거창한 AI보다 작은 항로 조정이 먼저 돈이 된다

AI를 이야기할 때 우리는 자꾸 거대한 장면을 떠올립니다. 사람이 하던 일을 대체하는 AI, 회사를 통째로 바꾸는 AI, 산업의 판을 다시 짜는 AI. 물론 그런 변화도 올 것입니다. 하지만 기업이 실제로 돈을 버는 AI는 훨씬 조용한 곳에서 먼저 시작될 수 있습니다.

예를 들어 비행기가 지나간 뒤 하늘에 생기는 하얀 선, 비행운입니다.

구글 리서치는 2023년 8월, 아메리칸항공, 브레이크스루 에너지와 함께 AI를 활용해 비행운을 줄이는 실험을 진행했다고 밝혔습니다. 위성 이미지, 날씨 데이터, 비행경로 데이터를 결합해 비행운이 생길 가능성이 높은 구역을 예측하고, 아메리칸항공 조종사들이 일부 시험비행에서 작은 항로·고도 조정을 수행했습니다. 구글은 6개월 동안 70회 시험비행을 진행했고, 위성 분석 기준 비행운이 54% 줄었다고 설명했습니다.

이후 2024년 12월 학술지 커뮤니케이션즈 엔지니어링에 실린 논문은 이 실험을 더 엄밀하게 다뤘습니다. 논문은 아메리칸항공의 2023년 1~6월 시험비행 중 44편을 분석했고, 항로를 조정한 실험군 22편과 그대로 운항한 대조군 22편을 비교했습니다. 결과적으로 실험군에서 위성으로 관측 가능한 비행운은 63.6% 적었고, 비행거리 기준 비행운은 54.4% 감소했습니다. 회피 비행은 평균 2%의 추가 연료를 썼습니다.

이 이야기가 흥미로운 이유는 AI가 비행기를 조종해서가 아닙니다. AI가 조종사에게 “이번 비행에서 살짝 다르게 선택할 지점”을 알려줬기 때문입니다. AI의 상업적 힘은 거대한 자동화보다, 소수의 고영향 의사결정을 정확히 찾아내는 데서 먼저 나옵니다.

AI가 바꾼 것은 비행기가 아니라 선택지다

비행운은 단순한 하늘의 흔적이 아닙니다. 특정 대기 조건에서 생긴 비행운은 오래 남아 지구복사열을 가두며 기후 영향을 만들 수 있습니다. 모든 비행운이 같은 영향을 주는 것도 아닙니다. 일부 비행편, 일부 고도, 일부 시간대가 훨씬 큰 영향을 만듭니다.

바로 여기에 AI가 들어갈 자리가 생깁니다. 모든 비행을 바꾸는 것이 아니라, 바꿀 가치가 큰 비행을 골라내는 일입니다. 구글과 아메리칸항공의 실험도 이 방향이었습니다. AI 기반 비행운 예측 지도를 만들고, 조종사와 운항팀이 해당 정보를 참고해 작은 항로 조정을 수행했습니다.

여기서 중요한 것은 “AI가 인간을 대체했다”가 아닙니다. AI는 하늘의 특정 조건을 예측했고, 인간은 안전과 운항 조건 안에서 결정을 내렸습니다. AI는 최종 조종사가 아니라 의사결정 레이어였습니다.

경영자는 이 차이를 봐야 합니다. 기업에서 AI가 먼저 돈이 되는 곳은 사람을 통째로 대체하는 자리가 아닐 수 있습니다. 이미 있는 업무 흐름 위에 올라가, 사람이 놓치기 쉬운 고영향 선택지를 보여주는 자리일 수 있습니다.

소수의 고영향 케이스를 찾는 능력

비행운 회피가 매력적인 이유는 문제의 구조가 비대칭적이기 때문입니다. 모든 항공편이 같은 기후 영향을 만드는 것이 아니라, 일부 항공편이 큰 영향을 만듭니다.

Contrails.org는 비행운이 전 세계 온난화의 1~2%를 유발할 수 있고, 약 5%의 항공편 조정으로 비행운 온난화의 최대 80%를 피할 수 있다고 설명합니다. RMI와 브레이크스루 에너지가 구성한 비행운 영향 태스크포스 자료도 10% 미만의 항공편이 비행운 온난화의 80%를 만들 수 있다는 연구 흐름을 정리했습니다. Teoh 등의 2020년 환경과학기술 논문은 일본 영공 시뮬레이션에서 2.2% 항공편이 비행운 에너지 강제력의 80%에 기여했고, 선택적으로 1.7% 항공편만 우회하면 해당 영향을 최대 59.3% 줄일 수 있다고 분석했습니다.

이 숫자들은 모두 맥락과 모델 가정이 필요합니다. 현실 운항, 관제, 안전, 연료비, 항공사 스케줄에 따라 결과는 달라질 수 있습니다. 그러나 경영적으로 중요한 구조는 분명합니다. 모든 것을 바꾸지 않아도 됩니다. 영향을 크게 만드는 소수의 케이스를 찾아내면 됩니다.

많은 기업 문제도 이와 닮았습니다. 모든 고객이 같은 수익성을 만들지 않습니다. 모든 공정이 같은 품질 리스크를 만들지 않습니다. 모든 배송 경로가 같은 비용을 만들지 않습니다. 모든 CS 문의가 같은 이탈 위험을 만들지 않습니다. AI가 먼저 돈이 되는 곳은 전체를 자동화하는 자리가 아니라, 이 고영향 소수를 찾아내는 자리입니다.

작은 조정은 왜 빠른가

기후 문제를 해결하는 항공 기술은 많습니다. 지속가능항공유, 신형 엔진, 전기·수소 항공기, 운항 효율화, 탄소 제거. 하지만 이들 중 상당수는 큰 설비 투자, 공급망 구축, 인증, 장기 교체 주기가 필요합니다.

비행운 회피는 다른 성격의 해결책입니다. 기존 항공기와 기존 운항망 위에 예측 기능을 얹습니다. 날씨 예보, 위성 검증, 비행계획 소프트웨어, 조종사·관제 협업, 운항 의사결정 화면이 핵심입니다. 기술은 거대하지만 실행 단위는 작습니다.

구글은 실험에서 회피 비행이 평균 2%의 추가 연료를 썼지만, 전체 항공사 단위로는 영향이 0.3% 수준일 수 있다고 추정했습니다. 이 수치는 아직 보수적으로 봐야 합니다. 구글 자체 발표이고, 실험은 작은 규모의 초기 검증에 가깝습니다. 아메리칸항공도 추가 연구와 확장 검증이 필요하다고 밝혔습니다.

그럼에도 이 모델이 흥미로운 이유는 빠른 실험이 가능하다는 점입니다. 신형 항공기를 기다리지 않아도 됩니다. 기존 운항 데이터를 가지고, 특정 조건에서, 제한된 항공편에 적용해보고, 위성으로 결과를 확인할 수 있습니다. AI의 강점은 바로 이런 곳에서 나옵니다. 큰 설비를 바꾸기 전에 작은 의사결정을 바꿔볼 수 있습니다.

AI의 투자수익은 자동화율이 아니라 의사결정 밀도에서 나온다

기업들이 AI를 도입할 때 흔히 묻는 질문은 “몇 명을 줄일 수 있는가”입니다. 하지만 이 질문만으로는 AI의 가치를 좁게 봅니다. 더 좋은 질문은 “어떤 반복 의사결정의 품질을 높일 수 있는가”입니다.

비행운 회피 AI는 항공사를 대신해 비행기를 운항하지 않습니다. 대신 운항팀이 기존에도 하던 판단에 새로운 예측 정보를 더합니다. 어느 고도층에서 비행운이 생길 가능성이 높은가. 회피하면 연료가 얼마나 더 드는가. 안전과 스케줄을 해치지 않으면서 조정할 수 있는가. 그 선택이 실제로 기후 영향을 줄였는가.

이것은 AI 투자수익의 중요한 힌트입니다. AI는 보고서를 자동 작성할 때도 쓸 수 있지만, 더 큰 가치는 현장 의사결정의 품질을 조금씩 올릴 때 나올 수 있습니다. 하루에 수백 번, 수천 번 반복되는 작은 선택들이 모이면 비용, 리스크, 탄소, 고객 경험이 달라집니다.

물류 경로, 재고 보충, 광고 입찰, 가격 조정, 설비 점검, 고객 이탈 방지, 에너지 사용 최적화도 같은 구조입니다. AI는 한 번의 화려한 결정을 내리는 도구가 아니라, 수많은 작은 판단의 평균 품질을 올리는 도구가 됩니다.

경영자가 봐야 할 질문

비행운 회피 실험은 AI의 미래를 과장하지 않고도 충분히 흥미롭습니다. 여기에는 챗봇도 없고, 인간형 로봇도 없고, 눈에 띄는 소비자 앱도 없습니다. 대신 항공사의 기존 운항 흐름 안에 작게 들어간 예측 모델이 있습니다.

경영자가 봐야 할 질문은 이것입니다.

우리 회사에는 비행운 같은 문제가 있는가.

대부분의 시간에는 보이지 않지만, 특정 조건에서 큰 비용이나 리스크를 만드는 현상은 무엇인가.

모든 업무를 자동화하지 않아도, 소수의 고영향 의사결정을 더 잘 고르면 성과가 크게 달라지는 영역은 어디인가.

AI 도입은 “무엇을 대체할 것인가”의 문제가 아닙니다. 먼저 “어떤 선택을 더 잘하게 만들 것인가”의 문제입니다. 좋은 AI 프로젝트는 거창한 선언으로 시작하지 않습니다. 이미 있는 업무 흐름에서, 바꿨을 때 효과가 큰 작은 결정을 찾는 데서 시작합니다.

비행운을 줄이는 AI가 보여준 것은 하늘의 문제가 아닙니다. 운영의 문제입니다. AI가 처음 돈을 버는 곳은 비행기를 조종하는 곳이 아니라, 조종사가 살짝 다르게 선택하게 만드는 곳일 수 있습니다.

#흥미로운세상읽기 #흥세기 #비즈니스모델 #AI #ContrailAI #항공산업 #기후테크 #의사결정자동화 #운영최적화 #더이노베이션랩