TMS는 공공 하·폐수처리시설과 폐수배출사업장의 방류구에 설치된 자동측정기기로, pH·총유기탄소(TOC)·부유물질(SS)·총질소(T-N)·총인(T-P) 등 5개 항목을 24시간 실시간으로 측정한다. 2008년 도입된 이 체계는 현재 전국 하·폐수 방류량의 97% 이상을 관리하고 있다. 기후에너지환경부는 이 데이터를 단순 감시를 넘어 과학적 수질관리의 정책 기반으로 확장하기 위해 2024년부터 매년 우수사례 공모를 열고 있으며, 올해가 세 번째다.
올해 선정된 4건 가운데 3건은 인공지능을 활용했다. 대상인 삼성전자 화성사업장은 TMS 데이터를 AI로 분석해 하루 2시간씩 걸리던 데이터 분석 업무를 연간 520시간 줄였고 방류기준 초과는 한 건도 없었다. 최우수상인 부산환경공단 강변하수처리장은 자동 재학습 기능을 갖춘 AI 모형으로 총질소 농도를 최대 24시간 전에 예측해, 연간 전력비를 10%가량 줄일 수 있을 것으로 내다봤다. 우수상인 LG화학 대산공장은 TOC를 12시간 전에 예측하는 모형을 개발했고, 광주환경공단 평동3차 공공폐수처리시설은 AI 없이 데이터 분석만으로 약품 사용량을 과거 3년 평균보다 61% 줄였다.
앞서 헤럴드경제는 지난해 11월 23일 2025년도 수상작을 보도하며, 당시 대상이었던 시화공단 사례와 최우수상 아산신도시물환경센터 등을 소개한 바 있다. 당시 보도에 따르면 2025년 공모 접수 건수는 34건으로 전년 대비 42% 늘었고, 수상작은 모두 공공 하·폐수처리장이었다. 이와 비교하면 올해는 민간 대기업 사업장이 대상과 우수상 자리를 차지했다는 점에서 공모의 무게중심이 ’공공시설 운영 효율화’에서 ’대기업의 자발적 환경관리 투자’로 옮겨가는 모습이다.
문제는 두 가지다. 하나는 TMS라는 제도 자체가 갖고 있던 신뢰성 논란이다. 환경부는 2019년 최근 5년간 오염물질 측정결과를 조작한 사례 30건을 적발해 발표한 바 있다. 측정값 자체를 조작한 전례가 있는 체계 위에 이제는 AI 예측 모델까지 얹히는 셈인데, 이 AI 모델이 산출한 예측값과 절감 효과를 누가, 어떤 기준으로 검증하는지에 대한 설명은 이번 보도자료에도, 지난해 보도에도 없었다.
다른 하나는 성과 수치의 출처 문제다. ‘연간 520시간 절감’, ‘전력비 10% 절감’ 같은 수치는 모두 해당 사업장이 제시한 자체 추산치이며, 외부 기관의 교차 검증 결과는 공개되지 않았다.
공모 제도 자체의 외형은 해마다 커지고 있다. 지난해까지 이 공모를 통해 발굴된 우수사례는 누적 58건에 이른다고 환경당국은 밝히고 있다. 문제는 이렇게 쌓인 58건의 사례가 실제로 몇 곳의 다른 사업장에 적용돼 확산됐는지, 그 성과가 TMS 전체 관리 대상인 전국 하·폐수 방류량의 97%에 어느 정도 기여했는지를 집계한 자료가 공개된 적이 없다는 점이다.
데일리환경이 보기에 TMS 우수사례 공모는 3년간 양적으로는 분명히 성장했지만, 질적 검증은 그 속도를 따라가지 못하고 있다. 우수사례로 선정된 4곳의 성과를 독립적으로 검증할 절차, 측정값 조작 전례가 있는 체계에서 AI 예측치의 신뢰도를 담보할 기준, 그리고 선정 사례가 전국 현장에 실제로 퍼지고 있는지를 추적하는 통계가 모두 숙제로 남아 있다.


















































댓글
(0)