리닝할 수 있는 방법을 제공합니다. 이러한 정밀함은 기후 정책을 공정하고 효과적으로 설계하는 데 매우 중요하며, 탄소 감축의 부담이 광범위하고 부정확한 범주가 아닌, 올바른 제품과 올바른 공정에 지워지도록 보장합니다. 연구는 데이터가 완벽하지는 않지만, 방법론의 투명성과 정확성에 대한 엄격한 테스트가 차세대 글로벌 탄소 회계의 견고한 토대를 제공한다고 결론짓습니다.