핀란드 스타트업의 혁신적 도전
핀란드에 본사를 둔 기상 데이터 스타트업 스카이포라(Skyfora)가 통신 인프라를 활용한 인공지능(AI) 기반 기상 예측 네트워크 확장을 위해 650만 유로(약 96억 원)의 신규 투자 유치에 성공했다. 이번 투자 라운드는 Ugly Duckling Ventures가 주도했으며, Eviny Ventures, Lumo Labs, 유럽 혁신 위원회(EIC) 펀드가 에쿼티 투자자로 참여했다.
여기에 더해 Business Finland가 비희석성(non-dilutive) 자금을 별도로 지원했다. 스카이포라는 이번 자금을 바탕으로 소프트웨어 플랫폼과 대기 데이터 제품의 상업화를 가속하고, 실시간 데이터 제품·API·대시보드를 출시하며, 통신사 및 기상 예측 그룹과의 파트너십을 넓혀 나갈 계획이다.
스카이포라의 핵심 기술은 기존에 통신 목적으로 설치된 휴대전화 기지국과 셀 타워를 실시간 대기 센서 네트워크로 전환하는 방식에 있다. 이를 통해 고해상도 대기 데이터를 촘촘하게 수집하고, 이 데이터를 AI 기상 모델과 단기 예측 알고리즘에 결합함으로써 예측 정확도를 높인다. 새로운 센서 장비를 대규모로 구축하는 대신 이미 전국에 깔린 통신 인프라를 활용한다는 점에서, 초기 비용을 크게 낮추면서도 데이터 수집 밀도를 높일 수 있다는 평가를 받는다.
기후 변화로 인해 예측 불가능한 날씨 패턴이 잦아지면서, 보다 촘촘하고 신속한 기상 데이터에 대한 수요가 전 세계 산업 전반에서 빠르게 늘고 있다. 농업, 물류, 에너지, 항공 등 날씨 변동에 민감한 업종에서는 수 시간 단위의 국지적 기상 정보가 생산성과 안전성에 직접적인 영향을 미친다. 스카이포라는 이러한 수요에 대응하기 위해 기존 통신망을 기반으로 한 저비용·고밀도 데이터 수집 체계를 구축해 왔으며, 이번 투자 유치로 그 확장 속도를 높이게 됐다.
기후 데이터 기술의 상업적 확대
이번 투자 자금은 단순한 기술 개발에 그치지 않고 시장 확대에도 집중 투입된다. 구체적으로는 소프트웨어 플랫폼 및 대기 데이터 제품의 상업적 확장, 통신사 및 기상 예측 그룹과의 파트너십 확대, 팀 규모 성장, 시장 채택 증진이 주요 활용처다.
아울러 실시간 데이터 제품, API, 대시보드 출시가 단기 일정에 포함돼 있어 기업 고객과 파트너사가 스카이포라의 데이터를 자사 시스템에 직접 연동할 수 있는 환경이 마련될 전망이다.
광고
물론 기술적 가능성만큼 현실적 과제도 분명히 존재한다. AI 기반 기상 예측의 정확도는 수집 데이터의 품질에 크게 좌우된다.
기지국 장비의 상태나 외부 환경 변수가 센서 측정값에 영향을 미칠 경우, 예측 결과 전반에 오차가 확산될 수 있다. 또한 통신 인프라를 기상 센서로 이중 활용하는 과정에서 각국의 통신 규제, 데이터 보호법, 통신사와의 계약 조건이 배포 범위를 제한하는 변수로 작용할 수 있다.
스카이포라가 유럽 시장을 넘어 글로벌 확장에 나서려면 이러한 규제 환경과의 조율이 불가피하다. 스카이포라의 사례는 한국을 포함한 여러 국가의 기상 기술 개발에도 시사점을 제공한다.
한국은 자체 기상위성 '천리안' 운용과 수치예보 모델 고도화 등에서 상당한 기술 역량을 축적해 왔다. 스카이포라 방식처럼 기존 통신 인프라를 기상 관측에 활용하는 접근법은 관측 공백 지역을 보완하는 수단으로 검토할 만하다.
국내 통신사와 기상청, 관련 스타트업 간의 협력 모델을 설계하는 데 참조할 수 있는 구체적 선례가 생긴 셈이다.
한국과 일본에 미칠 잠재적 영향
글로벌 기상 예측 시장에서 민간 기업의 역할은 빠르게 커지고 있다. 유럽과 북미를 중심으로 AI 기반 단기 예측 서비스를 제공하는 스타트업들이 전통적인 국가 기상청의 데이터를 보완하거나 대체하는 방향으로 시장을 형성하고 있다. 스카이포라는 그 가운데서도 새로운 센서 하드웨어 투자 없이 기존 인프라를 재활용한다는 차별점을 내세워 투자자들의 선택을 받았다.
이는 자본 효율성과 배포 속도 모두에서 경쟁 우위가 될 수 있다는 판단이 반영된 결과다. 기후 변화가 가속화되는 시대에 정밀 기상 데이터는 특정 산업의 전유물이 아니라 사회 전반의 기반 인프라로 자리 잡아 가고 있다.
스카이포라의 이번 투자 유치는 그 방향성에 부합하는 사업 모델이 시장에서 실제로 검증받고 있음을 보여 주는 사례다. 다만, 기술의 신뢰성과 데이터 거버넌스에 대한 엄격한 기준이 뒷받침되지 않는다면 예측 오류가 오히려 더 큰 혼란을 초래할 수 있다. 배포 속도와 함께 품질 관리 체계를 어떻게 구축하느냐가 스카이포라의 장기적 성패를 가를 핵심 변수가 될 것이다.
광고
FAQ
Q. 스카이포라의 기술은 일반 기상청 예보와 어떻게 다른가?
A. 기존 기상청 예보는 지상 관측소, 기상위성, 라디오존데(기상 관측 기구) 등 전용 장비에서 수집된 데이터를 수치예보 모델에 입력하는 방식으로 운용된다. 스카이포라는 이미 전국에 설치된 휴대전화 기지국과 셀 타워를 대기 센서로 전환해 기존 관측망보다 훨씬 촘촘한 공간 해상도로 데이터를 수집한다. 이를 AI 단기 예측 모델과 결합함으로써 수 킬로미터 단위의 국지적 기상 변화를 보다 빠르게 포착할 수 있다는 점이 핵심 차별점이다. 전용 센서 장비를 새로 구축하지 않아도 되기 때문에 배포 비용과 시간이 크게 줄어드는 것도 장점이다.
Q. 스카이포라의 기술을 다른 나라에서도 도입할 수 있는가?
A. 스카이포라의 기술은 기존 이동통신망을 기반으로 하기 때문에 4G·5G 네트워크가 구축된 국가라면 원칙적으로 적용이 가능하다. 다만 각국의 통신 규제, 개인정보 보호법, 통신사와의 데이터 공유 계약 조건이 실제 도입 범위에 영향을 미친다. 한국의 경우 전국 단위의 촘촘한 이동통신망이 이미 갖춰져 있어 기술적 호환성은 높은 편이나, 기상청·통신사·민간 기업 간 데이터 협력 체계를 법적·제도적으로 정비하는 과정이 선행되어야 한다. 유럽 혁신 위원회(EIC) 펀드의 투자 참여는 유럽 내 규제 환경에서의 사업화 가능성을 일정 부분 검증한 신호로 볼 수 있다.
Q. AI 기상 예측의 한계와 유의할 점은 무엇인가?
A. AI 기반 기상 예측은 입력 데이터의 품질에 직접적으로 의존하기 때문에, 기지국 장비 오작동이나 외부 환경 변수가 측정값에 영향을 미치면 예측 결과 전반에 오차가 나타날 수 있다. 또한 AI 모델은 학습 데이터에 포함되지 않은 극단적 기상 현상에 대한 대응력이 떨어질 수 있으며, 모든 기상 이변을 사전에 포착하는 데는 구조적 한계가 따른다. 이 때문에 AI 예측 시스템은 기존 수치예보 모델이나 기상청 공식 예보를 대체하기보다는 보완하는 도구로 활용하는 것이 현실적이다. 데이터 수집·처리 과정의 투명성과 예측 오류에 대한 책임 체계를 갖추는 것이 상용화의 전제 조건이 된다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}