Page 15 - 아시아·태평양경제협력체 기후센터 APCC 2025년도 연차보고서

아시아·태평양경제협력체 기후센터 2025년도 연차보고서

2025년도 르는 전 과정을 하나의 자동화 파이프라인으로 통합하였다. 기존 태평양 지역 기후전망이 유

2025년도 APCC 대표성과 APCC 지해 온 문서 구성과 시각적 형식을 그대로 재현하는 자동 컴파일 체계를 구축하여, 단일 스크
립트 실행만으로 데이터 입력부터 최종 PDF 산출까지의 전 과정이 순차적으로 완료되도록 구
대표성과 현하였다. 이를 통해 기후전망 생산 과정 전반이 명시적이고 재현 가능한 워크플로우로 정리

되었으며, 분석과 서술, 문서화가 유기적으로 연결된 체계적 생산 구조가 확립되었다.

2025년도 1. 기후전망을 생산하는 새로운 방식, 데이터 규칙 기반 시스템화 이러한 자동화 체계의 구축은 태평양 지역 기후전망 서비스의 일관성과 신뢰성을 한층 강화
하는 성과로 이어졌다. 정량적 기준과 명시적 규칙에 기반한 생산 구조는 동일한 데이터에
APCC 대해 항상 동일한 해석과 서술이 이루어지도록 보장함으로써, 기후전망을 장기적으로 비

대표성과 ㉖ 유진호 선임연구원(jhyoon@apcc21.org) 교·활용 가능한 정보 자산으로 발전시키는 토대를 마련하였다. 또한 기후전망 생산에 내재
된 분석 논리와 판단 기준을 시스템 내부에 구조화함으로써, 개인의 경험에 의존하던 전문
성이 조직 차원의 지속 가능한 운영 역량으로 정착되었다. 이는 향후 태평양 지역을 넘어 다
기후전망(Climate Outlook)은 계절 규모의 기후 변동성을 분석하여 미래의 기상 리스크에 선
양한 기후정보 서비스로 확장 가능한 기반을 제공하며, 데이터 기반 기후 정보 거버넌스 강
제적으로 대응하기 위한 핵심 의사결정 지원 수단이다. 특히 태평양 도서국과 같이 기후 취
화를 위한 중요한 전환점으로 평가될 수 있다.
약성이 높은 지역에서는 국가 차원의 기후 적응 전략 수립과 지역사회 의사결정을 뒷받침하
는 중요한 공공 서비스로 활용되고 있다. 이러한 기후전망은 단순한 예측 결과를 넘어, 다양
한 기후 자료의 종합적 해석과 전문적인 서술을 통해 정책과 현장에 전달되는 고도의 정보
산출물이라는 점에서 그 중요성이 크다.

그러나 기존의 기후전망 생산 과정은 전문 인력의 경험과 정성적 판단에 상당 부분 의존하
는 구조를 가지고 있었으며, 매월 반복되는 방대한 데이터 분석과 문서 편집 과정에서 일관
성과 재현성을 안정적으로 유지하는 데 한계가 존재하였다. 담당자에 따라 해석과 서술의
개별 편차가 발생할 가능성이 있었고, 분석·서술·편집이 분절적으로 수행되면서 전체 생
산 과정이 체계적으로 관리되기 어려운 측면도 있었다. 이러한 구조적 한계를 극복하고 기
후 정보 서비스의 지속가능성과 신뢰성을 강화하기 위해, 태평양 지역 기후전망 생산 전 과
정을 데이터와 규칙 기반의 자동화 구조로 전환하는 작업이 추진되었다.
그림 8 지역 마스크와 함께 표출된 예측신호의 예
과업에서는 먼저 태평양 지역의 기후학적·지리적 특성을 반영한 정량적 신호 검출과 지역
매칭 체계를 구축하였다. 과거 5년간의 기후전망 문서를 체계적으로 분석하여 실제로 반복
적으로 사용되어 온 지역 구분과 표현 방식을 정리하고, 이를 바탕으로 태평양 도서국 인근
을 17개 핵심 하위 지역(subregion)으로 표준화하였다. 또한 확률 예측장에서 도출되는 수치
정보를 기존 전망 문서에서 사용해 온 전문적 표현 체계와 일대일 대응 구조로 정립함으로
써, 데이터에 기반한 일관된 기후 해석이 가능하도록 하였다. 확률 임계값과 공간적 면적 비
율을 결합한 우선순위 판정 로직을 적용하여, 작성자의 주관적 판단 없이도 신뢰 가능한 신
호 선택이 이루어지도록 설계하였다.

이와 함께, 외부 네트워크 연결이 제한된 내부 시스템 환경에서도 안정적으로 운용 가능한
1)
오프라인 대규모언어모델( LLM) 기반 서술 자동화를 구현하였다. 태평양 지역 기후전망의
특성과 기존 문서 스타일을 반영할 수 있도록 경량 언어모델을 적용하고, 신호 검출 결과를
구조화된 형태로 입력하는 ‘Prompt Header’ 방식을 도입하여 모델의 자의적 해석을 최소
화하였다. 이를 통해 확률 예측, 해수면온도 이상, ENSO 관련 정보 등 다양한 기후 신호가
일관된 문체와 논리 구조를 갖춘 자연어 서술로 자동 생성될 수 있는 기반을 마련하였다.
1) LLM (Large Language Model) 2) LaTeX :
대규모 텍스트를 학습해 문서작성, 요약, 수식과 문서 서식을 정밀하게 표현할 수
2)
마지막으로, 데이터 전처리, 신호 탐지, 언어모델 기반 서술 생성, LaTeX 기반 문서 조립에 이
번역 등을 수행하는 인공지능 언어모델 있는 문서 조판 시스템 그림 9 기후전망 자동화 통합 프로세스
14 15 15
14