AI 일기예보, 수치예보보다 정확할까: 태풍 경로·강수 적중률·나비효과

AI 일기예보는 수치예보보다 정확할까

AI 일기예보는 며칠 앞 태풍 경로와 평균 오차에서 물리 방정식 기반 수치예보를 앞서지만 작은 오차가 여러 규모로 커지는 대기의 나비효과는 아직 충실히 재현하지 못합니다. 제주대 태풍연구센터 분석에서 5일 뒤 태풍 경로 오차는 AI가 물리 모델보다 최대 150km 작았습니다. 반면 2026년 여름(6~8월) 기상청 단기 강수예보 적중률(CSI)은 0.32로 최근 10년 중 가장 낮았습니다.

같은 해 10월 태풍 '참피' 때 구글 딥마인드, 화웨이 판구, 유럽중기예보센터(ECMWF)의 AIFS 같은 AI 모델은 대만 앞에서 급히 북동쪽으로 꺾이는 경로를 내놓았고 실제 경로도 AI 쪽에 가까웠습니다. ECMWF 물리 모델은 더 서쪽으로 간 뒤 꺾일 가능성을 높게 봤습니다. 다만 0.32는 예보관이 발표한 단기 예보의 성적이고 150km는 전 지구 모델끼리 비교한 값이어서 두 숫자만으로 'AI가 기상청보다 낫다'고 말할 수는 없습니다.

AI 일기예보는 수치예보보다 정확할까
수치예보와 AI 일기예보의 원리: 방정식 계산과 패턴 학습
비 예보 정확도 84%와 적중률 0.32는 왜 다를까
AI 태풍 예측: 경로 오차는 최대 150km 작고 세기는 약하게 본다
GIST 연구: AI 앙상블은 중간 규모 나비효과를 재현하지 못한다
AI 일기예보 운영 동향: AI와 물리 모델을 함께 돌린다
시사점과 남은 연구 과제: AI는 수치예보를 보완한다
자주 묻는 질문
같이 읽으면 좋은 것들

수치예보와 AI 일기예보의 원리: 방정식 계산과 패턴 학습

수치예보(NWP)는 지구를 격자로 나누고 현재 대기 상태를 역학 방정식에 넣어 짧은 시간 단계마다 미래를 계산합니다. 격자가 촘촘할수록 계산량이 기하급수적으로 늘어 슈퍼컴퓨터가 필요하고 격자 한 칸보다 작은 동네 소나기는 직접 계산하기 어렵습니다(서울대 자연과학대학 뉴스룸). 그래도 Bauer 등(2015, Nature)에 따르면 믿을 만한 예보 기간은 1980년 3일에서 지금 7일로 10년에 하루꼴로 늘었습니다.

원리적인 한계도 있습니다. 로렌츠(Lorenz)는 1963년 단순한 대류 방정식에서도 처음 값이 조금만 달라지면 결과가 완전히 달라진다는 것을 보였습니다. 나비효과로 알려진 카오스 이론의 출발점입니다. 그래서 예보 기관은 처음 조건을 조금씩 바꾼 여러 예보를 돌려 불확실성을 확률로 나타내는 앙상블 예보를 씁니다. ECMWF의 물리 앙상블(IFS-ENS)은 오차가 자라는 과정 자체를 방정식으로 재현합니다.

AI 일기예보는 방정식을 풀지 않고 과거 날씨의 패턴을 학습합니다. 구글 딥마인드의 그래프캐스트(GraphCast)는 ECMWF가 과거 날씨를 다시 계산한 ERA5 재분석 자료 중 1979~2017년을 학습했습니다(Lam 등, 2023, Science). 현재와 6시간 전 대기 상태로 6시간 뒤를 예측하고 그 값을 다시 입력으로 넣는 자기회귀 방식으로 10일 예보를 이어 붙입니다. 젠캐스트(GenCast)는 이미지 생성 AI에 쓰이는 확산 모델을 응용해 확률 예보를 만듭니다.

모델	방식	해상도	예보 생성 속도	발표된 비교 결과
그래프캐스트	AI 단일 예보(6시간 단위)	0.25°	10일 예보 1분 이내	ECMWF HRES 대비 1,380개 항목 중 90% 이상 우세
젠캐스트	AI 앙상블(확산 모델, 12시간 단위)	0.25°	15일 앙상블 8분	2019년판 ENS 대비 97.2% 항목 우세
AIFS ENS	AI 앙상블 51개	31km	물리 앙상블보다 10배 넘게 빠름, 에너지 약 1,000분의 1	일부 지표에서 최대 20% 개선
IFS-ENS	물리 앙상블 51개	9km	15일 앙상블 몇 시간	비교 기준

자료: Lam et al.(2023, Science), 긱뉴스(2024.12.10), ECMWF(2025.7.1), Kim et al.(2026). 그래프캐스트 결과는 학술지 논문, 젠캐스트·AIFS ENS 결과는 개발 기관 발표입니다.

AI 앙상블은 빠른 대신 격자가 성겨 AIFS ENS의 격자 간격은 물리 앙상블보다 약 3.4배 넓습니다. 출발점도 관측과 물리 모델을 합친 분석장(자료동화로 만든 초기 상태)이고 학습 자료인 재분석 자료 역시 물리 모델로 만들었습니다. AI는 물리 모델을 버린 기술이 아니라 그 결과물 위에 선 기술이어서 AI 예보가 늘어도 관측망과 자료동화 투자는 줄일 수 없습니다.

비 예보 정확도 84%와 적중률 0.32는 왜 다를까

두 숫자는 계산할 때 나누는 수(분모)가 달라 같은 예보를 전혀 다르게 평가합니다. 쿠키뉴스가 전한 2026년 국정감사 자료에서 그해 여름 기상청 강수유무정확도(ACC)는 84%, 적중률(CSI)은 0.32였습니다. ACC는 '비가 안 온다'를 맞힌 경우도 세므로 맑은 날이 많으면 저절로 오릅니다. CSI는 적중 수를 '적중 + 빗나간 비 예보 + 놓친 비'로 나눠 맑은 날을 아예 뺍니다. 비 예보가 나갔지만 파주 7㎜, 동두천 2㎜에 그친 경기 북부 사례가 국감에서 지적됐듯 시민이 체감하는 성적은 CSI 쪽에 가깝습니다. 우산을 챙길지 정할 때 기준으로 삼을 숫자도 84%보다는 CSI입니다.

여름철(6~8월) CSI는 2021년 0.35, 2022년 0.38, 2023년 0.45, 2024년 0.33, 2025년 0.43, 2026년 0.32로 해마다 크게 출렁였습니다. 2026년 값은 2023년보다 0.13(28.9%), 한 해 전보다 0.11(25.6%) 낮습니다. 국지성 소나기인지 정체전선인지 같은 그해의 강수 유형이 성적을 좌우한다는 해석을 이 출렁임이 뒷받침합니다.

AI 비교 연구는 대부분 CSI 대신 평균 오차(RMSE)나 앙상블 확률 점수(CRPS)로 예보가 평균적으로 실제에 얼마나 가까웠는지를 잽니다. 국지성 호우를 맞혔는지 묻는 CSI와는 질문 자체가 다릅니다.

AI 태풍 예측: 경로 오차는 최대 150km 작고 세기는 약하게 본다

평균 오차로 겨루면 AI가 물리 모델을 대부분 앞섭니다. 중앙일보가 전한 제주대 태풍연구센터의 최근 2년 태풍 분석에서 ECMWF 물리 모델(IFS)의 1~5일 평균 경로 오차는 205.5km였고 AI 모델은 대부분 200km 이내였습니다. 5일 예측에서는 AI 오차가 최대 150km 작았습니다. 그래프캐스트는 2023년 9월 허리케인 '리'의 캐나다 노바스코샤 상륙을 기존 모델보다 약 3일 먼저 예측하기도 했습니다(서울대 자연과학대학 뉴스룸).

약점도 같은 분석에서 나왔습니다. AI는 태풍 세기와 이동 속도를 잘 맞히지 못했고 학습 자료가 부족해 태풍을 실제보다 약하게 그리는 경향을 보였습니다. 2020~2024년 급전향 태풍을 다룬 2025년 arXiv 논문은 판구(Pangu)가 이런 태풍에서 여전히 수치모델에 뒤진다고 보고해 참피 사례와 엇갈립니다. 어떤 변수를 며칠 앞서 보느냐, 어느 세대 모델이냐에 따라 우열이 바뀌는 셈입니다.

수치를 읽는 조건도 있습니다. '최대 150km'와 '최대 20%'는 개선 폭이 가장 큰 기간이나 변수의 값이고 '90% 항목 우세'도 평균 오차 기준입니다. 평균적으로 맞는 예보가 물리적으로도 그럴듯한지는 또 다른 문제입니다.

GIST 연구: AI 앙상블은 중간 규모 나비효과를 재현하지 못한다

광주과학기술원(GIST) 윤진호 교수 연구팀이 국내외 대학과 함께 2026년 3월 18일 npj Climate and Atmospheric Science에 발표한 논문은 젠캐스트가 고기압과 저기압이 움직이는 종관 규모에서는 오차 성장을 현실적으로 그리지만 더 작은 중간 규모의 나비효과는 재현하지 못한다는 결과를 내놓았습니다. 연구팀은 2021년 매주 월요일에 시작한 예보 52회로 젠캐스트와 ECMWF 물리 앙상블을 비교했습니다. 제트기류가 흐르는 300hPa(약 9km 상공)에서 바람 에너지가 공간 규모별로 어떻게 분포하고 예보 간 차이가 어떻게 자라는지(에너지 스펙트럼)를 약 400km 경계로 나눠 추적했습니다.

공간 규모·항목	젠캐스트	IFS-ENS
종관 규모 초기 오차 성장	IFS-ENS와 비슷	비교 기준
중간 규모 스펙트럼 기울기	-0.20(거의 평평)	-4.72
중간 규모 에너지	ERA5의 약 3배, 첫 단계 뒤 거의 불변	-
행성 규모 10일간 오차 성장	10배 미만	약 100배

자료: Kim et al.(2026), npj Climate and Atmospheric Science. 대상: 2021년 예보 52회, 300hPa, 0.25° 해상도.

중간 규모에서는 작은 소용돌이 에너지가 실제보다 많은 채 거의 변하지 않았습니다. 오차가 물리 과정을 따라 자랐다기보다 첫 단계에서 생긴 에너지가 그대로 머문 모습입니다. 행성 규모 오차의 공간 패턴도 제트기류를 따르지 않는 알갱이 모양의 잡음이었습니다. 잡음을 넣는 방식이 다른 AIFS-ENS에서도 비슷한 특성이 나타나 연구진은 이를 AI 앙상블 전반의 과제로 봤습니다.

윤 교수는 일반 지표의 성능과 대기 물리의 반영은 별개 문제라고 설명했고 논문은 이 분석을 WeatherBench2·ChaosBench 같은 평가 기준에 넣자고 제안했습니다. 젠캐스트를 믿지 말자는 뜻이 아니라 평가 잣대를 넓히자는 제안입니다.

AI 일기예보 운영 동향: AI와 물리 모델을 함께 돌린다

예보 현장은 AI를 쓰되 물리 모델을 끄지 않는 쪽으로 움직입니다. ECMWF는 2025년 2월 AIFS Single을, 7월 1일 AIFS ENS를 운영 예보로 전환해 35개 회원국·협력국 등에 제공하면서도 고해상도 예보와 지구시스템 예측에는 물리 앙상블이 여전히 필요하다고 밝혔습니다.

구글이 2026년 8월 공개한 태풍 모델은 3일 뒤 예측이 기존 모델의 2일 뒤만큼 정확해 연구진이 약 10년의 발전에 맞먹는다고 평가했습니다(인공지능신문). '10년에 하루' 추세를 한 번에 당긴 셈입니다. 시나리오는 50개에서 1,000개로 20배 늘었고 미국 국립허리케인센터(NHC)는 2025년 허리케인 '멜리사' 때 이 결과를 참고했습니다. MIT 연구진이 기존 모델의 오차 경향을 AI로 보정해 2~6주 예보를 개선한 것도 물리 모델 위에 AI를 얹는 하이브리드 사례입니다.

국내 쟁점은 투자 배분입니다. 경인일보에 따르면 한국형수치예보모델(KIM)에는 1차 10년간 788억여 원, 2차 사업(2020~2026년)에 1,023억 원이 들어가 합계 약 1,811억 원 규모입니다. 그런데도 KIM의 강수 적중률은 2024년 국감 자료의 최근 5년 평균 0.44로 영국 모델(UM) 0.46, ECMWF 0.48보다 낮았고 이 격차는 2022년부터 해마다 국감에서 지적됐습니다. 물리 모델 고도화와 AI 활용의 역할 분담을 정하는 일이 국내 예보의 현실 과제가 됐습니다.

시사점과 남은 연구 과제: AI는 수치예보를 보완한다

AI는 지금 수치예보를 대체하기보다 보완하는 단계에 있습니다. 제주대 문일주 센터장은 성능 좋은 AI 모델 여러 개의 종합을, 경북대 강남영 교수는 수치모델과 AI의 상호 보완을 제안했습니다. 국내 비 예보 적중률 0.32가 드러낸 국지 강수 문제는 AI 논문의 평균 지표로는 답할 수 없으므로 AI 모델도 CSI 같은 체감 지표로 함께 검증해야 국내 예보 개선으로 이어집니다.

생활에서는 날씨 앱의 아이콘 하나보다 강수확률과 태풍 진로의 확률 범위를 보는 편이 앙상블 원리에 맞습니다. 앱마다 예보가 다른 것은 쓰는 모델(KIM, UM, ECMWF, AI 모델)과 해상도, 업데이트 시각이 달라서인데요. 여러 모델이 같은 방향을 가리킨다면 그 예보는 한층 믿을 만합니다. 교육 현장에서는 분모에 따라 84%와 0.32로 갈리는 지표, 패턴 학습과 물리 계산의 차이를 토론 주제로 삼을 수 있고 GIST 연구는 '예보가 맞았는가'와 '물리적으로 그럴듯한가'를 구분하는 좋은 사례가 됩니다.

남은 연구 과제는 물리적 타당성 지표를 AI 평가 기준에 넣는 일, 에너지 소산과 규모 간 상호작용을 반영한 AI 구조, AI와 물리 모델을 합친 하이브리드 예보, 학습 자료에 없던 극한 현상 예측, 한반도 지형에 맞춘 국지 강수 예측입니다.

자주 묻는 질문

AI 일기예보와 수치예보는 무엇이 가장 다른가요?

수치예보는 격자 위에서 물리 방정식을 시간 단계마다 풀고 AI 일기예보는 1979~2017년 재분석 자료 같은 과거 날씨의 패턴을 학습해 다음 시점을 바로 예측합니다. AI는 훨씬 빠르지만 출발점인 분석장과 학습 자료는 관측과 물리 모델에 기댑니다.

적중률 0.32와 정확도 84% 가운데 무엇을 봐야 하나요?

비 예보를 얼마나 믿을지는 맑은 날을 맞힌 경우를 빼고 계산하는 CSI가 더 잘 보여 줍니다. 2026년 여름 CSI 0.32는 2023년 0.45보다 0.13 낮았습니다.

AI가 수치예보를 대체할까요?

당분간은 두 방식을 함께 쓰는 하이브리드 운영이 유력합니다. ECMWF는 AI 앙상블을 운영하면서도 물리 모델과 보완 관계라고 밝혔고 태풍 세기 예측과 중간 규모 나비효과 재현에는 아직 한계가 있습니다.