지속가능성 갈등 해결을 위한 AI 프레임워크: CONFARM

초록

이 연구는 설계 초기 단계에서 환경, 경제, 사회 간 상충되는 영향을 체계적으로 발견하고 평가하는 AI 기반 프레임워크인 CONFARM을 제안한다. 생애주기 분석, 원인-결과 매핑, 갈등 DB 구축, 다기준 평가의 4단계로 구성되며, LLM을 활용해 자동화할 수 있다. 농업, 패션, 에너지 분야 사례 연구를 통해 프레임워크의 적용 가능성과 슬로우 패션·원자력의 상대적 우수성을 입증했다.

상세 분석

본 논문이 제안하는 CONFARM 프레임워크의 기술적 핵심은 ‘지속가능성 갈등’을 정량적 지표로 변환하는 체계에 있다. 기존 LCA가 환경 영향에 집중하는 반면, CONFARM은 단일 의사결정이 환경, 경제, 사회 기둥에 미치는 상반된 효과(예: 배출량 감소 but 비용 증가)를 명시적으로 ‘갈등’으로 정의하고 데이터베이스화한다. 여기서 중요한 분석적 도전은 이질적 차원(예: CO2 배출량 vs. 노동 안전)의 영향을 동일한 척도에서 비교 가능하게 만드는 것이다. 저자는 이를 위해 각 효과에 ‘영향 크기(Impact Magnitude)‘와 ‘기둥 가중치(Pillar Weight)‘를 부여한 후 가중합으로 ‘지속가능성 비율(Sustainability Ratio)‘을 계산하는 방식을 채택했다. 영향 크기는 효과의 가역성, 통제 가능성, 구조적 정도에 따라 분류되며, 이는 정성적 정보를 정량적 평가 체계에 통합하는 실용적 해법이다.

또한, 프레임워크의 확장성과 실용성을 높이는 핵심 기여는 LLM(ChatGPT, Gemini)을 활용한 자동화 가능성 제시다. 생애주기 문서화 텍스트에서 자연어 처리를 통해 갈등 관계를 자동 추출함으로써 분석 시간을 단축하고 다양한 분야로의 확장을 용이하게 한다. 이는 전문가 중심 수동 분석의 한계를 보완하며, 프레임워크의 규모 확장성(Scalability)을 증명한다. 사례 연구 결과, 갈등 데이터가 축적될수록 수동·자동 방법론의 평가 결과가 수렴한다는 점은 자동화 방법의 신뢰성을 간접적으로 지지한다. 결국 CONFARM은 정성적 원인-결과 추론과 정량적 다기준 의사결정을 연결함으로써, 초기 설계 단계에서 종합적이고 실용적인 지속가능성 평가 패러다임을 제시한다는 점에서 의미가 크다.