KCA

• 기자명 이진원 기자 

아마존, 2040년까지 넷제로 달성 목표 세워 실행
AI와 머신러닝 통해 '더 지속가능한 기업'으로 변신 박차
지난해 100건 넘는 신규 태양광과 풍력 프로젝트 투자

2022년 3월 18일 독일 베를린 인근 쇼네펠트에 있는 한 회사 건물 외관에 보이는 아마존 회사 로고. AP=연합뉴스

[ESG경제=이진원 기자] 세계 최대 온라인 소매점인 아마존은 지속가능한 기업이 되기 위해 빠르게 움직이고, 끊임없이 혁신하고, 투자하는 기업으로도 유명하다.

2040년까지 탄소 배출 순제로 달성을 공언한 아마존은 작년에 100건이 넘는 신규 태양광 및 풍력 에너지 프로젝트에 투자해 4년 연속 세계 최대 재생에너지 구매 기업의 자리를 지켰다.

내부적으로는 인공지능(AI)과 머신러닝 기술을 활용해 포장 및 음식물 쓰레기 감소부터 주문 처리 운영의 효율화를 위해 애쓰고 있다. 대표적으로, 아마존웹서비스(AWS)를 통해 고객에게 AI 인프라와 제품을 제공하는 건 물론이고, 고객과 다른 기업이 구매와 사업과 삶을 더욱 지속가능하게 만드는 걸 돕기 위해 AI 대중화에 힘쓰고 있다.

아마존은 이런 움직임의 배경과 관련해 “AI와 머신러닝은 지구에 필요한 속도, 규모, 긴급성에 맞춰 기후 목표를 달성하는 데 도움이 될 수 있다고 판단한다”고 설명했다.

아마존은 최근 AI를 활용해 더욱 지속가능한 기업이 될 수 있는 7가지 방법을 소개한 글을 자사 홈페이지에 올렸다. 지속가능한 기업으로의 변신을 꾀하는 기업들에게는 큰 도움이 될 만한 이 내용을 ESG경제가 간단히 정리해 보았다.

1. '포장 결정 엔진' 통한 포장재 사용량 축소

'포장 결정 엔진(Packaging Decision Engine)'은 아마존 고객에게 수백만 개의 상품을 배송하는 데 가장 효율적인 포장 옵션을 결정하는 데 유용한 AI 모델이다. 데이터 과학자들은 이 모델이 상품의 모양과 내구성을 비롯한 다양한 제품 속성을 이해하고 다양한 포장 옵션의 성능에 대한 고객 피드백을 분석하도록 훈련시켰다. 모델은 지속적으로 학습하고 있으며, 2019년 출시 이후 포장재 사용량을 줄이는 데 기여하고 있다. 이러한 포장 혁신과 기타 포장 혁신을 통해 아마존은 2015년부터 전 세계적으로 200만 톤이 넘는 포장재 사용을 없앴다.

2. 파손된 상품을 찾아내 낭비 방지

주문 처리 센터에서는 AI 기반 기술을 사용해 파손된 상품을 찾아내는 노력을 강화하고 있다. 고객에게 발송되거나 반품되는 파손된 상품의 수를 줄이는 게 목적이다. AI는 사람보다 3배 더 효과적으로 파손된 상품을 찾아낼 수 있으며, 파손되지 않은 상품과 파손된 상품의 수백만 장의 사진을 분석해 AI를 학습시켰다. 상품에 결함이 있어 고객에게 직접 배송할 수 없는 경우, 해당 상품에 대한 정보가 아마존 직원에게 전달되고, 정보를 전달받은 직원은 상품을 평가해 할인된 가격으로 재판매하거나 기부 또는 재사용할 수 있도록 경로를 재조정한다.

3. 음식물 쓰레기를 줄이기 위한 농산물 모니터링

아마존 프레시(Amazon Fresh) 식료품 팀은 머신러닝 기반 AI 솔루션을 사용해 과일과 채소의 매장 진열대 모니터링 자동화를 확대하고 있다. 이 솔루션은 과일과 채소가 든 상자의 이미지를 분석해 균열, 상처, 압력 손상과 같은 농산물의 시각적 결함을 감지한다. 아마존 프레시는 결함이 있는 농산물을 가능한 한 재활용하기 위해 사용 가능한 농산물은 현지 계약업체에 재판매하고, 계약업체는 가축 사료 등의 용도로 할인된 가격으로 다시 재판매하여 낭비되는 식품을 줄인다.

4. 고객이 완벽한 핏을 찾을 수 있게 지원해 반품 감소

반품 감소는 더 지속가능한 쇼핑으로 이어진다는 게 아마존의 판단이다. 아마존은 고객이 아마존 매장에서 더욱 안심하고 패션 제품을 구매할 수 있도록 여러 가지 AI 기반 혁신 기술을 도입했다. 그러자 핏(fit)과 관련된 반품도 줄었다. 이를 위해 아마존은 고객이 자신에게 가장 잘 맞는 사이즈를 찾을 수 있도록 AI와 머신러닝을 사용한 맞춤형 사이즈를 추천하고, 같은 사이즈를 착용하는 고객의 개인화된 피드백을 올리고, 개선된 사이즈 차트를 추가했다. 또한 아마존은 브랜드와 판매 파트너가 고객의 핏 문제를 더 잘 이해하고 향후 디자인과 제조에 피드백을 통합해 브랜드가 고객에게 상품을 더 정확하게 설명하고, 핏과 관련된 반품을 줄일 수 있도록 돕는 ‘핏 인사이트 툴(Fit Insights Tool)’이란 걸 개발했다.

5. 제품의 탄소 발자국 측정

수백만 개의 제품에 대한 탄소 발자국을 추정하기란 결코 쉽지 않다. 한 사람이 단일 제품의 탄소 발자국을 조사하고 계산하는 데에만 수백 시간이 걸릴 수 있다. 아마존은 이러한 문제를 해결하기 위해 자연어 처리를 활용해 상품의 탄소 영향을 계산하는 데 일반적으로 사용되는 측정치인 환경영향계수(EIF)에 대한 텍스트 설명을 특정 제품과 일치시키는 AI 기반 알고리즘인 플라밍고(Flamingo)를 개발했다.

이 알고리즘은 이미 아마존 내 개인 브랜드에서 판매하는 면 티셔츠부터 아마존 프레시에서 판매하는 당근에 이르기까지 모든 제품의 환경 영향을 계산하는 데 도움을 주고 있다. 한 실험에서는 이 알고리즘을 통해 과학자들이 1만 5000개의 아마존 상품을 매핑하는 데 걸리는 시간을 한 달에서 몇 시간으로 단축하는 성과를 거뒀다. 다른 기업돌도 지속가능성 목표를 가속화하기 위해 플라밍고를 사용할 수 있다.

6. 데이터 민주화를 통한 브라질 삼림 벌채 방지

아마존은 다른 기업들이 자체적인 지속가능성 목표를 달성하는 데 사용할 수 있도록 AI를 민주화하고 있다. 예를 들어, AWS는 브라질의 한 비영리 단체와 협력해 삼림 벌채를 모니터링하는 대규모 AI 모델을 개발했다. 이를 통해 2000만 헥타르의 산림 지역을 자동으로 모니터링할 수 있게 되었다. 모니터링이 개선되면 아마존 하구의 파라(Para) 주 내에서만 340만 헥타르의 삼림이 복원될 것으로 예상된다.

7. AWS 칩을 사용해 AI를 더욱 효율적으로 구동하기

아마존은 또한 AWS 칩에 투자하는 등 클라우드 인프라의 에너지 효율성을 높여 AI의 지속 가능성을 개선하고 있다. AWS 트레이니움(AWS Trainium)은 고성능 머신러닝 칩으로, 일부 모델의 학습 시간을 몇 달에서 몇 시간으로 단축해 생성형 AI 모델을 학습하는 데 드는 시간과 비용을 절감할 수 있도록 설계됐다. 즉, 새로운 모델을 구축하는 데 필요한 비용과 전력이 줄어들며, 유사한 사례 대비 최대 50%의 잠재적 비용 절감과 최대 29%의 에너지 소비 감소를 기대할 수 있다.

2세대 트레이니움2 칩은 1세대 트레이니움 칩보다 최대 4배 빠른 훈련 속도를 보이면서 에너지 효율을 최대 2배까지 개선하도록 설계됐다. AWS 인퍼런시아(AWS Inferentia)는 가장 전력 효율이 높은 AI 추론 칩이다. 인퍼런시아2 AI 액셀러레이터는 와트당 최대 50% 더 높은 성능을 나타내며, 동급 사례 대비 최대 40%까지 비용을 절감할 수 있다.